Lewati ke konten
AggregaAggrega
Pilih Bahasa: Bahasa Indonesia
Halaman ini diterjemahkan oleh mesin. Baca versi asli dalam bahasa Inggris.

Importer inti

Repositori compiler membangun sepuluh plugin importer miliknya sendiri, satu untuk setiap format sumber, dan menerbitkannya bersama setiap rilis compiler:

PluginMelayaniMembaca
importer/langflowimport:langflowflow yang diekspor dari Langflow, sebagai JSON
importer/flowiseimport:flowisechatflow atau agentflow yang diekspor dari Flowise, sebagai JSON
importer/n8nimport:n8nworkflow yang diekspor dari n8n, sebagai JSON
importer/mcpimport:mcpkonfigurasi klien MCP — .mcp.json, claude_desktop_config.json, .vscode/mcp.json atau .cursor/mcp.json — atau deskripsi server registri MCP, server.json, sebagai JSON
importer/composeimport:composeaplikasi Compose — compose.yaml, docker-compose.yml beserta file override-nya — sebagai YAML
importer/difyimport:difyaplikasi yang diekspor dari Dify dalam DSL-nya, sebagai YAML
importer/crewaiimport:crewaiagen dan tugas yang dideklarasikan proyek CrewAI — config/agents.yaml dan config/tasks.yaml, sebagai YAML, atau crew.jsonc dan agents/<name>.jsonc, atau ejaan JSON ketatnya crew.json dan agents/<name>.json, sebagai JSON dengan komentar
importer/langgraphimport:langgraphkonfigurasi aplikasi LangGraph, langgraph.json, sebagai JSON, dan dari file lingkungan yang disebutkan konfigurasi itu, hanya nama variabelnya, bila file tersebut diserahkan kepada impor di bawah with.sources
importer/google-adkimport:google-adkagen yang dideklarasikan dalam file Agent Config dari aplikasi yang dibangun di atas Google ADK — root_agent.yaml dan konfigurasi yang disebutkan sub-agennya — sebagai YAML
importer/agent-frameworkimport:agent-frameworkagen deklaratif Microsoft Agent Framework, dokumen berjenis Prompt dengan nama apa pun, sebagai YAML

Masing-masing dibangun dari sumber compiler sendiri dan dicap dengan versi compiler, sehingga importer yang dirilis bersama compiler pada X.Y.Z melaporkan versi X.Y.Z, dan entitas Plugin-nya mencatatnya. Berbeda dengan plugin yang tercantum di Plugin tertanam, tidak ada yang dikompilasi ke dalam biner. Biner membawa entitas Plugin masing-masing dan digest dari satu-satunya modul yang diterimanya untuk entitas itu, sehingga masing-masing melayani formatnya di setiap workspace, tanpa entri dalam katalognya.

Kesepuluhnya dibangun di atas paket importer dari Go kit, github.com/aggrega-ai/aggrega-pdk/go/pkg/importer. Untuk importer Langflow, Flowise, dan n8n, segala yang dilakukan importer apa pun formatnya — menilai Components dalam katalog workspace terhadap setiap node, memutuskan apakah akan mereferensikan satu atau membuat draf yang baru, menata draf, membawa nilai kredensial yang dimilikinya atau menuliskannya kosong sebagaimana diminta suatu pengaturan, menulis draf, dan membaca pengaturan di bawah — adalah milik paket tersebut, dan hanya pembacaan format, serta pengetahuan tentang platform tempat flow-nya berjalan, yang khusus bagi setiap importer. Importer MCP membuat draf instans dari satu Component per server, sehingga tidak menilai apa pun; importer ini berbagi pembacaan paket atas pengaturan yang dibacanya, keputusannya atas nilai kredensial, dan konvensi yang menjadi dasar penamaan dan deskripsi drafnya, sebagaimana dijelaskan di Importer MCP. Importer Compose memutuskan setiap layanan yang dicocokkannya sebagaimana importer flow memutuskan sebuah node, melalui paket yang sama, merender drafnya sebagaimana mereka melakukannya, dan berbagi sisanya sebagaimana importer MCP, sebagaimana dijelaskan di Importer Compose. Importer Dify membuat draf instalasi Dify yang dirakit oleh pustaka standar, dengan membawa aplikasi, melalui draf platform dari paket yang sama dalam bentuk yang diambilnya untuk platform yang merupakan instalasi utuh, sebagaimana dijelaskan di Importer Dify. Importer CrewAI membuat draf instans agen CrewAI dari pustaka standar per agen yang dideklarasikan proyek, terhubung ke model yang disebutkannya, dan berbagi sisanya sebagaimana importer MCP, sebagaimana dijelaskan di Importer CrewAI. Importer LangGraph membuat draf instans agen LangGraph dari pustaka standar per graf yang dideklarasikan konfigurasi aplikasi, terhubung ke datastore tempat checkpointer-nya menyimpan state, dan berbagi sisanya sebagaimana importer MCP, sebagaimana dijelaskan di Importer LangGraph. Importer Google ADK membuat draf instans agen ADK dari pustaka standar per pohon agen yang dideklarasikan konfigurasi aplikasi, terhubung ke model yang disebutkan pohon tersebut apabila ADK mengirim permintaannya ke Gemini API, dan berbagi sisanya sebagaimana importer MCP, sebagaimana dijelaskan di Importer Google ADK. Importer Agent Framework membuat draf instans agen Agent Framework dari pustaka standar per agen deklaratif, terhubung ke model OpenAI yang disebutkannya — setiap server MCP yang disebutkannya ditulis dalam komentar, karena penyedia model menjangkaunya sebagai alat yang di-host — dan berbagi sisanya sebagaimana importer MCP, sebagaimana dijelaskan di Importer Agent Framework. Cara kerja soket importer, dan apa yang diserahkan kepadanya, dijelaskan di bawah Soket importer.

Halaman ini adalah referensi tentang apa yang dibaca dan didrafkan oleh setiap pengimpor. Untuk mengimpor proyek Anda sendiri dan mem-build hasilnya, mulailah dari Impor, yang memandu sebuah proyek dari sumbernya hingga build, satu format pada satu waktu.

Cara sebuah impor memperolehnya

aggrega import, metode aggrega/import pada sesi editor, dan alat import milik asisten memperoleh importer inti dengan cara yang sama. Jika mesin sudah menyimpan modulnya — di cache konten workspace — impor membacanya dari sana, tanpa memerlukan jaringan untuk itu. Jika belum, impor pertama yang memerlukannya mengambilnya dari registry bawaan workspace, pada versi compiler, lalu:

  • mencocokkannya dengan digest yang dibawa biner, sehingga hanya modul yang diterbitkan oleh rilis compiler yang dijalankan;
  • memverifikasinya sebagaimana sebuah pull memverifikasi plugin yang diambilnya — tanda tangannya menurut kebijakan kepercayaan registry tersebut, dan fungsi host yang digunakannya terhadap fungsi yang dicatat oleh entitas Plugin-nya;
  • menyimpannya di cache konten workspace, yang merupakan satu-satunya hal yang ditulis untuknya: tidak ada lockfile, dan tidak ada catatan plugin tepercaya, karena sebuah impor tidak mematok importer apa pun.

Setiap impor berikutnya membacanya dari cache konten. Modul yang tidak lolos verifikasi ditolak, dan tidak ada yang disimpan. Di folder yang tidak ditandai oleh workspace mana pun, tidak ada cache konten untuk menyimpannya, sehingga pengambilan ditolak di sana, dengan menyebutkan folder tersebut serta cara menunjuk sebuah workspace atau menjadikan folder itu workspace. Modul tidak pernah dibaca dari samping entitas Plugin dengan nama yang sama pada versi lain di folder katalog: modul itu milik entitas lain tersebut.

Jika modul tidak dapat diambil, impor berhenti dengan A plugin’s .wasm is not on this machine (File .wasm sebuah plugin tidak ada di mesin ini), menyebutkan importer dan versinya, serta menyatakan apa yang menempatkan modulnya di mesin:

  • Jalankan impor sekali dengan jaringan tersedia, jika workspace sedang luring atau registry-nya tidak dapat dijangkau. Proses itu mengambilnya dan setiap proses berikutnya berjalan luring.
  • Tempatkan modulnya di samping entitas Plugin importer tersebut pada versi itu di folder katalog, dengan nama yang diberikan pesan — importer--langflow.wasm untuk importer Langflow. Entitas katalog dengan nama dan versi yang sama dengan importer inti dijalankan sebagai penggantinya, dengan modulnya dibaca dari sampingnya; entitas di sana yang tidak memiliki modul di sampingnya tidak dijalankan sebagai penggantinya, dan importer inti diperoleh seperti dijelaskan di atas. Jika registry tidak menyimpan modul tersebut, atau workspace tidak menunjuk registry bawaan, inilah satu-satunya solusi yang diberikan pesan.

Mana yang dijalankan di samping importer Anda sendiri

Importer inti menjadi kandidat di samping importer yang dimuat katalog workspace Anda, berdasarkan aturan pemilihan yang berlaku bagi setiap importer, sebagaimana dijelaskan dalam Which importer turns a source into drafts (Importer mana yang mengubah sumber menjadi draf):

  • Dalam satu nama, versi tertinggi yang dijalankan, atau versi yang disebutkan oleh entri plugins.importer.
  • Jika katalog Anda memuat importer dengan nama lain untuk langflow, flowise, n8n, mcp, compose, dify, crewai, langgraph, google-adk atau agent-framework, dua importer mengiklankan format tersebut, dan impor yang tidak melampirkan salah satunya ditolak dengan menyebutkan keduanya, di bawah A parse or import format is advertised by more than one plugin (Format parse atau impor diiklankan oleh lebih dari satu plugin). Entri plugins.importer yang menyebutkan importer yang Anda inginkan menyelesaikannya.
  • Importer yang dimuat katalog Anda dengan nama dan versi yang sama dengan importer inti, dengan modulnya di samping entitasnya, adalah yang dijalankan, dibaca dari sana.
  • Entitas Plugin dengan nama importer inti yang tidak memiliki modul di sampingnya dalam folder katalognya — misalnya dalam checkout katalog yang mencatat importer yang diterbitkan suatu rilis — adalah entitas yang tidak dapat dijalankan oleh import mana pun, karena modulnya tidak dibaca dari tempat lain; jadi entitas itu bukan kandidat untuk dijalankan, meskipun signature yang dicatatnya tetap berperan dalam mengenali sumber. Pada versi kompilator itu sendiri, importer inti dijalankan sebagai penggantinya. Pada versi lain mana pun, lebih lama atau lebih baru, entitas itu dilewati, dan pilihan dibuat di antara importer yang dapat dijalankan — kecuali entri plugins.importer menyebutkan tepat versi itu, atau tidak ada importer bernama sama yang dapat dijalankan yang menyatakan format yang diminta, seperti ketika entitas mencatat format yang tidak dicatat oleh importer milik kompilator itu sendiri. Dalam hal itu entitas tetap menjadi kandidat berdasarkan aturan di atas, dan import yang memilihnya berhenti dengan menyebutkan folder tempat modulnya harus diletakkan.

Importer mana pun dari katalog Anda sendiri yang dipilih, modulnya dibaca dari samping entitasnya sendiri, pada versinya sendiri: modul yang diletakkan di samping entitas bernama sama pada versi lain adalah milik entitas itu.

Cara sumber dikenali

Impor yang tidak menyebutkan formatnya dengan --format dikenali melalui tanda pengenal yang dideklarasikan setiap importer:

  • Langflow — sumber yang dapat diurai sebagai JSON dan memuat sebuah array di data.nodes.
  • Flowise — sumber yang dapat diurai sebagai JSON, memuat array di nodes dan edges, dan tidak memuat apa pun di data.nodes.
  • n8n — sumber yang dapat diurai sebagai JSON, memuat sebuah array di nodes dan sebuah objek di connections, dan tidak memuat apa pun di edges maupun di data.nodes.
  • MCP — sumber yang dapat diurai sebagai JSON, bernama .mcp.json, claude_desktop_config.json atau .cursor/mcp.json dan memuat sebuah objek di mcpServers; sumber yang dapat diurai sebagai JSON dengan komentar, sebagaimana Visual Studio Code membacanya, bernama .vscode/mcp.json dan memuat sebuah objek di servers; atau sumber dengan nama apa pun yang dapat diurai sebagai JSON dan yang $schema-nya berupa teks yang diawali https://static.modelcontextprotocol.io/schemas/, yaitu deskripsi server registri. Nama dicocokkan dengan bagian akhir path yang diserahkan kepada impor, sehingga project/.vscode/mcp.json dikenali, sedangkan mcp.json yang diserahkan dari dalam .vscode, atau file klien dengan nama lain apa pun, diimpor dengan menyebutkan --format mcp.
  • Compose — sumber yang dapat diurai sebagai YAML, bernama sebagaimana Compose secara default membaca file Compose atau file override-nya — compose.yaml, compose.yml, docker-compose.yml, docker-compose.yaml, compose.override.yml, compose.override.yaml, docker-compose.override.yml atau docker-compose.override.yaml — dan memuat sebuah objek di services. File Compose dengan nama lain apa pun diimpor dengan menyebutkan --format compose.
  • Dify — sumber dengan nama apa pun yang dapat diurai sebagai YAML, memuat teks app di kind, dan memuat sesuatu di app.mode dan di version, sebagaimana setiap aplikasi yang diekspor Dify.
  • CrewAI — sumber bernama config/agents.yaml atau config/tasks.yaml yang dapat diurai sebagai YAML, sumber bernama crew.jsonc atau crew.json yang dapat diurai sebagai JSON dengan komentar dan memuat sebuah list di agents, atau sumber bernama agents/<name>.jsonc atau agents/<name>.json yang dapat diurai sebagai JSON dengan komentar dan memuat sesuatu di role. Proyek klasik memberi kunci pada agen dan tugasnya dengan nama pilihan penulisnya, sehingga kedua filenya dibedakan hanya dari namanya.
  • LangGraph — sumber bernama langgraph.json yang dapat diurai sebagai JSON dan memuat sebuah objek di graphs; atau sumber dengan nama apa pun yang dapat diurai sebagai JSON, memuat sebuah objek di graphs dan yang $schema-nya berupa teks https://langgra.ph/schema.json, yaitu skema yang diterbitkan LangGraph untuk konfigurasinya. Konfigurasi dengan nama lain yang tidak menyebutkan skema diimpor dengan menyebutkan --format langgraph. Tidak ada tanda pengenal importer yang menyebutkan file environment, sehingga pengenalan sebuah direktori tidak membuka satu pun.
  • Google ADK — sumber bernama root_agent.yaml yang dapat diurai sebagai YAML dan memuat sesuatu di name dan di instruction, sebagaimana konfigurasi LlmAgent, atau sebuah teks di agent_class dan sesuatu di name, sebagaimana konfigurasi agen lainnya. Konfigurasi dengan nama lain diimpor dengan menyebutkan --format google-adk. Tidak ada tanda pengenal yang menyebutkan konfigurasi sub-agen, yang dapat bernama apa saja, sehingga pengenalan sebuah direktori tidak membuka file YAML selain root_agent.yaml.
  • Agent Framework — sumber dengan nama apa pun yang dapat diurai sebagai YAML, memuat teks Prompt di kind dan sebuah objek di model, sebagaimana agen deklaratif yang menyebutkan modelnya; Agent Framework memuat agen deklaratif dari file apa pun yang disebutkan aplikasinya, sehingga tanda pengenal tidak menyebutkan file. Agen deklaratif yang tidak menyebutkan model, atau yang menulis jenisnya dengan huruf besar-kecil yang berbeda atau sebagai Agent, diimpor dengan menyebutkan --format agent-framework.

Sumber yang cocok dengan dua di antaranya ditolak dengan menyebutkan kedua format, dan diimpor dengan menyebutkan salah satunya melalui --format. Importer Langflow, Flowise, n8n, dan LangGraph membaca sumbernya melalui parser yang melayani parse:json, importer MCP membaca konfigurasi yang mencantumkan servernya di bawah servers melalui parser yang melayani parse:jsonc dan setiap sumber lain melalui parser yang melayani parse:json, importer Compose, Dify, Google ADK, dan Agent Framework melalui parser yang melayani parse:yaml, dan importer CrewAI membaca file proyek klasik melalui parser yang melayani parse:yaml dan yang lainnya melalui parser yang melayani parse:jsonc: yaitu parser yang dilayani katalog workspace Anda, jika katalog melayaninya, dan jika tidak, parser yang dibawa compiler sendiri untuk sintaks tersebut (lihat Plugin tertanam). Jadi impor melalui salah satunya tidak memerlukan parser di katalog Anda, dan tidak ada yang diambil untuknya. Parser yang memang dilayani katalog Anda adalah yang digunakan, dan parser compiler tidak berperan. Importer Langflow, Flowise, n8n, Dify, dan Agent Framework tidak mendeklarasikan pola file, sehingga masing-masing membaca satu file dan impor sebuah direktori melalui salah satunya ditolak; importer MCP mendeklarasikan keempat nama file klien, sehingga direktori dibaca melalui konfigurasi klien yang dimuatnya; importer Compose mendeklarasikan kedelapan nama file Compose, sehingga direktori dibaca melalui file Compose yang dimuatnya; importer CrewAI mendeklarasikan keenam nama deklarasi proyek, sehingga direktori proyek dibaca melalui deklarasinya dan tidak ada yang lain; importer LangGraph mendeklarasikan langgraph.json, sehingga direktori aplikasi dibaca hanya melalui konfigurasinya, dan baik kodenya maupun file environment tidak pernah dibaca; dan importer Google ADK mendeklarasikan root_agent.yaml, sehingga direktori aplikasi dibaca hanya melalui konfigurasi akarnya — konfigurasi yang disebutkan sub-agennya baru mencapai importer hanya melalui with.sources pada lampirannya — dan baik kodenya maupun file environment-nya tidak pernah dibaca. Tanda pengenal yang tidak menyebutkan file — milik importer Langflow, Flowise, dan n8n, milik importer MCP untuk deskripsi server registri, milik importer LangGraph untuk konfigurasi yang menyebutkan skemanya, milik importer Dify dan importer Agent Framework — berlaku untuk setiap file yang diimpor secara tersendiri: impor yang tidak menyebutkan format membaca file tersebut sebagai JSON, dan sebagai YAML, untuk mencobanya, untuk importer mana pun file itu ditujukan, melalui parser yang sama — compiler membawa keduanya, sehingga tidak ada yang diambil untuk keduanya. File yang memuat komentar atau koma di akhir tidak dapat diurai sebagai JSON, sehingga tidak ada tanda pengenal pembaca JSON yang mengenalinya; tanda pengenal importer CrewAI untuk crew.jsonc, agents/<name>.jsonc dan ejaan .json-nya, serta tanda pengenal importer MCP untuk .vscode/mcp.json, membaca JSON dengan komentar, melalui parser yang dibawa compiler untuk sintaks tersebut jika katalog Anda tidak melayaninya.

Sumber yang ditolak parsernya — untuk importer Langflow, Flowise, n8n, dan LangGraph sumber yang bukan JSON, untuk importer MCP sumber yang bukan JSON dengan komentar atau, kecuali sumber itu mencantumkan servernya di bawah servers, bukan JSON, untuk importer Compose, Dify, dan Agent Framework sumber yang bukan YAML, untuk importer CrewAI deklarasi yang bukan YAML atau bukan JSON dengan komentar, dan untuk importer Google ADK konfigurasi yang bukan YAML — menghentikan impor dengan parse-failed, yang pesannya memuat alasan parser itu sendiri. Menyebutkan format tidak mengubah hal itu: importer meminta pohon sumber, dan penolakan parser adalah jawaban yang diterimanya.

Cara draf dinamai

Setiap importer memberi nama <target_namespace>/<name> kepada Aggregate yang disusunnya sebagai draf, dan kepada Release di sampingnya bila ia juga menyusun draf Release. Bagian pertama adalah pengaturan target_namespace, yaitu imported kecuali Anda menetapkan yang lain. <name> adalah yang pertama dari berikut ini yang tidak kosong:

  • nama yang diberikan sumber kepada dirinya sendiri, dalam bidang tempat formatnya mendeklarasikannya:

    ImporterNama yang dibacanya
    importer/langflowname milik flow
    importer/flowisetidak ada: ekspor tidak membawa nama sendiri
    importer/n8nname milik workflow
    importer/mcpname milik deskripsi server registry; konfigurasi klien tidak membawa nama
    importer/composename tingkat atas milik proyek, dengan nama dari file override menggantikan nama dari file yang ditimpanya, sebagaimana Compose menggabungkannya
    importer/difyname milik aplikasi, di bawah app
    importer/crewainame milik crew di crew.jsonc atau crew.json; config/agents.yaml dan config/tasks.yaml tidak membawa nama, karena proyek klasik menamai crew-nya di dalam programnya
    importer/langgraphid graf yang dideklarasikan konfigurasi, karena konfigurasi tidak membawa nama sendiri
    importer/google-adkname milik agen root
    importer/agent-frameworkname milik agen; displayName miliknya tidak dibaca
  • nama direktori yang diserahkan kepada impor, secara utuh — my.project mempertahankan titiknya, ditulis my-project — sebagaimana Compose menamai proyek menurut direktori yang memuatnya; aggrega import . menamai direktori tempat ia dijalankan;

  • nama file yang diserahkan kepada impor secara tersendiri, tanpa ekstensinya;

  • flow.

Draf yang dibuat dari beberapa sumber — beberapa proyek Compose, konfigurasi, pohon agen, atau server, atau satu konfigurasi yang mendeklarasikan beberapa graf — mengambil nama mereka hanya bila masing-masing menamai dirinya sendiri dan semuanya ditulis sama; jika tidak, draf mengambil yang berikutnya. Nama ditulis dalam huruf kecil, setiap rangkaian karakter selain huruf dan angka ASCII sebagai satu tanda hubung, dan tanda hubung di kedua ujung dibuang: Basic Prompting ditulis basic-prompting, dan SupportAgent supportagent. Sumber yang sama dinamai dengan cara yang sama pada setiap impor. Manifest yang disusun impor sebagai draf untuk suatu target mengambil nama Release, atau nama Aggregate bila tidak ada Release yang disusun sebagai draf, sebagaimana dijelaskan di Apa yang ditambahkan target.

Apa yang dibaca importer Langflow

  • Node dan edge di bawah objek data tingkat teratas dari flow, yaitu data.nodes dan data.edges.
  • Untuk setiap node, tipenya dari data.type milik node tersebut, dan field-nya dari entri data.node.template yang nilainya berupa objek yang memuat type. Entri lain dalam template bukan field.
  • Field yang objeknya memuat password: true dirancang sebagai slot kredensial, dan setiap field lainnya sebagai field nilai. Nama field tidak berperan, dan merancang sebuah node sebagai Component tidak membaca nilai field apa pun.
  • Catatan yang disematkan pada kanvas, yaitu node bertipe noteNode, tidak diimpor, dan edge ke node yang tidak diimpor dibuang.
  • Merancang platform yang membawa flow juga membaca, dari flow tersebut: id tingkat teratasnya; nilai setiap field yang ditandai password: true; field mcp_server milik node MCP Tools — server MCP yang disebutkannya, beserta konfigurasi server tersebut — atau field tempat node itu menyimpan servernya sebagai gantinya; setiap input yang ditandai Langflow sebagai bukan kredensial tetapi dapat memuatnya, sebagaimana dicantumkan dalam Nilai kredensial yang dimuat flow; field tempat sebuah node menyebutkan modelnya, beserta penyedia model tempat model itu berjalan; dan field yang digunakan node untuk menjangkau alamat dan kunci suatu bagian, yang ditulis ulangnya. Apa yang mereka rancang menjelaskan apa yang terjadi pada masing-masing.

Apa yang dibaca importer Flowise

  • Node dan edge di tingkat teratas flow, nodes dan edges.
  • Untuk setiap node, tipenya dari data.name milik node; slot kredensialnya dari entri data.inputParams yang type-nya adalah credential, berdasarkan name-nya; dan field nilainya dari kunci data.inputs, dikurangi kunci yang disebut oleh data.inputAnchors — tempat node lain terhubung masuk, yang dicatat oleh edge di antara keduanya — dan dikurangi kredensial.
  • Penyusunan draf sebuah node sebagai Component tidak membaca nilai field mana pun, dan nama sebuah kredensial tidak berperan dalam penentuan bahwa ia adalah kredensial.
  • Catatan yang disematkan pada kanvas, yaitu node bertipe stickyNote, tidak diimpor, dan edge ke node yang tidak diimpor akan dibuang.
  • Penyusunan draf platform yang membawa chatflow juga membaca darinya: id tingkat teratasnya, jika berupa UUID; kredensial yang disimpan sebuah node di data.credential; nilai setiap input yang dideklarasikan inputParams-nya bertipe password; FLOWISE_CREDENTIAL_ID di antara input sebuah node, serta credential atau FLOWISE_CREDENTIAL_ID di dalam objek konfigurasi pada kedalaman berapa pun di dalamnya; konfigurasi server dalam input mcpServerConfig sebuah node; setiap input yang ditandai Flowise sebagai bukan kredensial tetapi dapat membawanya, sebagaimana dicantumkan dalam Nilai kredensial yang disimpan flow, dan anggota tempat konfigurasi agentflow menyebut model atau tool yang dipilihnya; input modelName sebuah node; dan Base Path node OpenAI, yaitu input basepath-nya. Apa yang mereka susun drafnya menjelaskan apa jadinya masing-masing.

Apa yang dibaca importer n8n

  • nodes dan connections milik workflow, di tingkat teratas ekspor.
  • Untuk setiap node, name-nya, yang mengidentifikasinya — koneksi n8n menyebut node yang dihubungkannya berdasarkan nama, dan nama node dalam sebuah workflow bersifat unik — serta type-nya, ditulis utuh beserta paketnya: misalnya @n8n/n8n-nodes-langchain.lmChatOpenAi, atau n8n-nodes-base.httpRequest. Node tanpa nama diidentifikasi berdasarkan id-nya.
  • Setiap koneksi yang dicantumkan workflow adalah satu edge, dari node yang ditinggalkannya ke node yang dimasukinya, apa pun jenisnya: koneksi main membawa data dari satu node ke node berikutnya, dan koneksi AI — ai_languageModel, ai_tool, ai_vectorStore, ai_embedding, ai_memory, dan lainnya — menyerahkan kepada node yang dimasukinya model, tool, store, atau memori yang diwakili oleh node yang ditinggalkannya. Dalam kedua hal, node yang dimasuki sebuah koneksi mengonsumsi node yang ditinggalkannya.
  • Setiap jenis kredensial yang disebut oleh credentials sebuah node, dan setiap parameter tingkat teratas yang ditandai n8n sebagai kata sandi, dirancang sebagai slot kredensial; setiap parameter tingkat teratas lain dari node tersebut adalah field nilai. Merancang sebuah node sebagai Component tidak membaca nilai field mana pun.
  • Catatan yang disematkan pada kanvas, yaitu node berjenis n8n-nodes-base.stickyNote, tidak diimpor, dan koneksi ke node yang tidak diimpor dibuang.
  • Merancang platform yang membawa workflow juga membaca darinya: id tingkat teratasnya; setiap kredensial yang dipilih sebuah node; setiap parameter yang ditandai n8n sebagai kata sandi; alamat yang dipanggil node klien MCP; header dan parameter kueri yang dikirim sebuah node bersama permintaan yang disusun workflow, sebagaimana Nilai kredensial yang dimuat flow mencantumkannya; dan parameter tempat node model menyebut modelnya. Apa yang mereka rancang menjelaskan apa yang terjadi pada masing-masing.

Apa yang mereka susun sebagai draf

Setiap node dibandingkan dengan Components dalam katalog milik workspace itu sendiri dan tidak dengan yang lain, sebagaimana dijelaskan oleh soket importer, dan setiap importer membawa tabel singkat yang memetakan jenis node umum dari formatnya — model chat dan embedding, retrieval, permintaan HTTP dan, pada Langflow, node MCP Tools MCPTools, yang dipetakan ke core/ai-tool/mcp — ke Components pustaka standar. Tabel Langflow juga memetakan komponen Language Model-nya, LanguageModelComponent, model chat yang dipanggil oleh alur pemula Langflow, ke core/ai-model/openai, model yang dilayani oleh koneksi model platform Langflow: node tersebut berjalan pada penyedia model yang dinamai field provider-nya, OpenAI secara default, dan node yang menamai penyedia lain tidak pernah dihubungkan ke koneksi tersebut, sebagaimana dijelaskan Node mana yang menjadi bagian. Tabel importer n8n memetakan model chat dan embedding n8n, alat klien MCP-nya ke core/ai-tool/mcp, alat permintaan HTTP-nya, alat SerpApi-nya, penyimpanan vektor Qdrant, PGVector, Chroma, Milvus, dan Weaviate-nya, serta memori chat Postgres dan Redis-nya. Node yang dijalankan n8n di dalam workflow itu sendiri — agen, chain, trigger, memori yang disimpan workflow dalam prosesnya sendiri, alat kode — adalah milik workflow itu sendiri, dan tidak ada baris yang memetakannya. Sebuah baris tabel tersebut dihitung sebagai kecocokan hanya jika katalog workspace memuat Component yang dinamainya. Perintah ini melaporkan satu baris untuk setiap node yang dipetakannya, menyebutkan apa yang dipilihnya, tingkat kecocokan, dan skor kandidat terbaik, serta satu baris berbunyi made no choice for <node id> (<node type>) untuk node yang tidak diberi Component sendiri. Node yang dirujuk ke Component katalog, alih-alih disusun sebagai draf, tidak memiliki file sendiri: draf Aggregate menyebutkan Component tersebut.

Tata letak draf ditentukan oleh pengaturan layout. platform, nilai default, menyusun draf platform yang menjalankan flow, dengan membawa flow sebagaimana diekspor, dan memberikan Component sendiri hanya kepada setiap bagian flow yang diterima oleh suatu soket platform — pada platform pustaka standar, model, server MCP atau alat lain yang dijangkau melalui HTTP, dan penyimpanan vektor. nodes menyusun draf setiap node sebagai Component tersendiri.

Platform yang membawa flow

Secara default, sebuah impor menulis:

  • aggregate.yaml — draf Aggregate yang dinamai menurut flow, sebagaimana dijelaskan di Cara draf dinamai. Draf ini memuat satu instans platform yang menjalankan flow — core/ai-agent/langflow, di bawah kunci langflow, untuk flow Langflow, core/ai-agent/flowise, di bawah kunci flowise, untuk flow Flowise, dan core/ai-agent/n8n, di bawah kunci n8n, untuk workflow n8n — yang merujuk Component katalog dengan nama tersebut. Instans ini membawa flow dalam values.flow_definition dan menamainya dalam nilai pengenalnya, flow_id pada Langflow, chatflow_id pada Flowise, dan workflow_id pada n8n. Setiap bagian flow merupakan entri tersendiri di sampingnya, yang dihubungkan ke platform di bawah uses milik instans tersebut.
  • release.yaml — draf Release dengan nama yang sama, yang menyebutkan Aggregate tersebut, dengan satu entri untuk platform dan satu untuk setiap bagian, membawa image platform dan melampirkan setiap rahasia yang dibutuhkan draf melalui referensi, seperti yang dijelaskan dalam Apa yang ditinggalkan draf untuk Release.
  • satu file di bawah components/ untuk setiap bagian yang disusunnya sebagai draf alih-alih dirujuk, ditulis sebagaimana tata letak node demi node menulis node yang disusun sebagai draf.

Jika target diberikan, impor menyusun manifest.yaml di sampingnya, seperti yang dijelaskan dalam Apa yang ditambahkan target.

Setiap node yang bukan bagian tetap berada di dalam flow yang dibawa platform dan tidak menjadi Component. Keputusannya mencatat kandidat yang dibandingkan dengannya dan tidak memilih apa pun, dan alasannya berbunyi kept in the flow <platform> carries, with no Component of its own:, diikuti penyebabnya — misalnya, bahwa tidak ada baris pemetaan yang menyebut jenisnya dan kandidat terdekatnya hanya memperoleh skor sekian. Flow mempertahankan edge antar-node; draf tidak menulis edge sendiri.

Chatflow Multiple Documents QnA dari Flowise, yang diekspor sebagai Multiple Documents QnA.json dan diimpor tanpa pengaturan dan tanpa target terhadap katalog yang memuat platform Flowise pustaka standar beserta Components model dan alat retrieval-nya, disusun sebagai Aggregate berikut, dengan sebagian besar flow dihilangkan di sini dan ditandai ...:

apiVersion: aggrega.ai/v1beta1
kind: Aggregate
metadata:
name: imported/multiple-documents-qna
version: 0.1.0
description: Draft Aggregate imported from a source in the flowise format.
spec:
components:
flowise:
type: core/ai-agent/flowise
# For the compose target only, uncomment the lines below, which declare owner_password on flowise: a secret the Release alone attaches arrives under the key value, so each is declared with a key of its own and no two arrive under one; the Release attaches its origin, naming this type or none.
# features:
# owner_password:
# type: core/secret-value
# values:
# key: OWNER_PASSWORD
values:
# chatflow_id is derived from the exported flow, which gives no identifier of its own.
chatflow_id: '96da3b80-86d0-5f23-b4e7-2573ea1f76ad'
flow_definition: |
{
"description": "Tool agent that can retrieve answers from multiple sources using relevant Retriever Tools",
...
"embeddings": "{{"{{"}}openAIEmbeddings_0.data.instance}}",
...
}
uses:
model:
chatopenai-0:
target: chatopenai-0
# For the compose target only, uncomment the lines below, which declare credential on chatopenai-0: a secret the Release alone attaches arrives under the key value, so each is declared with a key of its own and no two arrive under one; the Release attaches its origin, naming this type or none.
# features:
# credential:
# type: core/secret-value
# values:
# key: OPENAI_API_KEY
# swap to core/ai-model/azure-openai (score 0.4000) by setting type: core/ai-model/azure-openai
chatopenai-0:
type: core/ai-model/openai
values:
model: |-
gpt-3.5-turbo

Model chat-nya adalah satu-satunya bagian yang dihubungkan; kedua model embedding-nya tetap di dalam flow, karena soket model hanya menarik satu koneksi, dan alat retriever-nya tetap di dalam flow, karena tidak ada soket platform yang menerimanya. Impor melaporkan masing-masing.

Pengenal flow adalah pengenal yang diberikan oleh ekspor — id tingkat atas pada flow Langflow, id tingkat atas pada chatflow Flowise jika berupa UUID, dan id tingkat atas pada workflow n8n — jika pengenal itu terdiri atas satu hingga 128 huruf, digit, ., -, _ atau :, yang diawali huruf atau digit. Jika ekspor tidak memberikannya, atau memberikan pengenal yang memuat karakter lain, draf menulis UUID berbasis nama yang diturunkan dari nama format dan flow sebagaimana dibawa, sehingga satu flow selalu menghasilkan satu pengenal, dan komentar di atas nilai tersebut menyatakan bahwa nilai itu diturunkan. Chatflow yang diekspor dari editor Flowise tidak membawa id, sehingga diberi pengenal turunan.

Jika katalog workspace tidak memuat Component dengan nama platform tersebut, draf tetap menyebutkan platform itu dan tidak menghubungkan bagian apa pun ke sana: setiap node yang seharusnya menjadi bagian tetap berada di dalam flow, dilaporkan, dan impor memperingatkan bahwa katalog tidak memuat Component tersebut.

Node mana yang menjadi bagian, dan ke mana masing-masing dihubungkan

Sebuah node merupakan bagian flow jika sebuah baris tabel pemetaan importer, atau entri mapping_overrides, memetakan jenisnya, atau jika kandidat terbaiknya setidaknya merupakan kecocokan tingkat menengah. Node MCP Tools Langflow merupakan bagian berapa pun skornya: node itu menyebutkan server MCP yang dipanggilnya, dan server itulah bagiannya. Sebuah bagian menjadi Component tersendiri, dirujuk atau disusun sebagai draf persis sebagaimana ditentukan reuse_mode, dan dihubungkan ke soket pertama platform — dalam urutan soket yang dideklarasikan oleh entri katalog platform — yang pemilih labelnya dipenuhi oleh Component bagian tersebut: label Component yang dirujuknya, atau, untuk bagian yang disusunnya sebagai draf, label kandidat terbaiknya jika kandidat itu setidaknya merupakan kecocokan tingkat menengah. Bagian yang Component-nya tidak memenuhi pemilih soket mana pun, atau yang tidak memiliki Component untuk dibaca labelnya, tetap berada di dalam flow, dan impor melaporkannya.

Aturan-aturan ini mempersempit hal itu:

  • Model Langflow yang menamai penyedia lain tidak menerima koneksi model. Node LanguageModelComponent atau EmbeddingModel berjalan pada penyedia model yang dinamai field provider-nya, atau, jika field itu kosong, penyedia model yang dipilih field model-nya. Platform mengirimkan koneksi modelnya untuk klien yang kompatibel dengan OpenAI, sehingga node yang menamai penyedia apa pun selain OpenAI — apa pun yang dipetakan kepadanya oleh baris pemetaan atau override — tidak pernah dihubungkan ke soket model: node itu dihubungkan ke soket berikutnya yang dipenuhi oleh Component-nya, atau tetap berada di dalam alur, dengan keputusannya tidak memilih apa pun dan tanpa Component yang disusun sebagai draf untuknya, dan impor melaporkannya dengan menyebutkan penyedia tempat node itu berjalan. Node yang tidak memilih penyedia, menamainya melalui variabel global, atau mengambil modelnya dari node lain dihubungkan seperti bagian lainnya.
  • Soket yang menarik satu koneksi dipegang oleh satu bagian. Pada setiap platform, soket model menarik satu koneksi, yang dikirimkan oleh Recipes platform sebagai satu OPENAI_BASE_URL dan satu OPENAI_API_KEY. Jika beberapa bagian ditempatkan di dalamnya, bagian pertama yang Component-nya membawa model.aggrega.ai/capability: generative memegangnya — atau bagian pertama, jika tidak ada — dan setiap bagian lain tetap berada di dalam flow, dilaporkan beserta bagian yang memegang koneksi dan cara flow menjangkaunya sebagaimana node-nya ditulis.
  • Langflow menjangkau koneksi tools hanya melalui node MCP Tools yang menyebutkannya. Platform menulis alamat koneksi tools ke dalam konfigurasi server node MCP Tools yang field mcp_server-nya menyebutkan koneksi tersebut, sehingga node yang templatnya tidak membawa field mcp_server — apa pun jenisnya, dan ke mana pun baris pemetaan atau override memetakannya — tidak pernah dihubungkan ke soket tools: node itu dihubungkan ke soket berikutnya yang dipenuhi Component-nya, atau tetap berada di dalam flow, dilaporkan. Node MCP Tools yang tidak menyebutkan server tidak dihubungkan ke soket mana pun dan dilaporkan. Demikian pula node yang konfigurasi servernya menjalankan server sendiri — node itu membawa command, atau menetapkan mode Stdio — dan laporannya menyebutkan apa yang harus dihapus, karena build platform berhenti pada node yang menyebutkan server yang tidak dijawab oleh koneksi tools mana pun.
  • Server MCP dihubungkan dengan nama yang diberikan flow kepadanya. Node-node dalam satu flow yang menyebutkan satu server menjangkau satu bagian, yang disusun sebagai draf satu kali, melalui satu koneksi. Alias koneksi adalah nama server jika alias koneksi dapat menampungnya — huruf, digit, tanda hubung, dan garis bawah — dan tidak ada koneksi lain pada soket itu yang mengirimkan dengan nama variabel yang sama, yaitu aliasnya dalam huruf besar dengan setiap karakter lain ditulis sebagai garis bawah. Jika tidak, koneksi menggunakan alias yang diturunkan dari kunci bagian tersebut, server node diganti namanya menjadi alias itu di dalam flow yang dibawa draf, dan keputusan bagian tersebut menyatakannya.

Keputusan bagian yang dihubungkan menyebutkan soket platform mana yang menjadi tujuan hubungannya dan melalui koneksi mana, serta menyebutkan setiap soket yang dilewatinya beserta alasannya.

Cara flow yang dibawa menjangkau setiap bagian

Jika formatnya memungkinkan, flow yang dibawa platform menjangkau setiap bagian yang terhubung melalui koneksinya, dan draf menuliskan ke dalam flow apa yang membuatnya demikian — nama sebuah variabel, alamat yang dikosongkan, atau apa yang akan dikirim node sebagai pengganti apa yang disediakan koneksi, dikosongkan, dan tidak pernah sebuah nilai. Ini adalah pengkabelan, bukan penghapusan nilai kredensial: draf menuliskannya apa pun yang dikatakan pengaturan empty_credentials, karena nilai yang dipertahankan di sana akan menimpa apa yang dikirimkan koneksi.

  • Node MCP Tools Langflow. Platform menuliskan alamat yang dikirimkan koneksinya ke dalam konfigurasi server node dan, jika koneksi membawa kredensial, nama variabel yang menyimpannya di bawah header yang diterbitkan tool. Draf menuliskan alamat yang disimpan ekspor di sana dalam keadaan kosong, sehingga flow tidak menyimpan salinannya, dan menyerahkan alamat server — infra.endpoint dari bagian tersebut — kepada Release. Langflow mengirim field headers milik node di atas header konfigurasi servernya, sehingga draf menuliskan seluruh nilai field tersebut kosong dengan jenisnya dipertahankan — objek sebagai {}, list sebagai [], teks sebagai string kosong — karena header yang dipertahankan dengan nilainya dikosongkan tetap akan dikirim, sedangkan objek atau list kosong tidak menimpa apa pun.

  • Node model atau vector store Langflow. Platform mengirimkan koneksi model sebagai OPENAI_BASE_URL dan OPENAI_API_KEY, dan koneksi vector store sebagai variabel yang dinamai menurut aliasnya, yang dibaca Langflow melalui field yang menamai variabel global: field yang objeknya membawa load_from_db: true menyimpan nama variabel sebagai nilainya, dan Langflow membaca variabel global bernama demikian, atau variabel lingkungan bernama demikian jika tidak ada yang tersimpan. Draf menuliskan setiap field ini dengan nama variabel dan load_from_db: true:

    • openai_api_base milik node OpenAIModel, sebagai OPENAI_BASE_URL, dan api_key-nya, sebagai OPENAI_API_KEY;
    • openai_api_base milik node OpenAIEmbeddings, sebagai OPENAI_BASE_URL, dan openai_api_key-nya, sebagai OPENAI_API_KEY;
    • api_key milik node LanguageModelComponent, sebagai OPENAI_API_KEY;
    • api_base milik node EmbeddingModel, sebagai OPENAI_BASE_URL, dan api_key-nya, sebagai OPENAI_API_KEY;
    • pg_server_url milik node pgvector, sebagai AGGREGA_VECTOR_STORE_<ALIAS>_CONNECTION_STRING, dengan <ALIAS> adalah alias koneksi dalam huruf kapital dengan setiap karakter selain huruf atau angka ditulis sebagai garis bawah.

    Node LanguageModelComponent atau EmbeddingModel berjalan pada salah satu dari beberapa penyedia model — yang dinamai field provider-nya, atau, jika field itu kosong, penyedia model yang dipilih field model-nya — dan menyerahkan kuncinya kepada penyedia tersebut. Platform mengirimkan koneksi model untuk klien yang kompatibel dengan OpenAI, sehingga node seperti itu ditulis dengan variabel tersebut hanya jika berjalan pada OpenAI. Node yang berjalan pada penyedia lain tidak pernah dihubungkan, seperti di atas; node yang tidak memilih penyedia, menamai penyedianya melalui variabel global, atau mengambil modelnya dari node lain ditulis tanpa satu pun variabel itu, sehingga draf tidak pernah mengarahkan penyedia lain ke kunci koneksi. Jika tidak ada field node seperti itu yang memberikan alamat API-nya — node LanguageModelComponent tidak menyimpannya untuk OpenAI, dan api_base milik node EmbeddingModel bisa tidak ada, atau kosong jika tidak dapat menamai variabel — klien OpenAI yang dijalankannya mengambil OPENAI_BASE_URL dari lingkungan, sehingga node tetap menjangkau alamat yang dikirimkan platform.

    Klien node OpenAIEmbeddings mengirim default_headers-nya di atas header yang dibangunnya dari kunci, dan menggabungkan default_query-nya di atas query alamat yang dipanggilnya, sehingga pada node seperti itu yang dihubungkan draf, seluruh nilai masing-masing ditulis kosong dengan jenisnya dipertahankan, seperti headers milik node MCP Tools.

    Field yang ditulis ekspor tanpa kedua anggota tersebut tidak ditulis ulang — field kredensial di antaranya dibawa sebagaimana tertulis, atau ditulis kosong jika pengaturan memintanya, seperti di bawah. Jika field itu adalah yang membawa alamat bagian tersebut — dan, untuk node LanguageModelComponent atau EmbeddingModel, memberikannya — jika node seperti itu tidak berjalan pada OpenAI, atau jika node bertipe lain, impor melaporkan bagian tersebut sebagai dijangkau di alamat yang diberikan flow atau default komponennya.

  • Node OpenAI Flowise. Klien OpenAI tempat Flowise menjalankan node chatOpenAI atau openAIEmbeddings membaca OPENAI_BASE_URL dan OPENAI_API_KEY dari lingkungan jika Base Path node kosong dan node tidak memilih kredensial, sehingga draf menuliskan Base Path yang disimpan ekspor dalam keadaan kosong, dan kredensial yang dipilih node, di data.credential, juga kosong. Klien tersebut mengirim header default node, baseOptions-nya, di atas header yang dibangunnya dari kunci, sehingga draf menuliskan seluruh nilainya kosong dengan jenisnya dipertahankan. Node model bertipe lain dilaporkan sebagai dijangkau di alamat yang diberikan chatflow atau default-nya sendiri.

  • Tool atau vector store Flowise. Chatflow membaca alamat yang dikirimkan platform untuknya — AGGREGA_TOOL_<ALIAS>_URL atau AGGREGA_VECTOR_STORE_<ALIAS>_URL — hanya melalui variabel Runtime bernama demikian, yang tidak dibuat oleh apa pun saat startup. Draf tidak menuliskan apa pun untuknya, dan impor melaporkan langkah yang membuat chatflow membacanya: buat variabel Runtime di halaman Variables Flowise, lalu baca di node sebagai $vars.<name>.

  • Node n8n apa pun. Platform mengirimkan koneksi model sebagai OPENAI_BASE_URL dan OPENAI_API_KEY, dan koneksi tools atau vector store sebagai AGGREGA_TOOL_<ALIAS>_URL atau AGGREGA_VECTOR_STORE_<ALIAS>_URL, sedangkan node n8n menjangkau model, store, atau layanan di alamat yang diberikan kredensial tersimpan yang dipilihnya, atau alamat yang disimpan parameternya sendiri, dan workflow membaca variabel lingkungan hanya melalui ekspresi yang membaca $env, yang ditolak platform kecuali Aggregate menetapkan values.allow_env_access_in_nodes ke true. Draf membiarkan nilai itu pada default-nya, false, karena menetapkannya memungkinkan setiap workflow, dan setiap pengguna yang dapat menyuntingnya, membaca setiap variabel lingkungan platform, termasuk kredensial yang dikirimkan. Jadi draf tidak menuliskan apa pun ke dalam workflow untuk sebuah koneksi, dan setiap bagian yang terhubung dilaporkan sebagai dijangkau selain melaluinya. Node klien MCP menjangkau servernya di alamat yang disimpan workflow — sebagaimana ditulis ekspor, atau tanpa alamat jika pengaturan empty_credentials menuliskannya kosong, seperti di bawah — dan alamat server itu sendiri — infra.endpoint dari bagian tersebut — diserahkan kepada Release.

Jika flow dibawa, setiap bagian yang terhubung dilaporkan dengan mana yang berlaku: part-reads-connection jika flow menjangkau bagian tersebut melalui koneksinya, dan part-address-in-flow jika flow menjangkau bagian tersebut selain melalui koneksinya — di alamat yang disimpan flow, atau yang diberikan default komponennya. Keputusan bagian tersebut menyatakan hal yang sama.

Node yang tidak dihubungkan draf ke socket mana pun tetap dapat dijangkau oleh koneksi yang dihubungkannya, sebagaimana node itu ditulis: klien OpenAI tanpa alamat dan tanpa kunci sendiri membaca OPENAI_BASE_URL dan OPENAI_API_KEY yang dikirimkan platform untuk koneksi model dari lingkungannya. Jika demikian, draf menuliskan node itu seperti node yang terhubung, sehingga tidak ada yang disimpannya dikirim sebagai pengganti apa yang disediakan koneksi, dan melaporkannya dengan part-reads-connection:

  • node OpenAIEmbeddings Langflow yang field alamatnya menamai variabel OPENAI_BASE_URL yang dikirimkan platform, dibaca sebagai variabel global, saat sebuah bagian terhubung ke socket model: default_headers dan default_query-nya;
  • node chatOpenAI atau openAIEmbeddings Flowise yang Base Path-nya kosong dan tidak memilih kredensial, serta konfigurasi model seperti itu yang disimpan node agentflow di antara input-nya, saat sebuah bagian terhubung ke socket model: baseOptions-nya.

Pada node lain mana pun, nilai-nilai ini bukan pengabelan: nilai tersebut dibawa sebagaimana tertulis, atau ditulis kosong jika pengaturan memintanya, seperti yang dijelaskan bagian berikutnya.

Nilai kredensial yang disimpan flow

Sebelum flow dibawa, impor menemukan setiap nilai di dalamnya yang dapat membawa kredensial, di tempat-tempat yang tercantum di bawah, masing-masing dari salah satu dari tiga jenis: apa yang ditandai suatu format sebagai kredensial; anggota konfigurasi server MCP, di mana pun suatu format menyimpannya; dan input yang ditandai suatu format sebagai bukan kredensial tetapi tetap dapat membawanya — header permintaan, parameter kueri, seluruh permintaan yang ditulis sebagai baris perintah, input yang menyimpan kredensial dengan nama kredensial.

Secara default, impor tidak menulis kosong satu pun dari nilai tersebut: flow dibawa sebagaimana diekspor, dan setiap nilai yang ditemukan yang berisi sesuatu — bukan string kosong dan bukan null — disebutkan dalam peringatan credential-carried, berdasarkan node dan field-nya — header atau parameter kueri berdasarkan namanya — tidak pernah berdasarkan nilainya atau bagian mana pun darinya, beserta nilai pengaturan empty_credentials yang menulisnya kosong. Pengaturan ini mengaktifkan penghapusan: marked menulis kosong apa yang ditandai suatu format sebagai kredensial dan setiap anggota konfigurasi server MCP; all juga menulis kosong input yang ditandai sebagai bukan kredensial. Setiap nilai yang ditulis kosong olehnya dilaporkan dengan credential-emptied, berdasarkan node dan field-nya, tidak pernah berdasarkan nilainya; nilai yang sudah kosong, atau null, dibiarkan apa adanya dan tidak dilaporkan. Nilai yang tidak diterima pengaturan ini menghentikan impor, yang tidak membuat draf apa pun, alih-alih dibaca sebagai none.

Nilai yang ditemukan yang hanya berupa satu referensi variabel tidak menyimpan nilai sendiri: nama polos sebuah variabel, ${NAME} — termasuk variabel bawaan seperti ${workspaceFolder} atau ${userHome} — atau salah satu bentuk yang didefinisikan klien MCP, ${env:NAME} dan ${input:id}. Apa pun kata pengaturan, nilai tersebut dibawa sebagaimana tertulis dan tidak disebutkan dalam peringatan apa pun, apa pun format flow-nya, sebagaimana importer MCP menulisnya. Demikian pula anggota yang berupa satu referensi di dalam nilai yang disimpan suatu format sebagai teks, seperti mcpServerConfig Flowise yang ditulis sebagai teks JSON, atau header dan parameter kueri yang disimpan sebagai objek JSON dalam teks di Flowise dan n8n: saat ditulis kosong, teks tersebut mempertahankan anggota itu sebagaimana tertulis.

Referensi yang membawa teks setelah operator menyimpan teks tersebut, yang dapat berupa kunci, baik ada titik dua sebelum operator maupun tidak: nilai default, ${NAME:-value} atau ${NAME-value}; alternatif, ${NAME:+value} atau ${NAME+value}; pesan, ${NAME:?message} atau ${NAME?message}; penetapan, ${NAME:=value} atau ${NAME=value}. Referensi ini ditemukan seperti nilai lainnya — dibawa dan disebutkan dalam peringatan credential-carried secara default, ditulis kosong jika pengaturan meminta jenisnya — demikian pula teks lain di dalam ${…}, seperti ${config:name}, dan teks di samping referensi, seperti --key=${NAME}.

Apa yang ditulis draf agar node mencapai koneksinya — alamat yang ditulis kosong, nama variabel, kredensial terpilih atau header default yang ditulis kosong, seperti yang dijelaskan Bagaimana flow yang dibawa mencapai setiap bagian — adalah pengabelan: hal itu ditulis apa pun kata pengaturan, dilaporkan beserta cara node mencapai koneksinya, dan tidak pernah dilaporkan sebagai nilai kredensial. Apa yang berada di luar setiap tempat di bawah menjadi tanggung jawab penulis untuk ditinjau, seperti yang dinyatakan di akhir bagian ini.

Apa yang ditandai suatu format sebagai kredensial — ditulis kosong di bawah marked dan all:

  • Langflow — nilai setiap field templat yang ditandai password: true, termasuk field yang menyimpan nama variabel global, kecuali draf menulis field tersebut dengan nama variabel yang dikirimkan platform, seperti di atas.
  • Flowise — kredensial yang disimpan node di data.credential, yang dipilih oleh parameter kredensialnya; nilai setiap input yang dideklarasikan inputParams-nya bertipe password; serta FLOWISE_CREDENTIAL_ID di antara input node, dan credential atau FLOWISE_CREDENTIAL_ID di dalam objek konfigurasi pada kedalaman mana pun di dalamnya, seperti agentflow menyimpan konfigurasi model atau tool.
  • n8n — id setiap kredensial tersimpan yang dipilih node, di credentials.<type>.id. Ekspor n8n menyimpan kredensial sebagai referensi, tidak pernah nilainya, dan name referensi tersebut tidak ditemukan: n8n, saat mengimpor workflow di instans lain, menyelesaikan kredensial yang id-nya tidak dimilikinya berdasarkan tipe dan namanya. Kredensial yang dipilih ekspor lama hanya berdasarkan namanya menyebut sebuah kredensial tanpa menyimpannya, dan tidak ditemukan. Juga nilai setiap parameter yang ditandai n8n sebagai kata sandi dalam definisi node dasarnya — misalnya secret milik node Crypto, atau password milik node yang membuat pengguna — di mana pun letaknya di antara parameter node, dengan node yang digunakan sebagai tool agen dibaca sebagai node itu sendiri.

Konfigurasi server MCP — ditulis kosong di bawah marked dan all:

  • Konfigurasi mcp_server milik node MCP Tools Langflow, dan mcpServerConfig milik node Flowise, yang ditulis sebagai teks JSON atau sebagai objek: setiap nilai header, baik header berupa objek, baris kunci dan nilai, atau objek yang digabungkan utuh, dengan item jenis lain ditemukan utuh; setiap nilai lingkungan; alamat server; perintah; dan setiap argumen. Kedua format tidak menandai alamat, perintah, atau argumen sebagai kredensial, dan masing-masing dapat membawa kunci — alamat pada bagian pengguna, path, atau kuerinya — sehingga ketiganya juga ditemukan, pada kedua format. Saat ditulis kosong, perintah dan setiap argumen mempertahankan anggotanya, sehingga konfigurasi yang menjalankan servernya sendiri tetap terbaca demikian. Jika node MCP Tools Langflow dikabelkan ke koneksi tools, alamatnya adalah pengabelan, seperti di atas, dan tidak pernah dilaporkan sebagai nilai kredensial. Konfigurasi Flowise yang ditulis sebagai teks yang tidak terbaca sebagai objek JSON ditemukan utuh, karena tidak ada apa pun di dalamnya yang dapat ditemukan.
  • Node MCP Tools Langflow yang tidak membawa field mcp_server menyimpan servernya dalam field-field miliknya sendiri — alamat di sse_url, header di headers_input, lingkungan di env, dan seluruh baris perintah, termasuk argumennya, di command — dan Langflow juga tidak menandai satu pun sebagai kredensial, sehingga setiap nilai header, setiap entri env, alamat, dan baris perintah ditemukan, dengan field dan entrinya dipertahankan saat ditulis kosong. Jika env berupa daftar, setiap entri dilaporkan berdasarkan posisinya, karena nama variabel dan nilainya berbagi satu teks. Node seperti ini tidak menyebut server MCP, sehingga tidak pernah dikabelkan ke koneksi tools.
  • Field headers milik node MCP Tools Langflow sendiri, yang dikirim Langflow ke server menimpa header konfigurasinya, pada node yang tidak dikabelkan draf: seluruh nilainya, ditulis kosong dengan jenisnya dipertahankan, seperti pada node yang dikabelkan, dan dilaporkan sekali, sebagai headers.
  • Komponen MCP Tools (SSE) dan MCP Tools (stdio) Langflow, yang ditandai Langflow sebagai usang, menyimpan servernya masing-masing dalam satu field — node MCPSse menyimpan alamatnya di url, node MCPStdio menyimpan seluruh baris perintahnya, termasuk argumennya, di command — yang ditemukan utuh. Keduanya tidak menyebut server MCP, sehingga keduanya tidak dikabelkan ke koneksi tools.
  • Node klien MCP n8n — MCP Client Tool yang dipanggil agen, node MCP Client, atau klien server yang tercantum dalam registri n8n — menyimpan alamat server dalam parameter endpointUrl-nya, atau sseEndpoint pada versi pertamanya, dan header-nya hanya sebagai kredensial yang dipilihnya; alamat tersebut ditemukan utuh, baik dikabelkan maupun tidak.

Input yang ditandai suatu format sebagai bukan kredensial — ditulis kosong hanya di bawah all:

  • Header permintaan — pada Langflow, headers dari node APIRequest, URLComponent, CloudflareWorkersAIEmbeddings atau ConfluentKafkaProducer dan api_headers dari node DoclingRemote; pada Flowise, headers dari node httpAgentflow, getApiChain, postApiChain, openApiChain, apiLoader, openAPIToolkit atau searXNG, requestsGetHeaders, requestsPostHeaders, requestsPutHeaders dan requestsDeleteHeaders dari tool Requests, serta baseOptions — header bawaan yang dikirim klien sebuah model — dari node azureChatOpenAI, azureOpenAIEmbeddings, chatCerebras, chatOpenAICustom, openAIEmbeddingsCustom, chatOpenRouter, chatSambanova atau openAI; pada n8n, headerParameters, jsonHeaders, headerParametersUi dan headerParametersJson dari node n8n-nodes-base.httpRequest — versi terkininya menyimpan dua yang pertama, versi sebelumnya dua yang lain — dan dari node yang sama yang digunakan sebagai tool agen, parametersHeaders dan jsonHeaders dari node @n8n/n8n-nodes-langchain.toolHttpRequest, serta headerParametersUi dari node n8n-nodes-base.graphql. Nama header tidak membawa rahasia, sehingga nilai setiap header dilokasikan dan namanya dipertahankan, apa pun bentuk header tersebut: objek nama ke nilai, baris kunci dan nilai — pada n8n, baris name dan value — atau objek yang digabungkan Langflow ke dalam header secara utuh. Setiap header dilaporkan berdasarkan namanya. Item daftar yang bukan baris header dilokasikan secara utuh dan dilaporkan berdasarkan posisinya. Header yang ditulis sebagai teks dilokasikan secara utuh, kecuali pada Flowise dan n8n jika teks tersebut memuat header sebagai objek JSON: di sana, saat dikosongkan, teks ditulis ulang di tempatnya, setiap nilainya kosong, dan dilaporkan satu kali beserta nama header yang dimuatnya. Teks n8n yang diawali = adalah ekspresi yang dievaluasi n8n saat workflow berjalan, dan dilokasikan secara utuh. Saat dikosongkan, setiap nilai dikosongkan, termasuk nilai header yang tidak memuat rahasia seperti User-Agent, sehingga permintaan yang diimpor dikirim dengan nilai tersebut kosong hingga penulisnya memulihkannya.
  • Parameter kueri — pada Langflow, query_params dari node APIRequest atau GoogleSerperAPI dan search_params dari node SerpAPI, Serp, SearchAPI atau SearchComponent; pada Flowise, queryParams dari node httpAgentflow dan customParameters dari loader searchApi; pada n8n, queryParameters, jsonQuery, queryParametersUi dan queryParametersJson dari node n8n-nodes-base.httpRequest, baik digunakan sebagai tool maupun tidak, parametersQuery dan jsonQuery dari node @n8n/n8n-nodes-langchain.toolHttpRequest, serta queryParameters dan queryParametersJson yang disimpan node n8n-nodes-base.facebookGraphApi di antara options-nya. Masing-masing dikirim sebagai kueri sebuah permintaan, dan parameter kueri dapat membawa kunci — beberapa API pencarian menerima kuncinya sebagai api_key di dalam kueri — sehingga masing-masing dilokasikan seperti header: setiap nilai, dengan namanya dipertahankan, apa pun bentuk parameternya, dan masing-masing dilaporkan berdasarkan namanya; parameter yang ditulis sebagai teks dilokasikan secara utuh, kecuali pada Flowise dan n8n jika teks tersebut memuatnya sebagai objek JSON, yang, saat dikosongkan, ditulis ulang di tempatnya dan dilaporkan satu kali beserta nama yang dimuatnya. Saat dikosongkan, setiap nilai dikosongkan, termasuk nilai parameter yang tidak memuat rahasia, sehingga permintaan yang diimpor dikirim dengan nilai tersebut kosong — atau, dari node HTTP Flowise, yang tidak mengirim parameter bernilai kosong, tanpa parameter tersebut — hingga penulisnya memulihkannya.
  • Header bawaan dan kueri bawaan pada node OpenAI yang tidak dicapai koneksi apa pun — default_headers dan default_query dari node Langflow OpenAIEmbeddings, serta baseOptions dari node Flowise chatOpenAI atau openAIEmbeddings, di mana pun node tersebut berada, termasuk konfigurasi agentflow untuk model yang dipilihnya, jika draf tidak menghubungkan node tersebut dan tidak menemukan koneksi yang mencapainya sebagaimana tertulis; jika ada, nilai-nilai tersebut adalah pengkabelan, seperti di atas. Masing-masing dilokasikan secara utuh dan, saat dikosongkan, mempertahankan jenisnya — objek sebagai {}, daftar sebagai [], teks sebagai string kosong — dan dilaporkan satu kali.
  • Seluruh permintaan yang ditulis sebagai baris perintah — curl_input dari node Langflow APIRequest dan curl dari node Webhook, dilokasikan secara utuh, termasuk nilai bawaan Webhook. Keduanya tidak dibaca saat flow berjalan: yang pertama hanya mengisi field node di editor, yang kedua menampilkan contoh.
  • Input yang memuat kredensial dengan nama kredensial — api_key dari node Langflow OlivyaComponent, verification_token dari setiap komponen Composio, dan mem0_config dari node mem0_chat_memory, yang seluruh nilainya mempertahankan jenisnya saat dikosongkan; serta webhookSecret dan callbackSecret dari node Flowise startAgentflow dan bearerToken dari node teradataMCP. Masing-masing dilokasikan secara utuh. Input yang namanya hanya menyerupai kredensial — nama kunci yang disimpan di tempat lain, nama pengguna, atau opsi yang dideklarasikan komponen sebagai bukan rahasia — tidak dilokasikan.

Selain nilai yang dikosongkan oleh pengaturan, apa yang ditulis draf agar flow mencapai bagian-bagiannya, handle dari sebuah edge Langflow, yang ditulis sebagaimana editor Langflow menuliskannya, dan carriage return yang ditulis sebagai line feed di bawah, flow dibawa sebagaimana diekspor: tanpa semua itu, byte demi byte.

Koneksi di dalam draf tidak membawa nilai kredensial: draf Release melampirkan kredensial yang disajikan setiap koneksi melalui referensi, seperti yang dijelaskan dalam Apa yang ditinggalkan draf untuk Release.

Setiap nilai yang dibiarkan sebagaimana tertulis oleh pengaturan sampai ke draf, dan penulis meninjaunya, dipandu oleh peringatan credential-carried. Tidak ada aturan tentang field yang menjangkau bagian flow lainnya, sehingga penulis juga meninjaunya sebelum membagikan draf: kode milik komponen, yang dibawa flow dan tempat komponen kustom dapat menyimpan kunci; input yang ditambahkan editor ke node di luar yang dideklarasikan komponennya; body yang dikirim bersama permintaan, seperti milik node APIRequest atau httpAgentflow, yang dapat membawa token; argumen yang diberikan node kepada klien modelnya atau loader sebagai satu objek tersendiri, seperti model_kwargs dari node Langflow EmbeddingModel atau additionalInputs dari node Flowise replicate, yang dapat membawa kunci dengan nama apa pun; alamat selain alamat server MCP, yang dapat membawa kunci di bagian pengguna atau kuerinya; kode node Code n8n, dan header atau kueri dari node yang mengirim permintaan yang tidak dicantumkan importer di atas; serta teks bebas seperti prompt atau pesan.

Yang ditinggalkan draf untuk Release

Draf Release membawa, pada entri platform dan pada entri setiap bagian, apa yang tidak dapat disediakan oleh flow:

  • Image platform, sebagai infra.image: pilihan image milik importer sendiri, pada versi yang diketahui dijalankan oleh Recipes katalog untuk platform tersebut — langflowai/langflow:1.6.0, flowiseai/flowise:3.1.3, dan n8nio/n8n:1.110.1 — di bawah komentar yang menyatakannya. Impor tidak pernah menaikkan atau menurunkannya untuk mengikuti sumber; jika ekspor menyatakan versi platform yang berbeda, seperti yang dilakukan last_tested_version dari flow Langflow, komentar tersebut menyebutkannya.
  • Port tempat platform dipublikasikan, sebagai infra.published_port, hanya dengan --target compose: 7860 untuk Langflow, 3000 untuk Flowise, dan 5678 untuk n8n, port tempat masing-masing melayani, yang dipublikasikan oleh Recipe Compose-nya pada alamat loopback host, 127.0.0.1. Komentar di atasnya menyatakan bahwa port hanya dapat dijangkau dari mesin ini, oleh proses apa pun yang berjalan di sana, dan bahwa menghapus baris tersebut membuat layanan tetap internal. Flow kedua dari satu impor mengambil port berikutnya yang tidak diambil oleh flow sebelumnya. Dengan target lain, atau tanpa target, port ini tidak ditulis.
  • Rahasia milik platform sendiri dan kredensial setiap koneksi model, dilampirkan melalui referensi dan tidak pernah sebagai nilai: pada Langflow, slot admin_password, dibaca selama values.require_authentication tetap true; pada Flowise, slot owner_password, wajib selama values.flow_definition ditetapkan; dan, jika sebuah bagian dihubungkan ke socket model platform, credential pada koneksi tersebut. Platform n8n tidak menerima rahasia miliknya sendiri. Cara masing-masing dilampirkan bergantung pada target, seperti yang dijelaskan dalam Rahasia, untuk setiap target.
  • Setiap nilai yang tidak dimiliki sumber mana pun, ditulis sebagai string kosong di bawah komentar yang menyatakan apa nilai itu: pada Flowise, infra.owner_email, email akun pemilik, wajib selama values.flow_definition ditetapkan; dan alamat setiap server MCP yang dihubungkan ke platform, infra.endpoint dari bagiannya. Masing-masing adalah nilai yang diperlukan impor, dijawab seperti yang dijelaskan dalam File jawaban impor.

Kredensial yang disajikan oleh koneksi ke alat atau vector store tidak disusun dalam draf: kredensial koneksi semacam itu menghentikan build jika alat tidak memublikasikan header untuk mengirimkannya, sehingga komentar di atas entri platform menyebutkannya, agar Anda dapat melampirkannya di tempat alat menerimanya.

Secret, untuk setiap target

Pada --target helm, setiap secret adalah core/referenced-secret yang origin-nya adalah nama Kubernetes Secret yang sudah ada di namespace, yang menyimpan nilainya di bawah kunci data value. Nama itu tidak dapat diberikan oleh sumber mana pun, sehingga ditulis kosong di bawah komentar yang menyebutkan apa yang disimpannya, dan termasuk nilai yang masih menjadi utang impor; Manifest hasil draf memetakan core/referenced-secret ke helm/k8s-existing-secret.

Pada setiap target lain, dan tanpa target, setiap secret adalah core/secret-value yang origin-nya adalah referensi ke sebuah variabel — ${LANGFLOW_ADMIN_PASSWORD}, ${FLOWISE_OWNER_PASSWORD}, dan ${OPENAI_API_KEY} untuk kredensial koneksi model — yang dibaca dari lingkungan oleh target yang menyubstitusi referensi variabel, seperti yang dilakukan Docker Compose saat stack dimulai, sehingga tidak ada file yang memuat nilainya dan tidak ada utang untuknya. Chatflow Flowise di atas, yang diimpor tanpa target, dibuat drafnya dengan Release ini:

apiVersion: aggrega.ai/v1beta1
kind: Release
metadata:
name: imported/multiple-documents-qna
# environment is a drafted default, since no source names the environment this Release deploys to; change it to name the one it deploys to.
environment: development
version: 0.1.0
description: Draft Release imported from a source in the flowise format.
spec:
aggregate: imported/multiple-documents-qna
# manifest: left empty, since the import was given no target; an import given a target drafts the Manifest and names it here.
manifest: ""
components:
flowise:
infra:
# The image running core/ai-agent/flowise, at the version this importer drafts, which the catalog's Recipes for it are known to run; the import does not raise or lower it to follow the source.
image: "flowiseai/flowise:3.1.3"
# Left for the Release, since the source cannot supply it: infra.owner_email, the email address of the platform's owner account, required while values.flow_definition is set
owner_email: ""
features:
owner_password:
type: core/secret-value
infra:
# Attached by reference, never as a value: the owner account's password, required while values.flow_definition is set, read from the variable FLOWISE_OWNER_PASSWORD, which a target substituting variable references, as Docker Compose does when the stack starts, reads from the environment, so no file carries the value.
origin: "${FLOWISE_OWNER_PASSWORD}"
uses:
model:
chatopenai-0:
features:
credential:
type: core/secret-value
infra:
# Attached by reference, never as a value: the credential flowise presents to chatopenai-0 on its model connection, read from the variable OPENAI_API_KEY, which a target substituting variable references, as Docker Compose does when the stack starts, reads from the environment, so no file carries the value.
origin: "${OPENAI_API_KEY}"
chatopenai-0: {}

Tanpa target, impor berutang dua nilai, spec.manifest dan infra.owner_email; dengan --target compose, hanya email pemilik; dengan --target helm, email pemilik dan nama kedua Kubernetes Secret.

Pada target compose, secret yang dilampirkan hanya oleh Release tiba di bawah satu kunci, value, sehingga kata sandi pemilik atau administrator dan kredensial sebuah koneksi akan sama-sama tiba di bawah kunci itu. Karena itu, Aggregate mendeklarasikan masing-masing dengan kuncinya sendiri di mana platform menarik koneksi: owner_password dengan kunci OWNER_PASSWORD pada Flowise, admin_password dengan kunci LANGFLOW_SUPERUSER_PASSWORD pada Langflow, dan credential koneksi model dengan kunci OPENAI_API_KEY pada ketiga platform, masing-masing di bawah komentar yang menjelaskan alasannya. Dengan --target compose, baris-baris ini ditulis aktif; tanpa target, baris-baris ini ditulis sebagai komentar, seperti pada contoh di atas, agar Anda menghapus tanda komentarnya jika melakukan build untuk compose; dengan target lain apa pun, baris-baris ini tidak ditulis. Release melampirkan origin setiap slot, dengan menyebutkan tipe yang sama atau tanpa tipe.

Dengan pengaturan attach_egress_allowlist bernilai true, instans platform juga mendeklarasikan Feature core/egress-allowlist dari pustaka standar di bawah features, sebagai egress-allowlist, sehingga platform hanya terhubung ke komponen yang dicapai oleh koneksinya, pod-nya sendiri, dan DNS kluster — padanan keluar dari edge uses sebagai panggilan yang dideklarasikan. Aggregate hanya mendeklarasikan tipe lampiran tersebut, karena lampiran sebuah Aggregate tidak membawa infra, dan Release hasil draf tidak menulis apa pun darinya: komentar di atas entri platform menyebutkan, di bawah features.egress-allowlist.infra, control_plane_present, yang ditetapkan operator ke true untuk menegaskan bahwa plugin jaringan kluster menegakkan kebijakan jaringan, yang tanpanya build berhenti; admitted_destinations, sebuah daftar yang memuat, untuk setiap koneksi yang targetnya tidak dijalankan oleh kluster, seperti model yang di-host, sebuah entri yang menyebutkan target dan rentang alamat, yang tanpanya build berhenti dengan menyebutkan koneksi tersebut; dan aggrega.ai/namespace untuk batas yang memuat platform, karena kebijakan ditempatkan di namespace beban kerjanya dan build berhenti jika beban kerja tersebut tidak dikeluarkan ke namespace mana pun. Tidak satu pun kunci ini ditulis kosong, sehingga tidak satu pun termasuk nilai yang menjadi utang impor. Keputusan setiap bagian yang terhubung menyatakan bahwa lampiran tersebut mengizinkan koneksinya, dan impor melaporkan lampiran tersebut sebagai feature-attached. Compose tidak memiliki kebijakan jaringan, sehingga build compose dari draf semacam itu berhenti dengan menyebutkan lampiran tersebut; di mana platform menarik koneksi, baris-baris compose di atas ditulis di dalam blok features instans, tanpa kunci features kedua.

Model yang dilayani sebuah bagian

Bagian yang dirujuk draf yang Component-nya mendeklarasikan nilai bernama model — sebagaimana dilakukan, dan diwajibkan, oleh setiap Component model dari pustaka standar — ditulis dengan nama model yang dipilih node-nya, sebagai values.model:

  • Langflow — model_name dari node OpenAIModel atau AnthropicModel; model dari node OpenAIEmbeddings; dan penimpaan model_name dari node LanguageModelComponent atau EmbeddingModel jika ditetapkan, dan jika tidak, model yang dipilih oleh bidang model-nya.
  • Flowise — modelName dari node chatOpenAI, chatAnthropic atau openAIEmbeddings.
  • n8n — parameter model dari node chat, completion, atau embeddings yang dipetakan dalam tabel importer, atau modelName-nya pada node Google Gemini dan Vertex, ditulis sebagai nama atau sebagai nilai pemilih tempat node n8n yang lebih baru menyimpannya. n8n tidak menyertakan parameter yang disetel ke nilai bawaannya dalam ekspor, sehingga node yang mempertahankan model bawaan tidak menyebutkan model apa pun dalam ekspor.

Release tidak dapat menulis nilai. Jadi, di mana node tidak menyebutkan model yang dapat ditulis oleh draf — node tidak memilih model apa pun, menyebutkannya melalui variabel global atau ekspresi yang hanya dibaca saat alur berjalan, mengambilnya dari node lain yang terhubung dengannya, atau bertipe yang bidang modelnya tidak dibaca oleh importer — sebuah komentar di dalam bagian tersebut meninggalkan values.model untuk penulis, dan impor melaporkannya dengan model-not-named. Bagian yang dibuat drafnya oleh draf ditulis tanpa nilai.

Cara alur ditulis ke dalam draf

Alur ditulis sebagai blok literal YAML yang chomping-nya mempertahankan jeda baris di akhirnya, sehingga values.flow_definition terbaca kembali sebagai teks alur itu sendiri. Teks sebuah Aggregate dibaca sebagai templat, sehingga setiap {{ yang dimuat alur — chatflow Flowise menulis {{<node id>.data.instance}} untuk setiap koneksi antara dua node — ditulis sebagai {{"{{"}}, yang diubah kembali oleh interpolasi menjadi dua kurung kurawal, sebagaimana dijelaskan dalam Teks yang membawa kurung kurawal gandanya sendiri. Nama model ditulis dengan cara yang sama.

Blok literal tidak dapat membawa setiap karakter sebagaimana ditulis:

  • Carriage return — dari pasangan CR LF, atau yang berdiri sendiri — ditulis sebagai satu line feed. Dokumen JSON hanya memuatnya di antara token-tokennya, tempat spasi putih apa pun terbaca sama, sehingga platform membaca alur yang sama. Impor melaporkan jumlahnya dengan carriage-returns-rewritten.
  • Karakter lain apa pun yang tidak dapat dibawa blok literal mencegah alur dibawa: karakter jeda baris — U+0085, U+2028 atau U+2029; karakter kontrol selain tab dan line feed — U+0000 hingga U+001F, U+007F, dan U+0080 hingga U+009F; noncharacter U+FFFE dan U+FFFF; serta byte yang bukan bagian dari urutan UTF-8. values.flow_definition kemudian dibiarkan tidak ditetapkan, dengan komentar yang menyatakannya, sisanya dibuat drafnya, dan impor melaporkan definition-not-carried untuk setiap jenis karakter, beserta jumlah yang dimuat alur serta baris dan kolom karakter pertama.

Alur juga tidak dibawa jika nilai yang ditulis kosong atau ditulis baru oleh draf tidak berada di byte ekspor tempat pohon hasil parse-nya memuatnya, dan impor melaporkan definition-not-carried dengan menyebutkan tempat nilai tersebut. Pengenal alur kemudian adalah pengenalnya sendiri jika draf dapat membawanya, dan jika tidak, pengenal yang diturunkan dari pengenal node-node alur.

Node demi node

Dengan layout: nodes, impor membuat draf setiap node alur sebagai Component tersendiri, dan menulis:

  • aggregate.yaml — draf Aggregate yang dinamai menurut alur, sebagaimana dijelaskan di Cara draf dinamai, yang menyusun node-node alur: satu entri untuk masing-masing, dan setiap edge alur menjadi koneksi uses dari node yang diumpaninya, dengan soket dan alias koneksi itu sama-sama dinamai menurut kunci node yang mengumpaninya, sehingga node yang diumpani oleh beberapa node memberi setiap koneksi alias tersendiri.
  • satu file di bawah components/ untuk setiap node yang dibuat drafnya — draf Component bernama <target_namespace>/<category>/<name>, dengan nama yang diambil dari tipe node, pada versi 0.1.0, bidang nilainya sebagai bidang string dari objek values tertutup dan bidang kredensialnya sebagai slot kredensial wajib yang cara pengirimannya ditentukan oleh Recipe.
  • release.yaml — draf Release dengan nama yang sama, yang menyebutkan Aggregate tersebut, dengan satu entri untuk setiap node.

Alur itu sendiri tidak dibawa, dan nilai bidang apa pun tidak dibaca.

Membawa flow yang diekspor itu sendiri

Draf bawaan membawa flow: instance platform menerima ekspor sebagai values.flow_definition, yang ditulis seperti dijelaskan dalam Cara flow ditulis ke dalam draf. Penulis yang menulis flow ke dalam sebuah Aggregate secara manual — ke dalam draf yang disusun node demi node, atau ke dalam Aggregate miliknya sendiri — menulisnya dengan cara yang sama. Component yang menjalankan flow sebagaimana ditulis menerima ekspor sebagai sebuah nilai — flow_definition pada core/ai-agent/langflow dan core/ai-agent/flowise dari pustaka standar — dan teks sebuah Aggregate dibaca sebagai templat, sehingga kurung kurawal ganda yang dimuat ekspor akan dibaca sebagai aksi templat: chatflow Flowise menulis {{<node id>.data.instance}} untuk setiap koneksi antara dua node, prompt Flowise menyebut variabel sebagai {{question}}, dan ekspor Langflow membawa kode sumber komponennya, tempat kurung kurawal tersebut juga dapat muncul. Tulis setiap {{ dalam ekspor sebagai {{"{{"}}, di dalam block scalar, dan interpolasi memulihkan teks ekspor sebelum Recipes milik Component membacanya; Teks yang membawa kurung kurawal gandanya sendiri menjelaskan alasannya. Nilai kredensial yang dimuat ekspor seharusnya berada dalam secret yang dilampirkan Release, bukan dalam Aggregate: tulislah kosong, seperti yang dilakukan draf ketika pengaturan empty_credentials memintanya.

# Aggregate fragment — a Flowise chatflow carried as exported
spec:
components:
chat:
type: core/ai-agent/flowise
values:
chatflow_id: 3f2b8c1e-7a4d-4e9b-8c2f-1a6d5e9b0c47
flow_definition: |
{
"nodes": [
{
"id": "llmChain_0",
"data": {
"name": "llmChain",
"inputs": {
"model": "{{"{{"}}chatOpenAI_0.data.instance}}",
"prompt": "{{"{{"}}promptTemplate_0.data.instance}}"
}
}
}
],
"edges": []
}

Importer MCP

importer/mcp membaca server MCP yang dicantumkan oleh konfigurasi klien MCP, atau satu server yang dijelaskan oleh deskripsi server registri MCP, dan membuat draf setiap server sebagai instans dari alat MCP pustaka standar, core/ai-tool/mcp. Setiap server adalah satu instans, sehingga importer tidak menimbang kandidat apa pun dan tidak melaporkan keputusan pemetaan.

Apa yang dibacanya

  • Konfigurasi klien. .mcp.json milik Claude Code, claude_desktop_config.json milik Claude Desktop, dan .cursor/mcp.json milik Cursor mencantumkan servernya berdasarkan nama di bawah mcpServers; .vscode/mcp.json milik Visual Studio Code mencantumkannya di bawah servers, dan file yang mencantumkan server di bawah keduanya dibaca di bawah mcpServers terlebih dahulu. Server yang type-nya stdio, atau yang tidak menyebutkan type dan memuat command, dijalankan dari baris perintah — command dan args-nya — dengan env-nya sebagai lingkungannya. Server yang type-nya http, streamable-http atau sse, atau yang tidak menyebutkan type maupun command dan memuat url, dijangkau di url-nya dan dikirimi headers-nya.
  • Deskripsi server registri. server.json yang diterbitkan registri MCP: name-nya, dan paket pertamanya, atau, jika tidak mencantumkan paket, remote pertamanya. Paket npm atau PyPI dijalankan dari baris perintah yang dibentuk oleh peluncurnya — runtimeHint-nya, atau npx untuk npm dan uvx untuk PyPI — runtimeArguments-nya, paket beserta versinya, ditulis <identifier>@<version> untuk npm dan <identifier>==<version> untuk PyPI, serta packageArguments-nya, dengan environmentVariables-nya sebagai lingkungannya. Argumen posisional adalah value-nya, atau default-nya; argumen bernama ditulis <name>=<value> jika memiliki salah satunya, dan sebagai name-nya jika tidak memiliki keduanya. Paket OCI dijalankan dari image yang disebutkan oleh identifier-nya. Remote dijangkau di url-nya, dikirimi headers-nya. Setiap paket dan remote lain yang dicantumkan deskripsi disebutkan dalam komentar, karena satu instans menjalankan salah satunya.

Setiap anggota lain dari suatu server — cwd, envFile, auth milik Cursor, atau anggota yang tidak dibaca oleh jenisnya, seperti url dari server yang dijalankan dari baris perintah — tidak ditulis di mana pun, dan disebutkan dalam komentar di atas entri server di Release, karena tidak ada kunci infrastruktur core/ai-tool/mcp yang menerimanya. inputs milik konfigurasi, yang menjelaskan apa yang diminta oleh Visual Studio Code dan tidak memuat nilai, tidak dibaca. Server, lingkungannya, dan header-nya mempertahankan urutan yang ditulis sumber, kecuali dalam konfigurasi yang dibaca sebagai JSON dengan komentar, yang mempertahankan urutan yang ditulis pohon hasil parsingnya: urutan nama (lihat Konfigurasi yang memuat komentar).

Direktori dibaca melalui konfigurasi klien yang dimuatnya — setiap file yang bernama salah satu dari keempatnya, pada kedalaman berapa pun — dalam urutan path-nya, dan setiap server dari setiap file dibuat drafnya ke dalam satu Aggregate.

Menjadi apa sebuah server

aggregate.yaml adalah draf Aggregate yang dinamai menurut sumbernya, sebagaimana dijelaskan Cara draf dinamai, yang memuat satu instans core/ai-tool/mcp per server. Instans diberi kunci berupa nama servernya, dalam huruf kecil, dengan setiap rangkaian karakter selain huruf dan angka ditulis sebagai satu tanda hubung, serta akhiran angka jika server sebelumnya telah mengambil kunci tersebut. Jika kunci bukan nama server sebagaimana ditulis, atau impor membaca beberapa file, komentar di atas instans menyebutkan server dan file asalnya. Tidak ada agen yang dibuat drafnya untuk menggunakannya.

Di sampingnya, release.yaml adalah draf Release dengan nama yang sama, yang spec.aggregate-nya menyebutkan Aggregate tersebut, dan memuat untuk setiap instans input operasional yang dinyatakan sumber:

  • untuk server yang dijalankan dari baris perintah, infra.stdio_command, perintahnya lalu setiap argumen, masing-masing satu item; dan infra.stdio_runtime, ekosistem peluncur, npm jika perintahnya npx, npm atau node, pypi jika perintahnya uvx, uv, python atau python3, dan, untuk paket registri, registrinya, npm atau pypi;
  • untuk server yang dijangkau di suatu alamat, infra.endpoint: alamat tanpa bagian pengguna, query, dan fragmennya, karena Component menerima alamat tanpa bagian apa pun yang memuat kunci; setiap bagian yang dihilangkannya ditulis dalam komentar di atas entri, di samping alamat, sebagaimana dijelaskan dalam Nilai kredensial yang dimuat server;
  • untuk paket OCI, infra.image;
  • untuk server mana pun, pada target apa pun, tidak ada infra.published_port: draf tidak pernah memublikasikan server di host;
  • untuk lingkungan server, slot server_env, yang dilampirkan melalui referensi sesuai target impor. Pada --target helm, slot ini adalah core/referenced-secret yang menyebutkan Kubernetes Secret yang sudah ada di namespace dan menyimpan satu kunci data per variabel, masing-masing dinamai sesuai variabel yang disimpannya; nama Secret ditulis kosong, di bawah komentar yang menyebutkan kunci-kunci data tersebut, dan termasuk nilai yang menjadi utang impor. Pada setiap target lain, dan tanpa target, slot ini adalah core/referenced-secret-set dengan satu entri di bawah infra.entries per variabel, dengan nama variabel sebagai kuncinya dan nilainya sebagaimana ditulis sumber, sehingga referensi variabel seperti ${GITHUB_TOKEN} tetap menjadi referensi, yang dibaca dari lingkungan oleh target yang menyubstitusi referensi variabel.

Apa yang tidak dinyatakan sumber ditulis kosong, di bawah komentar yang menyebutkan apa itu: perintah yang peluncurnya tidak dimuat oleh image bridge mana pun membiarkan infra.stdio_runtime kosong, dan nilai itu menjadi utang impor; argumen yang dibiarkan deskripsi registri untuk penggunanya ditulis sebagai item kosong, dan variabel yang nilainya tidak ditulis sumber ditulis sebagai entri dengan nilai kosong, masing-masing disebutkan dalam komentar di atas entri.

Seperti setiap Release hasil draf, ia menulis metadata.environment sebagai development, di bawah komentar yang menyatakan bahwa itu adalah nilai bawaan draf yang perlu diubah, dan, tanpa target, spec.manifest sebagai string kosong yang menjadi utang impor. Jika diberi target, importer membuat draf Manifest itu sendiri, karena katalog merealisasikan core/ai-tool/mcp melalui beberapa Recipes dan hanya importer yang tahu cara setiap server berjalan: importer memetakan setiap server berdasarkan kuncinya, di bawah mappings.components.name, ke realisasi target untuk cara server tersebut berjalan — mcp-stdio-bridge untuk baris perintah, mcp-remote untuk alamat, mcp untuk image, seperti helm/mcp-stdio-bridge atau compose/mcp-remote — dan tipe secret yang digunakan untuk melampirkan lingkungan ke realisasinya, helm/k8s-existing-secret pada helm dan compose/dotenv-secret-set pada compose. Impor melengkapi Manifest tersebut dan menyebutkannya dalam Release, sebagaimana dijelaskan dalam Apa yang ditambahkan target.

.mcp.json milik Claude Code yang mencantumkan server yang dijangkau melalui HTTP dan server yang dijalankan dengan npx:

{
"mcpServers": {
"api-server": {
"type": "http",
"url": "https://api.example.com/mcp",
"headers": { "Authorization": "Bearer ${API_KEY}" }
},
"github": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-github"],
"env": { "GITHUB_PERSONAL_ACCESS_TOKEN": "${GITHUB_TOKEN}" }
}
}
}

dibuat drafnya sebagai:

aggregate.yaml
apiVersion: aggrega.ai/v1beta1
kind: Aggregate
metadata:
name: imported/mcp
version: 0.1.0
description: Draft Aggregate imported from a source in the mcp format.
spec:
components:
api-server:
type: core/ai-tool/mcp
github:
type: core/ai-tool/mcp
release.yaml
apiVersion: aggrega.ai/v1beta1
kind: Release
metadata:
name: imported/mcp
# environment is a drafted default, since no source names the environment this Release deploys to; change it to name the one it deploys to.
environment: development
version: 0.1.0
description: Draft Release imported from a source in the mcp format.
spec:
aggregate: imported/mcp
# manifest: left empty, since the import was given no target; an import given a target drafts the Manifest and names it here.
manifest: ""
components:
# The headers the source sends this server, which no infrastructure key of core/ai-tool/mcp takes, since a remote server's credential is held by each consumer, on its connection to the tool:
# - Authorization: "Bearer ${API_KEY}"
api-server:
infra:
endpoint: "https://api.example.com/mcp"
github:
infra:
stdio_command:
- "npx"
- "-y"
- "@modelcontextprotocol/server-github"
stdio_runtime: npm
features:
server_env:
type: core/referenced-secret-set
infra:
# Attached by reference wherever the source names a variable: the environment github is started with, one entry per variable, each written as the source writes it, so a variable reference stays one, which a target substituting variable references, as Docker Compose does when the stack starts, reads from the environment, and an empty value is one still owed.
entries:
- key: "GITHUB_PERSONAL_ACCESS_TOKEN"
value: "${GITHUB_TOKEN}"

Jika diimpor dengan --target helm, Release dari konfigurasi yang sama melampirkan lingkungan sebagai Secret yang disebutkannya, dan Manifest yang dibuat drafnya oleh importer memetakan setiap server berdasarkan kuncinya:

# release.yaml, the github entry's environment
features:
server_env:
type: core/referenced-secret
infra:
# Left for the Release, since the source cannot supply it: the name of a Kubernetes Secret already in the namespace holding the environment github is started with, one data key per variable, each named as the variable it holds: GITHUB_PERSONAL_ACCESS_TOKEN.
origin: ""
manifest.yaml
apiVersion: aggrega.ai/v1beta1
kind: Manifest
metadata:
name: imported/mcp
version: 0.1.0
spec:
mappings:
components:
type: {}
name:
api-server: helm/mcp-remote
github: helm/mcp-stdio-bridge
features:
type:
core/referenced-secret: helm/k8s-existing-secret

Nilai kredensial yang dimuat server

Setiap nilai konfigurasi server yang ditulis oleh Release — setiap nilai header, setiap item baris perintahnya, alamatnya, setiap bagian alamat yang dihilangkan oleh infra.endpoint, dan setiap nilai lingkungan — dapat memuat kunci, dan tidak ada klien yang menandainya sebagai kredensial, sehingga impor menempatkan masing-masing sebagai anggota konfigurasi server MCP; input registri yang ditandai isSecret ditempatkan sebagai nilai yang ditandai formatnya sebagai kredensial. Input registri — variabel lingkungan atau header remote — dibaca sebagai value-nya, atau default-nya jika ia tidak menulis nilai. Secara bawaan, masing-masing dibawa apa adanya ke dalam Release dan disebut dalam peringatan credential-carried berdasarkan servernya dan tempatnya — headers.<header>, infra.stdio_command.<position>, infra.endpoint atau server_env.<variable>, dan bagian alamat berdasarkan url tempat ia ditulis serta nama bagiannya, seperti dalam “url of node remote-search is carried with its query as written (url dari node remote-search dibawa beserta query-nya apa adanya)” — tidak pernah berdasarkan nilainya. Dengan setelan empty_credentials bernilai marked atau all, masing-masing ditulis kosong dan dilaporkan dengan credential-emptied: item baris perintah sebagai item kosong dan nilai lingkungan sebagai nilai kosong, masing-masing disebutkan dalam komentar di atas entri; alamat sebagai infra.endpoint kosong, yang menjadi utang impor; dan nilai header atau bagian alamat dihilangkan dari komentar, yang hanya menyebut header atau bagian tersebut. infra.stdio_runtime milik klien dibaca dari perintah sebagaimana ditulis oleh Release, sehingga perintah yang ditulis kosong juga membuatnya kosong, dan nilai itu menjadi utang impor. Pada --target helm, Release sama sekali tidak menulis nilai lingkungan: Secret yang disebutkan slot server_env yang menyimpannya.

Nilai yang hanya berupa satu referensi variabel — nama polos ${NAME}, termasuk variabel bawaan seperti ${workspaceFolder}, ${env:NAME} atau ${input:id} — tidak memuat nilai sendiri: ia ditulis sebagai teks apa adanya, apa pun setelannya, dan ia tidak disebut dalam peringatan apa pun, sebagaimana referensi dalam flow. Variabel lingkungan yang nilainya berupa referensi semacam itu ditulis sebagai nilai entri, dengan referensinya tetap menjadi referensi, dan header atau bagian alamat yang nilainya berupa referensi semacam itu dicantumkan bersama referensi yang dibacanya. Referensi yang memuat teks setelah operator — nilai default, alternatif, pesan, atau penugasan, seperti ${NAME:-value} atau ${NAME-value}, dengan atau tanpa titik dua — memuat teks tersebut, demikian pula teks di samping referensi; masing-masing ditempatkan seperti nilai lainnya.

Tidak ada kunci infrastruktur core/ai-tool/mcp yang menerima nilai header: kredensial server remote dipegang oleh setiap konsumen, pada koneksinya ke tool, dan impor tidak membuat draf konsumen. Karena itu, komentar di atas entri server mencantumkan setiap header yang dikirimkan sumber kepadanya, di samping nilainya apa adanya — string berkutip ganda yang terbaca kembali persis sebagai teks sumber — agar Anda pindahkan ke koneksi konsumen yang menyajikannya. Header yang nilainya tidak ditulis sumber, seperti input header registri tanpa nilai maupun default, dicantumkan sebagai tidak memiliki nilai. Image yang disebut paket OCI ditulis apa adanya, dan bukan nilai yang dijangkau setelan tersebut.

infra.endpoint menerima alamat tanpa bagian apa pun yang memuat kunci, sehingga bagian-bagian alamat yang ditulis sumber dan dihilangkannya — bagian pengguna sebelum @, query setelah ?, dan fragmen setelah #, dengan segala sesuatu setelah # pertama sebagai fragmen — dicantumkan dalam komentar yang sama, masing-masing di samping namanya dan apa adanya, tanpa @, ? atau # yang memisahkannya. Konsumen yang membaca kuncinya dari alamat menyediakan alamat lengkap pada koneksinya sendiri ke tool. Server yang dijangkau di https://user:pw@api.example.com/mcp?key=k, tanpa setelan, dibuat drafnya sebagai:

# The address's user part and query are not written in infra.endpoint, which holds the address without any part that carries a key; a consumer reading its key from the address supplies the whole address on its own connection to the tool:
# - user part: "user:pw"
# - query: "key=k"
api:
infra:
endpoint: "https://api.example.com/mcp"

dan dengan empty_credentials bernilai marked, infra.endpoint diserahkan kepada Release dan komentar mencantumkan user part dan query masing-masing dengan nilainya dihilangkan.

Konfigurasi yang memuat komentar

Visual Studio Code membaca .vscode/mcp.json sebagai JSON dengan komentar, demikian pula importer MCP: signature-nya untuk file tersebut membacanya melalui parser yang melayani parse:jsonc, sehingga konfigurasi yang memuat komentar // dan /* */ serta koma di akhir dikenali tanpa format yang disebutkan, dan importer membaca setiap sumber yang mencantumkan servernya di bawah servers melalui parser tersebut. Konfigurasi semacam itu dibuat drafnya persis seperti konfigurasi yang sama tanpa komentar dan koma di akhir. Parser menulis anggota objek dalam urutan nama, sehingga server dari konfigurasi semacam itu, lingkungannya, dan header-nya dibuat drafnya dalam urutan nama, baik konfigurasi tersebut memuat komentar maupun tidak; baris perintah mempertahankan urutannya. Klien lain dan registri membaca file mereka sebagai JSON, demikian pula importer: .mcp.json, claude_desktop_config.json, .cursor/mcp.json atau server.json yang memuat komentar tidak dikenali oleh signature apa pun, dan jika diimpor dengan menyebut --format mcp, ia berhenti dengan parse-failed beserta alasan dari parser. Komentar yang dibuka dengan /* dan tidak pernah ditutup dibiarkan apa adanya, dan parser menolak file tersebut.

Setelan yang dibacanya

Importer MCP membaca target_namespace dan empty_credentials, sebagaimana dijelaskan dalam Setelan, dan tidak membaca setelan lain.

Importer Compose

importer/compose membaca layanan dan model yang dideklarasikan sebuah berkas Compose. Importer ini membuat draf setiap layanan sebagai instans dari Component katalog yang cocok dengan image-nya, atau dari server generik pustaka standar, core/compute/server, yang menjalankan image-nya; setiap model sebagai instans dari runtime Docker Model Runner pustaka standar, core/ai-model/docker-model-runner, jika katalog Anda memuatnya, dan sebagai Component model tersendiri jika tidak; serta sebuah Release di sampingnya yang memuat apa yang dinyatakan setiap layanan untuk operasinya.

Apa yang dibacanya

  • Berkas. Berkas yang diimpor tersendiri dibaca sendiri. Sebuah direktori dibaca seperti Compose membacanya: di setiap direktori yang memuat berkas Compose, menurut urutan path direktori, yang pertama ada di antara compose.yaml, compose.yml, docker-compose.yml dan docker-compose.yaml adalah berkas Compose, dan yang pertama ada di antara compose.override.yml, compose.override.yaml, docker-compose.override.yml dan docker-compose.override.yaml digabungkan di atasnya. Berkas lain dari berkas-berkas tersebut tidak dibaca. Direktori yang memuat berkas override tanpa berkas Compose membaca berkas override pertamanya sendiri. Sebuah komentar di awal Aggregate hasil draf menyebutkan berkas yang dibaca, menurut urutan penggabungannya, serta berkas yang tidak dibaca. Setiap layanan dan model dari setiap direktori dibuat drafnya ke dalam satu Aggregate.
  • Penggabungan. Berkas override digabungkan seperti Compose menggabungkannya: image diganti; ports digabungkan menurut alamat, port yang dipublikasikan, port kontainer, dan protokolnya, volumes menurut path-nya di kontainer, dan environment menurut nama variabel, dengan entri yang lebih akhir menggantikan entri yang lebih awal dan entri baru ditambahkan di belakang; expose ditambahkan; depends_on dan models milik layanan disatukan, dengan endpoint_var dan model_var sebuah entri masing-masing menggantikan yang dinyatakan berkas sebelumnya. Untuk sebuah model, model dan context_size diganti dan runtime_flags ditambahkan. Tag !reset dan !override milik Compose tidak diikuti: nilai yang memuatnya digabungkan sebagaimana dibaca parser YAML.
  • Layanan. image-nya, dan apakah layanan membangunnya di bawah build; ports, expose, volumes dan environment-nya — sebuah mapping, atau daftar item NAME=value, dengan nama tanpa nilai mengambil nilainya dari lingkungan tempat Compose berjalan; depends_on, sebuah daftar atau mapping; dan models-nya, daftar nama model atau mapping yang entrinya dapat menyebutkan, di bawah endpoint_var dan model_var, variabel yang digunakan untuk menyampaikan alamat dan pengenal model ke layanan. Setiap anggota lain — command, healthcheck, secrets, env_file dan seterusnya — tidak ditulis di mana pun, dan disebutkan dalam komentar di atas entri layanan dalam Release.
  • Model. Setiap entri models tingkat atas: model-nya, pengenal OCI model tersebut, context_size dan runtime_flags-nya, dibawa sebagaimana tertulis ke dalam instans core/ai-model/docker-model-runner jika katalog Anda memuatnya, dan ke dalam Component model yang dibuat drafnya untuknya jika tidak; keputusan model menyebutkan yang mana, dan alasannya. Anggota lain disebutkan dalam komentar di atas instansnya.
  • Sisanya. Anggota tingkat atas lainnya — name, networks, volumes, secrets, configs — tidak dibaca, dan komentar di awal Aggregate menyebutkannya.

Layanan, model, dan environment sebuah layanan mempertahankan urutan penulisannya dalam berkas. Pohon parser menulis anggota mapping dalam urutan terurut, sehingga urutan tersebut dibaca dari teks berkas, jika anggota ditulis sebagai block mapping; mapping yang ditulis dalam flow style mempertahankan urutan terurut.

Component mana sebuah layanan

Importer mencocokkan layanan menurut repositori yang disebutkan image-nya: referensi tanpa tag dan digest-nya, dengan referensi Docker Hub ditulis dalam bentuk pendeknya — postgres untuk docker.io/library/postgres:16. Importer mencocokkan repositori melalui tabel image-nya, tabel dari repositori image ke Component katalog yang untuknya sebuah Recipe Compose dari katalog standar menjalankan image dari repositori tersebut. Tabel dihasilkan dari Recipes Compose dan Components katalog standar saat importer dibangun dan dikompilasi ke dalamnya, sehingga tidak ada Recipe yang dibaca saat impor berjalan dan tabel memuat label katalog standar, apa pun isi katalog Anda; entitas Plugin importer menyebutkan, dalam deskripsinya, revisi hub tempat tabel dihasilkan. Dari setiap Recipe, tabel membaca Component yang diimplementasikan Recipe tersebut dan image kontainernya yang bernama main, jika image tersebut menulis repositorinya dalam teksnya sendiri, atau merupakan entri locals yang melakukannya. Sebuah Recipe yang menjalankan image yang disebutkan utuh oleh Release, atau image yang disusun templatnya dengan cara lain, tidak menambahkan baris, begitu pula image yang dijalankan Recipe di samping kontainer utamanya. Dua Recipes yang menyebutkan satu repositori untuk Components berbeda menghentikan pembuatan tabel, sehingga sebuah baris tidak pernah menyebutkan salah satu dari dua. Dari Component yang disebutkan sebuah baris, tabel membaca labelnya sebagaimana diserahkan kepada impor — pada versi yang dituju referensi yang menyebutkan Component tanpa versi, beserta label yang diwarisinya melalui extends — dan menulis setiap label kecuali component.aggrega.ai/category ke dalam baris sebagai traitnya. Sebuah Recipe yang mengimplementasikan Component yang tidak dimuat katalog standar juga menghentikan pembuatan tabel.

Sebuah baris dibaca seperti baris tabel importer flow: Component, kategori yang ditempatkan namanya, traitnya, dan segmen terakhir namanya sebagai vendornya. Setelan mapping_overrides dilapiskan di atas tabel di bawah format compose, dengan kunci repositori, dan entri untuk repositori yang dipetakan tabel menggantikan baris tersebut. Jadi image yang tidak disebutkan Recipes katalog standar — milik Anda sendiri, atau image yang dijalankan sebuah Component katalog di bawah repositori lain — dipetakan oleh sebuah entri:

with:
settings:
mapping_overrides:
compose:
bitnami/redis:
component: core/datastore/redis
category: datastore
traits:
datastore.aggrega.ai/engine: kv
vendor: redis

Layanan yang image-nya dipetakan sebuah baris diputuskan seperti importer flow memutuskan sebuah node: diberi skor terhadap Components katalog Anda, direferensikan jika reuse_mode adalah auto-apply-above-threshold, yaitu nilai bawaannya, dan kandidat terbaiknya adalah kecocokan tingkat tinggi pada atau di atas reuse_threshold, dan dibuat drafnya sebagai Component tersendiri jika tidak, dengan berkas Component hasil draf dibuka oleh komentar yang menyebutkan Component yang dimiripinya. Sebuah baris membawa label Component yang disebutkannya, sehingga jika katalog Anda memuat Component tersebut dengan label yang diberikan katalog standar, layanan yang dipetakan baris tersebut merupakan kecocokan tingkat tinggi untuknya, dengan skor 0.90, dan auto-apply-above-threshold mereferensikannya pada reuse_threshold bawaan. Component yang labelnya telah diubah katalog Anda mendapat skor lebih rendah, sebanding dengan porsi trait baris yang tidak lagi dibawanya, dan direferensikan hanya selama tetap berada di tingkat tinggi; kategori ditimbang sekali, dalam sinyalnya sendiri, tidak lagi sebagai trait. Layanan yang membuat draf satu Component berbagi satu berkasnya. Layanan yang image-nya tidak dipetakan baris mana pun, yang image-nya tidak menyebutkan repositori yang dibaca importer, atau yang membangun image-nya sendiri, merupakan instans core/compute/server, apa pun isi katalog Anda. Keputusan setiap layanan dilaporkan seperti keputusan setiap node.

Menjadi apa sebuah service

aggregate.yaml adalah draf Aggregate yang dinamai menurut proyeknya, sebagaimana dijelaskan Cara draf dinamai, yang memuat satu instans per service, dari Component yang dipilih oleh keputusannya, dengan kunci seperti importer MCP memberi kunci pada sebuah server, dengan komentar di atasnya yang menyebutkan service tersebut dan file asalnya apabila kuncinya bukan nama service atau impor membaca beberapa direktori. Setiap service yang disebutkan oleh depends_on sebuah service merupakan sebuah koneksi, uses: <key>: <key>: {target: <key>}, yang ditulis di bawah sebuah socket dan sebuah alias yang keduanya dinamai menurut kunci target. Sebuah komponen membaca setiap koneksinya melalui aliasnya, socket mana pun tempat koneksi itu dihubungkan, sehingga setiap koneksi sebuah service memiliki aliasnya sendiri. Sebuah variabel environment dari service juga dapat menghasilkan koneksi, yang menyampaikan variabel tersebut dari apa yang dipublikasikan oleh service yang dijangkaunya, sebagaimana dijelaskan Menjadi apa environment dan image sebuah service. Setiap model merupakan instans dari core/ai-model/docker-model-runner apabila katalog workspace memuatnya, apa pun yang dinyatakan reuse_mode, dan tidak ada Component yang didraf untuknya: instans tersebut menulis model dan runtime_flags sebagaimana dinyatakan oleh sumber, dan context_size dari sumber sebagai context_window, nilai yang dideklarasikan runtime untuk panjang konteks sebuah model, yang ditulis kembali oleh Recipe Compose-nya sebagai context_size milik Compose. Apabila katalog tidak memuat core/ai-model/docker-model-runner, model didraf sebagai <target_namespace>/ai-model/<key>, sebuah Component dari kategori ai-model yang values-nya mendeklarasikan model, context_size dan runtime_flags, dan instansnya menulis masing-masing yang dinyatakan oleh sumber. Setiap model memiliki keputusan yang menyatakan yang mana — mapped llm (model) to core/ai-model/docker-model-runner as a reference, NONE, atau sebuah draf yang keputusannya mencatat bahwa katalog workspace tidak memuat core/ai-model/docker-model-runner — dan setiap service yang menyebutkan model tersebut terhubung dengannya dalam kedua kasus, seperti dengan service yang menjadi dependensinya. Service yang menyebutkan model dalam bentuk panjang, dengan endpoint_var atau model_var, menyebutkan variabel yang digunakan untuk menyampaikan alamat dan pengidentifikasi model kepada service. Tidak ada kunci draf yang memuat nama variabel — koneksi ditulis pada socket yang dinamai menurut model, yang tidak mendeklarasikan nilai apa pun, dan importer tidak menerima kunci infrastruktur Component mana pun — sehingga komentar di atas koneksi menyebutkan masing-masing, sebagaimana ditulis oleh entri tersebut, dan keputusan service mencatat kalimat yang sama:

search:
type: core/compute/server
uses:
# The service search reads the address of the model embedder as AI_MODEL_URL and its identifier as AI_MODEL_NAME, the names its models entry gives them; no key of the draft holds either name.
embedder:
embedder:
target: embedder

Service yang menyebutkan model dalam bentuk pendek, atau tanpa kedua variabel tersebut, terhubung dengannya tanpa komentar.

Di sampingnya, release.yaml adalah draf Release dengan nama yang sama, yang spec.aggregate-nya menyebutkan Aggregate tersebut. Untuk instans core/compute/server, draf ini menulis infra.image, image sebagaimana ditulis, dan infra.port, port tempat container mendengarkan pada entri pertama ports, atau expose apabila ports tidak memuat apa pun. Dengan --target compose, draf ini juga menulis infra.published_port, port host yang dipublikasikan oleh entri ports yang sama, sebagaimana dinyatakan oleh sumber, di bawah komentar yang menyatakan bahwa port tersebut hanya dapat dijangkau dari mesin ini, oleh proses apa pun yang berjalan di dalamnya, dan bahwa menghapus baris tersebut membuat service tetap internal; port host di bawah 1024, yang tidak diterima oleh published_port, tidak ditulis, dan komentar di atas entri menyebutkannya. Komentar di atas entri setiap service menulis apa yang dinyatakan sumber yang tidak dibawa oleh kunci draf mana pun — image dari service yang dicocokkan dengan Component lain yang tag-nya tidak diterjemahkan oleh draf, ports, expose, volumes-nya, dan setiap variabel dari environment-nya yang tidak diterjemahkan oleh draf — agar Anda membawanya ke tempat Component menerimanya. Apa yang dibiarkan draf untuk Release — image dari service yang tidak menyebutkan image, seperti service yang membangun image-nya sendiri, dan port yang bukan satu angka — ditulis kosong di bawah komentar yang menyatakan alasannya. Sebuah build hanya menempatkan instans yang disebutkan oleh Release, sehingga instans setiap model memiliki entri kosong, <key>: {}, setelah entri service: baik instans core/ai-model/docker-model-runner, yang tidak menerima input pada Compose yang tidak memiliki default, maupun model yang didraf sebagai Component tersendiri, sehingga model yang didraf sudah ditempatkan dan dapat di-build begitu Anda menulis Recipe yang merealisasikannya. Port yang tidak diterima oleh Component, seperti port di bawah batas bawah 1024 milik core/compute/server, ditulis sebagaimana dinyatakan oleh sumber, dan build berhenti dengan menyebutkannya. Release menulis metadata.environment dan, tanpa target, spec.manifest yang kosong, seperti yang dilakukan Release dari importer MCP; jika diberi target, impor mendraf Manifest, sebagaimana dijelaskan dalam Apa yang ditambahkan oleh target, dengan memetakan setiap Component ke Recipe yang merealisasikannya pada target tersebut — core/compute/server ke compose/server atau helm/server, dan core/ai-model/docker-model-runner ke compose/docker-model-runner atau helm/docker-model-runner.

Sebuah compose.yaml yang menjalankan PostgreSQL dan API miliknya sendiri yang bergantung padanya:

services:
db:
image: postgres:16
environment:
POSTGRES_DB: shop
api:
image: ghcr.io/example/shop-api:1.4.2
depends_on:
- db
ports:
- "8080:8080"
environment:
CACHE_URL: redis://cache:6379/0

didraf, tanpa pengaturan apa pun, terhadap katalog yang memuat core/datastore/postgres dari pustaka standar, diimpor tersendiri dan dinamai menurut file-nya karena proyek tidak membawa name, sebagai:

aggregate.yaml
apiVersion: aggrega.ai/v1beta1
kind: Aggregate
metadata:
name: imported/compose
version: 0.1.0
description: Draft Aggregate imported from a source in the compose format.
spec:
components:
db:
type: core/datastore/postgres
# The values of core/datastore/postgres the source sets as POSTGRES_DB, the variables its Compose Recipes set from them.
values:
database: "shop"
api:
type: core/compute/server
uses:
db:
db:
target: db
release.yaml
apiVersion: aggrega.ai/v1beta1
kind: Release
metadata:
name: imported/compose
# environment is a drafted default, since no source names the environment this Release deploys to; change it to name the one it deploys to.
environment: development
version: 0.1.0
description: Draft Release imported from a source in the compose format.
spec:
aggregate: imported/compose
# manifest: left empty, since the import was given no target; an import given a target drafts the Manifest and names it here.
manifest: ""
components:
db:
infra:
# The tag of the image the source runs, postgres:16, the engine_version of core/datastore/postgres its Compose Recipes run.
engine_version: "16"
# The source also states, for the Release to carry where core/compute/server takes it:
# ports:
# - "8080:8080"
# environment:
# CACHE_URL: "redis://cache:6379/0"
api:
infra:
image: "ghcr.io/example/shop-api:1.4.2"
port: 8080

Impor melaporkan mapped db (postgres) to core/datastore/postgres as a reference, HIGH at 0.9. Proyek tidak memuat service cache, sehingga CACHE_URL tidak menghasilkan koneksi dan tetap berada di komentar. Dengan reuse_mode: hints-only, db justru menjadi type: imported/datastore/postgres, yang didraf dalam components/imported-datastore-postgres.yaml, yang diawali dengan # resembles core/datastore/postgres (score 0.9000); reference it by setting type: core/datastore/postgres; image dan environment-nya kemudian ditulis dalam komentar di atas entrinya, karena Component yang didraf tidak mendeklarasikan satu pun nilai yang dibaca oleh Recipes katalog. Dengan --target compose, Manifest memetakan core/datastore/postgres ke compose/postgres dan core/compute/server ke compose/server; dengan --target helm, ke helm/postgres dan helm/server.

Menjadi apa environment dan image sebuah service

Apabila sebuah service merupakan instans dari Component katalog yang disebutkan oleh baris image-nya, dan katalog workspace memuat Component tersebut, importer membaca image dan environment-nya sebagaimana Recipes Compose dari katalog standar untuk Component tersebut membacanya, berdasarkan apa yang dicatat tabel image tentang setiap Recipe, dan menerjemahkannya ke dalam draf:

  • Tag image adalah kunci infrastruktur yang digunakan Recipe untuk membangun referensi image, seperti engine_version — 16 untuk postgres:16 — yang ditulis di Release di bawah komentar yang menyebutkan image sumber.
  • Variabel yang ditetapkan Recipe dari salah satu nilai Component — POSTGRES_DB, POSTGRES_USER — yang nilainya memuat teks, adalah nilai instans tersebut, database atau user, apabila Component katalog mendeklarasikannya, yang ditulis di Aggregate di bawah komentar yang menyebutkan variabel-variabel tersebut.
  • Variabel tempat Recipe membaca kata sandi, seperti POSTGRES_PASSWORD, yang nilainya berupa satu referensi variabel, adalah secret yang dilampirkan pada slot tersebut, dibaca dari variabel yang disebutkan referensi, dan dideklarasikan dengan kunci yang digunakan Recipe untuk membacanya.

Dan, untuk setiap service, setiap variabel environment-nya yang tidak dibaca dengan cara tersebut:

  • Nilai yang merupakan nama service lain dalam proyek, apabila baris service tersebut menyebutkan kunci provides yang memublikasikan nama host-nya, menghasilkan koneksi ke service tersebut, yang blok inject-nya menyampaikan variabel dari kunci tersebut — CACHE_HOST: cache adalah CACHE_HOST dari host milik cache.
  • Nilai yang sama dengan nilai yang ditetapkan service lain untuk Component-nya dan yang dipublikasikan oleh Component tersebut — DATABASE_USER: notes di samping service PostgreSQL yang menetapkan POSTGRES_USER: notes — menghasilkan koneksi yang menyampaikan variabel dari kunci provides tersebut. Apabila beberapa service atau kunci memuat nilai tersebut, yang dibaca adalah yang kuncinya, atau variabelnya sendiri, berakhir sebagaimana nama variabel berakhir, dan, jika tidak ada, yang belum menjadi sumber pembacaan variabel lain dari service tersebut; selain itu, variabel tidak dibaca.
  • Nilai yang berupa satu referensi variabel yang menyebutkan variabel tempat secret service lain dibaca — DATABASE_PASSWORD: ${POSTGRES_PASSWORD} — pada instans core/compute/server merupakan secret tersendiri, dilampirkan dengan nama variabel dalam huruf kecil dan dibaca dari variabel yang sama, apabila target menulis secret sebagai nilai yang diterima server. helm/server menolak core/referenced-secret, sehingga pada --target helm variabel semacam itu tetap berada di komentar.

Setiap variabel lainnya dibiarkan dalam komentar di atas entri service, sebagaimana ditulis oleh sumber. Panduan langkah demi langkah impor Compose menunjukkan proyek yang API-nya menjangkau basis data dan cache-nya dengan cara ini, di-build dan dijalankan sebagaimana didraf.

Nilai kredensial yang dimuat sebuah service

Compose tidak menandai nilai environment apa pun sebagai kredensial, dan importer tidak membaca nama variabel untuk mengetahui maknanya, sehingga setiap nilai environment yang berisi sesuatu diperlakukan sebagai input yang ditandai formatnya sebagai bukan kredensial tetapi dapat memuatnya. Secara default, masing-masing dibawa sebagaimana ditulis ke dalam draf — ke dalam nilai hasil terjemahannya, atau ke komentar di atas entri service-nya di Release — dan disebutkan dalam peringatan credential-carried berdasarkan service dan variabelnya — environment.<variable> — tidak pernah berdasarkan nilainya. Dengan pengaturan empty_credentials bernilai all, masing-masing ditulis kosong dan dilaporkan dengan credential-emptied: komentar menyebutkan variabelnya tanpa nilai. Pada marked tidak ada yang ditulis kosong, karena Compose tidak menandai satu pun. Nilai yang hanya berupa satu referensi variabel yang diinterpolasi Compose — ${NAME} atau $NAME — tidak memuat nilai sendiri: nilai tersebut ditulis sebagai teks apa adanya, dan tidak disebutkan dalam peringatan apa pun. Referensi yang membawa default atau pesan, seperti ${NAME:-value}, memuat teks tersebut, dan diperlakukan seperti nilai lainnya. Nilai yang dibaca Compose dari tempat lain — sebuah env_file, file sebuah secret — tidak dibaca.

Setelan yang dibacanya

Importer Compose membaca target_namespace, reuse_mode, reuse_threshold, emit_hints, render_mode, mapping_overrides dan empty_credentials, sebagaimana dijelaskan dalam Pengaturan, dan tidak ada pengaturan lain. Petunjuk yang diatur oleh emit_hints hanya ditulis di file Component yang didraf; Aggregate yang didraf tidak memuatnya.

Importer Dify

importer/dify membaca aplikasi yang diekspor dari Dify dalam DSL-nya, yaitu dokumen YAML yang ditulis Dify untuk sebuah aplikasi, lalu membuat draf Aggregate yang menyusun instalasi Dify dari pustaka standar, core/dify, dengan aplikasi dibawa dalam parameter app_definition milik instalasi tersebut. Instalasi mengimpornya saat deploy, melalui langkah yang dirender untuknya oleh Recipe server API-nya.

Apa yang dibacanya

  • Aplikasi. kind, yang bernilai app; version, versi DSL yang digunakan untuk menulis aplikasi; dan app, beserta mode-nya.
  • Workflow atau chatflow — mode workflow atau advanced-chat — menyimpan grafnya di bawah workflow: setiap node dari workflow.graph.nodes yang menyebutkan tipenya di bawah data.type adalah node aplikasi, dalam urutan yang dicantumkan graf, dan workflow.environment_variables memuat variabel yang dibacanya.
  • Aplikasi chat, agent chat, atau completion menyimpan konfigurasinya di bawah model_config: model-nya, setiap basis pengetahuan di bawah dataset_configs.datasets.datasets, dan setiap tool di bawah agent_mode.tools adalah node aplikasi, yang dinamai menurut posisinya di sana, misalnya model_config.model. Aplikasi dengan mode agent adalah satu node, agent.
  • Plugin yang dibutuhkannya. Setiap entri dependencies juga merupakan node, bernama dependencies.<n>, dengan tipe yang disebutkan entri tersebut, misalnya marketplace.

Tidak ada hal lain yang menentukan apa yang dibuat drafnya: seluruh aplikasi dibawa.

Menjadi apa sebuah aplikasi

aggregate.yaml adalah draf Aggregate yang dinamai menurut aplikasinya, sebagaimana dijelaskan Cara draf dinamai, yang menyusun satu entri core/dify, dengan kunci dify, yang parameter app_definition-nya membawa aplikasi sebagaimana ditulis — seperti yang dijelaskan Cara flow ditulis ke dalam draf untuk sebuah flow, sehingga referensi {{#…#}} milik Dify sendiri mencapai instalasi sebagaimana diekspor. Instalasi menghubungkan sendiri setiap koneksi server API-nya — basis datanya, cache-nya, vector store-nya, sandbox-nya, runtime plugin-nya, dan proxy egress-nya — sehingga draf tidak membuat Component dan tidak menghubungkan apa pun: setiap node tetap berada dalam aplikasi, dan keputusannya menyatakan demikian. Di sampingnya, release.yaml adalah draf Release dengan nama yang sama, yang menempatkan instalasi dalam sebuah batas, platform, dan membawa apa yang tidak dapat disediakan aplikasi.

Impor melihat Components dari katalog workspace dan tidak satu pun Aggregates-nya, sehingga impor tidak memeriksa bahwa katalog memuat core/dify, dan sebuah komentar di atas entri menyatakan hal itu. Jika katalog tidak memuat core/ai-agent/dify, yaitu server API yang dijalankan core/dify, impor memberi peringatan dengan platform-not-in-catalog dan tetap membuat draf entri tersebut.

Rahasia aplikasi milik instalasi, yaitu kunci yang digunakan Dify untuk menandatangani cookie sesinya dan untuk mengenkripsi kredensial penyedia model yang disimpannya, adalah parameter secret_key dari core/dify, yang tidak memiliki nilai default. Karena itu, draf mendeklarasikan parameter secret_key miliknya sendiri — sebuah string, wajib, panjangnya minimal satu karakter dan tanpa nilai default — lalu meneruskannya ke setiap entri core/dify yang ditulisnya, untuk dipenuhi oleh Release di bawah parameters miliknya; build yang Release-nya membiarkannya tidak diatur akan berhenti dengan menyebutkannya.

Aplikasi diimpor di bawah akun pemilik instalasi, yang disebutkan oleh Release dalam entri routing-nya untuk instalasi: infra.owner_email pada komponen api milik instalasi, dan slot owner_password pada komponen tersebut, yang dilampirkan sebagai core/referenced-secret; tanpanya build berhenti. Email pemilik bukan sesuatu yang dapat diberikan sumber mana pun, sehingga ditulis kosong di bawah komentar yang menyatakan apa itu, dan impor mencatatnya sebagai nilai yang wajib diisi.

Pada setiap target, entri routing yang sama menetapkan infra.marketplace_enabled ke true pada komponen api, worker, dan scheduler milik instalasi, masing-masing di bawah komentar yang menjelaskan alasannya: instalasi tidak menjangkau apa pun milik vendor Dify kecuali Release mengizinkannya, masing-masing dari ketiganya membaca pengaturannya sendiri, dan Dify memasang plugin yang melayani model sebuah aplikasi, seperti milik OpenAI, dari marketplace plugin-nya.

Rahasia aplikasi dan kata sandi pemilik adalah rahasia, yang disusun sebagai draf melalui referensi untuk target impor:

  • Pada --target helm, masing-masing menyebut sebuah Secret Kubernetes yang sudah ada di namespace: secret_key nama Secret tersebut, yang dibaca core/dify di bawah kunci data secret-key, dan owner_password sebuah Secret yang menyimpan kata sandi di bawah kunci data value. Tidak satu pun dari nama itu dapat diberikan oleh sumber mana pun, sehingga masing-masing ditulis kosong di bawah komentar yang menyatakan apa itu, dan impor mencatat keduanya sebagai nilai yang wajib diisi; Manifest yang disusun sebagai draf memetakan core/referenced-secret ke helm/k8s-existing-secret.
  • Pada setiap target lain, dan tanpa target, masing-masing adalah referensi ke sebuah variabel — secret_key sebagai "${DIFY_SECRET_KEY}" dan kata sandi pemilik sebagai "${DIFY_OWNER_PASSWORD}", nama-nama yang dibaca oleh Recipes Dify untuk Compose dari katalog standar — yang dibaca Docker Compose dari lingkungan saat stack dimulai, sehingga tidak ada yang wajib diisi untuk keduanya; pada --target compose, Manifest yang disusun sebagai draf memetakan core/referenced-secret ke compose/dotenv-referenced-secret.

Jika target diberikan, Manifest memetakan tipe setiap komponen yang disusun instalasi serta tipe milik draf itu sendiri, sebagaimana dijelaskan Apa yang ditambahkan oleh target.

Aplikasi workflow yang ditulis dan diimpor oleh pengujian importer ini, bernama Support Answers, dibuat drafnya, tanpa pengaturan, sebagai:

aggregate.yaml
apiVersion: aggrega.ai/v1beta1
kind: Aggregate
metadata:
name: imported/support-answers
version: 0.1.0
description: Draft Aggregate imported from a source in the dify format.
spec:
parameters:
secret_key:
type: string
required: true
minLength: 1
description: "Passed down to core/dify's secret_key parameter, which has no default; that parameter's description in core/dify says what the value is."
aggregates:
# An import sees the Components of the workspace's catalog and none of its Aggregates, so it does not check that the catalog holds core/dify.
dify:
type: core/dify
parameters:
secret_key: "{{ .parameters.secret_key }}"
app_definition: |
app:
description: Answers a support question from a knowledge base and files it.
...

Saat diimpor dengan --target helm, Release yang disusun sebagai drafnya memenuhi secret_key, serta menyebutkan pemilik dan mengaktifkan marketplace plugin dalam entri routing yang menempatkan instalasi, dengan setiap nilai yang wajib diisi ditulis kosong:

release.yaml
apiVersion: aggrega.ai/v1beta1
kind: Release
metadata:
name: imported/support-answers
# environment is a drafted default, since no source names the environment this Release deploys to; change it to name the one it deploys to.
environment: development
version: 0.1.0
description: Draft Release imported from a source in the dify format.
spec:
aggregate: imported/support-answers
manifest: imported/support-answers
parameters:
# Left for the Release, since the source cannot supply it: secret_key, which the drafted Aggregate declares and passes down to core/dify; that parameter's description there says what the value is
secret_key: ""
boundaries:
platform:
aggregates:
dify:
components:
api:
infra:
# Lets the installation reach Dify's plugin marketplace, which the plugin serving the application's model, such as OpenAI's, is installed from.
marketplace_enabled: true
# Left for the Release, since the source cannot supply it: components.api.infra.owner_email, the email of the installation's owner account the application is imported under, on the api component of core/dify
owner_email: ""
features:
owner_password:
type: core/referenced-secret
infra:
# Left for the Release, since the source cannot supply it: the name of a Kubernetes Secret already in the namespace holding, under the data key value, the owner account's password.
origin: ""
worker:
infra:
# Lets the installation reach Dify's plugin marketplace, which the plugin serving the application's model, such as OpenAI's, is installed from.
marketplace_enabled: true
scheduler:
infra:
# Lets the installation reach Dify's plugin marketplace, which the plugin serving the application's model, such as OpenAI's, is installed from.
marketplace_enabled: true

Impor mencatat ketiga nilai kosong itu sebagai nilai yang wajib diisi. Saat diimpor dengan --target compose, Release yang sama menulis secret_key: "${DIFY_SECRET_KEY}" dan origin: "${DIFY_OWNER_PASSWORD}", dan hanya mencatat email pemilik sebagai nilai yang wajib diisi; Release itu juga menulis infra.published_port pada komponen api, 5001, dan pada front end, yaitu komponen console, 3001, masing-masing di bawah komentar yang menyatakan bahwa layanan hanya dapat dijangkau dari mesin ini, oleh proses apa pun yang berjalan di atasnya, dan bahwa menghapus baris tersebut membuat layanan tetap internal, serta, di bawah port komponen api, infra.console_url dengan alamat tempat konsol dipublikasikan, "http://127.0.0.1:3001", yang digunakan server Dify sebagai alamat konsol. Panduan langkah demi langkah impor Dify mem-build aplikasi untuk kedua target dan menjalankannya di Kubernetes.

Apa yang dikonfigurasi Dify untuk dirinya sendiri

Dify mengonfigurasi di dalam dirinya sendiri penyedia model dan tool yang dipanggil aplikasi, dan core/ai-agent/dify tidak mendeklarasikan socket untuk model, sehingga draf tidak menghubungkan satu pun. Setiap node yang menyebutkan salah satunya dilaporkan dengan part-configured-in-platform, dan dalam keputusannya, menurut apa yang disebutkannya:

  • node llm, question-classifier, atau parameter-extractor, dan model_config.model milik aplikasi chat: model, menurut nama dan penyedianya;
  • node tool, dan tool milik aplikasi chat: tool, menurut nama dan penyedianya;
  • node agent: strategi agen dan plugin yang menyediakannya;
  • node knowledge-retrieval, dan basis pengetahuan milik aplikasi chat: basis pengetahuan tempat ia mengambil data, dan model yang digunakannya untuk merutekan kueri atau melakukan rerank, jika ia menyebutkannya. Sebuah aplikasi menyebut basis pengetahuan dengan pengenal dari instalasi asal ekspornya, dan tidak membawa dokumennya maupun store, sehingga masing-masing dibuat di dalam Dify, dalam vector store yang dihubungkan instalasi ke server API-nya;
  • dependensi: plugin, menurut pengenal yang digunakan Dify untuk memasangnya, dan dari mana Dify memasangnya.

Setiap node lainnya tetap berada dalam aplikasi tanpa ada yang dilaporkan.

Nilai kredensial yang dimuat aplikasi

Importer menemukan, dalam urutan aplikasi menuliskannya:

  • nilai setiap variabel lingkungan yang value_type-nya secret, yang ditandai Dify sebagai kredensial. Ekspor Dify menuliskannya kosong kecuali ekspor menyertakan secret;
  • authorization.config.api_key milik node permintaan HTTP, yang ditandai Dify sebagai kredensial dan diekspor sebagaimana ditulis;
  • kredensial tersimpan yang dipilih node tool, atau tool dari node agent, di bawah credential_id, yang ditandai Dify sebagai kredensial dan hanya ditulis jika ekspor menyertakan secret;
  • headers dan params milik node permintaan HTTP, yang ditandai Dify sebagai bukan kredensial dan dapat memuat kredensial, masing-masing secara utuh.

Secara default, setiap yang memuat nilai dibawa sebagaimana ditulis dalam aplikasi dan disebutkan dalam peringatan credential-carried menurut node-nya — workflow untuk variabel lingkungan — dan field-nya, tidak pernah menurut nilainya. Dengan pengaturan empty_credentials bernilai marked, setiap nilai yang ditandai Dify sebagai kredensial ditulis kosong, dan pada all header dan parameter kueri juga, masing-masing dilaporkan dengan credential-emptied. Nilai yang berupa satu referensi variabel dan tidak lebih tidak memuat nilai, dan dibawa sebagaimana ditulis apa pun pengaturannya serta tidak disebutkan dalam peringatan, seperti dalam flow. Nilai ditulis kosong dalam teks aplikasi itu sendiri: skalar setelah kuncinya diganti dengan '', dan tidak ada hal lain yang diubah. Aplikasi hanya dibawa jika parser yang melayani parse:yaml membaca kembali hasilnya sebagai aplikasi yang diekspor dengan tepat nilai-nilai tersebut dikosongkan; jika tidak, aplikasi tidak dibawa, app_definition dibiarkan tidak ditetapkan dengan komentar, dan definition-not-carried menyebutkan alasannya — seperti untuk aplikasi tempat alias YAML membaca nilai secret, yang juga akan berubah jika nilai itu ditulis kosong. Nilai yang dibiarkan sebagaimana ditulis oleh pengaturan tidak pernah ditulis ulang, sehingga tidak pernah menghalangi aplikasi dibawa.

Versi DSL

Jika aplikasi ditulis dalam versi DSL yang lebih baru daripada 0.7.0, versi yang ditulis Dify 1.17.0 — versi yang dijalankan core/ai-agent/dify secara default — impor memberi peringatan dengan dsl-version-newer. Dify menahan impor aplikasi semacam itu untuk konfirmasi, yang diberikan oleh langkah yang mengimpornya saat deploy, jadi periksa aplikasi terhadap versi Dify yang dijalankan Release.

Setelan yang dibacanya

Importer Dify membaca target_namespace, empty_credentials, layout, attach_egress_allowlist dan render_mode, sebagaimana dijelaskan Pengaturan, serta reuse_mode, reuse_threshold, emit_hints dan mapping_overrides, yang tidak mengubah apa pun yang dibuat drafnya oleh layout default: setiap node tetap berada dalam aplikasi. attach_egress_allowlist tidak melampirkan apa pun, karena entri Aggregate yang disusun menerima parameter dan tidak menerima Feature, dan jika bernilai true impor memberi peringatan dengan feature-not-attached. layout: nodes membuat draf setiap node sebagai Component tersendiri, sebagaimana dijelaskan Node demi node, dan tidak membawa aplikasi.

Importer CrewAI

importer/crewai membaca agen dan tugas yang dideklarasikan proyek CrewAI dalam file konfigurasinya, dan menyusun draf Aggregate yang memuat satu instans agen CrewAI dari pustaka standar, core/ai-agent/crewai, per agen, masing-masing terhubung ke model yang disebut konfigurasinya, serta sebuah Release di sampingnya.

Apa yang dibacanya

CrewAI menyimpan perilaku sebuah crew dalam program dan mendeklarasikan agen serta tugasnya dalam file konfigurasi, dalam salah satu dari dua tata letak, dan importer membaca keduanya:

  • Proyek klasik — config/agents.yaml, setiap agen dikunci dengan namanya, dan config/tasks.yaml, setiap tugas dikunci dengan namanya, keduanya dibaca sebagai YAML. Agen dibaca dalam urutan yang ditulis agents.yaml.
  • Proyek dalam tata letak JSON-first — crew.jsonc, yang mencantumkan agen crew berdasarkan nama di bawah agents dan tugasnya di bawah tasks, serta agents/<name>.jsonc, satu file per agen, semuanya dibaca sebagai JSON dengan komentar, sehingga komentar dan koma di akhirnya dibaca sebagaimana CrewAI membacanya. Agen dibaca dalam urutan yang dicantumkan crew.jsonc, diikuti file agen lain mana pun dalam urutan nama; agen yang dicantumkan crew tetapi filenya tidak diserahkan ke impor disebut dalam komentar dan tidak dijadikan draf apa pun. Tata letak yang sama yang ditulis dalam JSON ketat — crew.json dan agents/<name>.json — dibaca dengan cara yang sama. Jika sebuah crew atau agen ditulis dalam kedua bentuk, file .jsonc yang dibaca, sebagaimana CrewAI membacanya, dan file .json disebut dalam komentar sebagai tidak dibaca.

Dari sebuah agen, importer membaca role, goal, dan backstory-nya; allow_delegation dan verbose, di tingkat atas deklarasinya atau di bawah settings, dengan settings yang berlaku, sebagaimana CrewAI membacanya; llm-nya; dan nama-nama tools-nya. Dari sebuah tugas, importer membaca namanya dan agen yang ditugaskan untuknya. Setiap anggota lain disebut dalam komentar dan tidak dibawa ke mana pun.

Sebuah direktori diserahkan ke importer sebagai file-file yang disebut signature-nya dan tidak ada yang lain, sehingga program crew — crew.py pada proyek klasik, main.py pada flow, tool yang didefinisikan proyek dalam Python — tidak pernah dibaca. File yang diimpor tersendiri dibaca sebagai deklarasi sesuai bentuknya. Direktori sebuah proyek dapat memuat beberapa crew, masing-masing dibaca dari direktorinya sendiri.

Menjadi apa sebuah proyek

aggregate.yaml adalah draf Aggregate yang dinamai menurut crew-nya, sebagaimana dijelaskan Cara draf dinamai, diawali komentar yang menyebut deklarasi yang dibaca, bahwa program crew tidak dibaca, serta tugas setiap crew beserta agen yang ditugaskan untuk masing-masing. Draf ini memuat, per agen dan dikunci dengan namanya, satu instans core/ai-agent/crewai dengan:

  • role, goal, dan backstory sebagaimana dideklarasikan;
  • allow_delegation sebagaimana dideklarasikan, dan false jika agen tidak mendeklarasikannya;
  • log_level DEBUG untuk agen yang dideklarasikan verbose, yang menarasikan setiap langkah penalarannya, dan INFO untuk agen yang tidak, yang hanya melaporkan kemajuan dan masalah. verbose atau allow_delegation yang bukan true maupun false diserahkan ke nilai default Component dan disebut dalam komentar;
  • koneksi model-nya, terhubung ke instans model yang disebut llm-nya.

llm yang ditulis <provider>/<model>, atau sebagai objek yang menyebut model di bawah model, model_name atau deployment_name, menyebut sebuah penyedia dan sebuah model. Model tersebut adalah instans dari Component katalog untuk penyedia itu — core/ai-model/<provider>, dengan garis bawah dalam nama penyedia dibaca sebagai tanda hubung, dan azure dibaca sebagai azure-openai — dikunci dengan nama model, dengan model sebagai values.model-nya; agen-agen yang menyebut penyedia dan model yang sama berbagi satu instans. Jika katalog workspace tidak memuat Component dengan nama itu, satu Component disusun sebagai draf, <target_namespace>/ai-model/<provider>, yang mendeklarasikan nilai model, dan keputusannya menyatakan hal itu; label model.aggrega.ai/api yang digunakan socket model agen untuk memilih Component, serta Recipe yang memublikasikan endpoint dan modelnya, diserahkan kepada Anda, sebagaimana dinyatakan komentar di awalnya. llm yang tidak menyebut penyedia — nama model saja, yang penyedianya ditentukan CrewAI saat program berjalan, atau nama llm yang didefinisikan program — sebuah referensi ke dalam program, serta agen yang tidak mendeklarasikan llm, yang kemudian dibaca CrewAI dari lingkungan tempat programnya berjalan, tidak dihubungkan ke apa pun, dan komentar di atas agen menjelaskan alasannya; build berhenti dengan menyebut socket model hingga ada yang dihubungkan.

Tugas adalah logika yang dijalankan program crew, dan tool adalah kode yang didefinisikan atau dimuat program: keduanya tidak menjadi Component. Masing-masing dilaporkan dalam keputusan yang tidak memilih apa pun, dan tool yang namanya — tanpa Tool di akhir serta tanpa tanda hubung dan garis bawahnya — merupakan nama Component tool yang dimuat katalog membawa Component tersebut sebagai petunjuk: search_tool dan SearchTool sama-sama menunjuk ke core/ai-tool/search. core/ai-agent/crewai tidak mendeklarasikan socket untuk tool, sehingga tidak ada yang dihubungkan untuknya.

release.yaml, di sampingnya, adalah draf Release dengan nama yang sama yang menyebut Aggregate tersebut. Draf ini menulis infra.image setiap agen — image yang menjalankan program crew, yang tidak disebut oleh deklarasi mana pun — dalam keadaan kosong di bawah komentar yang menyatakan apa itu, dan impor mencatatnya sebagai nilai yang wajib diisi. Dengan --target compose, entri setiap agen juga menulis infra.published_port, 8000, port yang secara default disebut oleh infra.port milik Component untuk program, yang dipublikasikan oleh Recipe Compose-nya pada alamat loopback host, 127.0.0.1, di bawah komentar yang menyatakan bahwa layanan hanya dapat dijangkau dari mesin ini, oleh proses apa pun yang berjalan di atasnya, dan bahwa menghapus baris tersebut membuat layanan tetap internal; agen kedua mengambil port bebas berikutnya, sehingga kedua agen proyek klasik dipublikasikan pada 8000 dan 8001. Draf ini melampirkan kredensial yang diberikan setiap agen kepada modelnya di bawah credential pada koneksi model-nya, melalui referensi dan tidak pernah sebagai nilai: tidak ada deklarasi yang menyebut variabel untuknya, sehingga kredensial dibaca dari variabel tempat pustaka klien penyedia membaca kunci API-nya — OPENAI_API_KEY untuk OpenAI — sebagai referensi ${…} pada setiap target kecuali helm, dan pada helm sebagai nama sebuah Secret Kubernetes, ditulis kosong agar impor mencatatnya sebagai nilai yang wajib diisi; pada compose, koneksi model agen mendeklarasikannya dengan kunci tersebut. Setiap model juga memiliki entri, yang tidak memuat infrastruktur apa pun, sehingga Release menempatkannya bersama para agen. Untuk model yang dideklarasikan sebagai objek llm, setiap anggota lainnya ditulis sebagai nilai instans model jika Component katalog mendeklarasikan nilai dengan nama itu, dan jika tidak, dalam komentar di atas entri model di Release, agar Anda membawanya ke tempat Component menerimanya. Seperti setiap draf Release, draf ini menulis metadata.environment sebagai development dan, tanpa target, spec.manifest kosong yang dicatat impor sebagai nilai yang wajib diisi; jika target diberikan, impor menyusun draf Manifest, sebagaimana dijelaskan dalam Apa yang ditambahkan oleh target.

Proyek klasik yang diimpor oleh pengujian importer ini, yang kedua agennya sama-sama menyebut openai/gpt-4o, disusun sebagai draf, tanpa pengaturan apa pun, seperti di bawah ini; jika diimpor sebagai direktori proyeknya, market_brief — direktori tempat crewai create crew market_brief menata proyek semacam itu — dan karena deklarasinya tidak menyebut crew apa pun, proyek ini dinamai menurut direktori tersebut:

aggregate.yaml
# CrewAI declarations read:
# - src/market_brief/config/agents.yaml
# - src/market_brief/config/tasks.yaml
# Not read: the crew's program, which runs its agents and its tasks and defines its tools; it runs in the image the Release names for each agent.
# Tasks the crew's program runs, drafted as no Component:
# - research_task, assigned to researcher
# - brief_task, assigned to brief_writer
apiVersion: aggrega.ai/v1beta1
kind: Aggregate
metadata:
name: imported/market-brief
version: 0.1.0
description: Draft Aggregate imported from a source in the crewai format.
spec:
components:
# Tools the crew's program defines or loads for this agent, drafted as no Component: search_tool.
researcher:
type: core/ai-agent/crewai
values:
role: "{topic} Market Researcher\u000A"
goal: "Gather the facts about {topic} a buyer needs before a first meeting\u000A"
backstory: "You have briefed sales teams for years. ..."
allow_delegation: false
log_level: DEBUG
uses:
model:
gpt-4o:
target: gpt-4o
# For the compose target only, uncomment the lines below, which declare credential on gpt-4o: a secret the Release alone attaches arrives under the key value, so each is declared with a key of its own and no two arrive under one; the Release attaches its origin, naming this type or none.
# features:
# credential:
# type: core/secret-value
# values:
# key: OPENAI_API_KEY
# The agent brief_writer.
# Not carried, since core/ai-agent/crewai takes no value for it: max_iter.
brief-writer:
type: core/ai-agent/crewai
...
# The model openai/gpt-4o.
gpt-4o:
type: core/ai-model/openai
values:
model: "gpt-4o"

dan Release-nya, yang disusun sebagai draf tanpa target, seperti di bawah ini, dengan entri agen kedua dihilangkan di sini dan ditandai ...; impor mencatat spec.manifest dan image setiap agen sebagai nilai yang wajib diisi:

release.yaml
spec:
aggregate: imported/market-brief
# manifest: left empty, since the import was given no target; an import given a target drafts the Manifest and names it here.
manifest: ""
components:
researcher:
infra:
# Left for the Release, since the source cannot supply it: infra.image, the container image running the crew's program
image: ""
uses:
model:
gpt-4o:
features:
credential:
type: core/secret-value
infra:
# Attached by reference, never as a value: the credential researcher presents to gpt-4o on its model connection (the source names no variable for it, so it is read from the one OpenAI's client libraries read the API key from), read from the variable OPENAI_API_KEY, which a target substituting variable references, as Docker Compose does when the stack starts, reads from the environment, so no file carries the value.
origin: "${OPENAI_API_KEY}"
brief-writer:
...
gpt-4o: {}

Setiap agen kemudian dirender menjalankan image yang Anda berikan sebagai jawaban, dengan endpoint dan nama model diberikan sebagai OPENAI_BASE_URL dan MODEL, variabel tempat CrewAI membacanya.

Nilai kredensial yang dimuat deklarasi

llm yang ditulis sebagai objek dapat membawa kunci — di bawah api_key, dalam alamat, dalam header. Setiap anggotanya selain yang menyebut model yang bukan angka atau boolean adalah nilai yang dapat membawa kunci, yang ditandai CrewAI sebagai bukan kredensial. Secara default, setiap anggota yang memuat nilai dibawa sebagaimana ditulis — sebagai nilai instans model jika Component-nya mendeklarasikan satu, dan jika tidak, ke dalam komentar di atas entri modelnya di Release — dan disebut dalam peringatan credential-carried berdasarkan agen dan anggotanya, seperti llm.api_key, tidak pernah berdasarkan nilainya. Dengan pengaturan empty_credentials pada all, masing-masing ditulis tanpa nilai dan dilaporkan dengan credential-emptied; pada marked masing-masing tetap dibawa, karena CrewAI tidak menandai satu pun. Nama anggota tidak dibaca berdasarkan maknanya. Setiap anggota lain yang dimuat deklarasi tetapi tidak dibawa draf — konfigurasi tool, inputs milik crew — disebut, tidak pernah dengan nilainya.

Setelan yang dibacanya

Importer CrewAI membaca target_namespace, empty_credentials, dan render_mode, sebagaimana dijelaskan dalam Pengaturan, dan tidak ada pengaturan lain.

Importer LangGraph

importer/langgraph membaca graf yang dideklarasikan oleh konfigurasi aplikasi LangGraph, langgraph.json, dan menyusun draf sebuah Aggregate yang memuat satu instans agen LangGraph dari pustaka standar, core/ai-agent/langgraph, per graf, masing-masing terhubung ke datastore tempat checkpointer-nya menyimpan status dan ke sebuah model, serta sebuah Release di sampingnya yang memuat lingkungan yang dinyatakan konfigurasi. Importer membaca konfigurasi tersebut, dan tidak pernah membaca kode graf.

Apa yang dibacanya

Aplikasi LangGraph menyimpan grafnya dalam kode dan mendeklarasikannya dalam langgraph.json: di bawah graphs, id setiap graf dipetakan ke jalur impor graf dalam kode aplikasi — ./src/agent/graph.py:graph, atau module:attr — atau ke sebuah objek yang menyebut jalur tersebut di bawah path dan mendeskripsikan graf di bawah description. Importer membaca, dalam urutan yang ditulis konfigurasi:

  • graphs — id setiap graf, jalur impornya, dan deskripsinya;
  • checkpointer — backend-nya: default, yaitu PostgreSQL dan yang dibaca LangGraph jika tidak ada yang disebut; mongo, basis data yang menggunakan protokol MongoDB; atau custom, checkpointer yang didefinisikan kode aplikasi di path;
  • store — penyimpanan memori, yang tidak menyebut backend: LangGraph menyimpannya di basis data PostgreSQL yang digunakan servernya;
  • env — lingkungan tempat aplikasi berjalan: objek berisi nama variabel ke nilai, atau jalur berkas lingkungan berisi baris KEY=VALUE.

Anggota yang mengonfigurasi image server yang dibangun langgraph build — dependencies, source, python_version, node_version, base_image, image_distro, dockerfile_lines, pip_config_file, pip_installer, keep_pkg_tools, api_version — disebut dalam komentar dan tidak dibawa ke mana pun, karena image yang disebut Release adalah image milik aplikasi itu sendiri; demikian pula setiap anggota lain, termasuk konfigurasi server sendiri seperti auth, http, dan webhooks, serta index dan ttl milik store dan ttl dan serde milik checkpointer.

Sebuah direktori diserahkan ke importer sebagai langgraph.json dan tidak ada berkas lain, sehingga baik kode aplikasi maupun berkas lingkungan tidak pernah dibaca darinya. Berkas lingkungan hanya mencapai importer jika with.sources milik importer menyerahkannya, dan tidak pernah diurai: dari berkas yang disebut env konfigurasi — dicocokkan dengan segmen terakhir jalur yang disebutnya — hanya nama variabel yang dibaca, dan berkas lingkungan yang tidak disebut konfigurasi mana pun disebut dalam komentar sebagai tidak dibaca. Jika impor tidak diserahi berkas yang disebut konfigurasi, Aggregate menyebutnya sebagai tidak diserahkan dan meminta agar berkas itu disebut di bawah with.sources milik importer, dan variabelnya diserahkan kepada Release:

plugins:
importer:
- uri: importer/langgraph:<version>
with:
sources:
- ./local.env

Konfigurasi yang diimpor tersendiri dibaca apa pun namanya. Sebuah direktori dapat memuat beberapa aplikasi, masing-masing dibaca dari direktorinya sendiri.

Menjadi apa sebuah aplikasi

aggregate.yaml adalah draf Aggregate yang dinamai menurut graf-nya, sebagaimana dijelaskan Cara draf dinamai, diawali komentar yang menyebut konfigurasi yang dibaca, berkas lingkungan yang dibaca hanya untuk namanya, bahwa kode aplikasi tidak dibaca, dan apa yang tidak dibawa draf. Draf ini memuat, per graf dan dengan kunci id-nya, sebuah instans core/ai-agent/langgraph dengan:

  • graph_entrypoint, jalur impor graf, sebagaimana ditulis konfigurasi;
  • description, deskripsi graf, jika konfigurasi memberikannya;
  • koneksi checkpointer_db-nya, terhubung ke datastore aplikasi;
  • koneksi model-nya, yang dihubungkan ke model aplikasi.

recursion_limit tidak ditulis, sehingga nilai bawaan Component, 25, berlaku. Konfigurasi tidak menyebut model, sehingga draf memuat satu instans core/ai-model/openai, dengan kunci model, yang dipanggil setiap graf: model yang diberikan kepada klien OpenAI agen. values.model-nya ditulis kosong, di bawah komentar yang menyatakan bahwa konfigurasi tidak menyebut model apa pun, dan impor mencatatnya sebagai nilai yang wajib diisi.

Backend checkpointer adalah datastore yang dihubungkan ke setiap graf aplikasi: default, atau checkpointer yang tidak menyebut backend, adalah instans core/datastore/postgres, dengan kunci postgres. mongo adalah FerretDB, yang menggunakan protokol MongoDB, di atas PostgreSQL dengan ekstensi DocumentDB: sebuah instans core/datastore/ferretdb, dengan kunci ferretdb, yang dihubungkan ke setiap graf, dan sebuah instans core/datastore/documentdb, dengan kunci documentdb, yang dijangkau oleh koneksi backend FerretDB, dengan blok inject-nya mengirimkan apa yang diterbitkan DocumentDB di bawah nama-nama yang dibaca FerretDB; satu kata sandi, yang dibaca dari variabel FERRETDB_PASSWORD, dilampirkan pada DocumentDB, pada koneksi FerretDB ke DocumentDB, dan pada koneksi setiap graf ke FerretDB. Jika katalog workspace tidak memuat Component dengan nama datastore PostgreSQL, satu Component disusun sebagai draf, <target_namespace>/datastore/postgres, yang mendeklarasikan host dan port yang dibaca koneksi checkpointer_db agen, dan keputusannya menyatakan demikian; Recipe yang menjalankan datastore dan memublikasikannya diserahkan kepada Anda, sebagaimana dinyatakan komentar pembukanya. Jika katalog tidak memuat Component FerretDB atau Component DocumentDB, checkpointer mongo tidak dihubungkan ke datastore mana pun. Checkpointer custom, atau backend yang tidak dipetakan importer ke datastore mana pun, tidak menghubungkan apa pun, dan komentar di atas setiap graf serta keputusan checkpointer menyatakan alasannya; build berhenti dengan menyebut soket checkpointer_db hingga ada yang dihubungkan. Store dilaporkan dalam keputusan yang tidak memilih apa pun.

Kata sandi datastore adalah rahasia yang dilampirkan draf melalui referensi, pada slot password milik datastore itu sendiri dan pada koneksi checkpointer_db setiap graf, demikian pula kredensial yang diberikan setiap graf kepada model pada koneksi model-nya: dibaca dari POSTGRES_PASSWORD (atau FERRETDB_PASSWORD) dan OPENAI_API_KEY, karena konfigurasi tidak menyebut variabel untuk keduanya, sebagai referensi ${…} pada setiap target kecuali helm, dan pada helm sebagai nama sebuah Secret Kubernetes, ditulis kosong agar impor mencatatnya sebagai nilai yang wajib diisi. Pada compose, Aggregate mendeklarasikan masing-masing dengan kunci yang dibaca Recipe-nya, sebagaimana dijelaskan Rahasia, untuk setiap target untuk sebuah platform.

release.yaml, di sampingnya, adalah draf Release dengan nama yang sama yang menyebut Aggregate tersebut. Komentar di atas entri graf pertama menyatakan apa image setiap graf — image milik aplikasi itu sendiri, kodenya dengan LangGraph terpasang, bukan image server yang dibangun langgraph build — variabel yang diberikan kepadanya, dan blok inject: mana yang menggantikan nama variabel yang mana. Entri setiap graf menulis infra.image-nya, image yang menjalankan aplikasi, dalam keadaan kosong di bawah komentar yang menyatakan apa itu, dan impor mencatatnya sebagai nilai yang wajib diisi; selama belum ditetapkan, Recipe Docker Compose menjalankan agen quickstart milik katalog sendiri, yang membaca variabel default. Dengan --target compose, entri setiap graf juga menulis infra.published_port, 8000, port yang secara default disebut oleh infra.port milik Component untuk aplikasi, yang dipublikasikan oleh Recipe Compose-nya pada alamat loopback host, 127.0.0.1, di bawah komentar yang menyatakan bahwa layanan hanya dapat dijangkau dari mesin ini, oleh proses apa pun yang berjalan di atasnya, dan bahwa menghapus baris tersebut membuat layanan tetap internal; graf kedua mengambil port bebas berikutnya. Penyimpanan data dan model juga memiliki entri, sehingga Release menempatkannya bersama graf-graf tersebut. Komentar di atas graf pertama aplikasi menyatakan lingkungan yang dideklarasikan konfigurasinya, sebagaimana dijelaskan Lingkungan yang dinyatakan konfigurasi. Seperti setiap draf Release, draf ini menulis metadata.environment sebagai development dan, tanpa target, spec.manifest kosong yang dicatat impor sebagai nilai yang wajib diisi; jika target diberikan, impor menyusun draf Manifest, sebagaimana dijelaskan Apa yang ditambahkan oleh target.

Aplikasi Python yang diimpor oleh pengujian importer ini, yang mendeklarasikan dua graf, checkpointer tanpa backend, sebuah store, dan env yang ditulis sebagai objek, disusun sebagai draf, tanpa pengaturan, seperti di bawah ini; jika diimpor sebagai direktorinya, support_desk — yang, seperti di sini, dinamai menurut paket tempat graf-grafnya didefinisikan — dengan dua graf yang id-nya berbeda, aplikasi ini dinamai menurut direktori tersebut:

aggregate.yaml
# LangGraph configurations read:
# - langgraph.json
# Not read: the application's code, which defines each graph; it runs in the image the Release names for each graph.
# Not carried, since they configure the server image langgraph build builds, and the image the Release names is the application's own: dependencies, python_version.
# Not carried, since core/ai-agent/langgraph takes no value for them: http.
# The store configures the memory store, which LangGraph keeps in the PostgreSQL database its server uses; not carried, since core/ai-agent/langgraph takes no value for it: index, ttl.
# Not carried, since core/ai-agent/langgraph takes no value for them: checkpointer.ttl.
apiVersion: aggrega.ai/v1beta1
kind: Aggregate
metadata:
name: imported/support-desk
version: 0.1.0
description: Draft Aggregate imported from a source in the langgraph format.
spec:
components:
triage:
type: core/ai-agent/langgraph
values:
graph_entrypoint: "./src/support_desk/triage.py:make_graph"
description: "Routes an incoming ticket to the {team} that owns it."
uses:
checkpointer_db:
postgres:
target: postgres
# For the compose target only, uncomment the lines below, which declare credential on postgres: a secret the Release alone attaches arrives under the key value, so each is declared with a key of its own and no two arrive under one; the Release attaches its origin, naming this type or none.
# features:
# credential:
# type: core/secret-value
# values:
# key: POSTGRES_PASSWORD
model:
model:
target: model
# For the compose target only, uncomment the lines below, ...
support:
type: core/ai-agent/langgraph
...
# The database the configuration's checkpointer keeps each graph's state in, PostgreSQL.
postgres:
type: core/datastore/postgres
# For the compose target only, uncomment the lines below, ...
# The model every graph calls, which the configuration does not name.
model:
type: core/ai-model/openai
values:
# Left for the author, since the configuration names no model: values.model, the name of the model core/ai-model/openai serves.
model: ""
release.yaml
spec:
aggregate: imported/support-desk
# manifest: left empty, since the import was given no target; an import given a target drafts the Manifest and names it here.
manifest: ""
components:
# Each graph's image is the application's own, not the server image langgraph build builds: its code, with LangGraph installed.
# It is handed, for its code to read, the graph to run as LANGGRAPH_GRAPH_ENTRYPOINT, the model's name as OPENAI_MODEL, the checkpointer store's host and port as LANGGRAPH_CHECKPOINTER_HOST and LANGGRAPH_CHECKPOINTER_PORT, its user and database, where the store publishes them, as LANGGRAPH_CHECKPOINTER_USER and LANGGRAPH_CHECKPOINTER_DATABASE, and a password attached on the checkpointer_db connection as LANGGRAPH_CHECKPOINTER_PASSWORD.
# It is also handed the model's address as OPENAI_BASE_URL and a key attached on the model connection as OPENAI_API_KEY, which the OpenAI client library reads, and recursion_limit as LANGGRAPH_DEFAULT_RECURSION_LIMIT, which LangGraph reads.
# An inject: block on the graph's own instance, through an entry reading graph_entrypoint alone, replaces LANGGRAPH_GRAPH_ENTRYPOINT with the name it writes; one on the model connection replaces OPENAI_MODEL, and one on the checkpointer_db connection the store's host, port, user and database, with the names it writes.
# The environment langgraph.json states for its application, for the Release to carry where core/ai-agent/langgraph takes it for each of its graphs:
# SUPPORT_QUEUE: "..."
# OPENAI_API_KEY: "..."
# MAX_TICKETS: "25"
triage:
infra:
# Left for the Release, since the source cannot supply it: infra.image, the container image running the application
image: ""
uses:
checkpointer_db:
postgres:
features:
credential:
type: core/secret-value
infra:
# Attached by reference, never as a value: the credential triage presents to postgres on its checkpointer_db connection, the password of postgres (the configuration names no variable for it), read from the variable POSTGRES_PASSWORD, which a target substituting variable references, as Docker Compose does when the stack starts, reads from the environment, so no file carries the value.
origin: "${POSTGRES_PASSWORD}"
model:
model:
features:
credential:
type: core/secret-value
infra:
# Attached by reference, never as a value: the credential triage presents to model on its model connection (the source names no variable for it, so it is read from the one OpenAI's client libraries read the API key from), read from the variable OPENAI_API_KEY, which a target substituting variable references, as Docker Compose does when the stack starts, reads from the environment, so no file carries the value.
origin: "${OPENAI_API_KEY}"
...
postgres:
features:
password:
type: core/secret-value
infra:
# Attached by reference, never as a value: the password of postgres (the configuration names no variable for it), read from the variable POSTGRES_PASSWORD, which a target substituting variable references, as Docker Compose does when the stack starts, reads from the environment, so no file carries the value.
origin: "${POSTGRES_PASSWORD}"
model: {}

Impor mencatat empat nilai sebagai nilai yang wajib diisi: spec.manifest, image setiap graf, dan nama model. Setelah semuanya dijawab, setiap graf dirender menjalankan image yang Anda berikan sebagai jawaban, diberi alamat datastore-nya sebagai LANGGRAPH_CHECKPOINTER_HOST dan LANGGRAPH_CHECKPOINTER_PORT, pengguna dan database yang diterbitkan datastore sebagai LANGGRAPH_CHECKPOINTER_USER dan LANGGRAPH_CHECKPOINTER_DATABASE — PostgreSQL menerbitkan keduanya, dan untuk datastore yang tidak menerbitkan keduanya, tidak satu pun dari kedua variabel itu dirender — endpoint dan nama model sebagai OPENAI_BASE_URL dan OPENAI_MODEL, kunci yang dikirimkan kredensial modelnya sebagai OPENAI_API_KEY, jalur impornya sebagai LANGGRAPH_GRAPH_ENTRYPOINT, serta batas langkahnya sebagai LANGGRAPH_DEFAULT_RECURSION_LIMIT. Kredensial yang dilampirkan pada koneksi checkpointer_db-nya juga memberinya kata sandi datastore sebagai LANGGRAPH_CHECKPOINTER_PASSWORD.

Lingkungan yang dinyatakan konfigurasi

Setiap variabel yang disebut env konfigurasi adalah masukan yang harus disediakan Release, dan tidak ada yang disusun sebagai slot kredensial: LangGraph tidak menandai variabel apa pun sebagai rahasia, dan nama variabel tidak dibaca maknanya. core/ai-agent/langgraph tidak menerima nilai untuk lingkungan, sehingga Release menyatakannya dalam komentar di atas graf pertama aplikasi.

  • env yang ditulis sebagai objek merupakan bagian dari konfigurasi, sehingga nilainya dibawa sebagaimana ditulis ke dalam komentar tersebut, dalam urutan yang ditulis konfigurasi. Setiap nilai yang berisi sesuatu dapat membawa kredensial, yang oleh LangGraph ditandai sebagai bukan kredensial: secara bawaan masing-masing dibawa sebagaimana ditulis dan disebut dalam peringatan credential-carried berdasarkan konfigurasi dan variabelnya, seperti env.OPENAI_API_KEY, tidak pernah berdasarkan nilainya. Dengan pengaturan empty_credentials bernilai all, masing-masing ditulis tanpa nilai dan dilaporkan dengan credential-emptied; dengan marked masing-masing dibawa, karena LangGraph tidak menandai satu pun.
  • env yang menyebut berkas menyebut berkas yang hanya dirujuk konfigurasi, yang umumnya berisi rahasia lokal. Berkas itu hanya dibaca jika with.sources milik importer menyerahkannya. Komentar menyebut setiap variabel yang disebut berkas, diserahkan kepada Release untuk disediakan, dan tidak ada nilai berkas yang dibaca: tidak satu pun mencapai draf, keputusan, atau diagnostik, apa pun isi pengaturannya. Nilai yang dikutip melintasi beberapa baris adalah satu nilai, sehingga baris di dalamnya tidak pernah dianggap variabel, dan baris yang tidak menyebut variabel disebut berdasarkan nomornya. Jika impor tidak diserahi berkas tersebut — selalu demikian untuk direktori, yang tidak pernah menyerahkannya — Aggregate menyebutnya sebagai tidak diserahkan, beserta cara menyerahkannya, dan variabelnya diserahkan kepada Release.

Setelan yang dibacanya

Importer LangGraph membaca target_namespace, empty_credentials, dan render_mode, sebagaimana dijelaskan Pengaturan, dan tidak ada pengaturan lain.

Importer Google ADK

importer/google-adk membaca agen yang dideklarasikan oleh aplikasi yang dibangun di atas Agent Development Kit (ADK) Google dalam berkas Agent Config-nya — root_agent.yaml dan konfigurasi yang dinamai oleh sub-agennya — lalu menyusun draf sebuah Aggregate yang memuat satu instans agen ADK dari pustaka standar, core/ai-agent/google-adk, per pohon agen, yang dihubungkan ke model yang dinamai pohon tersebut apabila ADK mengirim permintaan model itu ke Gemini API, serta sebuah Release di sampingnya. Importer ini membaca konfigurasi tersebut, dan tidak pernah membaca kode aplikasi.

ADK menyatakan bahwa fitur Agent Config-nya bersifat eksperimental. Model sebuah agen secara default adalah model Gemini; ADK melayani model dari sebagian penyedia lain berdasarkan nama melalui kelas miliknya sendiri, seperti claude-sonnet-4-5 dan gpt-4o, dan sebagian lainnya melalui string model LiteLLM. Soket model agen hanya menerima Gemini API, sehingga importer menghubungkan model yang dikirim ADK ke Gemini API dan menyerahkan model lainnya kepada Anda, sebagaimana dijelaskan Apa yang menjadi hasil sebuah pohon agen.

Apa yang dibacanya

adk create --type=config milik ADK menulis root_agent.yaml, yaitu konfigurasi agen akar sebuah aplikasi, serta sebuah berkas lingkungan di sampingnya. Sebuah konfigurasi mendeklarasikan satu agen:

  • name, description, dan agent_class — kelas yang digunakan ADK untuk membangun agen, yaitu LlmAgent jika tidak ada yang dinamai;
  • model — model yang diminta agen — atau model_code, referensi ke kode yang membangun modelnya;
  • tools — setiap alat berdasarkan name, dengan args yang diberikan konfigurasinya;
  • generate_content_config — opsi permintaan model agen, di antaranya http_options;
  • sub_agents — masing-masing berupa config_path, yaitu path konfigurasi lain relatif terhadap direktori konfigurasi yang menamainya, atau code, yaitu agen yang dibangun oleh kode aplikasi.

Sebuah direktori diserahkan ke importer sebagai berkas-berkas root_agent.yaml-nya dan tidak ada berkas lain, dan sebuah konfigurasi yang diimpor sendiri dibaca sebagai akar, apa pun namanya. Pohon setiap akar dibaca mulai dari akar, lalu sub-agen setiap agen dalam urutan yang dicantumkannya. Konfigurasi yang dinamai entri sub_agents melalui config_path hanya dibaca jika with.sources milik importer menyerahkannya, dicocokkan berdasarkan segmen terakhir path; konfigurasi yang tidak diserahkan ke impor dinamai dalam Aggregate dan dalam keputusannya sebagai tidak diserahkan, beserta cara menyerahkannya, dan agennya tidak dibaca:

plugins:
importer:
- uri: importer/google-adk:<version>
with:
sources:
- ./my_agent/code_tutor_agent.yaml
- ./my_agent/math_tutor_agent.yaml

config_path yang absolut, atau yang mengarah keluar dari direktori konfigurasi yang menamainya, tidak dibaca, karena ADK juga menolaknya. Berkas yang diserahkan with.sources tetapi tidak dinamai konfigurasi mana pun dinamai dalam komentar sebagai tidak dibaca, dan tidak ada isinya yang dibaca; berkas yang diserahkannya hanya dibaca sebagai konfigurasi yang dinamai pohon sebuah akar, sehingga impor yang tidak memuat root_agent.yaml dan tidak memuat berkas yang diimpor sendiri tidak membaca pohon apa pun dan melaporkan setiap berkas di bawah no-nodes. Kode aplikasi — alat, callback, skema, dan agen yang dinamai konfigurasi melalui kodenya — dan berkas lingkungan tidak pernah diserahkan, dan importer tidak membaca keduanya: aplikasi memuat konfigurasinya sendiri, dari image yang dinamai Release. Sebuah direktori dapat memuat beberapa aplikasi, masing-masing dibaca dari root_agent.yaml-nya sendiri.

Anggota lain sebuah konfigurasi — di antaranya instruction milik agen — dibaca oleh aplikasi dari konfigurasinya sendiri, sehingga draf tidak memuat satu pun darinya.

Menjadi apa sebuah pohon agen

ADK menyajikan aplikasi dari agen akarnya, dengan setiap agen yang dinamai konfigurasinya dibangun di dalamnya, dan core/ai-agent/google-adk menjalankan satu aplikasi semacam itu. Jadi aggregate.yaml, draf Aggregate yang dinamai menurut agen akarnya, sebagaimana dijelaskan Cara draf dinamai, memuat, per pohon agen dan dengan kunci nama agen akarnya, sebuah instans core/ai-agent/google-adk dengan:

  • description, deskripsi agen akar, jika konfigurasinya memberikannya;
  • koneksi model-nya, yang dihubungkan ke model yang dinamai pohon tersebut jika ADK mengirim permintaan model itu ke Gemini API.

Komentar di atasnya menamai agen-agen lain dalam pohon, yang tidak menjadi instans tersendiri; setiap sub-agen yang tidak dibaca, beserta alasannya — dibangun oleh kode aplikasi, konfigurasi yang tidak diserahkan ke impor, atau konfigurasi yang ditolak ADK; alat yang dinamai agen-agen dalam pohon, baik yang disertakan ADK maupun yang didefinisikan kode aplikasi; agen yang kelasnya — LoopAgent, ParallelAgent, atau SequentialAgent — dinyatakan usang oleh ADK demi Workflow; dan, jika model pohon dihubungkan, model yang diminta agen-agen lain dalam pohon, masing-masing beserta keluarga yang digunakan ADK untuk menyajikannya. Masing-masing dilaporkan dalam keputusan yang tidak memilih apa pun.

Agen pertama dalam pohon, dimulai dari akar, yang menamai model atau kode yang membangunnya menentukan model instans. Model yang dinamainya dan yang permintaannya dikirim ADK ke Gemini API — nama model yang disajikan ADK melalui kelas Gemini-nya, seperti gemini-2.5-flash, selain nama resource Vertex AI, atau nama yang disajikannya melalui kelas Gemma-nya — menjadi instans core/ai-model/gemini, yang menyajikan model tersebut dan berkunci model itu, dan pohon-pohon yang menamai model yang sama berbagi satu instans. Jika katalog workspace tidak memuat core/ai-model/gemini, satu instans akan didrafkan, <target_namespace>/ai-model/gemini, yang membawa label model.aggrega.ai/api: gemini yang dipilih socket model milik agen, dan keputusannya menyatakan hal itu; sebuah Recipe yang memublikasikan endpoint dan modelnya diserahkan kepada Anda, sebagaimana dinyatakan komentar pembukanya. Model yang disajikan ADK dengan cara lain — string model LiteLLM seperti openai/gpt-4o, nama resource Vertex AI, atau nama seperti claude-sonnet-4-5 atau gpt-4o, yang disajikan ADK melalui Anthropic atau OpenAI — tidak dihubungkan ke apa pun: socket model milik agen menerima model Gemini, dan agen tidak membaca nama model dari lingkungannya, sehingga Anda menghubungkan model Gemini di sana dan menamai model itu dalam konfigurasi agen. Komentar di atas instans dan keputusan agen akar menyebutkan model tersebut beserta keluarga yang digunakan ADK untuk menyajikannya. Model yang dibangun kode aplikasi, atau pohon yang tidak menamai model — ADK lalu menggunakan model bawaannya — juga tidak dihubungkan ke apa pun, dan komentar di atas instans menjelaskan alasannya. Di mana pun model tidak dihubungkan ke apa pun, build berhenti dengan menyebut socket model sampai sebuah model dihubungkan. Di antara model yang diminta agen-agen lain dalam pohon, model yang permintaannya dikirim ADK ke Gemini API tidak memerlukan koneksi sendiri: klien Gemini milik ADK mengirim permintaannya dengan kunci yang dikirimkan koneksi instans. Apakah aplikasi menjangkau Gemini melalui Gemini API atau melalui Vertex AI ditentukan oleh lingkungannya, yang tidak dibaca impor; socket model milik agen hanya menerima Gemini API.

Pengujian importer ini juga mengimpor satu agen akar tunggal yang menamai openai/gpt-4o, yang instansnya didrafkan sebagai:

spec:
components:
# The agent tree of root_agent.yaml, served from its root agent routed_agent.
# The model connection is left for the author, since the model openai/gpt-4o, which routed_agent names, is one ADK serves through LiteLLM, not through the Gemini API, while core/ai-agent/google-adk takes a Gemini model on its model socket and reads no model name from its environment, so the author wires a Gemini model there and names that model in routed_agent's configuration; the build halts naming the socket until one is wired.
routed-agent:
type: core/ai-agent/google-adk
values:
description: "Answers questions with a model another provider serves."

release.yaml, di sampingnya, adalah draf Release dengan nama yang sama yang menamai Aggregate tersebut. Entri setiap instans menulis infra.image-nya — image yang menjalankan aplikasi yang dibangun di atas ADK, yang memuat konfigurasinya — dalam keadaan kosong, di bawah komentar yang menyatakan apa itu, dan impor mencatatnya sebagai nilai yang masih terutang. Dengan --target compose, entri juga menulis infra.published_port, 8000, port tempat aplikasi mendengarkan, yang dipublikasikan Recipe Compose-nya pada alamat loopback host, 127.0.0.1, di bawah komentar yang menyatakan bahwa port itu hanya dapat dijangkau dari mesin ini, oleh proses apa pun yang berjalan di dalamnya, dan bahwa menghapus baris tersebut membuat layanan tetap internal; pohon kedua mengambil port bebas berikutnya. Jika modelnya dihubungkan, entri melampirkan kredensial yang diberikan instans kepada model tersebut di bawah credential pada koneksi model-nya, sebagai referensi dan tidak pernah sebagai nilai: tidak ada konfigurasi yang menyebut variabel untuknya, sehingga kredensial dibaca dari GOOGLE_API_KEY, variabel tempat pustaka klien Gemini API milik Google membaca kuncinya, sebagai referensi ${…} pada setiap target kecuali helm, dan pada helm sebagai nama sebuah Kubernetes Secret, ditulis kosong agar dicatat impor sebagai terutang; pada compose, koneksi model mendeklarasikannya dengan kunci tersebut. Model yang dihubungkan juga memiliki entri, yang tidak memuat infrastruktur apa pun, sehingga Release menempatkannya bersama instans tersebut. Nilai yang diberikan konfigurasi pohon kepada alat dan permintaan modelnya ditulis dalam komentar di atas entri, sebagaimana dijelaskan Nilai kredensial yang dimuat konfigurasi. Seperti setiap Release yang didrafkan, Release ini menulis metadata.environment sebagai development dan, tanpa target, spec.manifest kosong yang dicatat impor sebagai terutang; jika diberi target, impor mendrafkan Manifest, sebagaimana dijelaskan Apa yang ditambahkan oleh target.

Aplikasi yang diimpor oleh pengujian importer ini, yaitu agen akar yang menamai konfigurasi dua sub-agen dan satu sub-agen yang dibangun oleh kode, diimpor sebagai direktorinya dengan kedua konfigurasi dinamai di bawah with.sources, didrafkan, tanpa pengaturan, dengan nama agen akarnya, tutor_root, sebagai:

aggregate.yaml
# Google ADK agent configurations read:
# - root_agent.yaml
# - code_tutor_agent.yaml
# - math_tutor_agent.yaml
# Not read: the application's code, which defines the tools, callbacks and agents a configuration names by their code, nor the environment file ADK's scaffold writes beside root_agent.yaml; the application runs in the image the Release names for each instance, and loads its configurations itself.
# ADK states that its Agent Config is experimental. An agent's model is a Gemini model by default; ADK serves some other providers' models by name through classes of its own, such as claude-sonnet-4-5 and gpt-4o, and others through a LiteLLM model string.
apiVersion: aggrega.ai/v1beta1
kind: Aggregate
metadata:
name: imported/tutor-root
version: 0.1.0
description: Draft Aggregate imported from a source in the google-adk format.
spec:
components:
# The agent tree of root_agent.yaml, served from its root agent tutor_root.
# Sub-agents ADK builds inside this application, drafted as no instance of their own: code_tutor_agent, math_tutor_agent.
# Not read: a sub-agent of tutor_root, which is built by the application's code at tutor_agents.review_agent, which the import does not read.
# Tools ADK ships, which run inside the application, drafted as no Component: google_search.
# Tools the application's code defines, drafted as no Component: tutor_tools.make_snippet_runner.
# Models other agents of the tree ask for, ...: gemini-pro-latest (math_tutor_agent, served through Gemini).
tutor-root:
type: core/ai-agent/google-adk
values:
description: "Learning assistant that tutors {{`{{`}} students }} in code and math."
uses:
model:
gemini-flash-latest:
target: gemini-flash-latest
# For the compose target only, uncomment the lines below, which declare credential on gemini-flash-latest: a secret the Release alone attaches arrives under the key value, so each is declared with a key of its own and no two arrive under one; the Release attaches its origin, naming this type or none.
# features:
# credential:
# type: core/secret-value
# values:
# key: GOOGLE_API_KEY
# The model gemini-flash-latest.
gemini-flash-latest:
type: core/ai-model/gemini
values:
model: "gemini-flash-latest"

Teks yang disalin draf dari konfigurasi ke dalam Aggregate, dalam sebuah nilai atau komentar, menulis setiap {{ sebagai {{`{{`}}, yaitu aksi yang hasilnya adalah dua kurung kurawal tersebut, sehingga deskripsi, dan nama yang memuat dua kurung kurawal dalam komentar, terbaca kembali sebagaimana ditulis setelah Aggregate dievaluasi.

release.yaml
spec:
aggregate: imported/tutor-root
# manifest: left empty, since the import was given no target; an import given a target drafts the Manifest and names it here.
manifest: ""
components:
# The configurations also hand these values to their tools and their model requests, which the application reads from its own configurations, written here for review:
# code_tutor_agent tools.tutor_tools.make_snippet_runner.args.api_key: "..."
# code_tutor_agent tools.tutor_tools.make_snippet_runner.args.sandbox: "python3.12"
# code_tutor_agent tools.tutor_tools.make_snippet_runner.args.timeout_seconds: 20
# math_tutor_agent generate_content_config.http_options.headers: "..."
# math_tutor_agent generate_content_config.http_options.timeout: 30000
tutor-root:
infra:
# Left for the Release, since the source cannot supply it: infra.image, the container image running the application built on ADK, holding its configurations
image: ""
uses:
model:
gemini-flash-latest:
features:
credential:
type: core/secret-value
infra:
# Attached by reference, never as a value: the credential tutor-root presents to gemini-flash-latest on its model connection (the source names no variable for it, so it is read from the one Google's Gemini API's client libraries read the API key from), read from the variable GOOGLE_API_KEY, which a target substituting variable references, as Docker Compose does when the stack starts, reads from the environment, so no file carries the value.
origin: "${GOOGLE_API_KEY}"
gemini-flash-latest: {}

Setelah image dijawab, instans dirender dengan menjalankannya dan diberi kredensial sebagai GOOGLE_API_KEY, yang dikirim klien Gemini milik ADK ke Gemini API, dan model dirender sebagai Service yang menjangkau alamat Gemini API.

Nilai kredensial yang dimuat konfigurasi

Sebuah konfigurasi dapat memberikan kunci kepada sebuah alat, dalam args-nya, atau kepada permintaan modelnya, dalam http_options dari generate_content_config-nya — header-nya, alamatnya, argumen klien-nya. Setiap anggota args sebuah alat dan opsi HTTP tersebut ditulis dalam komentar di atas entri instans dalam Release, sebagaimana konfigurasinya menuliskannya, dan setiap anggota yang berupa teks, objek, atau daftar dapat membawa kredensial, yang tidak satu pun ditandai oleh ADK: secara bawaan, masing-masing dibawa sebagaimana ditulis dan disebut dalam peringatan credential-carried berdasarkan agen dan field-nya, seperti tools.tutor_tools.make_snippet_runner.args.api_key, tidak pernah berdasarkan nilainya. Dengan pengaturan empty_credentials bernilai all, masing-masing ditulis tanpa nilai dan dilaporkan dengan credential-emptied; dengan marked, masing-masing dibawa, karena ADK tidak menandai satu pun. Angka atau boolean tidak membawa kunci, dan ditulis sebagaimana konfigurasi menuliskannya. ADK tidak mengekspansi referensi variabel apa pun dalam konfigurasi, sehingga setiap nilai dibaca sebagaimana ditulis; file lingkungan, yang umumnya memuat kunci yang dibaca klien Gemini milik ADK, tidak pernah dibaca, apa pun isi pengaturannya.

Setelan yang dibacanya

Importer Google ADK membaca target_namespace, empty_credentials, dan render_mode, sebagaimana Pengaturan menjelaskannya, dan tidak ada pengaturan lain.

Importer Agent Framework

importer/agent-framework membaca agen deklaratif Microsoft Agent Framework — dokumen YAML berjenis Prompt yang digunakan aplikasi yang dibangun di atas Agent Framework untuk memuat agen — dan menyusun draf sebuah Aggregate yang memuat satu instans agen Agent Framework dari pustaka standar, core/ai-agent/agent-framework, yang dihubungkan ke model OpenAI yang disebutnya, beserta sebuah Release di sampingnya. Importer ini membaca agen deklaratif, dan tidak pernah membaca kode aplikasi. Agent Framework menerbitkan paket agen deklaratifnya sebagai prarilis.

Apa yang dibacanya

Sebuah agen deklaratif mendeklarasikan:

  • name, displayName dan description, instructions-nya serta skema input dan outputnya;
  • model — id model, provider yang melayaninya, API yang menjadi tujuan permintaan kliennya (apiType), options permintaannya, dan connection-nya: koneksi key yang menyajikan sebuah kunci, ditulis di bawah key atau apiKey, ke sebuah endpoint; koneksi remote yang menjangkau sebuah endpoint; koneksi reference yang menyebut koneksi yang di-resolve oleh aplikasi; atau koneksi anonymous yang tidak menyajikan apa pun;
  • tools — masing-masing berjenis kind: sebuah function yang kodenya diikat oleh aplikasi, alat web_search, file_search atau code_interpreter yang dijalankan oleh penyedia model, atau server mcp yang dijangkau di url-nya, dengan approvalMode yang berlaku untuk panggilannya, allowedTools dari server yang boleh dipanggil agen, dan connection miliknya sendiri.

Anggota yang ditulis sebagai =Env.NAME dibaca oleh Agent Framework dari variabel lingkungan NAME hanya jika aplikasi memuat agen deklaratif dengan AgentFactory(safe_mode=False), pengaturan keamanan milik Agent Framework sendiri, dan runtime .NET tersedia, dan selain itu diambil sebagai teks ekspresi sebagaimana tertulis; setiap anggota lain yang diawali dengan = adalah ekspresi yang dihitung oleh aplikasi. Importer tidak membaca keduanya: importer menyebut sebuah referensi dengan variabelnya, dan sebuah ekspresi sebagai ekspresi.

Sebuah file yang diimpor tersendiri dibaca sebagai satu agen deklaratif, apa pun namanya, dan setiap file yang diserahkan with.sources milik importer dibaca sebagai agen lain, sehingga satu impor menyusun draf beberapa agen:

plugins:
importer:
- uri: importer/agent-framework:<version>
with:
sources:
- ./agents/triage.yaml
- ./agents/writer.yaml

Direktori tidak pernah diserahkan ke importer ini: signature-nya tidak menyebut file apa pun, sehingga impor sebuah direktori yang tidak menyebut format tidak mengenalinya, dan impor yang menyebut --format agent-framework ditolak dengan An importer that declares no file patterns is handed a directory (Importer yang tidak mendeklarasikan pola file diberi sebuah direktori) sebelum file apa pun di dalamnya dibuka. Sebagai gantinya, imporlah setiap agen deklaratif sebagai file tersendiri. Sumber yang tidak dapat dijadikan prompt agent oleh Agent Framework — yang kind-nya bukan Prompt, dalam huruf besar maupun kecil apa pun, dan bukan Agent — dilaporkan dengan no-nodes. Kode aplikasi — program yang memuat setiap agen deklaratif dan fungsi yang diikatnya ke alat-alatnya — tidak pernah termasuk sumber: aplikasi memuat sendiri agen deklaratifnya, dari image yang disebut Release.

Menjadi apa agen deklaratif

aggregate.yaml, sebuah draf Aggregate yang dinamai menurut agennya, sebagaimana dijelaskan Cara draf dinamai, memuat, untuk setiap agen deklaratif dan dikunci dengan namanya, sebuah instans core/ai-agent/agent-framework dengan:

  • display_name dan description, yaitu displayName dan description agen, jika agen menyatakannya;
  • koneksi model-nya, yang dihubungkan ke model yang disebutnya, jika model tersebut dihubungkan.

Instruksinya, skema input dan outputnya, templatnya, metadatanya, dan opsi permintaan modelnya dibaca oleh aplikasi dari agen deklaratif, dan disebut dalam komentar di atas instans. Alat fungsi, alat yang dijalankan oleh penyedia model, dan alat berjenis lain juga disebut dalam komentar, dan dilaporkan dalam sebuah keputusan yang tidak memilih apa pun.

Model yang provider-nya OpenAI dan yang menyebut sebuah id menjadi instans core/ai-model/openai, yang melayani id tersebut dan dikunci dengannya: soket model agen menerima model yang melayani API OpenAI, dan runtime mengirimkan alamat, nama, dan kunci model tersebut dalam variabel yang dibaca oleh klien OpenAI Agent Framework. Agen-agen yang menyebut satu model di satu alamat berbagi satu instans. Jika katalog workspace tidak memuat core/ai-model/openai, satu model disusun drafnya, <target_namespace>/ai-model/openai, dengan label model.aggrega.ai/api: openai yang dipilih soket model agen, dan keputusannya menyatakan hal itu; Recipe yang menerbitkan endpoint dan modelnya diserahkan kepada Anda, sebagaimana dinyatakan komentar di awalnya. id yang ditulis sebagai referensi menyerahkan values.model model kepada Anda, dengan komentar di atas model yang menyebut variabelnya; build berhenti sambil menyebutnya sampai nilai itu ditetapkan. Koneksi anonymous ditulis sebagai unauthenticated: true koneksi. Model dari penyedia lain — AzureOpenAI, Anthropic — model yang menyebut penyedianya sebagai referensi atau tidak menyebutnya sama sekali, yang dalam hal ini Agent Framework menggunakan penyedia default yang ditetapkan aplikasi, dan model yang tidak menyebut id tidak dihubungkan ke apa pun, dan komentar di atas instans menjelaskan alasannya; build berhenti sambil menyebut soket model sampai sebuah model dihubungkan.

Alat berjenis mcp tidak dibuat drafnya sebagai Component maupun sebagai koneksi: Agent Framework mengirim server ke penyedia model sebagai alat yang di-hosting, dan penyedia, bukan aplikasi, yang menjangkaunya di url-nya, yang karena itu harus dapat dijangkau dari penyedia, sehingga tidak ada yang di-deploy oleh draf yang menjangkaunya. Komentar di atas instans agen menyebut server tersebut, menyatakan hal itu, dan menyebut deskripsi, approvalMode, dan allowedTools yang dinyatakan agen deklaratif untuknya; url-nya ditulis, secara utuh, dalam komentar di atas entri agen dalam Release, dan keputusannya tidak memilih apa pun.

release.yaml, di sampingnya, adalah draf Release dengan nama yang sama yang menyebut Aggregate tersebut. Entri agen menulis infra.image-nya — image yang menjalankan aplikasi yang dibangun di atas Agent Framework, yang memuat agen deklaratifnya — dalam keadaan kosong, di bawah komentar yang menyatakan apa itu, dan impor mencatatnya sebagai nilai yang masih terutang. Dengan --target compose, entri tersebut juga menulis infra.published_port, 8000, port yang secara default disebut oleh infra.port milik Component untuk aplikasi, yang dipublikasikan oleh Recipe Compose-nya pada alamat loopback host, 127.0.0.1, di bawah komentar yang menyatakan bahwa layanan hanya dapat dijangkau dari mesin ini, oleh proses apa pun yang berjalan di atasnya, dan bahwa menghapus baris tersebut membuat layanan tetap internal. Jika modelnya dihubungkan, entri melampirkan kredensial yang disajikan agen ke model tersebut di bawah credential pada koneksi model-nya, sebagai referensi dan tidak pernah sebagai nilai: dibaca dari variabel yang disebut agen deklaratif untuk kuncinya, yang ditulis =Env.NAME, dan jika tidak, dari OPENAI_API_KEY, variabel tempat pustaka klien OpenAI membaca kuncinya; sebagai referensi ${…} pada setiap target kecuali helm, dan pada helm sebagai nama sebuah Kubernetes Secret, ditulis kosong agar dicatat impor sebagai terutang; pada compose, koneksi model mendeklarasikannya dengan kunci tersebut. Nilai-nilai yang dinyatakan agen deklaratif untuk modelnya dan server MCP-nya — kunci-kunci, dan url setiap server — ditulis dalam komentar di atas entri agen, sebagaimana dijelaskan Nilai kredensial yang dimuat agen deklaratif. Setiap model yang terhubung memiliki entri, sehingga Release menempatkannya bersama agen. Endpoint yang dinyatakan koneksinya ditulis sebagai infra.endpoint model, dan endpoint yang ditulis sebagai referensi disebut di samping entrinya, dengan alamat Component itu sendiri digunakan sampai nilainya ditetapkan; koneksi yang tidak menyatakan endpoint membiarkan entri tanpa infrastruktur apa pun, dan alamat Component itu sendiri tetap berlaku. Seperti setiap Release yang didrafkan, Release ini menulis metadata.environment sebagai development dan, tanpa target, spec.manifest kosong yang dicatat impor sebagai terutang; jika diberi target, impor mendrafkan Manifest, sebagaimana dijelaskan Apa yang ditambahkan oleh target.

Agen deklaratif yang diimpor oleh pengujian importer ini, dengan penyedia OpenAI dan koneksi kunci, server MCP yang menyajikan kuncinya sendiri, alat fungsi, dan pencarian web, yang diimpor sebagai file tersendiri, disusun drafnya, tanpa pengaturan apa pun, dengan name-nya, LearnAgent, sebagai:

aggregate.yaml
# Not read: the application's code, which loads each declarative agent and binds the functions of its function tools; the application runs in the image the Release names for each instance, and loads its declarative agents itself.
apiVersion: aggrega.ai/v1beta1
kind: Aggregate
metadata:
name: imported/learnagent
version: 0.1.0
description: Draft Aggregate imported from a source in the agent-framework format.
spec:
components:
# The declarative agent LearnAgent.
# Read by the application from the declarative agent, and taken by no key of core/ai-agent/agent-framework: instructions, outputSchema, the options of its model requests (temperature, topP).
# Function tools, whose code the application binds, drafted as no Component: GetRelease.
# Tools the model's provider runs, drafted as no Component: search.
# The MCP server microsoft_learn, drafted as no Component and no connection, since Agent Framework sends it to the model's provider as a hosted tool, and the provider, not the application, reaches it at its url, which must therefore be reachable from the provider; its url is written above learnagent's entry in the Release.
# Stated by the declarative agent for microsoft_learn: its description, "Get information from Microsoft Learn."; its approval mode, never; the tools of the server it allows, microsoft_docs_search, microsoft_docs_fetch.
learnagent:
type: core/ai-agent/agent-framework
values:
display_name: "Learn Assistant"
description: "Answers questions about {{`{{`}} product }} from the Microsoft Learn content."
uses:
model:
gpt-4-1-mini:
target: gpt-4-1-mini
# For the compose target only, uncomment the lines below, which declare credential on gpt-4-1-mini: a secret the Release alone attaches arrives under the key value, so each is declared with a key of its own and no two arrive under one; the Release attaches its origin, naming this type or none.
# features:
# credential:
# type: core/secret-value
# values:
# key: OPENAI_API_KEY
# The model gpt-4.1-mini, which LearnAgent names with the OpenAI provider.
gpt-4-1-mini:
type: core/ai-model/openai
values:
model: "gpt-4.1-mini"

Teks yang disalin draf dari agen deklaratif ke dalam Aggregate, dalam sebuah nilai maupun komentar, menulis setiap {{ sebagai {{`{{`}}, sehingga terbaca kembali apa adanya setelah Aggregate dievaluasi.

release.yaml
spec:
aggregate: imported/learnagent
# manifest: left empty, since the import was given no target; an import given a target drafts the Manifest and names it here.
manifest: ""
components:
# The declarative agent also states these values for its model and its MCP servers, written here for review:
# - model.connection.key: "..."
# - tools.microsoft_learn.url: "https://learn.microsoft.com/api/mcp?session=..."
# - tools.microsoft_learn.connection.key: "..."
learnagent:
infra:
# Left for the Release, since the source cannot supply it: infra.image, the container image running the application built on Agent Framework, holding its declarative agent
image: ""
uses:
model:
gpt-4-1-mini:
features:
credential:
type: core/secret-value
infra:
# Attached by reference, never as a value: the credential learnagent presents to gpt-4-1-mini on its model connection (the source names no variable for it, so it is read from the one OpenAI's client libraries read the API key from), read from the variable OPENAI_API_KEY, which a target substituting variable references, as Docker Compose does when the stack starts, reads from the environment, so no file carries the value.
origin: "${OPENAI_API_KEY}"
gpt-4-1-mini:
infra:
endpoint: "https://llm-gateway.example.com/v1"

Setelah image dijawab, agen dirender dengan menjalankannya dan diberi endpoint model sebagai OPENAI_BASE_URL, id-nya sebagai OPENAI_MODEL dan kredensialnya sebagai OPENAI_API_KEY, dan model dirender sebagai Service yang menjangkau host-nya. Tidak ada variabel yang membawa alamat server MCP: penyedia model, bukan aplikasi, yang menjangkaunya.

Nilai kredensial yang dimuat agen deklaratif

Kunci yang disajikan koneksi key — ditulis di bawah key atau apiKey, pada model atau pada server MCP — adalah satu-satunya anggota yang ditandai Agent Framework sebagai kredensial: itulah satu-satunya nilai yang disamarkan oleh pemuatnya dari apa yang dicatatnya. Setiap kunci yang ditulis agen deklaratif sebagai literal ditulis dalam komentar di atas entri agen dalam Release, sebagaimana agen deklaratif menuliskannya, dan secara bawaan dibawa sebagaimana tertulis serta disebut dalam peringatan credential-carried berdasarkan agennya dan kolomnya, seperti model.connection.key, tidak pernah berdasarkan nilainya. url server MCP, yang ditulis secara utuh dalam komentar yang sama dan disebut berdasarkan kolomnya — tools.microsoft_learn.url of node LearnAgent is carried as written — adalah anggota konfigurasi server MCP, dan endpoint model yang terhubung adalah input yang ditandai Agent Framework sebagai bukan kredensial. Dengan pengaturan empty_credentials pada marked, kunci dan url server MCP ditulis tanpa nilai — komentar hanya menyebut masing-masing berdasarkan kolomnya — dan dilaporkan dengan credential-emptied, sedangkan endpoint model dibawa; pada all, infra.endpoint model juga dihilangkan, disebut dalam komentar di atas entrinya sebagai diserahkan kepada Release, dan alamat bawaan Component digunakan sampai nilainya ditetapkan. Nilai yang ditulis sebagai =Env.NAME tidak memuat nilai apa pun, sehingga disebut berdasarkan variabelnya, beserta kondisi saat Agent Framework membacanya dari lingkungan — model.connection.key, written as =Env.OPENAI_API_KEY, which Agent Framework reads … — apa pun isi pengaturannya, dan tidak dilaporkan di bawah kode mana pun; nilai yang ditulis sebagai ekspresi lain disebut sebagai ekspresi dan tidak pernah ditulis.

Setelan yang dibacanya

Importer Agent Framework membaca target_namespace, empty_credentials, dan render_mode, sebagaimana dijelaskan dalam Pengaturan, dan tidak membaca pengaturan lain.

Apa yang ditambahkan oleh target

Impor yang diberi target — --target pada aggrega import, atau target pada alat impor asisten dan metode aggrega/import sesi, yang menyebut kapabilitas provider seperti compose atau helm — meneruskan target itu kepada importer, sehingga importer menyusun draf untuknya: setiap secret dalam bentuk yang dibaca target itu, dan baris yang hanya diperlukan target itu, ditulis aktif, sedangkan baris yang hanya diperlukan target lain dihilangkan. Pada compose, baris-baris itu mencakup infra.published_port di mana pun importer mempublikasikan layanan pada alamat loopback host, sebagaimana dinyatakan bagian masing-masing importer; port yang dipilih importer tidak pernah mengambil nomor yang diambil port lain dari Release tersebut. Impor kemudian mendrafkan Manifest di samping apa pun yang didrafkan importer, importer mana pun yang dijalankan: manifest.yaml, di samping Release yang didrafkan serta diberi nama dan versi seperti Release tersebut — atau, jika importer tidak mendrafkan Release, di samping Aggregate yang didrafkan serta diberi nama dan versi seperti Aggregate tersebut.

Untuk setiap tipe komponen dan setiap tipe feature yang dibutuhkan draf — pada komponen Aggregate yang didrafkan, koneksinya dan subsistemnya, pada Aggregates katalog yang disusunnya, seperti core/dify, dan pada lampiran Release yang didrafkan — Manifest memetakan tipe tersebut ke Recipe, atau untuk tipe feature ke feature recipe, dari kapabilitas itu yang ditawarkan katalog workspace untuknya: yang satu-satunya ada, dengan beberapa versi dari satu Recipe dihitung sebagai satu; atau, jika ada beberapa dengan nama berbeda, yang dinamai menurut tipe itu sendiri, seperti helm/postgres untuk core/datastore/postgres. Tipe yang tidak memiliki satu pun, atau memiliki beberapa tetapi tidak ada yang dinamai demikian, dibiarkan tidak terpetakan, sebuah peringatan menyebutnya beserta alasannya, dan build dari draf berhenti dengan menyebut setiap instans atau lampirannya hingga Anda memetakannya.

Jika hanya importer yang tahu mana dari beberapa Recipes yang berlaku, importer mendrafkan Manifest itu sendiri — importer MCP memetakan setiap server, berdasarkan kuncinya, ke realisasi cara server tersebut berjalan, dan importer yang melampirkan secret berdasarkan nama memetakan core/referenced-secret ke helm/k8s-existing-secret — dan impor melengkapinya: setiap pemetaan yang ditulis importer yang ditawarkan katalog untuk tipe dan kapabilitas itu dipertahankan, pemetaan lainnya dibuang dengan peringatan, dan tipe yang ditinggalkannya dipetakan seperti di atas.

spec.manifest dari Release yang didrafkan, yang ditulis kosong tanpa target, diatur ke nama Manifest, komentar di atasnya dihapus, dan tidak ada hal lain dalam Release yang berubah. aggrega import menjelaskannya secara lengkap.

Pengaturan

Sebuah importer menerima pengaturan dari entri plugins.importer yang melampirkannya, di bawah with.settings, sebagaimana dijelaskan dalam Importer mana yang mengubah sumber menjadi draf. Tanpa entri, atau tanpa pengaturan, setiap pengaturan menggunakan nilai default-nya.

plugins:
importer:
- uri: importer/langflow:<version>
with:
settings:
target_namespace: payments
reuse_mode: hints-only
PengaturanDefaultApa yang dilakukannya
target_namespaceimportedNamespace tempat entitas yang didrafkan diberi nama: <target_namespace>/<category>/<name> untuk sebuah Component, dan <target_namespace>/<name> untuk Aggregate dan Release, dengan <name> berupa nama sumber itu sendiri, atau jika tidak ada, nama direktorinya atau nama filenya tanpa ekstensi, atau jika tidak ada juga, flow, ditulis dalam huruf kecil dengan setiap rangkaian karakter selain huruf dan angka ASCII diganti satu tanda hubung, seperti yang dijelaskan Cara draf diberi nama.
reuse_modeauto-apply-above-thresholdauto-apply-above-threshold mereferensikan Component katalog yang paling cocok untuk node yang diberi Component tersendiri oleh draf dan yang kecocokannya berada di tingkat tinggi serta memiliki skor sama dengan atau di atas reuse_threshold, serta mendraf setiap node lainnya. hints-only mendraf setiap node semacam itu dan tidak mereferensikan Component katalog apa pun, dengan mencatat kecocokan yang kuat sebagai petunjuk. Nilai lain apa pun dibaca sebagai hints-only.
reuse_threshold0.85Skor yang sama dengan atau di atasnya membuat auto-apply-above-threshold mereferensikan sebuah Component. Hanya dibaca dalam mode tersebut; 0 dibaca sebagai nilai default.
emit_hintstrueApakah file Component yang didraf diawali dengan komentar yang menyebutkan Component katalog yang dimiripinya, untuk kecocokan tingkat tinggi atau menengah. Aggregate draf memuat komentar yang sama di atas entri node tersebut, dan di atas entri yang direferensikan, komentar yang menyebutkan kandidat terbaik berikutnya yang dapat menggantikannya, atau yang menyatakan bahwa tidak ada kandidat yang memiliki skor di atas nol. false menghilangkan komentar-komentar tersebut.
render_modehumanhuman menulis draf yang dijelaskan di atas. llm tidak menulis draf, dan sebagai gantinya menulis seluruh catatan keputusan — setiap node, kandidat yang dipertimbangkan, dan pilihan yang dibuat — sebagai satu dokumen, import-decisions.json, untuk dibaca oleh alat lain. Nilai lain apa pun dibaca sebagai human.
mapping_overridestidak adaPemetaan yang dilapiskan di atas tabel milik importer itu sendiri, dengan kunci berupa format lalu tipe node — untuk importer Compose, berupa repositori image. Setiap entri menyebutkan component yang menjadi pemetaan node bertipe tersebut dan, secara opsional, category-nya, traits — label beserta nilainya — yang dimiliki Component yang cocok, serta kata vendor yang dimuat namanya. Entri untuk tipe node yang sudah dipetakan oleh tabel menggantikan baris tabel tersebut. Hanya entri di bawah format yang sedang diimpor yang dibaca.
layoutplatformplatform mendraf platform yang menjalankan flow, yang memuat flow tersebut, dengan setiap bagiannya menjadi Component tersendiri yang dihubungkan ke platform, sebagaimana dijelaskan dalam Platform yang memuat flow. nodes mendraf setiap node sebagai Component tersendiri, sebagaimana dijelaskan dalam Node demi node. Untuk importer Dify, platform mendraf instalasi Dify yang memuat aplikasi, sebagaimana dijelaskan dalam Menjadi apa sebuah aplikasi. Nilai lain apa pun didraf sebagai platform, dan impor memberikan peringatan unknown-layout.
empty_credentialsnoneNilai kredensial mana yang ditulis kosong dalam flow yang dimuat platform, sebagaimana dicantumkan dalam Nilai kredensial yang dimuat flow, dalam Release yang didraf importer MCP, sebagaimana dicantumkan dalam Nilai kredensial yang dimuat server, dalam Release yang didraf importer Compose, sebagaimana dicantumkan dalam Nilai kredensial yang dimuat service, dalam aplikasi yang dimuat importer Dify, sebagaimana dicantumkan dalam Nilai kredensial yang dimuat aplikasi, dalam Release yang didraf importer CrewAI, sebagaimana dicantumkan dalam Nilai kredensial yang dimuat deklarasi, dalam Release yang didraf importer LangGraph, sebagaimana dicantumkan dalam Lingkungan yang dinyatakan konfigurasi, dalam Release yang didraf importer Google ADK, sebagaimana dicantumkan dalam Nilai kredensial yang dimuat konfigurasi, dan dalam Release yang didraf importer Agent Framework, sebagaimana dicantumkan dalam Nilai kredensial yang dimuat agen deklaratif. none tidak menulis kosong satu pun: masing-masing dimuat sebagaimana tertulis dan disebutkan dalam peringatan credential-carried. marked menulis kosong apa yang ditandai format sebagai kredensial dan setiap anggota konfigurasi server MCP. all juga menulis kosong input yang ditandai format bukan sebagai kredensial tetapi dapat memuatnya — header permintaan, parameter kueri, permintaan yang ditulis sebagai baris perintah, input yang dinamai menurut sebuah kunci. Apa yang ditulis draf agar sebuah node mencapai koneksinya tetap ditulis apa pun isi pengaturan ini. Nilai lain apa pun menghentikan impor, yang tidak mendraf apa pun, dengan unknown-empty-credentials. Draf yang dibuat node demi node tidak membaca nilai apa pun, sehingga tidak membaca pengaturan ini.
attach_egress_allowlistfalsetrue melampirkan Feature core/egress-allowlist dari pustaka standar ke setiap instans platform yang ditulis draf, sebagai egress-allowlist, tanpa menetapkan infra-nya sama sekali, sebagaimana dijelaskan dalam Apa yang ditinggalkan draf untuk Release. false tidak melampirkan apa pun. Draf yang tidak menulis platform, di bawah layout: nodes, dan draf importer Dify, yang entrinya untuk instalasi Dify tidak menerima Feature, tidak melampirkan apa pun apa pun isi pengaturan ini, dan jika pengaturan ini true, impor memberikan peringatan feature-not-attached. Nilai apa pun yang bukan boolean dibaca sebagai false.

Pengaturan yang tidak dikenal oleh sebuah importer akan diabaikan.

with:
settings:
mapping_overrides:
langflow:
AzureOpenAIModel:
component: acme/ai-model/azure-openai
category: ai-model
vendor: azure

Apa yang dilaporkan sebuah impor

Setiap importer inti melaporkan apa yang tidak dapat dilakukannya, dan apa yang dilakukannya atas nama penulis, sebagai diagnostik. Perintah mencetak masing-masing pada standard error sebagai <severity>: <message>, sebelum baris untuk setiap node; metode aggrega/import pada sesi editor dan alat import milik asisten mengembalikan masing-masing beserta code-nya juga.

KodeTingkat keparahanDilaporkan ketika
parse-failedhaltSumber tidak dapat diurai: parser-nya menolaknya, dan pesannya memuat alasan dari parser.
no-nodeswarnSumber tidak memuat node yang dikenali importer — untuk importer MCP, tidak ada server; untuk importer Compose, tidak ada layanan dan tidak ada model; untuk importer CrewAI, sebuah crew yang tidak mendeklarasikan agen; untuk importer LangGraph, sebuah konfigurasi yang tidak mendeklarasikan graf; untuk importer Google ADK, sebuah konfigurasi root yang tidak mendeklarasikan agen, atau setiap berkas yang diberikan with.sources kepada sebuah impor tidak memuat konfigurasi root; dan untuk importer Agent Framework, sebuah sumber yang tidak mendeklarasikan prompt agent.
unknown-layoutwarnlayout bukan platform maupun nodes; flow di-draft sebagai platform.
unknown-empty-credentialshaltempty_credentials berisi nilai selain none, marked atau all, disebutkan bersama pengaturannya; impor tidak men-draft apa pun.
platform-not-in-catalogwarnKatalog workspace tidak memuat Component dengan nama platform tersebut, sehingga tidak ada bagian yang dihubungkan ke sana; untuk importer Dify, tidak ada core/ai-agent/dify, dan core/dify tetap disusun.
part-not-placedwarnSebuah bagian dari flow tidak dihubungkan ke socket mana pun pada platform, beserta alasannya; bagian itu tetap berada dalam flow.
socket-selector-unreadablewarnSelector yang dideklarasikan sebuah socket platform tidak dapat dibaca, sehingga tidak ada bagian yang dihubungkan ke sana; sekali untuk setiap socket.
credential-carriedwarnSebuah nilai kredensial dibawa sebagaimana tertulis dalam flow yang dibawa draft, atau dalam Release yang di-draft importer MCP, Compose, CrewAI, LangGraph, Google ADK atau Agent Framework, disebutkan berdasarkan node-nya — atau server, layanan, agen atau konfigurasinya — dan field-nya, tidak pernah berdasarkan nilainya, beserta nilai empty_credentials yang mengosongkannya.
credential-emptiedwarnSebuah nilai kredensial dikosongkan dalam flow yang dibawa draft, atau dalam Release yang di-draft importer MCP, Compose, CrewAI, LangGraph, Google ADK atau Agent Framework, ketika empty_credentials memintanya, disebutkan berdasarkan node-nya — atau server, layanan, agen atau konfigurasinya — dan field-nya.
carriage-returns-rewrittenwarnCarriage return dalam flow ditulis sebagai line feed, beserta jumlahnya.
definition-respelledwarnNilai-nilai alur ditulis dalam ejaan yang digunakan alat milik platform itu sendiri untuk membacanya, dengan nilai yang sama, disertai nilai mana dan alasannya: handle tepi dari alur Langflow, ditulis sebagaimana editor Langflow menuliskannya. Nilai yang ditulis draf agar alur menjangkau suatu bagian, atau nilai yang dapat membawa kredensial, tidak pernah dieja ulang — nilai itu tetap milik pengkabelan, atau milik empty_credentials — dan peringatan menghitung setiap nilai yang tidak dieja ulang.
definition-not-carriedwarnFlow tidak dibawa dalam values.flow_definition, atau aplikasi importer Dify dalam parameters.app_definition, beserta alasannya.
part-reads-connectionwarnCara flow menjangkau bagian yang terhubung melalui koneksinya, atau cara sebuah koneksi menjangkau node yang tidak dihubungkan draft ke socket mana pun sebagaimana tertulis.
part-address-in-flowwarnFlow menjangkau bagian yang terhubung selain melalui koneksinya, beserta caranya.
model-not-namedwarnvalues.model dari bagian yang dirujuk dibiarkan untuk penulis, beserta alasannya.
feature-attachedinfoattach_egress_allowlist memasang core/egress-allowlist pada platform yang di-draft, beserta bagian mana darinya yang ditetapkan Release; sekali untuk setiap instance platform.
feature-not-attachedwarnattach_egress_allowlist bernilai true dan draft tidak menulis platform, atau menyusun instalasi Dify, yang entrinya tidak menerima Feature, sehingga tidak ada yang dipasang.
part-configured-in-platformwarnSebuah node dari aplikasi Dify menyebutkan sesuatu yang dikonfigurasi Dify untuk dirinya sendiri — sebuah model dan provider-nya, sebuah alat, sebuah basis pengetahuan, sebuah strategi agen, sebuah plugin — sehingga draft tidak menghubungkan bagian apa pun untuknya.
dsl-version-newerwarnSebuah aplikasi Dify ditulis dalam versi DSL yang lebih baru daripada versi yang ditulis oleh versi Dify yang dijalankan core/ai-agent/dify secara default.

Sebuah impor yang diberi target melaporkan, setelah diagnostik importer, apa yang ditemukan saat men-draft Manifest: sebuah warn yang menyebutkan setiap tipe komponen atau feature yang dibiarkan Manifest tanpa pemetaan beserta alasannya, dan sebuah info ketika Release yang di-draft sudah menyebutkan sebuah Manifest atau tidak ada Release yang di-draft yang merujuknya. Keduanya milik impor itu sendiri, bukan milik importer, dan tidak membawa kode; Apa yang ditambahkan oleh target menjelaskan keduanya. Setiap impor kemudian melaporkan, juga sebagai miliknya sendiri, sebuah warn untuk setiap nilai yang masih terutang oleh draf, yang menyebutkan file draf, path kunci, dan deskripsinya, dan, di bawah --offline, jika impor men-draft sebuah Release dan tidak terutang apa pun, sebuah info yang menyebutkan aggrega pull yang perlu dijalankan berikutnya, sebagaimana dijelaskan File jawaban impor.

Diterbitkan bersama setiap rilis kompiler

Setiap rilis kompiler membangun kesepuluh importer dari sumber yang diberi tag dan menghasilkan entitas Plugin mereka dari importer itu sendiri, sehingga kapabilitas, tanda pengenalan, fungsi host dan deskripsi sebuah entitas adalah apa yang dilaporkan importernya. Rilis tersebut menandatangani dan menerbitkan kesepuluhnya, importer/langflow, importer/flowise, importer/n8n, importer/mcp, importer/compose, importer/dify, importer/crewai, importer/langgraph, importer/google-adk dan importer/agent-framework pada versi rilis tersebut, di samping plugin inti lainnya, dan mencatat entitas mereka bersama entitas plugin inti lainnya untuk katalog standar.