Firebase Admin Node 项目中 FCM 旧版 API 弃用问题解析
背景介绍
Firebase Cloud Messaging (FCM) 是 Firebase 提供的推送通知服务,允许开发者向移动设备和 Web 应用发送通知消息。2023 年 6 月,Google 宣布将逐步弃用 FCM 的旧版 API 端点,并计划在 2024 年 6 月 21 日后完全停止支持。
问题核心
在 Firebase Admin Node SDK 的最新版本中,仍然存在四个使用旧版 API 端点的方法:
sendToDevice(已标记为弃用)sendToDeviceGroup(已标记为弃用)sendToTopic(未标记为弃用)sendToCondition(未标记为弃用)
这些方法都使用了即将停用的 https://fcm.googleapis.com/fcm/send 端点,但并非所有方法都被明确标记为弃用状态,这给开发者带来了困惑。
技术影响
当开发者继续使用这些旧方法时,服务器会返回错误响应:
{
"error": "Deprecated endpoint, see https://firebase.google.com/docs/cloud-messaging/migrate-v1"
}
这直接影响了依赖这些方法发送推送通知的应用程序功能。
解决方案
Firebase 团队推荐使用新的 send() 方法替代所有旧版 API 调用。新方法使用 HTTP v1 端点 https://fcm.googleapis.com/v1/projects/{project-id}/messages:send,并支持所有消息类型:
- TokenMessage:向特定设备发送
- TopicMessage:向主题订阅者发送
- ConditionMessage:向符合条件的设备发送
迁移示例
旧版代码:
admin.messaging().sendToTopic(topic, message);
应迁移为:
const topicMessage = {
topic: topic,
data: message.data,
notification: message.notification
};
admin.messaging().send(topicMessage);
开发者注意事项
-
版本更新:确保使用 Firebase Admin Node SDK v12.4.0 或更高版本,其中所有旧方法都已正确标记为弃用
-
消息结构变化:新版 API 的消息结构有所调整,例如:
- 旧版使用
to字段指定目标 - 新版使用
token字段指定设备令牌
- 旧版使用
-
错误处理:新版 API 的错误处理机制也有所变化,需要使用 Promise 的
.catch()方法捕获错误 -
功能完整性:新版 API 完全支持旧版的所有功能,包括主题消息、条件消息等
最佳实践建议
- 尽快将现有代码迁移到新版
send()API - 在开发环境中全面测试新的消息发送逻辑
- 更新相关文档和注释,避免团队成员继续使用旧方法
- 监控应用程序的推送通知成功率,确保迁移后功能正常
总结
Firebase Admin Node SDK 的 FCM 功能升级是一个必要的技术演进过程。虽然短期内需要开发者投入时间进行代码迁移,但新版 API 提供了更稳定、更安全的消息推送服务。理解新旧 API 的差异并按照推荐方案进行迁移,可以确保应用程序的推送功能持续稳定运行。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00