Graph Compose: Gehostete temporale Workflows mit visuellem Builder und KI

Graph Compose ist eine gehostete Plattform zur Orchestrierung von API-Workflows auf der dauerhaften Ausführungs-Engine von Temporal. Sie definieren Workflows als Graphen von Knoten (HTTP-Aufrufe, KI-Agenten, Iteratoren, Fehlergrenzen), die als Temporal-Workflows ausgeführt werden, ohne dass Sie die Infrastruktur verwalten müssen.
Drei Wege, denselben Graphen zu erstellen
Jeder Workflow verwendet ein konsistentes JSON-Format, das erstellt werden kann durch:
- Einen React Flow visuellen Builder
- Ein typisiertes TypeScript SDK (@graph-compose/client)
- Einen KI-Assistenten, der einfaches Englisch in einen Graphen umwandelt
So funktioniert es
Sie übermitteln JSON-Workflows per API an https://api.graphcompose.io/v1/workflows/execute und sie werden sofort auf gehostetem Temporal ausgeführt. Kein Bereitstellungsschritt, kein Temporal-Cluster zum Ausführen, keine Worker zum Bereitstellen. Die Plattform übernimmt Planung, Wiederholungsversuche, Fehlergrenzen und Zustandspersistenz.
Workflow-Beispiel
const workflow = {
"nodes": [
{
"id": "upload_image",
"type": "http",
"dependencies": [],
"http": {
"method": "PUT",
"url": "https://storage.example.com/{{ context.filename }}",
"headers": {
"Content-Type": "{{ context.contentType }}",
"Authorization": "Bearer {{ $secret('storage_token') }}"
},
"body": "{{ context.imageData }}"
},
"activityConfig": {
"retryPolicy": {
"maximumAttempts": 3,
"initialInterval": "1s",
"backoffCoefficient": 2
},
"startToCloseTimeout": "30 seconds"
}
},
{
"id": "generate_thumbnails",
"type": "http",
"dependencies": ["upload_image"],
"http": {
"method": "POST",
"url": "https://images.example.com/process",
"body": {
"source": "{{ results.upload_image.data.url }}",
"sizes": ["400x400", "200x200"]
}
}
}
],
"context": {
"filename": "profile.jpg",
"contentType": "image/jpeg"
}
}
Hauptmerkmale
- Dauerhafte Ausführung: Workflows überstehen Server-Neustarts, Netzwerkausfälle und Prozessabstürze. Temporal setzt vom letzten Kontrollpunkt fort.
- Automatische Wiederholungsversuche: Konfigurieren Sie Wiederholungsrichtlinien pro Knoten mit maximalen Versuchen, Backoff-Intervallen und nicht wiederholbaren Fehlertypen.
- Fehlergrenzen: Wickeln Sie Knoten in try/catch-artige Fehlergrenzen mit Fallback-Verhalten ein.
- Zustandspersistenz: Fragen Sie den Workflow-Zustand zu jedem Zeitpunkt ab.
- Vorlagenausdrücke: Knoten verweisen über die Syntax
{{ results.node_id.data.field }}auf Ergebnisse von vorgelagerten Knoten.
Lizenzierung
Open-Core-Modell: Die Ausführungsgrundlagen und der Integrationsdienst sind AGPL-3.0, während der Plattform-Orchestrator, der visuelle Builder und der KI-Assistent proprietär sind.
📖 Read the full source: HN AI Agents
👀 Siehe auch

Transloadit MCP Server verbindet KI-Agenten mit der Medienverarbeitungspipeline
Transloadit hat einen MCP-Server entwickelt, der Claude und andere KI-Agenten mit ihrer Medienverarbeitungspipeline verbindet und dabei 86 Robots für Video-, Audio-, Bild- und Dokumentenverarbeitung nutzt. Die Einrichtung in Claude Code erfordert nur eine Zeile: npx -y @transloadit/mcp-server stdio mit den Umgebungsvariablen TRANSLOADIT_KEY und TRANSLOADIT_SECRET.

mnemos: Eine persistente Gedächtnisschicht für KI-Coding-Agenten (Go, MCP-nativ, kein Python)
mnemos ist eine Go-basierte, MCP-native Gedächtnisschicht für KI-Coding-Agenten. Der Autor entwickelte einen Verifizierer zur Messung der Verbesserung: +40% aggregiert bei Lese-Szenarien, aber nur 53% Erfassungsrate beim Schreiben nach iterativen Korrekturen.

Benutzerdefinierte Ausgabestil-Sammlung für Claude Code
Ein Entwickler hat 13 benutzerdefinierte Ausgabestile für Claude Code erstellt, die das Verhalten der KI durch Systemprompts verändern. Die Stile umfassen Roast für brutale Code-Kritik, Socratic für geführtes Fragenstellen, Breaker für adversarielles Testen, Ship It für pragmatische Lösungen, Paranoid für Sicherheitsfokus und TDD für testgetriebene Entwicklung.

ClawWatcher erreicht 200 Nutzer und meldet über 28.000 US-Dollar an kollektiven Einsparungen durch die OpenClaw-API.
ClawWatcher, ein Tool, das OpenClaw-API-Kosten in Echtzeit verfolgt, hat 200 Nutzer erreicht. Laut seinem Entwickler haben Nutzer gemeinsam über 28.000 US-Dollar an API-Kosten eingespart, mit einer durchschnittlichen Kostenreduktion von 45 %.