Temporal Schulung für zuverlässige KI-Agenten

Temporal-Laufzeitarchitektur

• Temporal Service und Event History
• Worker und Task Queues
• Namespaces und Workflow Executions

Workflow-Programmiermodell

• Deterministischer Workflow-Code
• Activities für externe Seiteneffekte
• Signals für asynchrone Ereignisse
• Queries für schreibgeschützte Zustandsabfragen
• Updates für synchrone Zustandsänderungen

Fehlerbehandlung und Kompensation

• Activity Retries mit Backoff
• Start-to-Close- und Schedule-to-Close-Timeouts
• Heartbeats für lang laufende Activities
• Kompensation mit dem Saga-Muster
• Idempotenz externer Operationen

Replay und lange Workflows

• Deterministisches Replay nach Worker-Neustarts
• Durable Timer und Wartebedingungen
• Continue-As-New bei langer Event History
• Nichtdeterministischen Workflow-Code vermeiden

Python- oder TypeScript-SDK

• SDK-Konfiguration in der vereinbarten Sprache
• Durable Agent als Workflow
• Activities für Agentenwerkzeuge
• Workflow- und Activity-Tests

LLM- und MCP-Integration

• LLM-Aufrufe als Activities
• MCP-Werkzeugaufrufe als Activities
• Timeouts für externe KI-Dienste
• Rate-Limit-Behandlung für KI-Dienste
• Payload-Größen bei LLM-Antworten

Human-in-the-Loop

• Freigaben über Signals
• Eingabekorrekturen über Updates
• Dauerhafte Wartebedingungen
• Zeitgesteuerte Eskalationspfade

Versionierung und Beobachtbarkeit

• Worker-Versionierung und Deployment-Routing
• Replay-Tests vor Workflow-Änderungen
• Fehlerdiagnose mit Temporal Web UI
• Metriken für Workflow-Ausführungen
• Logs mit Workflow-Kennungen
• Verteilte Traces mit OpenTelemetry

• Praxiserfahrung mit Python oder TypeScript
• Grundkenntnisse zu APIs, asynchronen Aufrufen und LLM-Anwendungen

• Softwareentwickler für zustandsbehaftete Dienste
• KI-Entwickler mit ersten Agenten-Prototypen
• Plattform-Fachkräfte für Workflow-Betrieb
• Lösungsarchitekten für lang laufende KI-Prozesse