KKC_0338 | Temporal Schulung für zuverlässige KI-Agenten

Temporal Schulung für zuverlässige KI-Agenten vermittelt praxisnah, wie Sie durable Workflows für robuste Agentenprozesse mit Temporal entwickeln. Ein Agenten-Prototyp kann nach einem Prozessabbruch den aktuellen Arbeitsschritt, offene Werkzeugaufrufe oder eine ausstehende Freigabe verlieren.

Temporal-Konzepte wie Workflows, Activities, Worker und Task Queues zu verstehen sowie Agentenabläufe als Durable Workflows zu modellieren, stehen dabei im Mittelpunkt. Die Inhalte verbinden fachliche Einordnung, konkrete Umsetzung und die Anforderungen an Qualität, Sicherheit und Nachvollziehbarkeit.

Damit eignet sich das Angebot für Unternehmen, die neue KI-, Daten- oder Automatisierungslösungen nicht nur testen, sondern strukturiert in belastbare Arbeitsabläufe überführen möchten.

• Temporal-Konzepte wie Workflows, Activities, Worker und Task Queues verstehen
• Agentenabläufe als Durable Workflows modellieren
• LLM-Aufrufe und externe Tools kontrolliert in Activities kapseln
• Zustand, Replay und Event History für robuste Prozesse nutzen
• Fehlerbehandlung, Wiederholungen und Freigaben zuverlässig umsetzen
• Agentenprozesse für produktive Betriebsanforderungen strukturieren

Das Angebot richtet sich Entwickler/innen, DevOps-Teams, Plattform-Engineers und technische Architektinnen und Architekten, die zuverlässige KI-Agenten und langlebige Workflows entwickeln möchten.

Programmierkenntnisse und Grundverständnis verteilter Systeme oder Workflow-Orchestrierung werden empfohlen. Erfahrung mit LLM-Anwendungen ist hilfreich.

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