Создание надёжных agents для production с OpenAI SDK и Temporal
Building Durable, Production-Ready Agents with OpenAI SDK and Temporal
Агент на OpenAI Agents SDK, обёрнутый в workflow Temporal, после падения процесса продолжает с того же шага без повторной оплаты LLM-вызовов.
- История событий вместо памяти процесса — каждый вызов модели и инструмента записывается, и при перезапуске worker восстанавливает состояние из истории. В демо агент продолжил работу после остановки процесса на середине цикла.
- Инструменты из activities —
activity_as_toolиз интеграции превращает обычную функцию-activity в инструмент агента, а JSON-описание генерируется публичным API, без внутренних функций. - Повторы на стороне платформы — политики повторных попыток задаются в workflow, а масштабирование идёт добавлением worker. По словам автора, задержка на вызов activity составляет десятки миллисекунд, что приемлемо для долгих агентов.
- Идемпотентность на разработчике — Temporal повторяет activity, пока не получит ответ, поэтому не-идемпотентный вызов может сработать дважды, а платформа этого не проверяет.
Кому полезно: тем, кто выводит в продакшен на Python агентов с долгими сценариями и human-in-the-loop, где ожидание ответа человека может занять часы или дни.
Статья по теме
Главы
Ещё доклады: Cornelia Davis
Страница спикера →MCP Tasks (async): почему агенты до сих пор не поддерживают MCP Tasks/async?
AI Engineer World's Fair 2026
Похожие доклады
От А до Я: создание AI agents
AI Engineer World's Fair 2024
Близко по содержанию
Масштабирование AI-агентов без ущерба для надёжности
AI Engineer World's Fair 2025
Близко по содержанию
Разрывая цепочку: continuations агентов для возобновляемых AI-процессов
AI Engineer World's Fair 2025
Близко по содержанию

