MCP HubMCP Hub
스킬 목록으로 돌아가기

build-shiny-module

pjt222
업데이트됨 Yesterday
1 조회
17
2
17
GitHub에서 보기
메타reactdesign

정보

이 스킬은 개발자가 적절한 네임스페이스 격리와 컴포넌트 간 반응형 통신을 갖춘 재사용 가능한 Shiny 모듈을 생성하도록 돕습니다. 대규모 Shiny 애플리케이션을 관리 가능하고 테스트 가능한 단위로 분할하며 네임스페이스 충돌을 방지하도록 설계되었습니다. 애플리케이션 간 UI 컴포넌트를 재사용하거나 복잡한 앱 로직을 체계화해야 할 때 활용하세요.

빠른 설치

Claude Code

추천
기본
npx skills add pjt222/agent-almanac -a claude-code
플러그인 명령대체
/plugin add https://github.com/pjt222/agent-almanac
Git 클론대체
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/build-shiny-module

Claude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요

문서


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 durch ns()
  • 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: Jedes inputId, outputId und ID in tagList muss durch ns() geleitet werden. Fehlende Namespace-Wrapping verursacht subtile Bugs.
  • Reaktive Werte vs reaktive Ausdrücke zurückgeben: reactiveValues und reactive() haben unterschiedliche Aufruf-Syntax. reactiveValues$x vs reactive_expr().
  • Modul-ID-Gleichheit: UI und Server MÜSSEN dieselbe ID verwenden. Selbst ein Tippfehler bricht die Namespace-Isolation.
  • ignoreNULL in eventReactive: Standardmäßig feuert eventReactive nicht, wenn Event-Auslöser NULL ist. ignoreNULL = FALSE für 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, da moduleServer() reaktiven Kontext erfordert.

Verwandte Skills

  • scaffold-shiny-app — Shiny-App scaffolden, bevor Module hinzugefügt werden
  • test-shiny-app — vollständige App-Tests mit shinytest2
  • design-shiny-ui — UI-Gestaltung und Theming

GitHub 저장소

pjt222/agent-almanac
경로: i18n/de/skills/build-shiny-module
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

연관 스킬

content-collections

메타

이 스킬은 콘텐츠 콜렉션(Content Collections)을 위한 프로덕션 검증된 설정을 제공합니다. 콘텐츠 콜렉션은 Markdown/MDX 파일을 Zod 검증이 포함된 타입 안전한 데이터 콜렉션으로 변환해주는 TypeScript 최우선 도구입니다. 블로그, 문서 사이트 또는 콘텐츠 중심의 Vite + React 애플리케이션을 구축할 때 타입 안전성과 자동 콘텐츠 검증을 보장하기 위해 사용하세요. Vite 플러그인 구성과 MDX 컴파일부터 배포 최적화 및 스키마 검증에 이르기까지 모든 것을 다룹니다.

스킬 보기

polymarket

메타

이 스킬은 개발자들이 Polymarket 예측 시장 플랫폼을 활용한 애플리케이션을 구축할 수 있도록 지원하며, 거래 및 시장 데이터를 위한 API 통합 기능을 포함합니다. 또한 WebSocket을 통한 실시간 데이터 스트리밍을 제공하여 실시간 거래와 시장 활동을 모니터링할 수 있습니다. 이를 통해 거래 전략을 구현하거나 실시간 시장 업데이트를 처리하는 도구를 생성하는 데 활용할 수 있습니다.

스킬 보기

creating-opencode-plugins

메타

이 스킬은 개발자들이 명령어, 파일, LSP 작업 등 25개 이상의 이벤트 유형에 연결되는 OpenCode 플러그인을 만들 수 있도록 돕습니다. JavaScript/TypeScript 모듈을 위한 플러그인 구조, 이벤트 API 명세, 구현 패턴을 제공합니다. OpenCode AI 어시스턴트의 라이프사이클을 사용자 정의 이벤트 기반 로직으로 가로채거나, 모니터링하거나, 확장해야 할 때 사용하세요.

스킬 보기

sglang

메타

SGLang은 RadixAttention 프리픽스 캐싱을 활용하여 JSON, 정규식, 에이전트 워크플로우를 위한 고속 구조화 생성에 특화된 고성능 LLM 서빙 프레임워크입니다. 특히 반복되는 프리픽스가 있는 작업에서 상당히 빠른 추론 속도를 제공하여 복잡한 구조화 출력 및 다중 턴 대화에 이상적입니다. 제약 디코딩이 필요하거나 광범위한 프리픽스 공유가 있는 애플리케이션을 구축할 때는 vLLM과 같은 대안보다 SGLang을 선택하십시오.

스킬 보기