· AI Engineer World's Fair 2025
Масштабирование AI-агентов без ущерба для надёжности
Scaling AI agents without breaking reliability
Продакшен-агент — это распределённая система, и по словам спикера, retry, состояние и восстановление после сбоев надёжнее отдать оркестрации workflow в Temporal, чем писать их руками.
- Агент как workflow — вызовы LLM и tools оборачиваются в activities, цикл и ожидание подтверждения человека пишутся как обычный код, а retry и восстановление после сбоя берёт на себя платформа. По словам спикера, приложение можно вывести в продакшен за недели.
- История выполнения — каждый шаг агента сохраняется в history workflow, её можно смотреть для отладки и экспортировать для compliance и тестов в dev-среде.
- Signals и queries — входные данные и подтверждения человека передаются в работающий workflow через signals, а состояние читается через queries.
- Скорость и масштаб — Gorgias использует на Temporal агентов поддержки в продакшене, а один из клиентов, по кейсам Temporal, ускорил выпуск фич больше чем в шесть раз. Доклад во многом рассказ о продукте Temporal.
Кому полезно: командам, которые выводят агентов с долгими процессами и подтверждениями человека в продакшен и не хотят писать свой слой надёжности.
Статья по теме
На какие вопросы отвечает доклад
Как агент сохраняет состояние и продолжает работу после сбоя LLM или инструмента?
Workflow хранит историю и состояние, а упавшие шаги повторяются автоматически, поэтому разработчик не пишет retry-логику вручную. По словам спикера, сбои обрабатываются прозрачно.
▶ 6:07Абстракции рабочих процессов, архитектура агентов и прозрачная обработка сбоевПочему агентные системы нужно строить как распределённые системы с оркестрацией?
Агент сочетает вызовы LLM, инструменты, параллельные задачи, долгое хранение состояния и подтверждения человека, а сами LLM-вызовы ненадёжны. Спикер считает, что для такого набора нужна durable оркестрация.
▶ 1:09AI-агенты как распределенные системы и оркестрируемые рабочие процессыКак отслеживать каждый шаг работы агента и выгружать историю для аудита и отладки?
Вся история workflow сохраняется и даёт видимость происходящего, её можно выгрузить для compliance и отладки в тестовом окружении. Инструменты оборачиваются в activities, а это обычный код.
▶ 6:07Абстракции рабочих процессов, архитектура агентов и прозрачная обработка сбоевКак дать человеку подтвердить действие агента, пока workflow ждёт ответа?
Входные данные в workflow передаются через signals, состояние читается через queries, а все взаимодействия записываются в историю workflow.
▶ 6:07Абстракции рабочих процессов, архитектура агентов и прозрачная обработка сбоевКак запускать код агентов с durable workflow и встроить его в существующий CI/CD?
Worker-код работает в инфраструктуре команды и встраивается в её CI/CD, а execution state и масштабирование держит облако Temporal. Примеры кода есть в открытом Code Exchange.
▶ 13:10Интеграция с CI/CD, исполнители, open source и заключение
Главы
Похожие доклады
От хаоса к хореографии: рабочие паттерны оркестрации нескольких агентов
AI Engineer Europe 2026
Близко по содержанию
Production evals для агентных AI-систем
AI Engineer World's Fair 2026
Близко по содержанию
Создание надёжных agents для production с OpenAI SDK и Temporal
AI Engineer Code 2025
Близко по содержанию
Детерминированная инфраструктура для недетерминированных AI agents
AI Engineer World's Fair 2026
Близко по содержанию

