MCP HubMCP Hub
SKILL·D0C29E

deploy-to-vercel

pjt222
Actualizado 1 month ago
10 vistas
24
3
24
Ver en GitHub
Otroai

Acerca de

Esta habilidad despliega una aplicación Next.js en Vercel, manejando la vinculación del proyecto, variables de entorno y configuraciones de despliegue. Es útil para despliegues iniciales, configurar despliegues de vista previa para solicitudes de extracción y configurar dominios personalizados. Úsala cuando necesites gestionar el ciclo de vida completo del despliegue de una aplicación Next.js en Vercel.

Instalación rápida

Claude Code

Recomendado
Principal
npx skills add pjt222/agent-almanac -a claude-code
Comando PluginAlternativo
/plugin add https://github.com/pjt222/agent-almanac
Git CloneAlternativo
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/deploy-to-vercel

Copia y pega este comando en Claude Code para instalar esta habilidad

Documentación

部至 Vercel

將 Next.js 應用部至 Vercel,具產配。

用時

  • 首次部 Next.js 應用
  • 為 pull request 立預覽部署
  • 配自定域名
  • 理產中環境變量

  • 必要:本地可成建之 Next.js 應用
  • 必要:GitHub 庫(宜)或本地項目
  • 可選:自定域名
  • 可選:產用環境變量

第一步:驗本地建

npm run build

得: 建成無錯。

敗則: 部前修建錯。常見:TypeScript 錯、缺依賴、無效導入。

第二步:裝 Vercel CLI

npm install -g vercel

得: vercel 命全局可用,vercel --version 印已裝之版。

敗則: 若權錯,用 sudo npm install -g vercel 或設 npm 用 user-local 前綴。以 node --version 驗 Node.js 已裝。

第三步:鏈接並部

# Login to Vercel
vercel login

# Deploy (first time: creates project)
vercel

# Follow prompts:
# - Set up and deploy? Y
# - Which scope? (select your account)
# - Link to existing project? N (for new projects)
# - Project name: my-app
# - Directory: ./
# - Override settings? N

得: 預覽 URL 現(如 https://my-app-xxx.vercel.app)。

敗則:vercel login 敗,察網連且試瀏覽器認證。部敗察建輸出之錯——Vercel 用潔環境,諸依賴皆宜於 package.json

第四步:配環境變量

# Add environment variables
vercel env add DATABASE_URL production
vercel env add API_KEY production preview

# List environment variables
vercel env ls

或經 Vercel 控制臺配:Project Settings > Environment Variables。

得: vercel env ls 示所需環境變量為合之環境(production、preview、development)而配。

敗則: 若變量於運行時不現,驗目標環境相合(production 對 preview)。加變量後重部——既有部署不自動採新變量。

第五步:部至產

vercel --prod

得: 產 URL 可用(如 https://my-app.vercel.app)。

敗則:vercel logs 或於控制臺察部署日誌。常見問題含產環境缺變量、建命與本地異。

第六步:連 GitHub 以自動部(宜)

  1. https://vercel.com/new
  2. 導入爾之 GitHub 庫
  3. Vercel 自動部:
    • 推至 main -> 產部
    • Pull request -> 預覽部

得: Vercel 控制臺示 GitHub 庫已連,後推至 main 自動觸產部。

敗則: 若庫於導入單不現,察 Vercel GitHub app 可訪該庫。至 GitHub Settings > Applications > Vercel 授權。

第七步:配自定域名

vercel domains add my-domain.com

或經控制臺:Project Settings > Domains。

依 Vercel 指示更 DNS 記(典 CNAME 或 A)。

得: vercel domains ls 示自定域名已配,DNS 傳播後(可達 48 時),域名解至 Vercel 部。

敗則: 若域名示「Invalid Configuration」,驗 DNS 記合 Vercel 之指示。以 dig my-domain.com 或在線 DNS 察者驗傳播。

第八步:優配

vercel.json 供進階設:

{
  "framework": "nextjs",
  "regions": ["iad1"],
  "headers": [
    {
      "source": "/api/(.*)",
      "headers": [
        { "key": "Cache-Control", "value": "no-store" }
      ]
    }
  ]
}

得: vercel.json 存於項目根,下次部採之(於 Vercel 建日誌可見)。

敗則: 若配被忽,以 jq . vercel.json 驗 JSON 有效。察爾框架版之 Vercel 文檔,某些設或已移至 next.config.ts

  • npm run build 本地成
  • 預覽部可行且可達
  • 產部正服應用
  • 環境變量於產可得
  • 自定域名解(若配)
  • GitHub 集成推時觸部署

  • Vercel 建敗而本地成:Vercel 用潔環境。確諸依賴於 package.json,非唯全局裝。
  • 環境變量缺:變量宜加至 Vercel,非唯 .env.local。異環境(production、preview、development)各有獨之變量集。
  • Node.js 版不合:於 Project Settings 或 package.json engines 字段設 Node.js 版。
  • 部大:Vercel 有大小限。以 .vercelignore 排不必之文件。
  • API 路由超時:Vercel 無服函數於 Hobby 有 10s 超時。優或升。

Related Skills

  • scaffold-nextjs-app - 建可部之應用
  • setup-tailwind-typescript - 部前配樣式
  • configure-git-repository - 自動部集成之 Git 設

Repositorio GitHub

pjt222/agent-almanac
Ruta: i18n/wenyan/skills/deploy-to-vercel
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams
FAQ

Frequently asked questions

What is the deploy-to-vercel skill?

deploy-to-vercel is a Claude Skill by pjt222. Skills package instructions and resources that Claude loads on demand, so Claude can perform deploy-to-vercel-related tasks without extra prompting.

How do I install deploy-to-vercel?

Use the install commands on this page: add deploy-to-vercel to Claude Code as a plugin, or clone its repository into your skills directory, then restart Claude so it picks up the skill.

What category does deploy-to-vercel belong to?

deploy-to-vercel is in the Other category, tagged ai.

Is deploy-to-vercel free to use?

Yes. deploy-to-vercel is listed on AIMCP and free to install. It runs inside Claude, so no separate service account is required to use the skill itself.

Habilidades relacionadas

llamaguard
Otro

LlamaGuard es el modelo de Meta de 7-8B parámetros para moderar las entradas y salidas de LLM en seis categorías de seguridad como violencia y discurso de odio. Ofrece una precisión del 94-95% y puede implementarse usando vLLM, Hugging Face o Amazon SageMaker. Utiliza esta skill para integrar fácilmente filtrado de contenido y barreras de seguridad en tus aplicaciones de IA.

Ver habilidad
cost-optimization
Otro

Esta Skill de Claude ayuda a los desarrolladores a optimizar los costes en la nube mediante el ajuste de tamaño de recursos, estrategias de etiquetado y análisis de gastos. Proporciona un marco para reducir los gastos en la nube e implementar una gobernanza de costes en AWS, Azure y GCP. Úsala cuando necesites analizar los costes de infraestructura, ajustar el tamaño de los recursos o cumplir con restricciones presupuestarias.

Ver habilidad
sports-betting-analyzer
Otro

Esta habilidad de Claude analiza los mercados de apuestas deportivas, incluyendo spreads, over/unders y apuestas de propuestas, mediante el examen de tendencias históricas y estadísticas situacionales para identificar apuestas de valor. Proporciona una salida en markdown estructurado con recomendaciones accionables con fines educativos. Los desarrolladores deben utilizar esto para herramientas de análisis de apuestas deportivas, teniendo en cuenta que está diseñado únicamente para entretenimiento/educación.

Ver habilidad
quantizing-models-bitsandbytes
Otro

Esta habilidad cuantiza LLMs a precisión de 8 o 4 bits utilizando bitsandbytes, logrando una reducción de memoria del 50-75% con pérdida mínima de precisión. Es ideal para ejecutar modelos más grandes en memoria GPU limitada o para acelerar la inferencia, admitiendo formatos como INT8, NF4 y FP4. La habilidad se integra con HuggingFace Transformers y permite entrenamiento QLoRA y optimizadores de 8 bits.

Ver habilidad