Temporal stellt KI-Integrationen für mehrere Frameworks allgemein bereit, Streams bleiben Vorschau
Temporal kündigte am 30. Oktober die allgemeine Verfügbarkeit mehrerer Integrationen für KI-Bibliotheken und Agenten-Frameworks an. Diese Ausgabe erscheint am 1. November; das ursprüngliche Meldungsdatum ist der 30. Oktober. Die GA-Aussage gilt für die aufgeführten Integrationen.
Temporal kündigte am 30. Oktober die allgemeine Verfügbarkeit mehrerer Integrationen für KI-Bibliotheken und Agenten-Frameworks an. Diese Ausgabe erscheint am 1. November; das ursprüngliche Meldungsdatum ist der 30. Oktober. Die GA-Aussage gilt für die aufgeführten Integrationen. Sie darf nicht auf jede benachbarte Funktion ausgedehnt werden: Workflow Streams für das Senden von Tokens ist für Python und TypeScript gesondert als Public Preview ausgewiesen.
Die Kompatibilitätstabelle nennt konkrete Sprachgrenzen. Google ADK ist für Python, Go und TypeScript aufgeführt. OpenAI Agents SDK steht für Python, das schon zuvor GA war, und TypeScript. AWS Strands deckt Python und TypeScript ab, LangGraph Python, LangSmith Python und TypeScript, Vercel AI SDK TypeScript und Gemini SDK Python. Ein Team muss das Paket für seine tatsächlich verwendete Sprache wählen. Die allgemeine Formulierung „Integration von AI Frameworks“ erzeugt keine nicht dokumentierte Variante für jede denkbare Kombination.
Der architektonische Kern ist die Trennung zwischen dauerhafter Koordination und externer Arbeit. Ein Workflow enthält die langlebige Steuerlogik, einschließlich Wartezeiten. Eine Activity übernimmt Modellaufrufe, API-Anfragen, Datenbankzugriffe und andere Seiteneffekte. Die Integrationen ordnen das Verhalten des jeweiligen Frameworks dieser Grenze zu, ohne den gesamten Agenten neu zu schreiben. Im Python-Beispiel für Google ADK ersetzt `TemporalModel` den Modellnamen und führt jeden Modellaufruf als Activity aus. `GoogleAdkPlugin` wird bei Client und Worker registriert, damit die Schleife wiederholbar abläuft. Andere Frameworks haben eigene Einstiegspunkte; das ADK-Beispiel ist keine allgemeine Installationsanweisung.
Die Wiederaufnahme beruht auf Event History. Wenn ein Worker neu startet oder eine Bereitstellung den Lauf unterbricht, rekonstruiert Temporal den Workflow aus dem aufgezeichneten Fortschritt. Beim Replay wird ein bereits gespeichertes Activity-Ergebnis genutzt, statt denselben Modell- oder Werkzeugaufruf erneut auszulösen. Das ist wichtig, wenn ein Aufruf Kosten verursacht oder externen Zustand verändert. Die Eigenschaft setzt voraus, dass Seiteneffekte tatsächlich innerhalb der passenden Activities liegen. Ein importiertes Paket allein macht direkte externe Aufrufe in wiederholter Koordinationslogik nicht sicher.
Auch die Verantwortung für Wiederholungen muss klar sein. Laut Temporal schalten die Integrationen Framework-eigene Retry-Schleifen ab oder verlangen deren Abschaltung, damit Temporal Wiederholungen und Timeouts einheitlich steuert. Zwei übereinanderliegende Regeln könnten die Anzahl der Aufrufe vervielfachen. Clients und Zugangsdaten bleiben beim Worker und gehören nicht in die serialisierte Workflow-Historie. Trace-Kontext wird über Prozesse hinweg weitergegeben, während ein Replay dieselben Spans nicht erneut exportieren soll. Solche Details sind entscheidend für den praktischen Wert dauerhafter Ausführung.
Agenten können auf menschliche Freigaben oder andere externe Eingaben warten, ohne ständig abzufragen oder einen Worker-Prozess während des Wartens zu binden. Soweit unterstützt, lassen sich Tokens über Workflow Streams senden; gerade diese Funktion ist jedoch Public Preview. Eine Organisation kann eine GA-Integration einsetzen und das Streaming getrennt beurteilen. Temporal beschreibt außerdem einen Workflow, der LangGraph, einen Google-ADK-Agenten und eine menschliche Antwort in einer Folge koordiniert.
Die Pakete liegen in `temporalio/ai-integrations`, getrennt nach Framework und Sprache. Beim Upgrade laufender Workflows sind die Release Notes wichtig: Paket- und Importänderungen sowie mögliche Anforderungen an Worker Versioning sollen verhindern, dass alte Ausführungen durch neue Software abbrechen. Eine sinnvolle Probe wählt das exakte Paket, führt das Beispiel aus, unterbricht einen Worker kontrolliert und prüft in der Ereignishistorie, ob ein abgeschlossener externer Aufruf nicht wiederholt wurde.
Diese Redaktion hat keine Wiederaufnahmequote gemessen und nicht jede Integration geprüft. Belegt ist die von Temporal gemeldete GA-Stufe der benannten Pakete und das gemeinsame Ausführungsmodell mit Workflows und Activities. Für den Betrieb bleibt die Prüfung der konkreten Framework-Sprach-Kombination und der Replay-Grenze erforderlich; die Vorschaufunktion zum Streaming ist separat zu behandeln.
Sources
FAQ
Welche Integrationen sind GA und gilt das auch für Streaming?
Temporal nennt sprachabhängige Integrationen für Google ADK, OpenAI Agents SDK, AWS Strands, LangGraph, LangSmith, Vercel AI SDK und Gemini SDK als allgemein verfügbar. Die Sprachen unterscheiden sich je Framework. Workflow Streams für Tokens ist für Python und TypeScript gesondert als Public Preview beschrieben; beide Stufen dürfen nicht vermischt werden.
Wie vermeiden Workflow und Activity einen doppelten Modellaufruf?
Ein Workflow speichert dauerhafte Koordination, eine Activity führt Modell-, API- oder andere externe Aufrufe aus. Nach einer Unterbrechung rekonstruiert Temporal den Workflow aus Event History und nutzt gespeicherte Ergebnisse abgeschlossener Activities. Dazu müssen Seiteneffekte an der richtigen Grenze liegen; ein Paketimport allein reicht nicht.
Was ist vor dem Upgrade eines bestehenden Agenten zu prüfen?
Wählen Sie das Paket für Framework und Sprache und konfigurieren Sie Client, Worker und Integrationspunkte ohne doppelte Retry-Schleifen. Unterbrechen Sie einen kontrollierten Lauf und prüfen Sie Ereignishistorie sowie externe Protokolle auf Wiederholungen. Die Release Notes nennen geänderte Importe und möglichen Bedarf für Worker Versioning bei laufenden Workflows.