MCP HubMCP Hub
스킬 목록으로 돌아가기

deploy-to-vercel

pjt222
업데이트됨 2 days ago
7 조회
17
2
17
GitHub에서 보기
기타general

정보

이 스킬은 Next.js 애플리케이션을 Vercel에 배포하며, 프로젝트 연결, 환경 변수, 배포 구성을 처리합니다. 초기 배포, 풀 리퀘스트를 위한 프리뷰 배포 설정, 커스텀 도메인 구성에 유용합니다. 주요 기능으로는 프로덕션 환경 변수 관리와 배포 전 성공적인 빌드 보장이 포함됩니다.

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/deploy-to-vercel

Claude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요

문서


name: deploy-to-vercel description: > 将 Next.js 应用程序部署到 Vercel。涵盖项目关联、环境变量、预览部署、 自定义域名及生产部署配置。适用于首次部署 Next.js 应用、为 Pull Request 设置预览部署、配置自定义域名,或管理 Vercel 生产环境变量。 license: MIT allowed-tools: Read Write Edit Bash Grep Glob metadata: author: Philipp Thoss version: "1.0" domain: web-dev complexity: basic language: TypeScript tags: vercel, deployment, nextjs, hosting, ci-cd locale: zh-CN source_locale: en source_commit: 6f65f316 translator: claude-opus-4-6 translation_date: 2026-03-16

部署到 Vercel

将 Next.js 应用程序以生产配置部署到 Vercel。

适用场景

  • 首次部署 Next.js 应用
  • 为 Pull Request 设置预览部署
  • 配置自定义域名
  • 管理生产环境变量

输入

  • 必需:本地构建成功的 Next.js 应用
  • 必需:GitHub 仓库(推荐)或本地项目
  • 可选:自定义域名
  • 可选:生产环境变量

步骤

第 1 步:验证本地构建

npm run build

预期结果: 构建成功,无任何错误。

失败处理: 部署前修复构建错误。常见问题:TypeScript 错误、缺少依赖项、无效导入。

第 2 步:安装 Vercel CLI

npm install -g vercel

预期结果: vercel 命令全局可用,vercel --version 打印已安装版本。

失败处理: 如果出现权限错误,使用 sudo npm install -g vercel 或配置 npm 使用用户本地前缀。使用 node --version 验证 Node.js 已安装。

第 3 步:关联并部署

# 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

预期结果: 提供预览 URL(如 https://my-app-xxx.vercel.app)。

失败处理: 如果 vercel login 失败,检查网络连接并尝试基于浏览器的认证。如果部署失败,查看构建输出中的错误——Vercel 使用干净环境,所有依赖项必须在 package.json 中声明。

第 4 步:配置环境变量

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

# List environment variables
vercel env ls

或通过 Vercel 控制台配置:项目设置 > 环境变量。

预期结果: vercel env ls 显示所有必需的环境变量,已针对正确的环境(生产、预览、开发)配置。

失败处理: 如果变量在运行时未出现,验证目标环境是否匹配(生产 vs 预览)。添加变量后重新部署——现有部署不会自动获取新变量。

第 5 步:部署到生产环境

vercel --prod

预期结果: 生产 URL 可用(如 https://my-app.vercel.app)。

失败处理: 使用 vercel logs 或在 Vercel 控制台中检查部署日志。常见问题包括生产环境缺少环境变量,以及构建命令与本地设置不同。

第 6 步:连接 GitHub 实现自动部署(推荐)

  1. 访问 https://vercel.com/new
  2. 导入您的 GitHub 仓库
  3. Vercel 将自动在以下时机部署:
    • 推送到 main → 生产部署
    • Pull Request → 预览部署

预期结果: Vercel 控制台显示已连接 GitHub 仓库,后续推送到 main 自动触发生产部署。

失败处理: 如果仓库未出现在导入列表中,检查 Vercel GitHub 应用是否有权访问该仓库。访问 GitHub 设置 > 应用程序 > Vercel 并授予访问权限。

第 7 步:配置自定义域名

vercel domains add my-domain.com

或通过控制台:项目设置 > 域名。

按照 Vercel 的指示更新 DNS 记录(通常是 CNAME 或 A 记录)。

预期结果: vercel domains ls 显示自定义域名已配置,DNS 传播后(最长 48 小时),域名解析到 Vercel 部署。

失败处理: 如果域名显示"配置无效",验证 DNS 记录与 Vercel 的指示完全匹配。使用 dig my-domain.com 或在线 DNS 检查工具确认传播。

第 8 步:优化配置

在项目根目录创建 vercel.json 进行高级设置:

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

预期结果: vercel.json 保存在项目根目录,下次部署时采用该配置(在 Vercel 控制台构建日志中可见)。

失败处理: 如果配置被忽略,使用 jq . vercel.json 验证 JSON 是否合法。检查 Vercel 文档中您的框架版本,某些设置可能已移至 next.config.ts

验证清单

  • npm run build 在本地成功
  • 预览部署可正常访问
  • 生产部署正确提供应用服务
  • 环境变量在生产中可用
  • 自定义域名解析正常(如已配置)
  • GitHub 集成在推送时触发部署

常见问题

  • Vercel 构建失败但本地成功:Vercel 使用干净环境。确保所有依赖项在 package.json 中,而非全局安装。
  • 环境变量缺失:变量必须添加到 Vercel,而非仅在 .env.local 中。不同环境(生产、预览、开发)有独立的变量集。
  • Node.js 版本不匹配:在项目设置或 package.jsonengines 字段中设置 Node.js 版本。
  • 部署体积过大:Vercel 有大小限制。使用 .vercelignore 排除不必要的文件。
  • API 路由超时:Vercel 免费套餐的无服务器函数超时为 10 秒。优化代码或升级套餐。

相关技能

  • scaffold-nextjs-app — 创建待部署的应用
  • setup-tailwind-typescript — 部署前配置样式
  • configure-git-repository — 自动部署集成的 Git 设置

GitHub 저장소

pjt222/agent-almanac
경로: i18n/zh-CN/skills/deploy-to-vercel
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

연관 스킬

llamaguard

기타

LlamaGuard는 폭력 및 혐오 발언 등 6가지 안전 범주에서 LLM 입력과 출력을 조정하기 위한 Meta의 70-80억 파라미터 모델입니다. 94-95% 정확도를 제공하며 vLLM, Hugging Face 또는 Amazon SageMaker를 사용해 배포할 수 있습니다. 이 기술을 사용하여 AI 애플리케이션에 콘텐츠 필터링 및 안전 가드레일을 손쉽게 통합하세요.

스킬 보기

cost-optimization

기타

이 Claude Skill은 리소스 적정화, 태깅 전략, 지출 분석을 통해 개발자들이 클라우드 비용을 최적화할 수 있도록 지원합니다. AWS, Azure, GCP에서 클라우드 비용을 절감하고 비용 거버넌스를 구현하기 위한 프레임워크를 제공합니다. 인프라 비용을 분석하거나, 리소스를 적정화하거나, 예산 제약을 충족해야 할 때 사용하세요.

스킬 보기

quantizing-models-bitsandbytes

기타

이 스킬은 bitsandbytes를 사용하여 LLM을 8비트 또는 4비트 정밀도로 양자화하며, 최소한의 정확도 손실로 50-75%의 메모리 감소를 달성합니다. 제한된 GPU 메모리에서 더 큰 모델을 실행하거나 추론을 가속화하는 데 이상적이며, INT8, NF4, FP4와 같은 형식을 지원합니다. 이 스킬은 HuggingFace Transformers와 통합되어 QLoRA 학습 및 8비트 옵티마이저를 가능하게 합니다.

스킬 보기

dispatching-parallel-agents

기타

이 Claude Skill은 3개 이상의 독립적인 문제를 동시에 조사하고 해결하기 위해 다중 에이전트를 배치합니다. 공유 상태나 의존성 없이 해결 가능한 무관련 장애 시나리오에 맞게 설계되었습니다. 핵심 기능은 병렬 문제 해결로, 각 독립 문제 영역마다 하나의 에이전트를 할당하여 효율성을 극대화합니다.

스킬 보기