build-shiny-module
About
This skill helps developers create reusable Shiny modules with proper namespace isolation and reactive communication between components. It's designed for breaking large Shiny apps into manageable, testable units and avoiding namespace conflicts. Use it when you need to reuse UI components across applications or organize complex app logic.
Quick Install
Claude Code
Recommendednpx skills add pjt222/agent-almanac -a claude-code/plugin add https://github.com/pjt222/agent-almanacgit clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/build-shiny-moduleCopy and paste this command in Claude Code to install this skill
Documentation
name: build-shiny-module description: > Wiederverwendbare Shiny-Module mit UI/Server-Paaren erstellen. Behandelt Namespace-Isolation, Kommunikation zwischen Modulen über reactive Values und die Integration in die Haupt-App. Verwenden, wenn App-Logik in verwaltbare Teile aufgeteilt, UI-Komponenten wiederverwendet oder Namespace-Konflikte in großen Shiny-Apps vermieden werden sollen. license: MIT locale: de source_locale: en source_commit: 6f65f316 translator: claude-opus-4-6 translation_date: 2026-03-16 allowed-tools: Read Write Edit Bash Grep Glob metadata: author: Philipp Thoss version: "1.0" domain: shiny complexity: intermediate language: R tags: shiny, modules, namespacing, reactive, r-packages
Shiny-Modul erstellen
Wiederverwendbare Shiny-Module mit korrekt isolierten Namespaces und sauberer API erstellen.
Wann verwenden
- App-Logik in verwaltbare, testbare Einheiten aufteilen
- UI-Komponenten über mehrere Apps oder App-Teile wiederverwenden
- Namespace-Konflikte in großen Shiny-Apps mit vielen Inputs/Outputs vermeiden
- Teams arbeiten an verschiedenen App-Teilen unabhängig voneinander
Eingaben
- Erforderlich: Modulname (z. B.
dataFilter,plotViewer) - Erforderlich: Welche Daten/Werte das Modul empfangen und zurückgeben soll
- Optional: Ob das Modul reaktive Werte zurückgeben soll (für Modul-zu-Modul-Kommunikation)
Vorgehensweise
Schritt 1: Modul-Struktur planen
Die Modul-API definieren, bevor Code geschrieben wird.
Für jedes Modul entscheiden:
- Inputs (Parameter der UI-Funktion): Statische Konfiguration — Beschriftungen, Optionen
- Server-Inputs (Parameter der Server-Funktion): Reaktive Werte von Elternkomponente
- Outputs (Rückgabewert der Server-Funktion): Reaktive Werte, die andere Module verwenden
Beispiel: Datenfilter-Modul
- UI bekommt:
id, optionale Beschriftungen - Server bekommt:
data(reaktiv — DataFrame) - Server gibt zurück:
filtered_data(reaktiv — gefilterter DataFrame)
Erwartet: Klar dokumentierte Modul-API vor Implementierung.
Bei Fehler: Wenn die API unklar ist, mit einer Minimalversion starten und iterieren. Übermäßig komplizierte Modul-APIs sind ein häufiges Problem.
Schritt 2: Modul-UI-Funktion erstellen
Die UI-Komponente mit korrektem Namespace-Handling implementieren.
# R/mod_data_filter.R
#' Datenfilter-Modul UI
#'
#' @param id Modul-ID (wird für Namespace-Isolation verwendet)
#' @param label Beschriftung für Datensatz-Auswahl
#' @export
mod_data_filter_ui <- function(id, label = "Datensatz auswählen") {
ns <- NS(id) # Namespace-Funktion erstellen
tagList(
selectInput(
inputId = ns("dataset"), # ns() auf alle IDs anwenden
label = label,
choices = c("iris", "mtcars", "airquality")
),
sliderInput(
inputId = ns("n_rows"),
label = "Anzahl Zeilen",
min = 1,
max = 150,
value = 10
),
actionButton(
inputId = ns("apply"),
label = "Filter anwenden"
)
)
}
Erwartet: Alle Input/Output-IDs werden durch ns() geleitet. UI rendert ohne Fehler.
Bei Fehler: Wenn Fehler wie "undefined input" erscheinen, sicherstellen, dass ALLE IDs (nicht nur einige) durch ns() geleitet werden, einschließlich Outputs in renderUI().
Schritt 3: Modul-Server-Funktion erstellen
Die Server-Logik mit reaktiven Werten und Rückgabewert implementieren.
#' Datenfilter-Modul Server
#'
#' @param id Modul-ID (muss UI-ID entsprechen)
#' @param data Reaktiver DataFrame, der gefiltert werden soll
#' @return Reaktiver gefilterter DataFrame
#' @export
mod_data_filter_server <- function(id, data) {
# Validierung der Eingaben
stopifnot(is.reactive(data))
moduleServer(id, function(input, output, session) {
# Gefilterte Daten als reaktiven Wert
filtered <- eventReactive(input$apply, {
df <- get(input$dataset)
head(df, input$n_rows)
}, ignoreNULL = FALSE)
# Optional: Vorschau im Modul rendern
output$preview <- renderTable({
filtered()
})
# Reaktiven Wert zurückgeben, damit Elternkomponente ihn verwenden kann
return(filtered)
})
}
Erwartet: Server-Funktion verwendet moduleServer(). Reaktive Werte werden korrekt zurückgegeben.
Bei Fehler: Wenn is.reactive(data) fehlschlägt, sicherstellen, dass der Eltern-Server einen reaktiven Ausdruck übergibt (z. B. reactive({ ... })), nicht einen rohen Wert.
Schritt 4: Module in Haupt-App integrieren
Das Modul in app_ui.R und app_server.R (oder app.R) einbinden.
# R/app_ui.R (oder ui in app.R)
app_ui <- function(request) {
fluidPage(
titlePanel("Meine App mit Modulen"),
sidebarLayout(
sidebarPanel(
# Modul-UI aufrufen mit eindeutiger ID
mod_data_filter_ui("filter1", label = "Hauptdatensatz"),
mod_data_filter_ui("filter2", label = "Vergleichsdatensatz")
),
mainPanel(
fluidRow(
column(6, tableOutput("table1")),
column(6, tableOutput("table2"))
)
)
)
)
}
# R/app_server.R (oder server in app.R)
app_server <- function(input, output, session) {
# Reaktive Datenquelle
raw_data <- reactive({ iris })
# Modul-Server aufrufen — dieselbe ID wie UI
filtered1 <- mod_data_filter_server("filter1", data = raw_data)
filtered2 <- mod_data_filter_server("filter2", data = raw_data)
# Modul-Outputs in Haupt-App verwenden
output$table1 <- renderTable({ filtered1() })
output$table2 <- renderTable({ filtered2() })
}
Erwartet: Beide Modulinstanzen unabhängig voneinander funktionieren. IDs "filter1" und "filter2" isolieren ihre Inputs/Outputs.
Bei Fehler: Wenn Module sich gegenseitig beeinflussen, prüfen ob beide UI und Server denselben id-Parameter verwenden. Unterschiedliche IDs = vollständige Isolation.
Schritt 5: Modul-zu-Modul-Kommunikation
Mehrere Module miteinander kommunizieren lassen.
# Fortgeschrittenes Muster: ReactiveValues für bidirektionale Kommunikation
app_server <- function(input, output, session) {
# Gemeinsamer Status zwischen Modulen
shared <- reactiveValues(
selected_id = NULL,
filter_active = FALSE
)
# Modul 1 aktualisiert shared state
observeEvent(mod_selector_server("selector", shared = shared), {
# Modul signalisiert über reactiveValues
})
# Modul 2 reagiert auf shared state
mod_detail_server("detail", shared = shared)
}
Einfacheres Muster — Reaktive weitergeben:
app_server <- function(input, output, session) {
# Modul 1 gibt reaktiven Wert zurück
selected_item <- mod_list_server("list")
# Modul 2 empfängt reaktiven Wert von Modul 1
mod_detail_server("detail", item = selected_item)
}
Erwartet: Module kommunizieren über reaktive Werte oder reactiveValues ohne direkte Kopplung.
Bei Fehler: Wenn Modul-Kommunikation nicht funktioniert, sicherstellen, dass reaktive Werte nicht "ausgepackt" werden (d. h. selected_item nicht selected_item() beim Weitergeben).
Schritt 6: Modul testen
Modul isoliert mit testServer() testen.
# tests/testthat/test-mod_data_filter.R
library(testthat)
library(shiny)
test_that("data filter module returns filtered data", {
# Reaktive Testdaten erstellen
test_data <- reactive({ iris })
testServer(
mod_data_filter_server,
args = list(data = test_data),
{
# Input-Werte simulieren
session$setInputs(dataset = "iris", n_rows = 5, apply = 1)
# Rückgabewert prüfen
result <- session$returned()
expect_s3_class(result(), "data.frame")
expect_equal(nrow(result()), 5)
}
)
})
Erwartet: Tests laufen mit testthat::test_file(). Assertions prüfen Modul-Verhalten.
Bei Fehler: Wenn session$returned() nicht verfügbar ist, sicherstellen, dass Server-Funktion einen reaktiven Wert explizit zurückgibt (letzter Ausdruck oder return()).
Validierung
- Modul-UI verwendet
NS(id)und leitet alle IDs durchns() - Modul-Server verwendet
moduleServer(id, ...) - Modul gibt reaktive Werte zurück (für Kommunikation mit Elternkomponente)
- Zwei Modulinstanzen mit verschiedenen IDs sind vollständig isoliert
- Integration in Haupt-App funktioniert
- Modul-Tests laufen ohne Fehler
Haeufige Stolperfallen
- Vergessenes
ns()für IDs: JedesinputId,outputIdund ID intagListmuss durchns()geleitet werden. Fehlende Namespace-Wrapping verursacht subtile Bugs. - Reaktive Werte vs reaktive Ausdrücke zurückgeben:
reactiveValuesundreactive()haben unterschiedliche Aufruf-Syntax.reactiveValues$xvsreactive_expr(). - Modul-ID-Gleichheit: UI und Server MÜSSEN dieselbe ID verwenden. Selbst ein Tippfehler bricht die Namespace-Isolation.
ignoreNULLineventReactive: Standardmäßig feuerteventReactivenicht, wenn Event-Auslöser NULL ist.ignoreNULL = FALSEfür Initialisierung beim Laden.- Verschachtelte Module: Module können andere Module enthalten — die Namespace-Funktion korrekt durch alle Ebenen weitergeben.
- Modul-Tests brauchen reaktive Kontexte: Immer
testServer()für Unit-Tests verwenden, damoduleServer()reaktiven Kontext erfordert.
Verwandte Skills
scaffold-shiny-app— Shiny-App scaffolden, bevor Module hinzugefügt werdentest-shiny-app— vollständige App-Tests mit shinytest2design-shiny-ui— UI-Gestaltung und Theming
GitHub Repository
Related Skills
content-collections
MetaThis skill provides a production-tested setup for Content Collections, a TypeScript-first tool that transforms Markdown/MDX files into type-safe data collections with Zod validation. Use it when building blogs, documentation sites, or content-heavy Vite + React applications to ensure type safety and automatic content validation. It covers everything from Vite plugin configuration and MDX compilation to deployment optimization and schema validation.
polymarket
MetaThis skill enables developers to build applications with the Polymarket prediction markets platform, including API integration for trading and market data. It also provides real-time data streaming via WebSocket to monitor live trades and market activity. Use it for implementing trading strategies or creating tools that process live market updates.
creating-opencode-plugins
MetaThis skill helps developers create OpenCode plugins that hook into 25+ event types like commands, files, and LSP operations. It provides the plugin structure, event API specifications, and implementation patterns for JavaScript/TypeScript modules. Use it when you need to intercept, monitor, or extend the OpenCode AI assistant's lifecycle with custom event-driven logic.
sglang
MetaSGLang is a high-performance LLM serving framework that specializes in fast, structured generation for JSON, regex, and agentic workflows using its RadixAttention prefix caching. It delivers significantly faster inference, especially for tasks with repeated prefixes, making it ideal for complex, structured outputs and multi-turn conversations. Choose SGLang over alternatives like vLLM when you need constrained decoding or are building applications with extensive prefix sharing.
