MCP HubMCP Hub
스킬 목록으로 돌아가기

deploy-to-vercel

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

정보

이 스킬은 Next.js 애플리케이션을 Vercel에 배포하는 과정을 자동화하며, 프로젝트 연결, 환경 변수 설정, 배포 구성을 처리합니다. 초기 배포, 풀 리퀘스트를 위한 프리뷰 배포 설정, 커스텀 도메인 구성에 사용되도록 설계되었습니다. Vercel에서 프로덕션 및 프리뷰 환경을 관리하는 과정을 효율화하려면 이 스킬을 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/deploy-to-vercel

Claude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요

문서

Deploy to Vercel

Next.js → Vercel w/ prod config.

Use When

  • First-time Next.js deploy
  • Preview deploys → PRs
  • Custom domains
  • Prod env vars

In

  • Required: Next.js app builds locally
  • Required: GitHub repo (rec) or local
  • Optional: Custom domain
  • Optional: Prod env vars

Do

Step 1: Verify local build

npm run build

→ Build OK, no errs.

If err: Fix build before deploy. Common: TS errs, missing deps, bad imports.

Step 2: Install Vercel CLI

npm install -g vercel

vercel cmd available, vercel --version works.

If err: Perm errs → sudo or user-local prefix. node --version.

Step 3: Link + deploy

# 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

→ Preview URL (e.g., https://my-app-xxx.vercel.app).

If err: vercel login fail → check net, try browser auth. Deploy fail → review build out. Clean env → all deps in package.json.

Step 4: Env vars

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

# List environment variables
vercel env ls

Or dashboard: Project Settings > Environment Variables.

vercel env ls shows all vars in correct envs.

If err: Not at runtime → target env matches. Redeploy → existing deploys don't pick up new vars.

Step 5: Prod deploy

vercel --prod

→ Prod URL (e.g., https://my-app.vercel.app).

If err: vercel logs or dashboard. Common: missing prod env vars, build cmd diff from local.

Step 6: GitHub auto-deploy (rec)

  1. https://vercel.com/new
  2. Import GH repo
  3. Auto-deploy on:
    • Push main → prod
    • PR → preview

→ Dashboard shows repo connected, pushes trigger prod auto.

If err: Repo not in list → Vercel GH app access. GitHub Settings > Applications > Vercel.

Step 7: Custom domain

vercel domains add my-domain.com

Or dashboard: Project Settings > Domains. Update DNS per Vercel.

vercel domains ls shows configured, after propagation (≤48h) resolves.

If err: "Invalid Configuration" → DNS matches exactly. dig my-domain.com or DNS checker.

Step 8: Optimize config

vercel.json:

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

vercel.json in root, next deploy picks up.

If err: Ignored → jq . vercel.json valid. Framework ver → some moved to next.config.ts.

Check

  • npm run build OK locally
  • Preview deploy works
  • Prod deploy serves app
  • Env vars in prod
  • Custom domain resolves (if config'd)
  • GH integration triggers deploys

Traps

  • Build fail Vercel not local: Clean env → all deps in package.json, not just global
  • Env vars missing: Add to Vercel not .env.local. Envs separate.
  • Node ver mismatch: Set in Project Settings or package.json engines
  • Large deploys: Size limits. .vercelignore excludes.
  • API timeout: Hobby plan 10s. Optimize or upgrade.

  • scaffold-nextjs-app — create app to deploy
  • setup-tailwind-typescript — config styling pre-deploy
  • configure-git-repository — Git setup for auto-deploy

GitHub 저장소

pjt222/agent-almanac
경로: i18n/caveman-ultra/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