Graph Compose: Размещенные временные рабочие процессы с визуальным конструктором и искусственным интеллектом

✍️ OpenClawRadar📅 Опубликовано: 21 апреля 2026 г.🔗 Source
Graph Compose: Размещенные временные рабочие процессы с визуальным конструктором и искусственным интеллектом
Ad

Graph Compose — это хостинговая платформа для оркестрации API-воркфлоу на движке устойчивого выполнения Temporal. Вы определяете воркфлоу как графы узлов (HTTP-вызовы, AI-агенты, итераторы, границы ошибок), которые выполняются как воркфлоу Temporal без управления инфраструктурой.

Три способа построить один и тот же граф

Каждый воркфлоу использует единый JSON-формат, который можно создать с помощью:

  • Визуального конструктора React Flow
  • Типизированного TypeScript SDK (@graph-compose/client)
  • AI-ассистента, преобразующего обычный английский текст в граф

Как это работает

Вы отправляете JSON-воркфлоу через API на https://api.graphcompose.io/v1/workflows/execute, и они немедленно запускаются на хостинговом Temporal. Никаких шагов развертывания, кластера Temporal для запуска или воркеров для деплоя. Платформа управляет планированием, повторными попытками, границами ошибок и сохранением состояния.

Пример воркфлоу

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"
  }
}
Ad

Ключевые особенности

  • Устойчивое выполнение: Воркфлоу переживают перезапуски серверов, сетевые сбои и крахи процессов. Temporal возобновляет выполнение с последней контрольной точки.
  • Автоматические повторные попытки: Настройте политики повторных попыток для каждого узла с максимальным числом попыток, интервалами экспоненциальной задержки и типами неустранимых ошибок.
  • Границы ошибок: Оберните узлы в границы ошибок в стиле try/catch с резервным поведением.
  • Сохранение состояния: Запрашивайте состояние воркфлоу в любой момент.
  • Шаблонные выражения: Узлы ссылаются на результаты вышестоящих узлов через синтаксис {{ results.node_id.data.field }}.

Лицензирование

Модель open-core: основы выполнения и сервис интеграций имеют лицензию AGPL-3.0, в то время как оркестратор платформы, визуальный конструктор и AI-ассистент являются проприетарными.

📖 Read the full source: HN AI Agents

Ad

👀 Смотрите также

Cowork против Claude Chat: Сравнение точности извлечения документов
Инструменты

Cowork против Claude Chat: Сравнение точности извлечения документов

Разработчик протестировал чат Claude.ai и Cowork на извлечении данных из финансовых PDF-файлов объемом более 140 страниц с использованием идентичных промптов. Чат показал результаты институционального уровня с самокоррекцией и нулевыми ошибками по более чем 150 точкам данных, в то время как Cowork сфабриковал согласующие позиции, перепутал подсчеты единиц и допустил загрязнение данных из колонок предыдущего года.

OpenClawRadar
Многоагентный карьерный наставник, созданный с помощью Ollama и MCP для локального искусственного интеллекта
Инструменты

Многоагентный карьерный наставник, созданный с помощью Ollama и MCP для локального искусственного интеллекта

Разработчик создал систему из 5 агентов ИИ, которая анализирует резюме и генерирует отчеты о карьерном интеллекте, используя Ollama с llama3 локально. Система связывает выходные данные агентов так, что каждый строит на основе предыдущего контекста, а MCP обрабатывает интеграцию инструментов.

OpenClawRadar
hiresTI: Нативный проигрыватель TIDAL для Linux с поддержкой OpenClaw/MCP
Инструменты

hiresTI: Нативный проигрыватель TIDAL для Linux с поддержкой OpenClaw/MCP

hiresTI — это нативный клиент TIDAL для рабочего стола Linux, ориентированный на стабильное воспроизведение, высококачественный аудиовыход, интерфейс GTK4/Libadwaita и интеграцию с OpenClaw через MCP для удалённого управления. Приложение сочетает слой интерфейса на Python с аудиоядром на Rust.

OpenClawRadar
Signet: Открытый слой памяти для ИИ-агентов программирования достигает 80% F1 на LoCoMo
Инструменты

Signet: Открытый слой памяти для ИИ-агентов программирования достигает 80% F1 на LoCoMo

Signet — это система памяти с открытым исходным кодом для ИИ-агентов программирования, которая достигает 80% F1 на бенчмарке LoCoMo, по сравнению с 41% у стандартного RAG. Она извлекает воспоминания после каждой сессии и внедряет релевантный контекст перед промптами, работая локально с SQLite.

OpenClawRadar