Zum Inhalt springen
AggregaAggrega
Sprache wählen: Deutsch
Diese Seite wurde maschinell übersetzt. Das englische Original lesen.

Beispiele nach Produkt und Fähigkeit

Jedes Beispiel in diesem Ordner, zuerst in der Reihenfolge aufgeführt, in der sie durchzuarbeiten sind, Gruppe für Gruppe, dann unter jedem Produkt, das es bereitstellt, und unter jeder Fähigkeit, die es zeigt. Jeder Eintrag nennt die Stufe des Beispiels und den ersten Satz seiner Seite.

Die Stufe ist start, authoring oder advanced: die Stufen, die Der Header jedes Beispiels auflistet. Der Header, den jedes Beispiel trägt, und die Listen, aus denen seine Werte stammen, sind in Der Header jedes Beispiels beschrieben.

In Lernreihenfolge

Hier beginnen

Gruppe start-here: die zwei Beispiele, die der Leitfaden „Erste Schritte“ Schritt für Schritt ausbaut, dann die zwei Einstiegsbeispiele für die Cloud.

  • quickstart-ai (start) — Ein kleiner LangGraph-Agent, in vier Schritten ausgebaut: Er beginnt auf einem lokalen Modell mit einem Gedächtnis, erhält ein Cloud-Modell mit dem lokalen als Fallback, bekommt Guardrails vor beiden und wird schließlich für Kubernetes gebaut.
  • quickstart-web (start) — Eine kleine Webanwendung, die Notizen in PostgreSQL speichert, in vier Schritten ausgebaut: Sie beginnt mit ihrer Datenbank auf Ihrem Rechner, erhält einen Redis-Cache, zieht mit der Datenbank auf Amazon RDS zu AWS um und bekommt schließlich ihre Backups.
  • terraform-rds (authoring) — Eine einzelne MariaDB-Datenbank, einmal als Entwicklerabsicht verfasst und zu einer Terraform-HCL-Datei gerendert, die eine verwaltete AWS-RDS-Instanz bereitstellt.
  • cloudformation-rds-stack (advanced) — Eine verwaltete Datenbank und die Anwendung, die sie liest, einmal als Entwicklerabsicht verfasst und zu AWS-CloudFormation-Stack-Templates zusammengesetzt.

Nur Katalog

Gruppe catalog-only: aus Katalog-Entitäten zusammengesetzt, wobei nichts außer dem Aggregate, dem Manifest und dem Release selbst geschrieben wird.

  • catalog-only (start) — Dieses Beispiel stellt einen kleinen, realen Stack bereit — eine MariaDB-Datenbank mit einer vorgeschalteten Adminer-Weboberfläche — und referenziert dabei ausschließlich Entitäten des Standardbibliothekskatalogs.
  • cert-manager-tls (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — einen cert-manager-Zertifikatscontroller — aus einem einzigen vom Entwickler verfassten Aggregate für Kubernetes.
  • contour-gateway (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — ein Contour-Ingress-Gateway — aus einem einzigen vom Entwickler verfassten Aggregate für Kubernetes.
  • external-secrets-operator (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — den external-secrets-Operator — aus einem einzigen vom Entwickler verfassten Aggregate für Kubernetes, gestützt auf das offizielle external-secrets-Helm-Chart.
  • sealed-secrets-controller (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — den sealed-secrets-Controller — aus einem einzigen vom Entwickler verfassten Aggregate für Kubernetes, gestützt auf das offizielle sealed-secrets-Helm-Chart, ausgeliefert aus einem HTTPS-Chart-Repository.
  • openbao-secrets (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — einen einzelnen OpenBao-Secrets-Server — aus einem einzigen vom Entwickler verfassten Aggregate für Kubernetes, gestützt auf das offizielle OpenBao-Helm-Chart.
  • jaeger-tracing (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — ein Jaeger-Backend für verteiltes Tracing in seiner Form mit einem einzelnen Knoten — aus einem einzigen vom Entwickler verfassten Aggregate für Kubernetes, direkt aus dem offiziellen Jaeger-Image synthetisiert, ohne Upstream-Chart.
  • tempo-tracing (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — einen Grafana Tempo-Server für verteiltes Tracing — aus einem einzigen vom Entwickler verfassten Aggregate für Kubernetes über die Workload-Synthese auf dem offiziellen Image grafana/tempo, in seiner Single-Binary-Form.
  • loki-logging (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — einen Grafana Loki-Server zur Log-Aggregation — aus einem einzigen vom Entwickler verfassten Aggregate für Kubernetes, gestützt auf das offizielle Grafana-Loki-Helm-Chart in seiner Single-Binary-Form.
  • kafka-broker (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — einen Apache Kafka-Event-Streaming-Broker in seiner KRaft-Form mit einem einzelnen Knoten — aus einem einzigen vom Entwickler verfassten Aggregate für Kubernetes, direkt aus dem offiziellen Apache-Kafka-Image synthetisiert, ohne Upstream-Chart.
  • redis-cache (start) — Dieses schlanke Beispiel kompiliert einen einzelnen Redis-In-Memory-Cache (Redis-Wire-Protokoll) aus einem einzigen vom Entwickler verfassten Aggregate zu zwei Realisierungen.
  • valkey-cache (start) — Dieses schlanke Beispiel kompiliert einen einzelnen Valkey-In-Memory-Cache (Redis-Wire-Protokoll) aus einem einzigen vom Entwickler verfassten Aggregate zu zwei Realisierungen.
  • memcached-cache (start) — Dieses schlanke Beispiel kompiliert einen einzelnen Memcached-In-Memory-Cache aus einem einzigen vom Entwickler verfassten Aggregate zu zwei Realisierungen.
  • nats-messaging (start) — Dieses Beispiel kompiliert einen einzelnen NATS-Messaging-Server (Pub-Sub, Request-Reply, Queueing) aus einem einzigen vom Entwickler verfassten Aggregate zu zwei Realisierungen.
  • rabbitmq-broker (start) — Dieses Beispiel kompiliert einen einzelnen RabbitMQ-Message-Broker (AMQP) aus einem einzigen vom Entwickler verfassten Aggregate für zwei Ziele.
  • mysql-standalone (start) — Dieses schlanke Beispiel kompiliert eine einzelne MySQL-Datenbank aus vom Entwickler verfassten Aggregates für zwei Ziele.
  • mariadb-helm-synth (start) — Eine einzelne MariaDB-Datenbank, auf Kubernetes durch die Workload-Synthese des helm-Providers gerendert — kein externes Chart.
  • postgres-init-config (start) — core/datastore/postgres stellt zwei optionale Entwicklerwerte bereit, die den ersten Start der Datenbank gestalten: init_scripts (SQL oder Shell, einmal bei der Initialisierung ausgeführt) und custom_config (ein postgresql.conf-Fragment).
  • grafana-dashboards (start) — Dieses Beispiel kompiliert einen einzelnen Grafana-Server für Dashboards und Visualisierung aus einem einzigen vom Entwickler verfassten Aggregate zu zwei Realisierungen.
  • s3-object-store (start) — Dieses Beispiel kompiliert einen einzigen S3-kompatiblen Objektspeicher, die Komponente core/storage/s3-object-store, zu seinen zwei selbst gehosteten Realisierungen.
  • nginx-gateway (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — ein NGINX-Reverse-Proxy-Gateway vor einem Web-Backend — aus einem einzigen vom Entwickler verfassten Aggregate für zwei Ziele.
  • prometheus-scrape (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — einen Prometheus-Metrikserver, der zwei Grafana-Dashboard-Server scrapt — aus einem einzigen vom Entwickler verfassten Aggregate für zwei Ziele.
  • fluentd-aggregator (start) — Dieses Beispiel kompiliert einen Fluentd-Log-Aggregator — das empfangende Ende einer Log-Pipeline — aus einem einzigen vom Entwickler verfassten Aggregate zu zwei Realisierungen.
  • fluent-bit-to-fluentd (start) — Dieses Beispiel kompiliert eine reale Log-Pipeline — einen Fluent Bit-Forwarder, der Datensätze über das Forward-Protokoll an einen Fluentd-Aggregator sendet — aus einem einzigen vom Entwickler verfassten Aggregate zu zwei Realisierungen.
  • mysql-innodb-cluster (start) — Ein MySQL InnoDB Cluster und die Control Plane, die ihn abgleicht, zweimal aus einem einzigen unveränderten Aggregate gebaut: einmal mit der Anforderung einer einzelnen Serverinstanz, einmal mit der von drei.
  • apisix-stack (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — ein dynamisches API-Gateway — aus einem einzigen vom Entwickler verfassten Aggregate zu synthetisierten Kubernetes-Manifesten.
  • ferretdb-stack (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — eine Dokumentendatenbank, die das MongoDB-Wire-Protokoll bereitstellt — aus einem einzigen vom Entwickler verfassten Aggregate zu synthetisierten Kubernetes-Manifesten.
  • kong-stack (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — ein datenbankgestütztes API-Gateway — aus einem einzigen vom Entwickler verfassten Aggregate zu synthetisierten Kubernetes-Manifesten.
  • keycloak-stack (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — einen datenbankgestützten Identitätsserver — aus einem einzigen vom Entwickler verfassten Aggregate zu synthetisierten Kubernetes-Manifesten.
  • thanos-stack (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — die Lese-/Abfrageschicht eines Thanos-Metriksystems — aus einem einzigen vom Entwickler verfassten Aggregate zu synthetisierten Kubernetes-Manifesten.
  • harbor-stack (start) — Dieses Beispiel kompiliert eine reale Container-Registry aus einem einzigen vom Entwickler verfassten Aggregate zu Kubernetes-Manifesten.
  • credential-secretkeyref (start) — Eine einzelne PostgreSQL-Datenbank, deren Passwort vom Zugangsdaten-Subsystem geliefert wird, gezeigt pro Provider.
  • model-api-key-sharing (start) — Zwei CrewAI-Agenten hinter einem OpenAI-kompatiblen Gateway.
  • adhoc-uses-socket (start) — Dieses Beispiel lehrt eine einzige Linie, und beide Hälften davon.
  • ai-agent-and-model-router (start) — Eine Agentenanwendung, die zwei Modelle vorgelagerter Provider über einen clusterinternen Router erreicht, kompiliert zu Kubernetes-Manifesten.
  • connection-credentials (start) — Ein Store für semantisches Gedächtnis, der zwei Modelle erreicht und jedem einen anderen Schlüssel vorlegt, kompiliert zu Kubernetes-Manifesten.
  • ai-gateway-log-masking (start) — Ein Support-Assistent muss mit den Namen und E-Mail-Adressen von Kunden arbeiten, daher muss das Modell, das er aufruft, sie sehen.
  • ai-gateway-prompt-injection-shield (start) — Die Benutzer eines Support-Assistenten können alles eingeben, und manches davon versucht, das Modell dazu zu bringen, die ihm gegebenen Anweisungen zu ignorieren.
  • ai-gateway-semantic-cache (start) — Einem Support-Assistenten werden den ganzen Tag dieselben Fragen in leicht abweichenden Worten gestellt.
  • apisix-token-budget (start) — Ein Team stellt zwei OpenAI-Modelle hinter ein Gateway und möchte eine Obergrenze dafür, was das Gateway jeden Tag für sie ausgibt, gezählt in Tokens.
  • envoy-ai-gateway-token-budget (start) — Ein Team stellt OpenAIs gpt-4o-mini hinter ein clusterinternes Gateway, möchte eine Obergrenze für die Tokens, die das Gateway jeden Kalendermonat dafür ausgibt, und richtet seinen Agenten auf das Gateway statt auf OpenAI.
  • nemo-guardrails-nemoguard-nims (start) — Die Modellanfragen eines Agenten laufen durch NVIDIA NeMo Guardrails, das jede davon mit zwei der NemoGuard-Modelle von NVIDIA prüft, lizenzierten NVIDIA-Produkten, die zum Ausführen eine Lizenz von NVIDIA, einen NGC-API-Schlüssel und einen GPU-Knoten benötigen.
  • model-server-caller-allowlist (start) — Ein Modellserver, der in einem Cluster läuft, antwortet jedem, der seine Adresse erreicht.
  • task-run-on-demand (start) — Ein Task, der core/manual-trigger trägt, ohne Start auf Kubernetes, Docker Compose, Terraform und CloudFormation bereitgestellt, neben einem Task, der nichts trägt, mit dem Befehl, der auf jedem Ziel einen Lauf startet.
  • datastore-backup (start) — Eine PostgreSQL-Datenbank, gesichert auf Kubernetes über Velero und über CloudNativePG, und auf AWS über die eigenen automatisierten Backups von Amazon RDS, auf Terraform und auf CloudFormation, sowie über AWS Backup, aus einer einzigen core/backup-Anbindung, die der Betreiber in jedes Release schreibt, mit der Zurückweisung auf einem Ziel, das kein Backup-Produkt hat.

Authoring

Gruppe authoring: schreibt eine eigene Component, ein eigenes Feature oder ein eigenes Recipe oder zeigt, wie eines aufgebaut ist.

  • mariadb-adminer (authoring) — Dieses Beispiel kompiliert einen kleinen, realen Stack — eine MariaDB-Datenbank mit einer vorgeschalteten Adminer-Weboberfläche — aus einem einzigen vom Entwickler verfassten Aggregate für zwei Plattformen.
  • per-instance-recipe-override (authoring) — Dieses Beispiel vermittelt eine Funktion des Manifest: die name-Zuordnungsebene, die das Recipe für eine einzelne Komponenten-Instanz überschreibt, während jede andere Instanz desselben Typs das pauschale Recipe der type-Ebene behält.
  • workload-library-import (authoring) — Ein einzelner zustandsloser Webdienst, dessen Recipe seine Kubernetes-Workload aus einem gemeinsam genutzten Bibliothekseintrag statt aus einem Inline-Körper synthetisiert.
  • workload-identity-binding (authoring) — Eine einzelne zustandslose App, auf Kubernetes durch die Workload-Synthese des helm-Providers gerendert — kein externes Chart.
  • multikey-secret-synth (authoring) — Eine einzelne zustandslose App, auf Kubernetes durch die Workload-Synthese des helm-Providers gerendert — kein externes Chart.
  • mariadb-bitnami-credential-set (authoring) — Eine einzelne MariaDB-Datenbank, realisiert durch das Bitnami-Helm-Chart, deren Passwörter von einem einzigen referenzierbaren Secret mit mehreren Schlüsseln (core/referenced-secret-set) geliefert werden.
  • credential-shape-per-target (authoring) — Wie Zugangsdaten einen laufenden Container erreichen, ist eine Eigenschaft dessen, wo Sie bereitstellen, nicht der Anwendung.
  • terraform-rds-module (authoring) — Dieselbe MariaDB-Absicht wie im Beispiel terraform-rds, gerendert über die sourced-Form des Terraform-Providers: Statt eines Inline-HCL-Körpers verweist das Recipe auf ein lokales Terraform-Modul, und der Compiler übernimmt es unverändert und liefert dann seine Eingabevariablen aus den Säulen des Entwicklers und des Betreibers.
  • postgres-three-realizations (authoring) — Eine PostgreSQL-Datenbank und die Anwendung, die sie liest, auf drei verschiedene Arten aus einem einzigen unveränderten Aggregate bereitgestellt: PostgreSQL im Cluster laufend, PostgreSQL als verwaltete Cloud-Instanz und ein PostgreSQL-Server, der bereits existierte, bevor dieses Release bereitgestellt wurde.
  • mcp-address-from-secret (authoring) — Manche Model-Context-Protocol-Server, die jemand anderes betreibt, lesen ihren Schlüssel aus ihrer eigenen Adresse — https://mcp.example.com/mcp?api_key=<key> — statt aus einem Header der Anfrage.
  • chart-from-git-repository (authoring) — Ein Helm-Chart muss nicht aus einer Chart-Registry stammen.
  • extends-wrapper (authoring) — Dieses Beispiel vermittelt eine Sache: Eine Component, die mit extends eine andere erweitert, erbt den gesamten Datenvertrag dieser Basis, sodass jedes für die Basis geschriebene Recipe die erweiternde Component bereits implementiert.

Fortgeschritten

Gruppe advanced: Grenzen, Governance-Richtlinien, annotationsgesteuerte Features und zusammengesetzte Cloud-Stacks, mehrere davon in einem Build kombiniert.

  • advanced-platform (advanced) — Eine Kubernetes-Plattform mit mehreren Boundaries, die mehrere Mechanismen in einem einzigen Build aus einem einzigen vom Entwickler verfassten Aggregate kombiniert: FeatureRecipes mit Boundary-Geltungsbereich, das Hochziehen von Parametern, das Zugangsdaten-Subsystem und Boundary-übergreifende Referenzen, die über das Service-DNS aufgelöst werden.
  • aws-rds-and-ecs-service (advanced) — Ein einziges Aggregate enthält eine PostgreSQL-Datenbank und den Server, der sie liest.
  • terraform-declared-sensitivity (advanced) — Die Deklaration, dass ein Wert geheimes Material trägt, wird einmal verfasst, im Schema einer Component.
  • cross-boundary-networking (advanced) — Ein Stack aus zwei Komponenten — eine Adminer-Datenbankoberfläche und eine PostgreSQL-Datenbank — aufgeteilt auf zwei Boundaries, wobei Adminer die Datenbank über die Nahtstelle zwischen den Boundaries hinweg erreichen muss.
  • module-boundary-routing (advanced) — Dieses Beispiel kompiliert zwei Fähigkeiten — eine Thanos-Leseschicht für Metriken über Objektspeicher und eine Dokumentendatenbank, die das MongoDB-Wire-Protokoll spricht — aus einem einzigen vom Entwickler verfassten Aggregate und platziert jede vom Release aus in eine eigene Boundary.
  • annotation-driven-monitoring (advanced) — Dieses Beispiel bindet ein Monitoring-Feature an sechs Dienste in einer verschachtelten Topologie an, ohne einen einzigen features:-Block pro Komponente zu schreiben.
  • policy-in-ci (advanced) — Zwei sofort einsetzbare Regelskripte, die das Ausgabeverzeichnis eines Aggrega-Builds lesen und ihn zurückweisen, wenn er gegen eine Regel verstößt.
  • policy-payload-leaf-sensitivity (advanced) — Dieses Beispiel vermittelt eine Hausregel und die Tatsache, die sie ausdrückbar macht.
  • policy-data-class-route (advanced) — Eine Systemlandschaft betreibt einen Schadensassistenten, der vertrauliche Kundendaten verarbeitet, und einen Helpdesk-Assistenten, der keine verarbeitet.
  • policy-label-transform (advanced) — Governance-Plugins versehen jede Komponente, die dieser Workspace bereitstellt, mit Labels für ihren Eigentümer, die Support-Stufe, die ihre Umgebung verdient, ihren Backup-Zeitplan und ein kurzes Tag, sodass kein Entwickler eines davon eintippt.
  • policy-org-overlay (advanced) — Die Richtlinie eines Teams, die seiner Organisation und die seiner Pipeline laufen gemeinsam in einem einzigen Build, jede in einer eigenen Konfigurationsdatei angebunden.
  • policy-render-verdict (advanced) — Eine einzige Hausregel, angebunden an die Rolle render-verdict, beurteilt die Dateien, die ein Build für vier Ziele schreibt, und weist einen auf jedem platzierten Verstoß zurück.
  • policy-annotation-transform (advanced) — Eine Governance-Richtlinie gibt jeder Komponente eines Shops das Monitoring der Plattform und eine AWS-IAM-Rolle.
  • ai-gateway-own-webhook-certificate (advanced) — Dies ist ein fortgeschrittenes Beispiel.

Importer

Gruppe importers: ein in einem anderen Format geschriebenes Projekt, von aggrega import als Entwurf in Aggrega-Dateien überführt, dann überprüft und gebaut.

  • import-compose (start) — Eine Compose-Datei, die eine API, die PostgreSQL-Datenbank, in der sie ihre Notizen hält, und einen Redis-Cache ausführt, von aggrega import als Entwurf in Aggrega-Dateien überführt — wobei die Verbindungen, die Einstellungen der Datenbank, das Passwort als Variablenreferenz und das Tag jedes Images übernommen werden — und für Docker Compose gebaut.
  • import-mcp (start) — Eine .mcp.json von Claude Code mit drei Model-Context-Protocol-Servern — zwei über eine Befehlszeile gestartet und einer, den jemand anderes betreibt — von aggrega import als Entwurf in Aggrega-Dateien überführt, wobei jeder Server der Realisierung zugeordnet wird, die seiner Ausführungsweise entspricht, und für Kubernetes gebaut.
  • import-n8n (start) — Ein n8n-Workflow — ein Chat-Trigger, ein AI Agent, ein OpenAI Chat Model und ein Simple Memory — von aggrega import in ein Aggregate, ein Release und ein Manifest importiert, die sich unverändert für Docker Compose bauen lassen.
  • import-flowise (start) — Ein Flowise-Chatflow — ein ChatOpenAI-Knoten, ein Buffer Memory und eine Conversation Chain — von aggrega import in ein Aggregate, ein Release und ein Manifest importiert, die sich unverändert für Docker Compose bauen lassen.
  • import-langflow (start) — Das Starter-Projekt Basic Prompting von Langflow, als JSON exportiert, von aggrega import in ein Aggregate, ein Release und ein Manifest importiert, die sich unverändert für Docker Compose bauen lassen.
  • import-dify (start) — Eine Dify-Chatanwendung, im DSL von Dify exportiert, von aggrega import in ein Aggregate, ein Release und ein Manifest importiert, die unverändert die Dify-Installation der Standardbibliothek, die sie enthält, für Kubernetes bauen.
  • import-google-adk (start) — Die Agent Config einer Anwendung, die auf dem Agent Development Kit von Google aufbaut — ein Agent auf Gemini, mit dem Google-Search-Tool, das ADK mitliefert — von aggrega import als Entwurf in Aggrega-Dateien überführt, wobei das Image der Anwendung einmal in einer Antwortdatei angegeben wird, und für Docker Compose gebaut.
  • import-langgraph (start) — Die langgraph.json einer LangGraph-Anwendung — ein Graph, der seinen Zustand in PostgreSQL hält — von aggrega import als Entwurf in Aggrega-Dateien überführt, wobei das Modell, das der Graph aufruft, und das Image der Anwendung einmal in einer Antwortdatei angegeben werden, und für Docker Compose gebaut.
  • import-crewai (start) — Die Agenten- und Task-Deklarationen eines CrewAI-Projekts im klassischen Layout — zwei Agenten auf einem OpenAI-Modell, je ein Task — von aggrega import als Entwurf in Aggrega-Dateien überführt, wobei das Image, in dem das Programm der Crew läuft, einmal in einer Antwortdatei angegeben wird, und für Docker Compose gebaut.
  • import-agent-framework (start) — Ein deklarativer Agent von Microsoft Agent Framework — ein Agent auf einem OpenAI-Modell, der Dokumentation über einen MCP-Server durchsucht — von aggrega import als Entwurf in Aggrega-Dateien überführt, wobei das Image der Anwendung einmal in einer Antwortdatei angegeben wird, und für Docker Compose gebaut.

Nach Produkt

core/ai-agent/agent-framework

  • import-agent-framework (start) — Ein deklarativer Agent von Microsoft Agent Framework — ein Agent auf einem OpenAI-Modell, der Dokumentation über einen MCP-Server durchsucht — von aggrega import als Entwurf in Aggrega-Dateien überführt, wobei das Image der Anwendung einmal in einer Antwortdatei angegeben wird, und für Docker Compose gebaut.

core/ai-agent/crewai

  • envoy-ai-gateway-token-budget (start) — Ein Team stellt OpenAIs gpt-4o-mini hinter ein clusterinternes Gateway, möchte eine Obergrenze für die Tokens, die das Gateway jeden Kalendermonat dafür ausgibt, und richtet seinen Agenten auf das Gateway statt auf OpenAI.
  • import-crewai (start) — Die Agenten- und Task-Deklarationen eines CrewAI-Projekts im klassischen Layout — zwei Agenten auf einem OpenAI-Modell, je ein Task — von aggrega import als Entwurf in Aggrega-Dateien überführt, wobei das Image, in dem das Programm der Crew läuft, einmal in einer Antwortdatei angegeben wird, und für Docker Compose gebaut.
  • model-api-key-sharing (start) — Zwei CrewAI-Agenten hinter einem OpenAI-kompatiblen Gateway.

core/ai-agent/dify

  • import-dify (start) — Eine Dify-Chatanwendung, im DSL von Dify exportiert, von aggrega import in ein Aggregate, ein Release und ein Manifest importiert, die unverändert die Dify-Installation der Standardbibliothek, die sie enthält, für Kubernetes bauen.

core/ai-agent/dify-plugin-daemon

  • import-dify (start) — Eine Dify-Chatanwendung, im DSL von Dify exportiert, von aggrega import in ein Aggregate, ein Release und ein Manifest importiert, die unverändert die Dify-Installation der Standardbibliothek, die sie enthält, für Kubernetes bauen.

core/ai-agent/dify-sandbox

  • import-dify (start) — Eine Dify-Chatanwendung, im DSL von Dify exportiert, von aggrega import in ein Aggregate, ein Release und ein Manifest importiert, die unverändert die Dify-Installation der Standardbibliothek, die sie enthält, für Kubernetes bauen.

core/ai-agent/dify-ssrf-proxy

  • import-dify (start) — Eine Dify-Chatanwendung, im DSL von Dify exportiert, von aggrega import in ein Aggregate, ein Release und ein Manifest importiert, die unverändert die Dify-Installation der Standardbibliothek, die sie enthält, für Kubernetes bauen.

core/ai-agent/dify-web

  • import-dify (start) — Eine Dify-Chatanwendung, im DSL von Dify exportiert, von aggrega import in ein Aggregate, ein Release und ein Manifest importiert, die unverändert die Dify-Installation der Standardbibliothek, die sie enthält, für Kubernetes bauen.

core/ai-agent/dify-worker

  • import-dify (start) — Eine Dify-Chatanwendung, im DSL von Dify exportiert, von aggrega import in ein Aggregate, ein Release und ein Manifest importiert, die unverändert die Dify-Installation der Standardbibliothek, die sie enthält, für Kubernetes bauen.

core/ai-agent/dify-worker-beat

  • import-dify (start) — Eine Dify-Chatanwendung, im DSL von Dify exportiert, von aggrega import in ein Aggregate, ein Release und ein Manifest importiert, die unverändert die Dify-Installation der Standardbibliothek, die sie enthält, für Kubernetes bauen.

core/ai-agent/flowise

  • import-flowise (start) — Ein Flowise-Chatflow — ein ChatOpenAI-Knoten, ein Buffer Memory und eine Conversation Chain — von aggrega import in ein Aggregate, ein Release und ein Manifest importiert, die sich unverändert für Docker Compose bauen lassen.

core/ai-agent/google-adk

  • import-google-adk (start) — Die Agent Config einer Anwendung, die auf dem Agent Development Kit von Google aufbaut — ein Agent auf Gemini, mit dem Google-Search-Tool, das ADK mitliefert — von aggrega import als Entwurf in Aggrega-Dateien überführt, wobei das Image der Anwendung einmal in einer Antwortdatei angegeben wird, und für Docker Compose gebaut.

core/ai-agent/langflow

  • import-langflow (start) — Das Starter-Projekt Basic Prompting von Langflow, als JSON exportiert, von aggrega import in ein Aggregate, ein Release und ein Manifest importiert, die sich unverändert für Docker Compose bauen lassen.

core/ai-agent/langgraph

  • ai-agent-and-model-router (start) — Eine Agentenanwendung, die zwei Modelle vorgelagerter Provider über einen clusterinternen Router erreicht, kompiliert zu Kubernetes-Manifesten.
  • import-langgraph (start) — Die langgraph.json einer LangGraph-Anwendung — ein Graph, der seinen Zustand in PostgreSQL hält — von aggrega import als Entwurf in Aggrega-Dateien überführt, wobei das Modell, das der Graph aufruft, und das Image der Anwendung einmal in einer Antwortdatei angegeben werden, und für Docker Compose gebaut.
  • nemo-guardrails-nemoguard-nims (start) — Die Modellanfragen eines Agenten laufen durch NVIDIA NeMo Guardrails, das jede davon mit zwei der NemoGuard-Modelle von NVIDIA prüft, lizenzierten NVIDIA-Produkten, die zum Ausführen eine Lizenz von NVIDIA, einen NGC-API-Schlüssel und einen GPU-Knoten benötigen.
  • policy-data-class-route (advanced) — Eine Systemlandschaft betreibt einen Schadensassistenten, der vertrauliche Kundendaten verarbeitet, und einen Helpdesk-Assistenten, der keine verarbeitet.
  • quickstart-ai (start) — Ein kleiner LangGraph-Agent, in vier Schritten ausgebaut: Er beginnt auf einem lokalen Modell mit einem Gedächtnis, erhält ein Cloud-Modell mit dem lokalen als Fallback, bekommt Guardrails vor beiden und wird schließlich für Kubernetes gebaut.

core/ai-agent/n8n

  • import-n8n (start) — Ein n8n-Workflow — ein Chat-Trigger, ein AI Agent, ein OpenAI Chat Model und ein Simple Memory — von aggrega import in ein Aggregate, ein Release und ein Manifest importiert, die sich unverändert für Docker Compose bauen lassen.

core/ai-model/anthropic

  • adhoc-uses-socket (start) — Dieses Beispiel lehrt eine einzige Linie, und beide Hälften davon.

core/ai-model/gemini

  • import-google-adk (start) — Die Agent Config einer Anwendung, die auf dem Agent Development Kit von Google aufbaut — ein Agent auf Gemini, mit dem Google-Search-Tool, das ADK mitliefert — von aggrega import als Entwurf in Aggrega-Dateien überführt, wobei das Image der Anwendung einmal in einer Antwortdatei angegeben wird, und für Docker Compose gebaut.

core/ai-model/nemoguard-content-safety

  • nemo-guardrails-nemoguard-nims (start) — Die Modellanfragen eines Agenten laufen durch NVIDIA NeMo Guardrails, das jede davon mit zwei der NemoGuard-Modelle von NVIDIA prüft, lizenzierten NVIDIA-Produkten, die zum Ausführen eine Lizenz von NVIDIA, einen NGC-API-Schlüssel und einen GPU-Knoten benötigen.

core/ai-model/ollama

  • model-server-caller-allowlist (start) — Ein Modellserver, der in einem Cluster läuft, antwortet jedem, der seine Adresse erreicht.
  • quickstart-ai (start) — Ein kleiner LangGraph-Agent, in vier Schritten ausgebaut: Er beginnt auf einem lokalen Modell mit einem Gedächtnis, erhält ein Cloud-Modell mit dem lokalen als Fallback, bekommt Guardrails vor beiden und wird schließlich für Kubernetes gebaut.

core/ai-model/openai

  • ai-gateway-log-masking (start) — Ein Support-Assistent muss mit den Namen und E-Mail-Adressen von Kunden arbeiten, daher muss das Modell, das er aufruft, sie sehen.
  • ai-gateway-semantic-cache (start) — Einem Support-Assistenten werden den ganzen Tag dieselben Fragen in leicht abweichenden Worten gestellt.
  • apisix-token-budget (start) — Ein Team stellt zwei OpenAI-Modelle hinter ein Gateway und möchte eine Obergrenze dafür, was das Gateway jeden Tag für sie ausgibt, gezählt in Tokens.
  • connection-credentials (start) — Ein Store für semantisches Gedächtnis, der zwei Modelle erreicht und jedem einen anderen Schlüssel vorlegt, kompiliert zu Kubernetes-Manifesten.
  • envoy-ai-gateway-token-budget (start) — Ein Team stellt OpenAIs gpt-4o-mini hinter ein clusterinternes Gateway, möchte eine Obergrenze für die Tokens, die das Gateway jeden Kalendermonat dafür ausgibt, und richtet seinen Agenten auf das Gateway statt auf OpenAI.
  • import-agent-framework (start) — Ein deklarativer Agent von Microsoft Agent Framework — ein Agent auf einem OpenAI-Modell, der Dokumentation über einen MCP-Server durchsucht — von aggrega import als Entwurf in Aggrega-Dateien überführt, wobei das Image der Anwendung einmal in einer Antwortdatei angegeben wird, und für Docker Compose gebaut.
  • import-crewai (start) — Die Agenten- und Task-Deklarationen eines CrewAI-Projekts im klassischen Layout — zwei Agenten auf einem OpenAI-Modell, je ein Task — von aggrega import als Entwurf in Aggrega-Dateien überführt, wobei das Image, in dem das Programm der Crew läuft, einmal in einer Antwortdatei angegeben wird, und für Docker Compose gebaut.
  • import-flowise (start) — Ein Flowise-Chatflow — ein ChatOpenAI-Knoten, ein Buffer Memory und eine Conversation Chain — von aggrega import in ein Aggregate, ein Release und ein Manifest importiert, die sich unverändert für Docker Compose bauen lassen.
  • import-langflow (start) — Das Starter-Projekt Basic Prompting von Langflow, als JSON exportiert, von aggrega import in ein Aggregate, ein Release und ein Manifest importiert, die sich unverändert für Docker Compose bauen lassen.
  • import-langgraph (start) — Die langgraph.json einer LangGraph-Anwendung — ein Graph, der seinen Zustand in PostgreSQL hält — von aggrega import als Entwurf in Aggrega-Dateien überführt, wobei das Modell, das der Graph aufruft, und das Image der Anwendung einmal in einer Antwortdatei angegeben werden, und für Docker Compose gebaut.
  • import-n8n (start) — Ein n8n-Workflow — ein Chat-Trigger, ein AI Agent, ein OpenAI Chat Model und ein Simple Memory — von aggrega import in ein Aggregate, ein Release und ein Manifest importiert, die sich unverändert für Docker Compose bauen lassen.
  • policy-data-class-route (advanced) — Eine Systemlandschaft betreibt einen Schadensassistenten, der vertrauliche Kundendaten verarbeitet, und einen Helpdesk-Assistenten, der keine verarbeitet.
  • quickstart-ai (start) — Ein kleiner LangGraph-Agent, in vier Schritten ausgebaut: Er beginnt auf einem lokalen Modell mit einem Gedächtnis, erhält ein Cloud-Modell mit dem lokalen als Fallback, bekommt Guardrails vor beiden und wird schließlich für Kubernetes gebaut.

core/ai-model/openai-compatible

core/ai-model/openai-embedding

  • ai-gateway-semantic-cache (start) — Einem Support-Assistenten werden den ganzen Tag dieselben Fragen in leicht abweichenden Worten gestellt.

core/ai-model/tei

  • connection-credentials (start) — Ein Store für semantisches Gedächtnis, der zwei Modelle erreicht und jedem einen anderen Schlüssel vorlegt, kompiliert zu Kubernetes-Manifesten.

core/ai-tool/mcp

  • import-mcp (start) — Eine .mcp.json von Claude Code mit drei Model-Context-Protocol-Servern — zwei über eine Befehlszeile gestartet und einer, den jemand anderes betreibt — von aggrega import als Entwurf in Aggrega-Dateien überführt, wobei jeder Server der Realisierung zugeordnet wird, die seiner Ausführungsweise entspricht, und für Kubernetes gebaut.
  • mcp-address-from-secret (authoring) — Manche Model-Context-Protocol-Server, die jemand anderes betreibt, lesen ihren Schlüssel aus ihrer eigenen Adresse — https://mcp.example.com/mcp?api_key=<key> — statt aus einem Header der Anfrage.

core/compute/server

  • quickstart-ai (start) — Ein kleiner LangGraph-Agent, in vier Schritten ausgebaut: Er beginnt auf einem lokalen Modell mit einem Gedächtnis, erhält ein Cloud-Modell mit dem lokalen als Fallback, bekommt Guardrails vor beiden und wird schließlich für Kubernetes gebaut.

core/datastore/cognee

  • connection-credentials (start) — Ein Store für semantisches Gedächtnis, der zwei Modelle erreicht und jedem einen anderen Schlüssel vorlegt, kompiliert zu Kubernetes-Manifesten.

core/datastore/documentdb

  • ferretdb-stack (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — eine Dokumentendatenbank, die das MongoDB-Wire-Protokoll bereitstellt — aus einem einzigen vom Entwickler verfassten Aggregate zu synthetisierten Kubernetes-Manifesten.
  • module-boundary-routing (advanced) — Dieses Beispiel kompiliert zwei Fähigkeiten — eine Thanos-Leseschicht für Metriken über Objektspeicher und eine Dokumentendatenbank, die das MongoDB-Wire-Protokoll spricht — aus einem einzigen vom Entwickler verfassten Aggregate und platziert jede vom Release aus in eine eigene Boundary.

core/datastore/etcd

  • apisix-stack (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — ein dynamisches API-Gateway — aus einem einzigen vom Entwickler verfassten Aggregate zu synthetisierten Kubernetes-Manifesten.

core/datastore/ferretdb

  • ferretdb-stack (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — eine Dokumentendatenbank, die das MongoDB-Wire-Protokoll bereitstellt — aus einem einzigen vom Entwickler verfassten Aggregate zu synthetisierten Kubernetes-Manifesten.
  • module-boundary-routing (advanced) — Dieses Beispiel kompiliert zwei Fähigkeiten — eine Thanos-Leseschicht für Metriken über Objektspeicher und eine Dokumentendatenbank, die das MongoDB-Wire-Protokoll spricht — aus einem einzigen vom Entwickler verfassten Aggregate und platziert jede vom Release aus in eine eigene Boundary.

core/datastore/mariadb

  • adhoc-uses-socket (start) — Dieses Beispiel lehrt eine einzige Linie, und beide Hälften davon.
  • advanced-platform (advanced) — Eine Kubernetes-Plattform mit mehreren Boundaries, die mehrere Mechanismen in einem einzigen Build aus einem einzigen vom Entwickler verfassten Aggregate kombiniert: FeatureRecipes mit Boundary-Geltungsbereich, das Hochziehen von Parametern, das Zugangsdaten-Subsystem und Boundary-übergreifende Referenzen, die über das Service-DNS aufgelöst werden.
  • catalog-only (start) — Dieses Beispiel stellt einen kleinen, realen Stack bereit — eine MariaDB-Datenbank mit einer vorgeschalteten Adminer-Weboberfläche — und referenziert dabei ausschließlich Entitäten des Standardbibliothekskatalogs.
  • cloudformation-rds-stack (advanced) — Eine verwaltete Datenbank und die Anwendung, die sie liest, einmal als Entwicklerabsicht verfasst und zu AWS-CloudFormation-Stack-Templates zusammengesetzt.
  • mariadb-adminer (authoring) — Dieses Beispiel kompiliert einen kleinen, realen Stack — eine MariaDB-Datenbank mit einer vorgeschalteten Adminer-Weboberfläche — aus einem einzigen vom Entwickler verfassten Aggregate für zwei Plattformen.
  • mariadb-bitnami-credential-set (authoring) — Eine einzelne MariaDB-Datenbank, realisiert durch das Bitnami-Helm-Chart, deren Passwörter von einem einzigen referenzierbaren Secret mit mehreren Schlüsseln (core/referenced-secret-set) geliefert werden.
  • mariadb-helm-synth (start) — Eine einzelne MariaDB-Datenbank, auf Kubernetes durch die Workload-Synthese des helm-Providers gerendert — kein externes Chart.
  • policy-label-transform (advanced) — Governance-Plugins versehen jede Komponente, die dieser Workspace bereitstellt, mit Labels für ihren Eigentümer, die Support-Stufe, die ihre Umgebung verdient, ihren Backup-Zeitplan und ein kurzes Tag, sodass kein Entwickler eines davon eintippt.
  • policy-org-overlay (advanced) — Die Richtlinie eines Teams, die seiner Organisation und die seiner Pipeline laufen gemeinsam in einem einzigen Build, jede in einer eigenen Konfigurationsdatei angebunden.
  • policy-payload-leaf-sensitivity (advanced) — Dieses Beispiel vermittelt eine Hausregel und die Tatsache, die sie ausdrückbar macht.
  • terraform-rds-module (authoring) — Dieselbe MariaDB-Absicht wie im Beispiel terraform-rds, gerendert über die sourced-Form des Terraform-Providers: Statt eines Inline-HCL-Körpers verweist das Recipe auf ein lokales Terraform-Modul, und der Compiler übernimmt es unverändert und liefert dann seine Eingabevariablen aus den Säulen des Entwicklers und des Betreibers.
  • terraform-rds (authoring) — Eine einzelne MariaDB-Datenbank, einmal als Entwicklerabsicht verfasst und zu einer Terraform-HCL-Datei gerendert, die eine verwaltete AWS-RDS-Instanz bereitstellt.

core/datastore/memcached

  • memcached-cache (start) — Dieses schlanke Beispiel kompiliert einen einzelnen Memcached-In-Memory-Cache aus einem einzigen vom Entwickler verfassten Aggregate zu zwei Realisierungen.

core/datastore/mysql

  • mysql-standalone (start) — Dieses schlanke Beispiel kompiliert eine einzelne MySQL-Datenbank aus vom Entwickler verfassten Aggregates für zwei Ziele.

core/datastore/mysql-innodb-cluster

  • mysql-innodb-cluster (start) — Ein MySQL InnoDB Cluster und die Control Plane, die ihn abgleicht, zweimal aus einem einzigen unveränderten Aggregate gebaut: einmal mit der Anforderung einer einzelnen Serverinstanz, einmal mit der von drei.

core/datastore/mysql-operator

  • mysql-innodb-cluster (start) — Ein MySQL InnoDB Cluster und die Control Plane, die ihn abgleicht, zweimal aus einem einzigen unveränderten Aggregate gebaut: einmal mit der Anforderung einer einzelnen Serverinstanz, einmal mit der von drei.

core/datastore/postgres

  • aws-rds-and-ecs-service (advanced) — Ein einziges Aggregate enthält eine PostgreSQL-Datenbank und den Server, der sie liest.
  • credential-secretkeyref (start) — Eine einzelne PostgreSQL-Datenbank, deren Passwort vom Zugangsdaten-Subsystem geliefert wird, gezeigt pro Provider.
  • credential-shape-per-target (authoring) — Wie Zugangsdaten einen laufenden Container erreichen, ist eine Eigenschaft dessen, wo Sie bereitstellen, nicht der Anwendung.
  • cross-boundary-networking (advanced) — Ein Stack aus zwei Komponenten — eine Adminer-Datenbankoberfläche und eine PostgreSQL-Datenbank — aufgeteilt auf zwei Boundaries, wobei Adminer die Datenbank über die Nahtstelle zwischen den Boundaries hinweg erreichen muss.
  • datastore-backup (start) — Eine PostgreSQL-Datenbank, gesichert auf Kubernetes über Velero und über CloudNativePG, und auf AWS über die eigenen automatisierten Backups von Amazon RDS, auf Terraform und auf CloudFormation, sowie über AWS Backup, aus einer einzigen core/backup-Anbindung, die der Betreiber in jedes Release schreibt, mit der Zurückweisung auf einem Ziel, das kein Backup-Produkt hat.
  • import-compose (start) — Eine Compose-Datei, die eine API, die PostgreSQL-Datenbank, in der sie ihre Notizen hält, und einen Redis-Cache ausführt, von aggrega import als Entwurf in Aggrega-Dateien überführt — wobei die Verbindungen, die Einstellungen der Datenbank, das Passwort als Variablenreferenz und das Tag jedes Images übernommen werden — und für Docker Compose gebaut.
  • import-dify (start) — Eine Dify-Chatanwendung, im DSL von Dify exportiert, von aggrega import in ein Aggregate, ein Release und ein Manifest importiert, die unverändert die Dify-Installation der Standardbibliothek, die sie enthält, für Kubernetes bauen.
  • import-langgraph (start) — Die langgraph.json einer LangGraph-Anwendung — ein Graph, der seinen Zustand in PostgreSQL hält — von aggrega import als Entwurf in Aggrega-Dateien überführt, wobei das Modell, das der Graph aufruft, und das Image der Anwendung einmal in einer Antwortdatei angegeben werden, und für Docker Compose gebaut.
  • keycloak-stack (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — einen datenbankgestützten Identitätsserver — aus einem einzigen vom Entwickler verfassten Aggregate zu synthetisierten Kubernetes-Manifesten.
  • kong-stack (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — ein datenbankgestütztes API-Gateway — aus einem einzigen vom Entwickler verfassten Aggregate zu synthetisierten Kubernetes-Manifesten.
  • policy-render-verdict (advanced) — Eine einzige Hausregel, angebunden an die Rolle render-verdict, beurteilt die Dateien, die ein Build für vier Ziele schreibt, und weist einen auf jedem platzierten Verstoß zurück.
  • postgres-init-config (start) — core/datastore/postgres stellt zwei optionale Entwicklerwerte bereit, die den ersten Start der Datenbank gestalten: init_scripts (SQL oder Shell, einmal bei der Initialisierung ausgeführt) und custom_config (ein postgresql.conf-Fragment).
  • postgres-three-realizations (authoring) — Eine PostgreSQL-Datenbank und die Anwendung, die sie liest, auf drei verschiedene Arten aus einem einzigen unveränderten Aggregate bereitgestellt: PostgreSQL im Cluster laufend, PostgreSQL als verwaltete Cloud-Instanz und ein PostgreSQL-Server, der bereits existierte, bevor dieses Release bereitgestellt wurde.
  • quickstart-web (start) — Eine kleine Webanwendung, die Notizen in PostgreSQL speichert, in vier Schritten ausgebaut: Sie beginnt mit ihrer Datenbank auf Ihrem Rechner, erhält einen Redis-Cache, zieht mit der Datenbank auf Amazon RDS zu AWS um und bekommt schließlich ihre Backups.

core/datastore/redis

  • ai-gateway-semantic-cache (start) — Einem Support-Assistenten werden den ganzen Tag dieselben Fragen in leicht abweichenden Worten gestellt.
  • envoy-ai-gateway-token-budget (start) — Ein Team stellt OpenAIs gpt-4o-mini hinter ein clusterinternes Gateway, möchte eine Obergrenze für die Tokens, die das Gateway jeden Kalendermonat dafür ausgibt, und richtet seinen Agenten auf das Gateway statt auf OpenAI.
  • import-compose (start) — Eine Compose-Datei, die eine API, die PostgreSQL-Datenbank, in der sie ihre Notizen hält, und einen Redis-Cache ausführt, von aggrega import als Entwurf in Aggrega-Dateien überführt — wobei die Verbindungen, die Einstellungen der Datenbank, das Passwort als Variablenreferenz und das Tag jedes Images übernommen werden — und für Docker Compose gebaut.
  • import-dify (start) — Eine Dify-Chatanwendung, im DSL von Dify exportiert, von aggrega import in ein Aggregate, ein Release und ein Manifest importiert, die unverändert die Dify-Installation der Standardbibliothek, die sie enthält, für Kubernetes bauen.
  • policy-label-transform (advanced) — Governance-Plugins versehen jede Komponente, die dieser Workspace bereitstellt, mit Labels für ihren Eigentümer, die Support-Stufe, die ihre Umgebung verdient, ihren Backup-Zeitplan und ein kurzes Tag, sodass kein Entwickler eines davon eintippt.
  • quickstart-web (start) — Eine kleine Webanwendung, die Notizen in PostgreSQL speichert, in vier Schritten ausgebaut: Sie beginnt mit ihrer Datenbank auf Ihrem Rechner, erhält einen Redis-Cache, zieht mit der Datenbank auf Amazon RDS zu AWS um und bekommt schließlich ihre Backups.
  • redis-cache (start) — Dieses schlanke Beispiel kompiliert einen einzelnen Redis-In-Memory-Cache (Redis-Wire-Protokoll) aus einem einzigen vom Entwickler verfassten Aggregate zu zwei Realisierungen.

core/datastore/valkey

  • ai-agent-and-model-router (start) — Eine Agentenanwendung, die zwei Modelle vorgelagerter Provider über einen clusterinternen Router erreicht, kompiliert zu Kubernetes-Manifesten.
  • nemo-guardrails-nemoguard-nims (start) — Die Modellanfragen eines Agenten laufen durch NVIDIA NeMo Guardrails, das jede davon mit zwei der NemoGuard-Modelle von NVIDIA prüft, lizenzierten NVIDIA-Produkten, die zum Ausführen eine Lizenz von NVIDIA, einen NGC-API-Schlüssel und einen GPU-Knoten benötigen.
  • policy-data-class-route (advanced) — Eine Systemlandschaft betreibt einen Schadensassistenten, der vertrauliche Kundendaten verarbeitet, und einen Helpdesk-Assistenten, der keine verarbeitet.
  • quickstart-ai (start) — Ein kleiner LangGraph-Agent, in vier Schritten ausgebaut: Er beginnt auf einem lokalen Modell mit einem Gedächtnis, erhält ein Cloud-Modell mit dem lokalen als Fallback, bekommt Guardrails vor beiden und wird schließlich für Kubernetes gebaut.
  • valkey-cache (start) — Dieses schlanke Beispiel kompiliert einen einzelnen Valkey-In-Memory-Cache (Redis-Wire-Protokoll) aus einem einzigen vom Entwickler verfassten Aggregate zu zwei Realisierungen.

core/datastore/weaviate

  • import-dify (start) — Eine Dify-Chatanwendung, im DSL von Dify exportiert, von aggrega import in ein Aggregate, ein Release und ein Manifest importiert, die unverändert die Dify-Installation der Standardbibliothek, die sie enthält, für Kubernetes bauen.

core/devtool/adminer

  • adhoc-uses-socket (start) — Dieses Beispiel lehrt eine einzige Linie, und beide Hälften davon.
  • advanced-platform (advanced) — Eine Kubernetes-Plattform mit mehreren Boundaries, die mehrere Mechanismen in einem einzigen Build aus einem einzigen vom Entwickler verfassten Aggregate kombiniert: FeatureRecipes mit Boundary-Geltungsbereich, das Hochziehen von Parametern, das Zugangsdaten-Subsystem und Boundary-übergreifende Referenzen, die über das Service-DNS aufgelöst werden.
  • catalog-only (start) — Dieses Beispiel stellt einen kleinen, realen Stack bereit — eine MariaDB-Datenbank mit einer vorgeschalteten Adminer-Weboberfläche — und referenziert dabei ausschließlich Entitäten des Standardbibliothekskatalogs.
  • cross-boundary-networking (advanced) — Ein Stack aus zwei Komponenten — eine Adminer-Datenbankoberfläche und eine PostgreSQL-Datenbank — aufgeteilt auf zwei Boundaries, wobei Adminer die Datenbank über die Nahtstelle zwischen den Boundaries hinweg erreichen muss.
  • extends-wrapper (authoring) — Dieses Beispiel vermittelt eine Sache: Eine Component, die mit extends eine andere erweitert, erbt den gesamten Datenvertrag dieser Basis, sodass jedes für die Basis geschriebene Recipe die erweiternde Component bereits implementiert.
  • mariadb-adminer (authoring) — Dieses Beispiel kompiliert einen kleinen, realen Stack — eine MariaDB-Datenbank mit einer vorgeschalteten Adminer-Weboberfläche — aus einem einzigen vom Entwickler verfassten Aggregate für zwei Plattformen.
  • nginx-gateway (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — ein NGINX-Reverse-Proxy-Gateway vor einem Web-Backend — aus einem einzigen vom Entwickler verfassten Aggregate für zwei Ziele.
  • policy-label-transform (advanced) — Governance-Plugins versehen jede Komponente, die dieser Workspace bereitstellt, mit Labels für ihren Eigentümer, die Support-Stufe, die ihre Umgebung verdient, ihren Backup-Zeitplan und ein kurzes Tag, sodass kein Entwickler eines davon eintippt.
  • policy-org-overlay (advanced) — Die Richtlinie eines Teams, die seiner Organisation und die seiner Pipeline laufen gemeinsam in einem einzigen Build, jede in einer eigenen Konfigurationsdatei angebunden.

core/devtool/harbor

  • harbor-stack (start) — Dieses Beispiel kompiliert eine reale Container-Registry aus einem einzigen vom Entwickler verfassten Aggregate zu Kubernetes-Manifesten.

core/gateway/apisix

  • apisix-stack (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — ein dynamisches API-Gateway — aus einem einzigen vom Entwickler verfassten Aggregate zu synthetisierten Kubernetes-Manifesten.
  • apisix-token-budget (start) — Ein Team stellt zwei OpenAI-Modelle hinter ein Gateway und möchte eine Obergrenze dafür, was das Gateway jeden Tag für sie ausgibt, gezählt in Tokens.

core/gateway/contour

  • contour-gateway (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — ein Contour-Ingress-Gateway — aus einem einzigen vom Entwickler verfassten Aggregate für Kubernetes.

core/gateway/envoy-ai-gateway-operator

  • ai-gateway-own-webhook-certificate (advanced) — Dies ist ein fortgeschrittenes Beispiel.
  • envoy-ai-gateway-token-budget (start) — Ein Team stellt OpenAIs gpt-4o-mini hinter ein clusterinternes Gateway, möchte eine Obergrenze für die Tokens, die das Gateway jeden Kalendermonat dafür ausgibt, und richtet seinen Agenten auf das Gateway statt auf OpenAI.

core/gateway/envoy-gateway

  • envoy-ai-gateway-token-budget (start) — Ein Team stellt OpenAIs gpt-4o-mini hinter ein clusterinternes Gateway, möchte eine Obergrenze für die Tokens, die das Gateway jeden Kalendermonat dafür ausgibt, und richtet seinen Agenten auf das Gateway statt auf OpenAI.

core/gateway/kong

  • kong-stack (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — ein datenbankgestütztes API-Gateway — aus einem einzigen vom Entwickler verfassten Aggregate zu synthetisierten Kubernetes-Manifesten.

core/gateway/litellm

  • ai-agent-and-model-router (start) — Eine Agentenanwendung, die zwei Modelle vorgelagerter Provider über einen clusterinternen Router erreicht, kompiliert zu Kubernetes-Manifesten.
  • ai-gateway-log-masking (start) — Ein Support-Assistent muss mit den Namen und E-Mail-Adressen von Kunden arbeiten, daher muss das Modell, das er aufruft, sie sehen.
  • ai-gateway-prompt-injection-shield (start) — Die Benutzer eines Support-Assistenten können alles eingeben, und manches davon versucht, das Modell dazu zu bringen, die ihm gegebenen Anweisungen zu ignorieren.
  • ai-gateway-semantic-cache (start) — Einem Support-Assistenten werden den ganzen Tag dieselben Fragen in leicht abweichenden Worten gestellt.
  • nemo-guardrails-nemoguard-nims (start) — Die Modellanfragen eines Agenten laufen durch NVIDIA NeMo Guardrails, das jede davon mit zwei der NemoGuard-Modelle von NVIDIA prüft, lizenzierten NVIDIA-Produkten, die zum Ausführen eine Lizenz von NVIDIA, einen NGC-API-Schlüssel und einen GPU-Knoten benötigen.
  • policy-data-class-route (advanced) — Eine Systemlandschaft betreibt einen Schadensassistenten, der vertrauliche Kundendaten verarbeitet, und einen Helpdesk-Assistenten, der keine verarbeitet.
  • quickstart-ai (start) — Ein kleiner LangGraph-Agent, in vier Schritten ausgebaut: Er beginnt auf einem lokalen Modell mit einem Gedächtnis, erhält ein Cloud-Modell mit dem lokalen als Fallback, bekommt Guardrails vor beiden und wird schließlich für Kubernetes gebaut.

core/gateway/nginx

  • extends-wrapper (authoring) — Dieses Beispiel vermittelt eine Sache: Eine Component, die mit extends eine andere erweitert, erbt den gesamten Datenvertrag dieser Basis, sodass jedes für die Basis geschriebene Recipe die erweiternde Component bereits implementiert.
  • model-server-caller-allowlist (start) — Ein Modellserver, der in einem Cluster läuft, antwortet jedem, der seine Adresse erreicht.
  • nginx-gateway (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — ein NGINX-Reverse-Proxy-Gateway vor einem Web-Backend — aus einem einzigen vom Entwickler verfassten Aggregate für zwei Ziele.

core/messaging/kafka

  • kafka-broker (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — einen Apache Kafka-Event-Streaming-Broker in seiner KRaft-Form mit einem einzelnen Knoten — aus einem einzigen vom Entwickler verfassten Aggregate für Kubernetes, direkt aus dem offiziellen Apache-Kafka-Image synthetisiert, ohne Upstream-Chart.

core/messaging/nats

  • nats-messaging (start) — Dieses Beispiel kompiliert einen einzelnen NATS-Messaging-Server (Pub-Sub, Request-Reply, Queueing) aus einem einzigen vom Entwickler verfassten Aggregate zu zwei Realisierungen.

core/messaging/rabbitmq

  • rabbitmq-broker (start) — Dieses Beispiel kompiliert einen einzelnen RabbitMQ-Message-Broker (AMQP) aus einem einzigen vom Entwickler verfassten Aggregate für zwei Ziele.

core/observability/fluent-bit

  • fluent-bit-to-fluentd (start) — Dieses Beispiel kompiliert eine reale Log-Pipeline — einen Fluent Bit-Forwarder, der Datensätze über das Forward-Protokoll an einen Fluentd-Aggregator sendet — aus einem einzigen vom Entwickler verfassten Aggregate zu zwei Realisierungen.

core/observability/fluentd

  • fluent-bit-to-fluentd (start) — Dieses Beispiel kompiliert eine reale Log-Pipeline — einen Fluent Bit-Forwarder, der Datensätze über das Forward-Protokoll an einen Fluentd-Aggregator sendet — aus einem einzigen vom Entwickler verfassten Aggregate zu zwei Realisierungen.
  • fluentd-aggregator (start) — Dieses Beispiel kompiliert einen Fluentd-Log-Aggregator — das empfangende Ende einer Log-Pipeline — aus einem einzigen vom Entwickler verfassten Aggregate zu zwei Realisierungen.

core/observability/grafana

  • grafana-dashboards (start) — Dieses Beispiel kompiliert einen einzelnen Grafana-Server für Dashboards und Visualisierung aus einem einzigen vom Entwickler verfassten Aggregate zu zwei Realisierungen.
  • prometheus-scrape (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — einen Prometheus-Metrikserver, der zwei Grafana-Dashboard-Server scrapt — aus einem einzigen vom Entwickler verfassten Aggregate für zwei Ziele.

core/observability/jaeger

  • jaeger-tracing (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — ein Jaeger-Backend für verteiltes Tracing in seiner Form mit einem einzelnen Knoten — aus einem einzigen vom Entwickler verfassten Aggregate für Kubernetes, direkt aus dem offiziellen Jaeger-Image synthetisiert, ohne Upstream-Chart.

core/observability/loki

  • loki-logging (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — einen Grafana Loki-Server zur Log-Aggregation — aus einem einzigen vom Entwickler verfassten Aggregate für Kubernetes, gestützt auf das offizielle Grafana-Loki-Helm-Chart in seiner Single-Binary-Form.

core/observability/prometheus

  • prometheus-scrape (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — einen Prometheus-Metrikserver, der zwei Grafana-Dashboard-Server scrapt — aus einem einzigen vom Entwickler verfassten Aggregate für zwei Ziele.

core/observability/tempo

  • tempo-tracing (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — einen Grafana Tempo-Server für verteiltes Tracing — aus einem einzigen vom Entwickler verfassten Aggregate für Kubernetes über die Workload-Synthese auf dem offiziellen Image grafana/tempo, in seiner Single-Binary-Form.

core/observability/thanos-query

  • module-boundary-routing (advanced) — Dieses Beispiel kompiliert zwei Fähigkeiten — eine Thanos-Leseschicht für Metriken über Objektspeicher und eine Dokumentendatenbank, die das MongoDB-Wire-Protokoll spricht — aus einem einzigen vom Entwickler verfassten Aggregate und platziert jede vom Release aus in eine eigene Boundary.
  • thanos-stack (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — die Lese-/Abfrageschicht eines Thanos-Metriksystems — aus einem einzigen vom Entwickler verfassten Aggregate zu synthetisierten Kubernetes-Manifesten.

core/observability/thanos-store

  • module-boundary-routing (advanced) — Dieses Beispiel kompiliert zwei Fähigkeiten — eine Thanos-Leseschicht für Metriken über Objektspeicher und eine Dokumentendatenbank, die das MongoDB-Wire-Protokoll spricht — aus einem einzigen vom Entwickler verfassten Aggregate und platziert jede vom Release aus in eine eigene Boundary.
  • thanos-stack (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — die Lese-/Abfrageschicht eines Thanos-Metriksystems — aus einem einzigen vom Entwickler verfassten Aggregate zu synthetisierten Kubernetes-Manifesten.

core/security/cert-manager

  • cert-manager-tls (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — einen cert-manager-Zertifikatscontroller — aus einem einzigen vom Entwickler verfassten Aggregate für Kubernetes.
  • envoy-ai-gateway-token-budget (start) — Ein Team stellt OpenAIs gpt-4o-mini hinter ein clusterinternes Gateway, möchte eine Obergrenze für die Tokens, die das Gateway jeden Kalendermonat dafür ausgibt, und richtet seinen Agenten auf das Gateway statt auf OpenAI.

core/security/external-secrets

  • external-secrets-operator (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — den external-secrets-Operator — aus einem einzigen vom Entwickler verfassten Aggregate für Kubernetes, gestützt auf das offizielle external-secrets-Helm-Chart.

core/security/keycloak

  • keycloak-stack (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — einen datenbankgestützten Identitätsserver — aus einem einzigen vom Entwickler verfassten Aggregate zu synthetisierten Kubernetes-Manifesten.

core/security/nemo-guardrails

  • ai-gateway-prompt-injection-shield (start) — Die Benutzer eines Support-Assistenten können alles eingeben, und manches davon versucht, das Modell dazu zu bringen, die ihm gegebenen Anweisungen zu ignorieren.
  • nemo-guardrails-nemoguard-nims (start) — Die Modellanfragen eines Agenten laufen durch NVIDIA NeMo Guardrails, das jede davon mit zwei der NemoGuard-Modelle von NVIDIA prüft, lizenzierten NVIDIA-Produkten, die zum Ausführen eine Lizenz von NVIDIA, einen NGC-API-Schlüssel und einen GPU-Knoten benötigen.

core/security/nemoguard-jailbreak-detect

  • nemo-guardrails-nemoguard-nims (start) — Die Modellanfragen eines Agenten laufen durch NVIDIA NeMo Guardrails, das jede davon mit zwei der NemoGuard-Modelle von NVIDIA prüft, lizenzierten NVIDIA-Produkten, die zum Ausführen eine Lizenz von NVIDIA, einen NGC-API-Schlüssel und einen GPU-Knoten benötigen.

core/security/openbao

  • openbao-secrets (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — einen einzelnen OpenBao-Secrets-Server — aus einem einzigen vom Entwickler verfassten Aggregate für Kubernetes, gestützt auf das offizielle OpenBao-Helm-Chart.

core/security/presidio-analyzer

  • ai-gateway-log-masking (start) — Ein Support-Assistent muss mit den Namen und E-Mail-Adressen von Kunden arbeiten, daher muss das Modell, das er aufruft, sie sehen.
  • policy-data-class-route (advanced) — Eine Systemlandschaft betreibt einen Schadensassistenten, der vertrauliche Kundendaten verarbeitet, und einen Helpdesk-Assistenten, der keine verarbeitet.
  • quickstart-ai (start) — Ein kleiner LangGraph-Agent, in vier Schritten ausgebaut: Er beginnt auf einem lokalen Modell mit einem Gedächtnis, erhält ein Cloud-Modell mit dem lokalen als Fallback, bekommt Guardrails vor beiden und wird schließlich für Kubernetes gebaut.

core/security/presidio-anonymizer

  • ai-gateway-log-masking (start) — Ein Support-Assistent muss mit den Namen und E-Mail-Adressen von Kunden arbeiten, daher muss das Modell, das er aufruft, sie sehen.
  • policy-data-class-route (advanced) — Eine Systemlandschaft betreibt einen Schadensassistenten, der vertrauliche Kundendaten verarbeitet, und einen Helpdesk-Assistenten, der keine verarbeitet.
  • quickstart-ai (start) — Ein kleiner LangGraph-Agent, in vier Schritten ausgebaut: Er beginnt auf einem lokalen Modell mit einem Gedächtnis, erhält ein Cloud-Modell mit dem lokalen als Fallback, bekommt Guardrails vor beiden und wird schließlich für Kubernetes gebaut.

core/security/sealed-secrets

  • sealed-secrets-controller (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — den sealed-secrets-Controller — aus einem einzigen vom Entwickler verfassten Aggregate für Kubernetes, gestützt auf das offizielle sealed-secrets-Helm-Chart, ausgeliefert aus einem HTTPS-Chart-Repository.

core/security/trustyai-huggingface-detector

  • ai-gateway-prompt-injection-shield (start) — Die Benutzer eines Support-Assistenten können alles eingeben, und manches davon versucht, das Modell dazu zu bringen, die ihm gegebenen Anweisungen zu ignorieren.
  • nemo-guardrails-nemoguard-nims (start) — Die Modellanfragen eines Agenten laufen durch NVIDIA NeMo Guardrails, das jede davon mit zwei der NemoGuard-Modelle von NVIDIA prüft, lizenzierten NVIDIA-Produkten, die zum Ausführen eine Lizenz von NVIDIA, einen NGC-API-Schlüssel und einen GPU-Knoten benötigen.

core/storage/barman-cloud-plugin

  • datastore-backup (start) — Eine PostgreSQL-Datenbank, gesichert auf Kubernetes über Velero und über CloudNativePG, und auf AWS über die eigenen automatisierten Backups von Amazon RDS, auf Terraform und auf CloudFormation, sowie über AWS Backup, aus einer einzigen core/backup-Anbindung, die der Betreiber in jedes Release schreibt, mit der Zurückweisung auf einem Ziel, das kein Backup-Produkt hat.

core/storage/s3-object-store

  • datastore-backup (start) — Eine PostgreSQL-Datenbank, gesichert auf Kubernetes über Velero und über CloudNativePG, und auf AWS über die eigenen automatisierten Backups von Amazon RDS, auf Terraform und auf CloudFormation, sowie über AWS Backup, aus einer einzigen core/backup-Anbindung, die der Betreiber in jedes Release schreibt, mit der Zurückweisung auf einem Ziel, das kein Backup-Produkt hat.
  • module-boundary-routing (advanced) — Dieses Beispiel kompiliert zwei Fähigkeiten — eine Thanos-Leseschicht für Metriken über Objektspeicher und eine Dokumentendatenbank, die das MongoDB-Wire-Protokoll spricht — aus einem einzigen vom Entwickler verfassten Aggregate und platziert jede vom Release aus in eine eigene Boundary.
  • s3-object-store (start) — Dieses Beispiel kompiliert einen einzigen S3-kompatiblen Objektspeicher, die Komponente core/storage/s3-object-store, zu seinen zwei selbst gehosteten Realisierungen.
  • thanos-stack (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — die Lese-/Abfrageschicht eines Thanos-Metriksystems — aus einem einzigen vom Entwickler verfassten Aggregate zu synthetisierten Kubernetes-Manifesten.

core/storage/velero

  • datastore-backup (start) — Eine PostgreSQL-Datenbank, gesichert auf Kubernetes über Velero und über CloudNativePG, und auf AWS über die eigenen automatisierten Backups von Amazon RDS, auf Terraform und auf CloudFormation, sowie über AWS Backup, aus einer einzigen core/backup-Anbindung, die der Betreiber in jedes Release schreibt, mit der Zurückweisung auf einem Ziel, das kein Backup-Produkt hat.

Nach Fähigkeit

multi-target

ein einziges Aggregate, für zwei oder mehr Ziele gebaut oder auf zwei oder mehr Arten realisiert.

  • aws-rds-and-ecs-service (advanced) — Ein einziges Aggregate enthält eine PostgreSQL-Datenbank und den Server, der sie liest.
  • credential-secretkeyref (start) — Eine einzelne PostgreSQL-Datenbank, deren Passwort vom Zugangsdaten-Subsystem geliefert wird, gezeigt pro Provider.
  • credential-shape-per-target (authoring) — Wie Zugangsdaten einen laufenden Container erreichen, ist eine Eigenschaft dessen, wo Sie bereitstellen, nicht der Anwendung.
  • cross-boundary-networking (advanced) — Ein Stack aus zwei Komponenten — eine Adminer-Datenbankoberfläche und eine PostgreSQL-Datenbank — aufgeteilt auf zwei Boundaries, wobei Adminer die Datenbank über die Nahtstelle zwischen den Boundaries hinweg erreichen muss.
  • datastore-backup (start) — Eine PostgreSQL-Datenbank, gesichert auf Kubernetes über Velero und über CloudNativePG, und auf AWS über die eigenen automatisierten Backups von Amazon RDS, auf Terraform und auf CloudFormation, sowie über AWS Backup, aus einer einzigen core/backup-Anbindung, die der Betreiber in jedes Release schreibt, mit der Zurückweisung auf einem Ziel, das kein Backup-Produkt hat.
  • fluent-bit-to-fluentd (start) — Dieses Beispiel kompiliert eine reale Log-Pipeline — einen Fluent Bit-Forwarder, der Datensätze über das Forward-Protokoll an einen Fluentd-Aggregator sendet — aus einem einzigen vom Entwickler verfassten Aggregate zu zwei Realisierungen.
  • fluentd-aggregator (start) — Dieses Beispiel kompiliert einen Fluentd-Log-Aggregator — das empfangende Ende einer Log-Pipeline — aus einem einzigen vom Entwickler verfassten Aggregate zu zwei Realisierungen.
  • grafana-dashboards (start) — Dieses Beispiel kompiliert einen einzelnen Grafana-Server für Dashboards und Visualisierung aus einem einzigen vom Entwickler verfassten Aggregate zu zwei Realisierungen.
  • mariadb-adminer (authoring) — Dieses Beispiel kompiliert einen kleinen, realen Stack — eine MariaDB-Datenbank mit einer vorgeschalteten Adminer-Weboberfläche — aus einem einzigen vom Entwickler verfassten Aggregate für zwei Plattformen.
  • mcp-address-from-secret (authoring) — Manche Model-Context-Protocol-Server, die jemand anderes betreibt, lesen ihren Schlüssel aus ihrer eigenen Adresse — https://mcp.example.com/mcp?api_key=<key> — statt aus einem Header der Anfrage.
  • memcached-cache (start) — Dieses schlanke Beispiel kompiliert einen einzelnen Memcached-In-Memory-Cache aus einem einzigen vom Entwickler verfassten Aggregate zu zwei Realisierungen.
  • mysql-standalone (start) — Dieses schlanke Beispiel kompiliert eine einzelne MySQL-Datenbank aus vom Entwickler verfassten Aggregates für zwei Ziele.
  • nats-messaging (start) — Dieses Beispiel kompiliert einen einzelnen NATS-Messaging-Server (Pub-Sub, Request-Reply, Queueing) aus einem einzigen vom Entwickler verfassten Aggregate zu zwei Realisierungen.
  • nginx-gateway (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — ein NGINX-Reverse-Proxy-Gateway vor einem Web-Backend — aus einem einzigen vom Entwickler verfassten Aggregate für zwei Ziele.
  • policy-render-verdict (advanced) — Eine einzige Hausregel, angebunden an die Rolle render-verdict, beurteilt die Dateien, die ein Build für vier Ziele schreibt, und weist einen auf jedem platzierten Verstoß zurück.
  • postgres-three-realizations (authoring) — Eine PostgreSQL-Datenbank und die Anwendung, die sie liest, auf drei verschiedene Arten aus einem einzigen unveränderten Aggregate bereitgestellt: PostgreSQL im Cluster laufend, PostgreSQL als verwaltete Cloud-Instanz und ein PostgreSQL-Server, der bereits existierte, bevor dieses Release bereitgestellt wurde.
  • prometheus-scrape (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — einen Prometheus-Metrikserver, der zwei Grafana-Dashboard-Server scrapt — aus einem einzigen vom Entwickler verfassten Aggregate für zwei Ziele.
  • rabbitmq-broker (start) — Dieses Beispiel kompiliert einen einzelnen RabbitMQ-Message-Broker (AMQP) aus einem einzigen vom Entwickler verfassten Aggregate für zwei Ziele.
  • redis-cache (start) — Dieses schlanke Beispiel kompiliert einen einzelnen Redis-In-Memory-Cache (Redis-Wire-Protokoll) aus einem einzigen vom Entwickler verfassten Aggregate zu zwei Realisierungen.
  • s3-object-store (start) — Dieses Beispiel kompiliert einen einzigen S3-kompatiblen Objektspeicher, die Komponente core/storage/s3-object-store, zu seinen zwei selbst gehosteten Realisierungen.
  • task-run-on-demand (start) — Ein Task, der core/manual-trigger trägt, ohne Start auf Kubernetes, Docker Compose, Terraform und CloudFormation bereitgestellt, neben einem Task, der nichts trägt, mit dem Befehl, der auf jedem Ziel einen Lauf startet.
  • valkey-cache (start) — Dieses schlanke Beispiel kompiliert einen einzelnen Valkey-In-Memory-Cache (Redis-Wire-Protokoll) aus einem einzigen vom Entwickler verfassten Aggregate zu zwei Realisierungen.

recipe-selection

das Manifest, das wählt, welches Recipe eine Komponente realisiert oder welches FeatureRecipe eine Anbindung realisiert: pro Typ, pro Instanz oder pro Ziel.

  • credential-shape-per-target (authoring) — Wie Zugangsdaten einen laufenden Container erreichen, ist eine Eigenschaft dessen, wo Sie bereitstellen, nicht der Anwendung.
  • datastore-backup (start) — Eine PostgreSQL-Datenbank, gesichert auf Kubernetes über Velero und über CloudNativePG, und auf AWS über die eigenen automatisierten Backups von Amazon RDS, auf Terraform und auf CloudFormation, sowie über AWS Backup, aus einer einzigen core/backup-Anbindung, die der Betreiber in jedes Release schreibt, mit der Zurückweisung auf einem Ziel, das kein Backup-Produkt hat.
  • import-agent-framework (start) — Ein deklarativer Agent von Microsoft Agent Framework — ein Agent auf einem OpenAI-Modell, der Dokumentation über einen MCP-Server durchsucht — von aggrega import als Entwurf in Aggrega-Dateien überführt, wobei das Image der Anwendung einmal in einer Antwortdatei angegeben wird, und für Docker Compose gebaut.
  • import-dify (start) — Eine Dify-Chatanwendung, im DSL von Dify exportiert, von aggrega import in ein Aggregate, ein Release und ein Manifest importiert, die unverändert die Dify-Installation der Standardbibliothek, die sie enthält, für Kubernetes bauen.
  • import-mcp (start) — Eine .mcp.json von Claude Code mit drei Model-Context-Protocol-Servern — zwei über eine Befehlszeile gestartet und einer, den jemand anderes betreibt — von aggrega import als Entwurf in Aggrega-Dateien überführt, wobei jeder Server der Realisierung zugeordnet wird, die seiner Ausführungsweise entspricht, und für Kubernetes gebaut.
  • per-instance-recipe-override (authoring) — Dieses Beispiel vermittelt eine Funktion des Manifest: die name-Zuordnungsebene, die das Recipe für eine einzelne Komponenten-Instanz überschreibt, während jede andere Instanz desselben Typs das pauschale Recipe der type-Ebene behält.
  • postgres-three-realizations (authoring) — Eine PostgreSQL-Datenbank und die Anwendung, die sie liest, auf drei verschiedene Arten aus einem einzigen unveränderten Aggregate bereitgestellt: PostgreSQL im Cluster laufend, PostgreSQL als verwaltete Cloud-Instanz und ein PostgreSQL-Server, der bereits existierte, bevor dieses Release bereitgestellt wurde.

modules

ein Aggregate aus dem Katalog, als Modul importiert.

  • apisix-stack (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — ein dynamisches API-Gateway — aus einem einzigen vom Entwickler verfassten Aggregate zu synthetisierten Kubernetes-Manifesten.
  • ferretdb-stack (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — eine Dokumentendatenbank, die das MongoDB-Wire-Protokoll bereitstellt — aus einem einzigen vom Entwickler verfassten Aggregate zu synthetisierten Kubernetes-Manifesten.
  • harbor-stack (start) — Dieses Beispiel kompiliert eine reale Container-Registry aus einem einzigen vom Entwickler verfassten Aggregate zu Kubernetes-Manifesten.
  • import-dify (start) — Eine Dify-Chatanwendung, im DSL von Dify exportiert, von aggrega import in ein Aggregate, ein Release und ein Manifest importiert, die unverändert die Dify-Installation der Standardbibliothek, die sie enthält, für Kubernetes bauen.
  • keycloak-stack (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — einen datenbankgestützten Identitätsserver — aus einem einzigen vom Entwickler verfassten Aggregate zu synthetisierten Kubernetes-Manifesten.
  • kong-stack (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — ein datenbankgestütztes API-Gateway — aus einem einzigen vom Entwickler verfassten Aggregate zu synthetisierten Kubernetes-Manifesten.
  • module-boundary-routing (advanced) — Dieses Beispiel kompiliert zwei Fähigkeiten — eine Thanos-Leseschicht für Metriken über Objektspeicher und eine Dokumentendatenbank, die das MongoDB-Wire-Protokoll spricht — aus einem einzigen vom Entwickler verfassten Aggregate und platziert jede vom Release aus in eine eigene Boundary.
  • thanos-stack (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — die Lese-/Abfrageschicht eines Thanos-Metriksystems — aus einem einzigen vom Entwickler verfassten Aggregate zu synthetisierten Kubernetes-Manifesten.

connections

Komponenten, über uses-Sockets verdrahtet, mit Werten, die über jede Kante durchgereicht werden.

  • adhoc-uses-socket (start) — Dieses Beispiel lehrt eine einzige Linie, und beide Hälften davon.
  • ai-agent-and-model-router (start) — Eine Agentenanwendung, die zwei Modelle vorgelagerter Provider über einen clusterinternen Router erreicht, kompiliert zu Kubernetes-Manifesten.
  • ai-gateway-log-masking (start) — Ein Support-Assistent muss mit den Namen und E-Mail-Adressen von Kunden arbeiten, daher muss das Modell, das er aufruft, sie sehen.
  • ai-gateway-prompt-injection-shield (start) — Die Benutzer eines Support-Assistenten können alles eingeben, und manches davon versucht, das Modell dazu zu bringen, die ihm gegebenen Anweisungen zu ignorieren.
  • ai-gateway-semantic-cache (start) — Einem Support-Assistenten werden den ganzen Tag dieselben Fragen in leicht abweichenden Worten gestellt.
  • apisix-token-budget (start) — Ein Team stellt zwei OpenAI-Modelle hinter ein Gateway und möchte eine Obergrenze dafür, was das Gateway jeden Tag für sie ausgibt, gezählt in Tokens.
  • aws-rds-and-ecs-service (advanced) — Ein einziges Aggregate enthält eine PostgreSQL-Datenbank und den Server, der sie liest.
  • catalog-only (start) — Dieses Beispiel stellt einen kleinen, realen Stack bereit — eine MariaDB-Datenbank mit einer vorgeschalteten Adminer-Weboberfläche — und referenziert dabei ausschließlich Entitäten des Standardbibliothekskatalogs.
  • connection-credentials (start) — Ein Store für semantisches Gedächtnis, der zwei Modelle erreicht und jedem einen anderen Schlüssel vorlegt, kompiliert zu Kubernetes-Manifesten.
  • cross-boundary-networking (advanced) — Ein Stack aus zwei Komponenten — eine Adminer-Datenbankoberfläche und eine PostgreSQL-Datenbank — aufgeteilt auf zwei Boundaries, wobei Adminer die Datenbank über die Nahtstelle zwischen den Boundaries hinweg erreichen muss.
  • datastore-backup (start) — Eine PostgreSQL-Datenbank, gesichert auf Kubernetes über Velero und über CloudNativePG, und auf AWS über die eigenen automatisierten Backups von Amazon RDS, auf Terraform und auf CloudFormation, sowie über AWS Backup, aus einer einzigen core/backup-Anbindung, die der Betreiber in jedes Release schreibt, mit der Zurückweisung auf einem Ziel, das kein Backup-Produkt hat.
  • envoy-ai-gateway-token-budget (start) — Ein Team stellt OpenAIs gpt-4o-mini hinter ein clusterinternes Gateway, möchte eine Obergrenze für die Tokens, die das Gateway jeden Kalendermonat dafür ausgibt, und richtet seinen Agenten auf das Gateway statt auf OpenAI.
  • fluent-bit-to-fluentd (start) — Dieses Beispiel kompiliert eine reale Log-Pipeline — einen Fluent Bit-Forwarder, der Datensätze über das Forward-Protokoll an einen Fluentd-Aggregator sendet — aus einem einzigen vom Entwickler verfassten Aggregate zu zwei Realisierungen.
  • import-agent-framework (start) — Ein deklarativer Agent von Microsoft Agent Framework — ein Agent auf einem OpenAI-Modell, der Dokumentation über einen MCP-Server durchsucht — von aggrega import als Entwurf in Aggrega-Dateien überführt, wobei das Image der Anwendung einmal in einer Antwortdatei angegeben wird, und für Docker Compose gebaut.
  • import-compose (start) — Eine Compose-Datei, die eine API, die PostgreSQL-Datenbank, in der sie ihre Notizen hält, und einen Redis-Cache ausführt, von aggrega import als Entwurf in Aggrega-Dateien überführt — wobei die Verbindungen, die Einstellungen der Datenbank, das Passwort als Variablenreferenz und das Tag jedes Images übernommen werden — und für Docker Compose gebaut.
  • import-crewai (start) — Die Agenten- und Task-Deklarationen eines CrewAI-Projekts im klassischen Layout — zwei Agenten auf einem OpenAI-Modell, je ein Task — von aggrega import als Entwurf in Aggrega-Dateien überführt, wobei das Image, in dem das Programm der Crew läuft, einmal in einer Antwortdatei angegeben wird, und für Docker Compose gebaut.
  • import-flowise (start) — Ein Flowise-Chatflow — ein ChatOpenAI-Knoten, ein Buffer Memory und eine Conversation Chain — von aggrega import in ein Aggregate, ein Release und ein Manifest importiert, die sich unverändert für Docker Compose bauen lassen.
  • import-google-adk (start) — Die Agent Config einer Anwendung, die auf dem Agent Development Kit von Google aufbaut — ein Agent auf Gemini, mit dem Google-Search-Tool, das ADK mitliefert — von aggrega import als Entwurf in Aggrega-Dateien überführt, wobei das Image der Anwendung einmal in einer Antwortdatei angegeben wird, und für Docker Compose gebaut.
  • import-langflow (start) — Das Starter-Projekt Basic Prompting von Langflow, als JSON exportiert, von aggrega import in ein Aggregate, ein Release und ein Manifest importiert, die sich unverändert für Docker Compose bauen lassen.
  • import-langgraph (start) — Die langgraph.json einer LangGraph-Anwendung — ein Graph, der seinen Zustand in PostgreSQL hält — von aggrega import als Entwurf in Aggrega-Dateien überführt, wobei das Modell, das der Graph aufruft, und das Image der Anwendung einmal in einer Antwortdatei angegeben werden, und für Docker Compose gebaut.
  • import-n8n (start) — Ein n8n-Workflow — ein Chat-Trigger, ein AI Agent, ein OpenAI Chat Model und ein Simple Memory — von aggrega import in ein Aggregate, ein Release und ein Manifest importiert, die sich unverändert für Docker Compose bauen lassen.
  • mariadb-adminer (authoring) — Dieses Beispiel kompiliert einen kleinen, realen Stack — eine MariaDB-Datenbank mit einer vorgeschalteten Adminer-Weboberfläche — aus einem einzigen vom Entwickler verfassten Aggregate für zwei Plattformen.
  • mcp-address-from-secret (authoring) — Manche Model-Context-Protocol-Server, die jemand anderes betreibt, lesen ihren Schlüssel aus ihrer eigenen Adresse — https://mcp.example.com/mcp?api_key=<key> — statt aus einem Header der Anfrage.
  • model-api-key-sharing (start) — Zwei CrewAI-Agenten hinter einem OpenAI-kompatiblen Gateway.
  • model-server-caller-allowlist (start) — Ein Modellserver, der in einem Cluster läuft, antwortet jedem, der seine Adresse erreicht.
  • nemo-guardrails-nemoguard-nims (start) — Die Modellanfragen eines Agenten laufen durch NVIDIA NeMo Guardrails, das jede davon mit zwei der NemoGuard-Modelle von NVIDIA prüft, lizenzierten NVIDIA-Produkten, die zum Ausführen eine Lizenz von NVIDIA, einen NGC-API-Schlüssel und einen GPU-Knoten benötigen.
  • nginx-gateway (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — ein NGINX-Reverse-Proxy-Gateway vor einem Web-Backend — aus einem einzigen vom Entwickler verfassten Aggregate für zwei Ziele.
  • policy-data-class-route (advanced) — Eine Systemlandschaft betreibt einen Schadensassistenten, der vertrauliche Kundendaten verarbeitet, und einen Helpdesk-Assistenten, der keine verarbeitet.
  • postgres-three-realizations (authoring) — Eine PostgreSQL-Datenbank und die Anwendung, die sie liest, auf drei verschiedene Arten aus einem einzigen unveränderten Aggregate bereitgestellt: PostgreSQL im Cluster laufend, PostgreSQL als verwaltete Cloud-Instanz und ein PostgreSQL-Server, der bereits existierte, bevor dieses Release bereitgestellt wurde.
  • prometheus-scrape (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — einen Prometheus-Metrikserver, der zwei Grafana-Dashboard-Server scrapt — aus einem einzigen vom Entwickler verfassten Aggregate für zwei Ziele.
  • quickstart-ai (start) — Ein kleiner LangGraph-Agent, in vier Schritten ausgebaut: Er beginnt auf einem lokalen Modell mit einem Gedächtnis, erhält ein Cloud-Modell mit dem lokalen als Fallback, bekommt Guardrails vor beiden und wird schließlich für Kubernetes gebaut.
  • quickstart-web (start) — Eine kleine Webanwendung, die Notizen in PostgreSQL speichert, in vier Schritten ausgebaut: Sie beginnt mit ihrer Datenbank auf Ihrem Rechner, erhält einen Redis-Cache, zieht mit der Datenbank auf Amazon RDS zu AWS um und bekommt schließlich ihre Backups.

credentials

Zugangsdaten-Anbindungen und wie jedes Ziel sie ausliefert.

  • advanced-platform (advanced) — Eine Kubernetes-Plattform mit mehreren Boundaries, die mehrere Mechanismen in einem einzigen Build aus einem einzigen vom Entwickler verfassten Aggregate kombiniert: FeatureRecipes mit Boundary-Geltungsbereich, das Hochziehen von Parametern, das Zugangsdaten-Subsystem und Boundary-übergreifende Referenzen, die über das Service-DNS aufgelöst werden.
  • ai-agent-and-model-router (start) — Eine Agentenanwendung, die zwei Modelle vorgelagerter Provider über einen clusterinternen Router erreicht, kompiliert zu Kubernetes-Manifesten.
  • apisix-stack (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — ein dynamisches API-Gateway — aus einem einzigen vom Entwickler verfassten Aggregate zu synthetisierten Kubernetes-Manifesten.
  • catalog-only (start) — Dieses Beispiel stellt einen kleinen, realen Stack bereit — eine MariaDB-Datenbank mit einer vorgeschalteten Adminer-Weboberfläche — und referenziert dabei ausschließlich Entitäten des Standardbibliothekskatalogs.
  • connection-credentials (start) — Ein Store für semantisches Gedächtnis, der zwei Modelle erreicht und jedem einen anderen Schlüssel vorlegt, kompiliert zu Kubernetes-Manifesten.
  • credential-secretkeyref (start) — Eine einzelne PostgreSQL-Datenbank, deren Passwort vom Zugangsdaten-Subsystem geliefert wird, gezeigt pro Provider.
  • credential-shape-per-target (authoring) — Wie Zugangsdaten einen laufenden Container erreichen, ist eine Eigenschaft dessen, wo Sie bereitstellen, nicht der Anwendung.
  • grafana-dashboards (start) — Dieses Beispiel kompiliert einen einzelnen Grafana-Server für Dashboards und Visualisierung aus einem einzigen vom Entwickler verfassten Aggregate zu zwei Realisierungen.
  • harbor-stack (start) — Dieses Beispiel kompiliert eine reale Container-Registry aus einem einzigen vom Entwickler verfassten Aggregate zu Kubernetes-Manifesten.
  • import-agent-framework (start) — Ein deklarativer Agent von Microsoft Agent Framework — ein Agent auf einem OpenAI-Modell, der Dokumentation über einen MCP-Server durchsucht — von aggrega import als Entwurf in Aggrega-Dateien überführt, wobei das Image der Anwendung einmal in einer Antwortdatei angegeben wird, und für Docker Compose gebaut.
  • import-compose (start) — Eine Compose-Datei, die eine API, die PostgreSQL-Datenbank, in der sie ihre Notizen hält, und einen Redis-Cache ausführt, von aggrega import als Entwurf in Aggrega-Dateien überführt — wobei die Verbindungen, die Einstellungen der Datenbank, das Passwort als Variablenreferenz und das Tag jedes Images übernommen werden — und für Docker Compose gebaut.
  • import-crewai (start) — Die Agenten- und Task-Deklarationen eines CrewAI-Projekts im klassischen Layout — zwei Agenten auf einem OpenAI-Modell, je ein Task — von aggrega import als Entwurf in Aggrega-Dateien überführt, wobei das Image, in dem das Programm der Crew läuft, einmal in einer Antwortdatei angegeben wird, und für Docker Compose gebaut.
  • import-dify (start) — Eine Dify-Chatanwendung, im DSL von Dify exportiert, von aggrega import in ein Aggregate, ein Release und ein Manifest importiert, die unverändert die Dify-Installation der Standardbibliothek, die sie enthält, für Kubernetes bauen.
  • import-flowise (start) — Ein Flowise-Chatflow — ein ChatOpenAI-Knoten, ein Buffer Memory und eine Conversation Chain — von aggrega import in ein Aggregate, ein Release und ein Manifest importiert, die sich unverändert für Docker Compose bauen lassen.
  • import-google-adk (start) — Die Agent Config einer Anwendung, die auf dem Agent Development Kit von Google aufbaut — ein Agent auf Gemini, mit dem Google-Search-Tool, das ADK mitliefert — von aggrega import als Entwurf in Aggrega-Dateien überführt, wobei das Image der Anwendung einmal in einer Antwortdatei angegeben wird, und für Docker Compose gebaut.
  • import-langflow (start) — Das Starter-Projekt Basic Prompting von Langflow, als JSON exportiert, von aggrega import in ein Aggregate, ein Release und ein Manifest importiert, die sich unverändert für Docker Compose bauen lassen.
  • import-langgraph (start) — Die langgraph.json einer LangGraph-Anwendung — ein Graph, der seinen Zustand in PostgreSQL hält — von aggrega import als Entwurf in Aggrega-Dateien überführt, wobei das Modell, das der Graph aufruft, und das Image der Anwendung einmal in einer Antwortdatei angegeben werden, und für Docker Compose gebaut.
  • import-mcp (start) — Eine .mcp.json von Claude Code mit drei Model-Context-Protocol-Servern — zwei über eine Befehlszeile gestartet und einer, den jemand anderes betreibt — von aggrega import als Entwurf in Aggrega-Dateien überführt, wobei jeder Server der Realisierung zugeordnet wird, die seiner Ausführungsweise entspricht, und für Kubernetes gebaut.
  • import-n8n (start) — Ein n8n-Workflow — ein Chat-Trigger, ein AI Agent, ein OpenAI Chat Model und ein Simple Memory — von aggrega import in ein Aggregate, ein Release und ein Manifest importiert, die sich unverändert für Docker Compose bauen lassen.
  • mariadb-adminer (authoring) — Dieses Beispiel kompiliert einen kleinen, realen Stack — eine MariaDB-Datenbank mit einer vorgeschalteten Adminer-Weboberfläche — aus einem einzigen vom Entwickler verfassten Aggregate für zwei Plattformen.
  • mariadb-bitnami-credential-set (authoring) — Eine einzelne MariaDB-Datenbank, realisiert durch das Bitnami-Helm-Chart, deren Passwörter von einem einzigen referenzierbaren Secret mit mehreren Schlüsseln (core/referenced-secret-set) geliefert werden.
  • mariadb-helm-synth (start) — Eine einzelne MariaDB-Datenbank, auf Kubernetes durch die Workload-Synthese des helm-Providers gerendert — kein externes Chart.
  • mcp-address-from-secret (authoring) — Manche Model-Context-Protocol-Server, die jemand anderes betreibt, lesen ihren Schlüssel aus ihrer eigenen Adresse — https://mcp.example.com/mcp?api_key=<key> — statt aus einem Header der Anfrage.
  • memcached-cache (start) — Dieses schlanke Beispiel kompiliert einen einzelnen Memcached-In-Memory-Cache aus einem einzigen vom Entwickler verfassten Aggregate zu zwei Realisierungen.
  • model-api-key-sharing (start) — Zwei CrewAI-Agenten hinter einem OpenAI-kompatiblen Gateway.
  • multikey-secret-synth (authoring) — Eine einzelne zustandslose App, auf Kubernetes durch die Workload-Synthese des helm-Providers gerendert — kein externes Chart.
  • mysql-standalone (start) — Dieses schlanke Beispiel kompiliert eine einzelne MySQL-Datenbank aus vom Entwickler verfassten Aggregates für zwei Ziele.
  • nats-messaging (start) — Dieses Beispiel kompiliert einen einzelnen NATS-Messaging-Server (Pub-Sub, Request-Reply, Queueing) aus einem einzigen vom Entwickler verfassten Aggregate zu zwei Realisierungen.
  • nemo-guardrails-nemoguard-nims (start) — Die Modellanfragen eines Agenten laufen durch NVIDIA NeMo Guardrails, das jede davon mit zwei der NemoGuard-Modelle von NVIDIA prüft, lizenzierten NVIDIA-Produkten, die zum Ausführen eine Lizenz von NVIDIA, einen NGC-API-Schlüssel und einen GPU-Knoten benötigen.
  • policy-payload-leaf-sensitivity (advanced) — Dieses Beispiel vermittelt eine Hausregel und die Tatsache, die sie ausdrückbar macht.
  • quickstart-ai (start) — Ein kleiner LangGraph-Agent, in vier Schritten ausgebaut: Er beginnt auf einem lokalen Modell mit einem Gedächtnis, erhält ein Cloud-Modell mit dem lokalen als Fallback, bekommt Guardrails vor beiden und wird schließlich für Kubernetes gebaut.
  • quickstart-web (start) — Eine kleine Webanwendung, die Notizen in PostgreSQL speichert, in vier Schritten ausgebaut: Sie beginnt mit ihrer Datenbank auf Ihrem Rechner, erhält einen Redis-Cache, zieht mit der Datenbank auf Amazon RDS zu AWS um und bekommt schließlich ihre Backups.
  • rabbitmq-broker (start) — Dieses Beispiel kompiliert einen einzelnen RabbitMQ-Message-Broker (AMQP) aus einem einzigen vom Entwickler verfassten Aggregate für zwei Ziele.
  • redis-cache (start) — Dieses schlanke Beispiel kompiliert einen einzelnen Redis-In-Memory-Cache (Redis-Wire-Protokoll) aus einem einzigen vom Entwickler verfassten Aggregate zu zwei Realisierungen.
  • s3-object-store (start) — Dieses Beispiel kompiliert einen einzigen S3-kompatiblen Objektspeicher, die Komponente core/storage/s3-object-store, zu seinen zwei selbst gehosteten Realisierungen.
  • terraform-rds-module (authoring) — Dieselbe MariaDB-Absicht wie im Beispiel terraform-rds, gerendert über die sourced-Form des Terraform-Providers: Statt eines Inline-HCL-Körpers verweist das Recipe auf ein lokales Terraform-Modul, und der Compiler übernimmt es unverändert und liefert dann seine Eingabevariablen aus den Säulen des Entwicklers und des Betreibers.
  • terraform-rds (authoring) — Eine einzelne MariaDB-Datenbank, einmal als Entwicklerabsicht verfasst und zu einer Terraform-HCL-Datei gerendert, die eine verwaltete AWS-RDS-Instanz bereitstellt.
  • valkey-cache (start) — Dieses schlanke Beispiel kompiliert einen einzelnen Valkey-In-Memory-Cache (Redis-Wire-Protokoll) aus einem einzigen vom Entwickler verfassten Aggregate zu zwei Realisierungen.

parameters

zu Parametern hochgezogene Werte, die ein Release erfüllt.

  • advanced-platform (advanced) — Eine Kubernetes-Plattform mit mehreren Boundaries, die mehrere Mechanismen in einem einzigen Build aus einem einzigen vom Entwickler verfassten Aggregate kombiniert: FeatureRecipes mit Boundary-Geltungsbereich, das Hochziehen von Parametern, das Zugangsdaten-Subsystem und Boundary-übergreifende Referenzen, die über das Service-DNS aufgelöst werden.
  • ai-agent-and-model-router (start) — Eine Agentenanwendung, die zwei Modelle vorgelagerter Provider über einen clusterinternen Router erreicht, kompiliert zu Kubernetes-Manifesten.
  • apisix-stack (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — ein dynamisches API-Gateway — aus einem einzigen vom Entwickler verfassten Aggregate zu synthetisierten Kubernetes-Manifesten.
  • connection-credentials (start) — Ein Store für semantisches Gedächtnis, der zwei Modelle erreicht und jedem einen anderen Schlüssel vorlegt, kompiliert zu Kubernetes-Manifesten.
  • datastore-backup (start) — Eine PostgreSQL-Datenbank, gesichert auf Kubernetes über Velero und über CloudNativePG, und auf AWS über die eigenen automatisierten Backups von Amazon RDS, auf Terraform und auf CloudFormation, sowie über AWS Backup, aus einer einzigen core/backup-Anbindung, die der Betreiber in jedes Release schreibt, mit der Zurückweisung auf einem Ziel, das kein Backup-Produkt hat.
  • harbor-stack (start) — Dieses Beispiel kompiliert eine reale Container-Registry aus einem einzigen vom Entwickler verfassten Aggregate zu Kubernetes-Manifesten.
  • model-api-key-sharing (start) — Zwei CrewAI-Agenten hinter einem OpenAI-kompatiblen Gateway.
  • task-run-on-demand (start) — Ein Task, der core/manual-trigger trägt, ohne Start auf Kubernetes, Docker Compose, Terraform und CloudFormation bereitgestellt, neben einem Task, der nichts trägt, mit dem Befehl, der auf jedem Ziel einen Lauf startet.
  • terraform-declared-sensitivity (advanced) — Die Deklaration, dass ein Wert geheimes Material trägt, wird einmal verfasst, im Schema einer Component.

features

Features, die für etwas anderes als Zugangsdaten angebunden werden, etwa Routing, Monitoring, ein Budget, einen Cache oder Maskierung.

  • advanced-platform (advanced) — Eine Kubernetes-Plattform mit mehreren Boundaries, die mehrere Mechanismen in einem einzigen Build aus einem einzigen vom Entwickler verfassten Aggregate kombiniert: FeatureRecipes mit Boundary-Geltungsbereich, das Hochziehen von Parametern, das Zugangsdaten-Subsystem und Boundary-übergreifende Referenzen, die über das Service-DNS aufgelöst werden.
  • ai-agent-and-model-router (start) — Eine Agentenanwendung, die zwei Modelle vorgelagerter Provider über einen clusterinternen Router erreicht, kompiliert zu Kubernetes-Manifesten.
  • ai-gateway-prompt-injection-shield (start) — Die Benutzer eines Support-Assistenten können alles eingeben, und manches davon versucht, das Modell dazu zu bringen, die ihm gegebenen Anweisungen zu ignorieren.
  • ai-gateway-semantic-cache (start) — Einem Support-Assistenten werden den ganzen Tag dieselben Fragen in leicht abweichenden Worten gestellt.
  • annotation-driven-monitoring (advanced) — Dieses Beispiel bindet ein Monitoring-Feature an sechs Dienste in einer verschachtelten Topologie an, ohne einen einzigen features:-Block pro Komponente zu schreiben.
  • apisix-token-budget (start) — Ein Team stellt zwei OpenAI-Modelle hinter ein Gateway und möchte eine Obergrenze dafür, was das Gateway jeden Tag für sie ausgibt, gezählt in Tokens.
  • cloudformation-rds-stack (advanced) — Eine verwaltete Datenbank und die Anwendung, die sie liest, einmal als Entwicklerabsicht verfasst und zu AWS-CloudFormation-Stack-Templates zusammengesetzt.
  • datastore-backup (start) — Eine PostgreSQL-Datenbank, gesichert auf Kubernetes über Velero und über CloudNativePG, und auf AWS über die eigenen automatisierten Backups von Amazon RDS, auf Terraform und auf CloudFormation, sowie über AWS Backup, aus einer einzigen core/backup-Anbindung, die der Betreiber in jedes Release schreibt, mit der Zurückweisung auf einem Ziel, das kein Backup-Produkt hat.
  • envoy-ai-gateway-token-budget (start) — Ein Team stellt OpenAIs gpt-4o-mini hinter ein clusterinternes Gateway, möchte eine Obergrenze für die Tokens, die das Gateway jeden Kalendermonat dafür ausgibt, und richtet seinen Agenten auf das Gateway statt auf OpenAI.
  • model-server-caller-allowlist (start) — Ein Modellserver, der in einem Cluster läuft, antwortet jedem, der seine Adresse erreicht.
  • nemo-guardrails-nemoguard-nims (start) — Die Modellanfragen eines Agenten laufen durch NVIDIA NeMo Guardrails, das jede davon mit zwei der NemoGuard-Modelle von NVIDIA prüft, lizenzierten NVIDIA-Produkten, die zum Ausführen eine Lizenz von NVIDIA, einen NGC-API-Schlüssel und einen GPU-Knoten benötigen.
  • policy-annotation-transform (advanced) — Eine Governance-Richtlinie gibt jeder Komponente eines Shops das Monitoring der Plattform und eine AWS-IAM-Rolle.
  • policy-data-class-route (advanced) — Eine Systemlandschaft betreibt einen Schadensassistenten, der vertrauliche Kundendaten verarbeitet, und einen Helpdesk-Assistenten, der keine verarbeitet.
  • quickstart-ai (start) — Ein kleiner LangGraph-Agent, in vier Schritten ausgebaut: Er beginnt auf einem lokalen Modell mit einem Gedächtnis, erhält ein Cloud-Modell mit dem lokalen als Fallback, bekommt Guardrails vor beiden und wird schließlich für Kubernetes gebaut.
  • quickstart-web (start) — Eine kleine Webanwendung, die Notizen in PostgreSQL speichert, in vier Schritten ausgebaut: Sie beginnt mit ihrer Datenbank auf Ihrem Rechner, erhält einen Redis-Cache, zieht mit der Datenbank auf Amazon RDS zu AWS um und bekommt schließlich ihre Backups.
  • task-run-on-demand (start) — Ein Task, der core/manual-trigger trägt, ohne Start auf Kubernetes, Docker Compose, Terraform und CloudFormation bereitgestellt, neben einem Task, der nichts trägt, mit dem Befehl, der auf jedem Ziel einen Lauf startet.
  • workload-identity-binding (authoring) — Eine einzelne zustandslose App, auf Kubernetes durch die Workload-Synthese des helm-Providers gerendert — kein externes Chart.

boundaries

Komponenten oder Module, in Boundaries platziert, und was zwischen ihnen übertritt.

  • advanced-platform (advanced) — Eine Kubernetes-Plattform mit mehreren Boundaries, die mehrere Mechanismen in einem einzigen Build aus einem einzigen vom Entwickler verfassten Aggregate kombiniert: FeatureRecipes mit Boundary-Geltungsbereich, das Hochziehen von Parametern, das Zugangsdaten-Subsystem und Boundary-übergreifende Referenzen, die über das Service-DNS aufgelöst werden.
  • annotation-driven-monitoring (advanced) — Dieses Beispiel bindet ein Monitoring-Feature an sechs Dienste in einer verschachtelten Topologie an, ohne einen einzigen features:-Block pro Komponente zu schreiben.
  • cloudformation-rds-stack (advanced) — Eine verwaltete Datenbank und die Anwendung, die sie liest, einmal als Entwicklerabsicht verfasst und zu AWS-CloudFormation-Stack-Templates zusammengesetzt.
  • cross-boundary-networking (advanced) — Ein Stack aus zwei Komponenten — eine Adminer-Datenbankoberfläche und eine PostgreSQL-Datenbank — aufgeteilt auf zwei Boundaries, wobei Adminer die Datenbank über die Nahtstelle zwischen den Boundaries hinweg erreichen muss.
  • import-dify (start) — Eine Dify-Chatanwendung, im DSL von Dify exportiert, von aggrega import in ein Aggregate, ein Release und ein Manifest importiert, die unverändert die Dify-Installation der Standardbibliothek, die sie enthält, für Kubernetes bauen.
  • module-boundary-routing (advanced) — Dieses Beispiel kompiliert zwei Fähigkeiten — eine Thanos-Leseschicht für Metriken über Objektspeicher und eine Dokumentendatenbank, die das MongoDB-Wire-Protokoll spricht — aus einem einzigen vom Entwickler verfassten Aggregate und platziert jede vom Release aus in eine eigene Boundary.

policy

Governance-Richtlinie, die einen Build annimmt oder zurückweist, während des Builds oder anhand seiner Ausgabe.

  • policy-annotation-transform (advanced) — Eine Governance-Richtlinie gibt jeder Komponente eines Shops das Monitoring der Plattform und eine AWS-IAM-Rolle.
  • policy-data-class-route (advanced) — Eine Systemlandschaft betreibt einen Schadensassistenten, der vertrauliche Kundendaten verarbeitet, und einen Helpdesk-Assistenten, der keine verarbeitet.
  • policy-in-ci (advanced) — Zwei sofort einsetzbare Regelskripte, die das Ausgabeverzeichnis eines Aggrega-Builds lesen und ihn zurückweisen, wenn er gegen eine Regel verstößt.
  • policy-label-transform (advanced) — Governance-Plugins versehen jede Komponente, die dieser Workspace bereitstellt, mit Labels für ihren Eigentümer, die Support-Stufe, die ihre Umgebung verdient, ihren Backup-Zeitplan und ein kurzes Tag, sodass kein Entwickler eines davon eintippt.
  • policy-org-overlay (advanced) — Die Richtlinie eines Teams, die seiner Organisation und die seiner Pipeline laufen gemeinsam in einem einzigen Build, jede in einer eigenen Konfigurationsdatei angebunden.
  • policy-payload-leaf-sensitivity (advanced) — Dieses Beispiel vermittelt eine Hausregel und die Tatsache, die sie ausdrückbar macht.
  • policy-render-verdict (advanced) — Eine einzige Hausregel, angebunden an die Rolle render-verdict, beurteilt die Dateien, die ein Build für vier Ziele schreibt, und weist einen auf jedem platzierten Verstoß zurück.

guardrails

ein Release, das abbrechen soll, und die Meldung, mit der es abbricht.

  • adhoc-uses-socket (start) — Dieses Beispiel lehrt eine einzige Linie, und beide Hälften davon.
  • ai-gateway-own-webhook-certificate (advanced) — Dies ist ein fortgeschrittenes Beispiel.
  • chart-from-git-repository (authoring) — Ein Helm-Chart muss nicht aus einer Chart-Registry stammen.
  • cloudformation-rds-stack (advanced) — Eine verwaltete Datenbank und die Anwendung, die sie liest, einmal als Entwicklerabsicht verfasst und zu AWS-CloudFormation-Stack-Templates zusammengesetzt.
  • credential-secretkeyref (start) — Eine einzelne PostgreSQL-Datenbank, deren Passwort vom Zugangsdaten-Subsystem geliefert wird, gezeigt pro Provider.
  • datastore-backup (start) — Eine PostgreSQL-Datenbank, gesichert auf Kubernetes über Velero und über CloudNativePG, und auf AWS über die eigenen automatisierten Backups von Amazon RDS, auf Terraform und auf CloudFormation, sowie über AWS Backup, aus einer einzigen core/backup-Anbindung, die der Betreiber in jedes Release schreibt, mit der Zurückweisung auf einem Ziel, das kein Backup-Produkt hat.
  • extends-wrapper (authoring) — Dieses Beispiel vermittelt eine Sache: Eine Component, die mit extends eine andere erweitert, erbt den gesamten Datenvertrag dieser Basis, sodass jedes für die Basis geschriebene Recipe die erweiternde Component bereits implementiert.
  • memcached-cache (start) — Dieses schlanke Beispiel kompiliert einen einzelnen Memcached-In-Memory-Cache aus einem einzigen vom Entwickler verfassten Aggregate zu zwei Realisierungen.
  • policy-annotation-transform (advanced) — Eine Governance-Richtlinie gibt jeder Komponente eines Shops das Monitoring der Plattform und eine AWS-IAM-Rolle.
  • policy-data-class-route (advanced) — Eine Systemlandschaft betreibt einen Schadensassistenten, der vertrauliche Kundendaten verarbeitet, und einen Helpdesk-Assistenten, der keine verarbeitet.
  • policy-label-transform (advanced) — Governance-Plugins versehen jede Komponente, die dieser Workspace bereitstellt, mit Labels für ihren Eigentümer, die Support-Stufe, die ihre Umgebung verdient, ihren Backup-Zeitplan und ein kurzes Tag, sodass kein Entwickler eines davon eintippt.
  • policy-org-overlay (advanced) — Die Richtlinie eines Teams, die seiner Organisation und die seiner Pipeline laufen gemeinsam in einem einzigen Build, jede in einer eigenen Konfigurationsdatei angebunden.
  • policy-payload-leaf-sensitivity (advanced) — Dieses Beispiel vermittelt eine Hausregel und die Tatsache, die sie ausdrückbar macht.
  • policy-render-verdict (advanced) — Eine einzige Hausregel, angebunden an die Rolle render-verdict, beurteilt die Dateien, die ein Build für vier Ziele schreibt, und weist einen auf jedem platzierten Verstoß zurück.
  • s3-object-store (start) — Dieses Beispiel kompiliert einen einzigen S3-kompatiblen Objektspeicher, die Komponente core/storage/s3-object-store, zu seinen zwei selbst gehosteten Realisierungen.
  • task-run-on-demand (start) — Ein Task, der core/manual-trigger trägt, ohne Start auf Kubernetes, Docker Compose, Terraform und CloudFormation bereitgestellt, neben einem Task, der nichts trägt, mit dem Befehl, der auf jedem Ziel einen Lauf startet.

catalog-authoring

eine Component, ein Feature oder ein Recipe, für das Beispiel geschrieben, daneben abgelegt oder im Katalog veröffentlicht.

  • advanced-platform (advanced) — Eine Kubernetes-Plattform mit mehreren Boundaries, die mehrere Mechanismen in einem einzigen Build aus einem einzigen vom Entwickler verfassten Aggregate kombiniert: FeatureRecipes mit Boundary-Geltungsbereich, das Hochziehen von Parametern, das Zugangsdaten-Subsystem und Boundary-übergreifende Referenzen, die über das Service-DNS aufgelöst werden.
  • ai-gateway-own-webhook-certificate (advanced) — Dies ist ein fortgeschrittenes Beispiel.
  • chart-from-git-repository (authoring) — Ein Helm-Chart muss nicht aus einer Chart-Registry stammen.
  • cross-boundary-networking (advanced) — Ein Stack aus zwei Komponenten — eine Adminer-Datenbankoberfläche und eine PostgreSQL-Datenbank — aufgeteilt auf zwei Boundaries, wobei Adminer die Datenbank über die Nahtstelle zwischen den Boundaries hinweg erreichen muss.
  • extends-wrapper (authoring) — Dieses Beispiel vermittelt eine Sache: Eine Component, die mit extends eine andere erweitert, erbt den gesamten Datenvertrag dieser Basis, sodass jedes für die Basis geschriebene Recipe die erweiternde Component bereits implementiert.
  • mariadb-adminer (authoring) — Dieses Beispiel kompiliert einen kleinen, realen Stack — eine MariaDB-Datenbank mit einer vorgeschalteten Adminer-Weboberfläche — aus einem einzigen vom Entwickler verfassten Aggregate für zwei Plattformen.
  • mariadb-bitnami-credential-set (authoring) — Eine einzelne MariaDB-Datenbank, realisiert durch das Bitnami-Helm-Chart, deren Passwörter von einem einzigen referenzierbaren Secret mit mehreren Schlüsseln (core/referenced-secret-set) geliefert werden.
  • mcp-address-from-secret (authoring) — Manche Model-Context-Protocol-Server, die jemand anderes betreibt, lesen ihren Schlüssel aus ihrer eigenen Adresse — https://mcp.example.com/mcp?api_key=<key> — statt aus einem Header der Anfrage.
  • multikey-secret-synth (authoring) — Eine einzelne zustandslose App, auf Kubernetes durch die Workload-Synthese des helm-Providers gerendert — kein externes Chart.
  • policy-data-class-route (advanced) — Eine Systemlandschaft betreibt einen Schadensassistenten, der vertrauliche Kundendaten verarbeitet, und einen Helpdesk-Assistenten, der keine verarbeitet.
  • postgres-three-realizations (authoring) — Eine PostgreSQL-Datenbank und die Anwendung, die sie liest, auf drei verschiedene Arten aus einem einzigen unveränderten Aggregate bereitgestellt: PostgreSQL im Cluster laufend, PostgreSQL als verwaltete Cloud-Instanz und ein PostgreSQL-Server, der bereits existierte, bevor dieses Release bereitgestellt wurde.
  • workload-identity-binding (authoring) — Eine einzelne zustandslose App, auf Kubernetes durch die Workload-Synthese des helm-Providers gerendert — kein externes Chart.
  • workload-library-import (authoring) — Ein einzelner zustandsloser Webdienst, dessen Recipe seine Kubernetes-Workload aus einem gemeinsam genutzten Bibliothekseintrag statt aus einem Inline-Körper synthetisiert.

cloud-infrastructure

Terraform- oder CloudFormation-Ausgabe für verwaltete Cloud-Dienste.

  • aws-rds-and-ecs-service (advanced) — Ein einziges Aggregate enthält eine PostgreSQL-Datenbank und den Server, der sie liest.
  • cloudformation-rds-stack (advanced) — Eine verwaltete Datenbank und die Anwendung, die sie liest, einmal als Entwicklerabsicht verfasst und zu AWS-CloudFormation-Stack-Templates zusammengesetzt.
  • datastore-backup (start) — Eine PostgreSQL-Datenbank, gesichert auf Kubernetes über Velero und über CloudNativePG, und auf AWS über die eigenen automatisierten Backups von Amazon RDS, auf Terraform und auf CloudFormation, sowie über AWS Backup, aus einer einzigen core/backup-Anbindung, die der Betreiber in jedes Release schreibt, mit der Zurückweisung auf einem Ziel, das kein Backup-Produkt hat.
  • policy-payload-leaf-sensitivity (advanced) — Dieses Beispiel vermittelt eine Hausregel und die Tatsache, die sie ausdrückbar macht.
  • policy-render-verdict (advanced) — Eine einzige Hausregel, angebunden an die Rolle render-verdict, beurteilt die Dateien, die ein Build für vier Ziele schreibt, und weist einen auf jedem platzierten Verstoß zurück.
  • postgres-three-realizations (authoring) — Eine PostgreSQL-Datenbank und die Anwendung, die sie liest, auf drei verschiedene Arten aus einem einzigen unveränderten Aggregate bereitgestellt: PostgreSQL im Cluster laufend, PostgreSQL als verwaltete Cloud-Instanz und ein PostgreSQL-Server, der bereits existierte, bevor dieses Release bereitgestellt wurde.
  • quickstart-web (start) — Eine kleine Webanwendung, die Notizen in PostgreSQL speichert, in vier Schritten ausgebaut: Sie beginnt mit ihrer Datenbank auf Ihrem Rechner, erhält einen Redis-Cache, zieht mit der Datenbank auf Amazon RDS zu AWS um und bekommt schließlich ihre Backups.
  • task-run-on-demand (start) — Ein Task, der core/manual-trigger trägt, ohne Start auf Kubernetes, Docker Compose, Terraform und CloudFormation bereitgestellt, neben einem Task, der nichts trägt, mit dem Befehl, der auf jedem Ziel einen Lauf startet.
  • terraform-declared-sensitivity (advanced) — Die Deklaration, dass ein Wert geheimes Material trägt, wird einmal verfasst, im Schema einer Component.
  • terraform-rds-module (authoring) — Dieselbe MariaDB-Absicht wie im Beispiel terraform-rds, gerendert über die sourced-Form des Terraform-Providers: Statt eines Inline-HCL-Körpers verweist das Recipe auf ein lokales Terraform-Modul, und der Compiler übernimmt es unverändert und liefert dann seine Eingabevariablen aus den Säulen des Entwicklers und des Betreibers.
  • terraform-rds (authoring) — Eine einzelne MariaDB-Datenbank, einmal als Entwicklerabsicht verfasst und zu einer Terraform-HCL-Datei gerendert, die eine verwaltete AWS-RDS-Instanz bereitstellt.

external-sources

ein Recipe, das abruft, was es rendert: ein Upstream-Chart, ein Git-Repository oder ein Modul.

  • advanced-platform (advanced) — Eine Kubernetes-Plattform mit mehreren Boundaries, die mehrere Mechanismen in einem einzigen Build aus einem einzigen vom Entwickler verfassten Aggregate kombiniert: FeatureRecipes mit Boundary-Geltungsbereich, das Hochziehen von Parametern, das Zugangsdaten-Subsystem und Boundary-übergreifende Referenzen, die über das Service-DNS aufgelöst werden.
  • ai-gateway-own-webhook-certificate (advanced) — Dies ist ein fortgeschrittenes Beispiel.
  • aws-rds-and-ecs-service (advanced) — Ein einziges Aggregate enthält eine PostgreSQL-Datenbank und den Server, der sie liest.
  • cert-manager-tls (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — einen cert-manager-Zertifikatscontroller — aus einem einzigen vom Entwickler verfassten Aggregate für Kubernetes.
  • chart-from-git-repository (authoring) — Ein Helm-Chart muss nicht aus einer Chart-Registry stammen.
  • contour-gateway (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — ein Contour-Ingress-Gateway — aus einem einzigen vom Entwickler verfassten Aggregate für Kubernetes.
  • external-secrets-operator (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — den external-secrets-Operator — aus einem einzigen vom Entwickler verfassten Aggregate für Kubernetes, gestützt auf das offizielle external-secrets-Helm-Chart.
  • harbor-stack (start) — Dieses Beispiel kompiliert eine reale Container-Registry aus einem einzigen vom Entwickler verfassten Aggregate zu Kubernetes-Manifesten.
  • loki-logging (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — einen Grafana Loki-Server zur Log-Aggregation — aus einem einzigen vom Entwickler verfassten Aggregate für Kubernetes, gestützt auf das offizielle Grafana-Loki-Helm-Chart in seiner Single-Binary-Form.
  • mariadb-adminer (authoring) — Dieses Beispiel kompiliert einen kleinen, realen Stack — eine MariaDB-Datenbank mit einer vorgeschalteten Adminer-Weboberfläche — aus einem einzigen vom Entwickler verfassten Aggregate für zwei Plattformen.
  • mariadb-bitnami-credential-set (authoring) — Eine einzelne MariaDB-Datenbank, realisiert durch das Bitnami-Helm-Chart, deren Passwörter von einem einzigen referenzierbaren Secret mit mehreren Schlüsseln (core/referenced-secret-set) geliefert werden.
  • openbao-secrets (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — einen einzelnen OpenBao-Secrets-Server — aus einem einzigen vom Entwickler verfassten Aggregate für Kubernetes, gestützt auf das offizielle OpenBao-Helm-Chart.
  • quickstart-web (start) — Eine kleine Webanwendung, die Notizen in PostgreSQL speichert, in vier Schritten ausgebaut: Sie beginnt mit ihrer Datenbank auf Ihrem Rechner, erhält einen Redis-Cache, zieht mit der Datenbank auf Amazon RDS zu AWS um und bekommt schließlich ihre Backups.
  • sealed-secrets-controller (start) — Dieses Beispiel kompiliert einen kleinen, realen Stack — den sealed-secrets-Controller — aus einem einzigen vom Entwickler verfassten Aggregate für Kubernetes, gestützt auf das offizielle sealed-secrets-Helm-Chart, ausgeliefert aus einem HTTPS-Chart-Repository.

import

ein Projekt in einem anderen Format, von aggrega import als Entwurf in Aggrega-Dateien überführt, dann überprüft und gebaut.

  • import-agent-framework (start) — Ein deklarativer Agent von Microsoft Agent Framework — ein Agent auf einem OpenAI-Modell, der Dokumentation über einen MCP-Server durchsucht — von aggrega import als Entwurf in Aggrega-Dateien überführt, wobei das Image der Anwendung einmal in einer Antwortdatei angegeben wird, und für Docker Compose gebaut.
  • import-compose (start) — Eine Compose-Datei, die eine API, die PostgreSQL-Datenbank, in der sie ihre Notizen hält, und einen Redis-Cache ausführt, von aggrega import als Entwurf in Aggrega-Dateien überführt — wobei die Verbindungen, die Einstellungen der Datenbank, das Passwort als Variablenreferenz und das Tag jedes Images übernommen werden — und für Docker Compose gebaut.
  • import-crewai (start) — Die Agenten- und Task-Deklarationen eines CrewAI-Projekts im klassischen Layout — zwei Agenten auf einem OpenAI-Modell, je ein Task — von aggrega import als Entwurf in Aggrega-Dateien überführt, wobei das Image, in dem das Programm der Crew läuft, einmal in einer Antwortdatei angegeben wird, und für Docker Compose gebaut.
  • import-dify (start) — Eine Dify-Chatanwendung, im DSL von Dify exportiert, von aggrega import in ein Aggregate, ein Release und ein Manifest importiert, die unverändert die Dify-Installation der Standardbibliothek, die sie enthält, für Kubernetes bauen.
  • import-flowise (start) — Ein Flowise-Chatflow — ein ChatOpenAI-Knoten, ein Buffer Memory und eine Conversation Chain — von aggrega import in ein Aggregate, ein Release und ein Manifest importiert, die sich unverändert für Docker Compose bauen lassen.
  • import-google-adk (start) — Die Agent Config einer Anwendung, die auf dem Agent Development Kit von Google aufbaut — ein Agent auf Gemini, mit dem Google-Search-Tool, das ADK mitliefert — von aggrega import als Entwurf in Aggrega-Dateien überführt, wobei das Image der Anwendung einmal in einer Antwortdatei angegeben wird, und für Docker Compose gebaut.
  • import-langflow (start) — Das Starter-Projekt Basic Prompting von Langflow, als JSON exportiert, von aggrega import in ein Aggregate, ein Release und ein Manifest importiert, die sich unverändert für Docker Compose bauen lassen.
  • import-langgraph (start) — Die langgraph.json einer LangGraph-Anwendung — ein Graph, der seinen Zustand in PostgreSQL hält — von aggrega import als Entwurf in Aggrega-Dateien überführt, wobei das Modell, das der Graph aufruft, und das Image der Anwendung einmal in einer Antwortdatei angegeben werden, und für Docker Compose gebaut.
  • import-mcp (start) — Eine .mcp.json von Claude Code mit drei Model-Context-Protocol-Servern — zwei über eine Befehlszeile gestartet und einer, den jemand anderes betreibt — von aggrega import als Entwurf in Aggrega-Dateien überführt, wobei jeder Server der Realisierung zugeordnet wird, die seiner Ausführungsweise entspricht, und für Kubernetes gebaut.
  • import-n8n (start) — Ein n8n-Workflow — ein Chat-Trigger, ein AI Agent, ein OpenAI Chat Model und ein Simple Memory — von aggrega import in ein Aggregate, ein Release und ein Manifest importiert, die sich unverändert für Docker Compose bauen lassen.