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

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"
}
}
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
👀 Смотрите также

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.

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.

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.

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.