コンテンツにスキップ
AggregaAggrega
言語の選択: 日本語
このページは機械翻訳されています。英語の原文を読む。

製品別・機能別の例

このフォルダーのすべての例を、まず取り組む順に段階ごとに一覧にし、次にそれがデプロイする製品ごと、およびそれが示す機能ごとに一覧にしています。各項目には、例のレベルとそのページの最初の文を示します。

レベルは start、authoring、advanced のいずれかで、各例のヘッダー に挙げられているレベルです。各例が持つヘッダーと、その値の出典であるリストについては、各例のヘッダー で説明しています。

学習順

ここから始める

段階 start-here:「はじめに」ガイドが 1 ステップずつ発展させる 2 つの例と、その後に続くクラウド向けの 2 つの入門例です。

  • quickstart-ai (start) — 小さな LangGraph エージェントを 4 つのステップで育てます。メモリーを持つローカルモデルで始まり、ローカルモデルをフォールバックとするクラウドモデルを得て、両方の前にガードレールを置き、最後に Kubernetes 向けにビルドします。
  • quickstart-web (start) — メモを PostgreSQL に保存する小さな Web アプリケーションを 4 つのステップで育てます。手元のマシン上でデータベースとともに始まり、Redis キャッシュを得て、データベースを Amazon RDS に置いて AWS に移り、最後にバックアップを得ます。
  • terraform-rds (authoring) — 開発者の意図として一度だけ記述した単一の MariaDB データベースを、マネージド AWS RDS インスタンスをプロビジョニングする Terraform HCL ファイルにレンダリングします。
  • cloudformation-rds-stack (advanced) — マネージドデータベースとそれを読み取るアプリケーションを、開発者の意図として一度だけ記述し、AWS CloudFormation のスタックテンプレートに組み立てます。

カタログのみ

段階 catalog-only:カタログエンティティから組み立てられ、Aggregate、Manifest、Release 以外は何も記述しません。

  • catalog-only (start) — この例は、小規模で実際に動くスタック(前段に Adminer Web UI を置いた MariaDB データベース)を、標準ライブラリのカタログエンティティのみを参照してデプロイします。
  • cert-manager-tls (start) — この例は、小規模で実際に動くスタック(cert-manager 証明書コントローラー)を、開発者が記述した 1 つの Aggregate から Kubernetes にコンパイルします。
  • contour-gateway (start) — この例は、小規模で実際に動くスタック(Contour イングレスゲートウェイ)を、開発者が記述した 1 つの Aggregate から Kubernetes にコンパイルします。
  • external-secrets-operator (start) — この例は、小規模で実際に動くスタック(external-secrets オペレーター)を、開発者が記述した 1 つの Aggregate から Kubernetes にコンパイルします。基盤は公式の external-secrets Helm チャートです。
  • sealed-secrets-controller (start) — この例は、小規模で実際に動くスタック(sealed-secrets コントローラー)を、開発者が記述した 1 つの Aggregate から Kubernetes にコンパイルします。基盤は HTTPS チャートリポジトリから提供される公式の sealed-secrets Helm チャートです。
  • openbao-secrets (start) — この例は、小規模で実際に動くスタック(単一の OpenBao シークレットサーバー)を、開発者が記述した 1 つの Aggregate から Kubernetes にコンパイルします。基盤は公式の OpenBao Helm チャートです。
  • jaeger-tracing (start) — この例は、小規模で実際に動くスタック(単一ノード形態の Jaeger 分散トレーシングバックエンド)を、開発者が記述した 1 つの Aggregate から Kubernetes にコンパイルします。上流のチャートは使わず、公式の Jaeger イメージから直接合成します。
  • tempo-tracing (start) — この例は、小規模で実際に動くスタック(Grafana Tempo 分散トレーシングサーバー)を、開発者が記述した 1 つの Aggregate から、公式の grafana/tempo イメージに対する Workload 合成によって、単一バイナリ形態で Kubernetes にコンパイルします。
  • loki-logging (start) — この例は、小規模で実際に動くスタック(Grafana Loki ログ集約サーバー)を、開発者が記述した 1 つの Aggregate から Kubernetes にコンパイルします。基盤は単一バイナリ形態の公式 Grafana Loki Helm チャートです。
  • kafka-broker (start) — この例は、小規模で実際に動くスタック(単一ノードの KRaft 形態の Apache Kafka イベントストリーミングブローカー)を、開発者が記述した 1 つの Aggregate から Kubernetes にコンパイルします。上流のチャートは使わず、公式の Apache Kafka イメージから直接合成します。
  • redis-cache (start) — この簡潔な例は、単一の Redis インメモリキャッシュ(Redis ワイヤープロトコル)を、開発者が記述した 1 つの Aggregate から 2 つの実現にコンパイルします。
  • valkey-cache (start) — この簡潔な例は、単一の Valkey インメモリキャッシュ(Redis ワイヤープロトコル)を、開発者が記述した 1 つの Aggregate から 2 つの実現にコンパイルします。
  • memcached-cache (start) — この簡潔な例は、単一の Memcached インメモリキャッシュを、開発者が記述した 1 つの Aggregate から 2 つの実現にコンパイルします。
  • nats-messaging (start) — この例は、単一の NATS メッセージングサーバー(パブリッシュ/サブスクライブ、リクエスト/リプライ、キューイング)を、開発者が記述した 1 つの Aggregate から 2 つの実現にコンパイルします。
  • rabbitmq-broker (start) — この例は、単一の RabbitMQ メッセージブローカー(AMQP)を、開発者が記述した 1 つの Aggregate から 2 つのターゲットにコンパイルします。
  • mysql-standalone (start) — この簡潔な例は、単一の MySQL データベースを、開発者が記述した Aggregate から 2 つのターゲットにコンパイルします。
  • mariadb-helm-synth (start) — helm プロバイダーの Workload 合成によって Kubernetes 上にレンダリングされる単一の MariaDB データベースです。外部チャートは使いません。
  • postgres-init-config (start) — core/datastore/postgres は、データベースの初回起動を形作る 2 つの省略可能な開発者値を公開しています。init_scripts(初期化時に一度だけ実行される SQL またはシェル)と custom_config(postgresql.conf の断片)です。
  • grafana-dashboards (start) — この例は、単一の Grafana ダッシュボード・可視化サーバーを、開発者が記述した 1 つの Aggregate から 2 つの実現にコンパイルします。
  • s3-object-store (start) — この例は、1 つの S3 互換オブジェクトストア、つまり core/storage/s3-object-store コンポーネントを、その 2 つのセルフホスト型の実現にコンパイルします。
  • nginx-gateway (start) — この例は、小規模で実際に動くスタック(Web バックエンドの前に置かれた NGINX リバースプロキシゲートウェイ)を、開発者が記述した 1 つの Aggregate から 2 つのターゲットにコンパイルします。
  • prometheus-scrape (start) — この例は、小規模で実際に動くスタック(2 つの Grafana ダッシュボードサーバーをスクレイプする Prometheus メトリクスサーバー)を、開発者が記述した 1 つの Aggregate から 2 つのターゲットにコンパイルします。
  • fluentd-aggregator (start) — この例は、Fluentd ログアグリゲーター(ログパイプラインの受信側)を、開発者が記述した 1 つの Aggregate から 2 つの実現にコンパイルします。
  • fluent-bit-to-fluentd (start) — この例は、実際のログパイプライン(forward プロトコルで Fluentd アグリゲーターにレコードを送る Fluent Bit フォワーダー)を、開発者が記述した 1 つの Aggregate から 2 つの実現にコンパイルします。
  • mysql-innodb-cluster (start) — MySQL InnoDB Cluster とそれを調整するコントロールプレーンを、変更していない 1 つの Aggregate から 2 回ビルドします。1 回は単一のサーバーインスタンスを、もう 1 回は 3 つを要求します。
  • apisix-stack (start) — この例は、小規模で実際に動くスタック(動的 API ゲートウェイ)を、開発者が記述した 1 つの Aggregate から合成された Kubernetes マニフェストにコンパイルします。
  • ferretdb-stack (start) — この例は、小規模で実際に動くスタック(MongoDB ワイヤープロトコルを公開するドキュメントデータベース)を、開発者が記述した 1 つの Aggregate から合成された Kubernetes マニフェストにコンパイルします。
  • kong-stack (start) — この例は、小規模で実際に動くスタック(データベースを基盤とする API ゲートウェイ)を、開発者が記述した 1 つの Aggregate から合成された Kubernetes マニフェストにコンパイルします。
  • keycloak-stack (start) — この例は、小規模で実際に動くスタック(データベースを基盤とする ID サーバー)を、開発者が記述した 1 つの Aggregate から合成された Kubernetes マニフェストにコンパイルします。
  • thanos-stack (start) — この例は、小規模で実際に動くスタック(Thanos メトリクスシステムの読み取り/クエリ層)を、開発者が記述した 1 つの Aggregate から合成された Kubernetes マニフェストにコンパイルします。
  • harbor-stack (start) — この例は、実際のコンテナレジストリを、開発者が記述した 1 つの Aggregate から Kubernetes マニフェストにコンパイルします。
  • credential-secretkeyref (start) — パスワードを認証情報サブシステムから供給される単一の PostgreSQL データベースを、プロバイダーごとに示します。
  • model-api-key-sharing (start) — 1 つの OpenAI 互換ゲートウェイの背後にある 2 つの CrewAI エージェントです。
  • adhoc-uses-socket (start) — この例は 1 行と、その両半分を教えます。
  • ai-agent-and-model-router (start) — 1 つのクラスター内ルーターを通じて 2 つの上流プロバイダーのモデルに到達するエージェントアプリケーションを、Kubernetes マニフェストにコンパイルします。
  • connection-credentials (start) — 2 つのモデルに到達し、それぞれに異なるキーを提示するセマンティックメモリストアを、Kubernetes マニフェストにコンパイルします。
  • ai-gateway-log-masking (start) — サポートアシスタントは顧客の名前とメールアドレスを扱う必要があるため、それが呼び出すモデルはそれらを見る必要があります。
  • ai-gateway-prompt-injection-shield (start) — サポートアシスタントのユーザーは何でも入力でき、その中には、与えられた指示をモデルに無視させようとするものもあります。
  • ai-gateway-semantic-cache (start) — サポートアシスタントは、一日中、少しずつ異なる言葉で同じ質問をされます。
  • apisix-token-budget (start) — あるチームが 2 つの OpenAI モデルを 1 つのゲートウェイの背後に置き、ゲートウェイがそれらに費やす量に、トークン数で数える 1 日あたりの上限を設けます。
  • envoy-ai-gateway-token-budget (start) — あるチームが OpenAI の gpt-4o-mini をクラスター内のゲートウェイの背後に置き、ゲートウェイがそれに費やすトークンに暦月ごとの上限を設け、エージェントの接続先を OpenAI ではなくゲートウェイにします。
  • nemo-guardrails-nemoguard-nims (start) — エージェントのモデルリクエストは NVIDIA NeMo Guardrails を通過し、NeMo Guardrails は各リクエストを NVIDIA の 2 つの NemoGuard モデルでチェックします。これらは NVIDIA のライセンス製品で、実行には NVIDIA のライセンス、NGC API キー、GPU ノードが必要です。
  • model-server-caller-allowlist (start) — クラスター内で稼働するモデルサーバーは、そのアドレスに到達した相手なら誰にでも応答します。
  • task-run-on-demand (start) — core/manual-trigger を持つタスクを Kubernetes、Docker Compose、Terraform、CloudFormation で起動せずにデプロイし、何も持たないタスクと並べて、各ターゲットで実行を開始するコマンドを示します。
  • datastore-backup (start) — PostgreSQL データベースを、Kubernetes では Velero と CloudNativePG で、AWS では Terraform と CloudFormation 上の Amazon RDS 自身の自動バックアップと AWS Backup でバックアップします。いずれもオペレーターが各 Release に記述する 1 つの core/backup アタッチメントから行い、バックアップ製品を持たないターゲットでの拒否も示します。

オーサリング

段階 authoring:独自の Component、Feature、Recipe を記述するか、その構成方法を示します。

  • mariadb-adminer (authoring) — この例は、小規模で実際に動くスタック(前段に Adminer Web UI を置いた MariaDB データベース)を、開発者が記述した単一の Aggregate から2 つのプラットフォーム向けにコンパイルします。
  • per-instance-recipe-override (authoring) — この例は Manifest の 1 つの機能を教えます。name マッピング階層です。これは単一のコンポーネントインスタンスの Recipe をオーバーライドし、同じタイプの他のすべてのインスタンスは一括の type 階層の Recipe を維持します。
  • workload-library-import (authoring) — Recipe がインライン本体ではなく共有ライブラリのエントリから Kubernetes Workload を合成する、単一のステートレス Web サービスです。
  • workload-identity-binding (authoring) — helm プロバイダーの Workload 合成によって Kubernetes 上にレンダリングされる単一のステートレスアプリです。外部チャートは使いません。
  • multikey-secret-synth (authoring) — helm プロバイダーの Workload 合成によって Kubernetes 上にレンダリングされる単一のステートレスアプリです。外部チャートは使いません。
  • mariadb-bitnami-credential-set (authoring) — Bitnami Helm チャートで実現される単一の MariaDB データベースで、そのパスワードは複数キーを持つ 1 つの参照可能なシークレット(core/referenced-secret-set)から供給されます。
  • credential-shape-per-target (authoring) — 認証情報が実行中のコンテナにどのように届くかは、アプリケーションではなく、どこにデプロイするかの性質です。
  • terraform-rds-module (authoring) — terraform-rds の例と同じ MariaDB の意図を、Terraform プロバイダーの sourced 形態でレンダリングします。Recipe はインラインの HCL 本体の代わりにローカルの Terraform モジュールを指し、コンパイラはそれをそのままベンダリングしたうえで、開発者とオペレーターの両方の柱から入力変数を供給します。
  • postgres-three-realizations (authoring) — PostgreSQL データベースとそれを読み取るアプリケーションを、変更していない 1 つの Aggregate から 3 つの異なる方法でデプロイします。クラスター内で動く PostgreSQL、マネージドクラウドインスタンスとしての PostgreSQL、そしてこの Release のデプロイ前から存在していた PostgreSQL サーバーです。
  • mcp-address-from-secret (authoring) — 他者が運用する Model Context Protocol サーバーの中には、キーをリクエストヘッダーからではなく、自身のアドレス https://mcp.example.com/mcp?api_key=<key> から読み取るものがあります。
  • chart-from-git-repository (authoring) — Helm チャートはチャートレジストリから取得しなければならないわけではありません。
  • extends-wrapper (authoring) — この例が教えるのは 1 つのことです。別の Component を extends する Component はそのベースのデータ契約全体を継承するため、ベース向けに書かれたすべての Recipe は、拡張する Component をすでに実装しています。

Advanced

段階 advanced:境界、ガバナンスポリシー、アノテーション駆動の Features、組み立てられたクラウドスタックを扱い、その複数を 1 つのビルドで組み合わせます。

  • advanced-platform (advanced) — 開発者が記述した単一の Aggregate から、1 つのビルドで複数の仕組みを組み合わせる、複数の境界を持つ Kubernetes プラットフォームです。境界スコープの FeatureRecipes、パラメータの巻き上げ、認証情報サブシステム、そして Service DNS を通じて解決される境界間参照を扱います。
  • aws-rds-and-ecs-service (advanced) — 1 つの Aggregate が PostgreSQL データベースと、それを読み取るサーバーを保持します。
  • terraform-declared-sensitivity (advanced) — 値が機密情報を含むという宣言は、Component のスキーマ上で一度だけ記述されます。
  • cross-boundary-networking (advanced) — 2 つのコンポーネントからなるスタック(Adminer データベース UI と PostgreSQL データベース)を2 つの境界に分割し、Adminer が境界の継ぎ目を越えてデータベースに到達する必要がある構成です。
  • module-boundary-routing (advanced) — この例は、2 つの機能(オブジェクトストレージ上の Thanos メトリクス読み取り層と、MongoDB ワイヤープロトコルを話すドキュメントデータベース)を、開発者が記述した 1 つの Aggregate からコンパイルし、Release からそれぞれを独自の境界に配置します。
  • annotation-driven-monitoring (advanced) — この例は、コンポーネントごとの features: ブロックを 1 つも書かずに、ネストされたトポロジー全体の 6 つのサービスにモニタリング Feature をアタッチします。
  • policy-in-ci (advanced) — Aggrega のビルドの出力ディレクトリを読み取り、ルールに違反していればそれを拒否する、すぐに使える 2 つのルールスクリプトです。
  • policy-payload-leaf-sensitivity (advanced) — この例は、1 つの社内ルールと、それを表現可能にしている事実を教えます。
  • policy-data-class-route (advanced) — ある環境では、制限付きの顧客データを扱う保険請求アシスタントと、そうしたデータを扱わないヘルプデスクアシスタントが稼働しています。
  • policy-label-transform (advanced) — ガバナンスプラグインが、このワークスペースがデプロイするすべてのコンポーネントに、その所有者、その環境が得るサポート階層、バックアップスケジュール、短いタグのラベルを付けるため、開発者はそのどれも入力しません。
  • policy-org-overlay (advanced) — チームのポリシー、組織のポリシー、パイプラインのポリシーが 1 つのビルドで一緒に実行され、それぞれが独自の設定ファイルでアタッチされます。
  • policy-render-verdict (advanced) — render-verdict ロールにアタッチされた 1 つの社内ルールが、ビルドが 4 つのターゲット向けに書き込むファイルを判定し、それぞれに仕込まれた違反を拒否します。
  • policy-annotation-transform (advanced) — ガバナンスポリシーが、ショップのすべてのコンポーネントにプラットフォームのモニタリングと AWS IAM ロールを与えます。
  • ai-gateway-own-webhook-certificate (advanced) — これは上級者向けの例です。

インポーター

段階 importers:別の形式で書かれたプロジェクトを aggrega import で Aggrega ファイルに下書きし、レビューしたうえでビルドします。

  • import-compose (start) — API、そのノートを保存する PostgreSQL データベース、Redis キャッシュを実行する Compose ファイルを、aggrega import で Aggrega ファイルに下書きし — 接続、データベースの設定、変数参照としてのパスワード、各イメージのタグを引き継ぎます — Docker Compose 向けにビルドしたものです。
  • import-mcp (start) — 3 つの Model Context Protocol サーバー — コマンドラインから起動する 2 つと、他者が運用する 1 つ — を列挙した Claude Code の .mcp.json を、aggrega import で Aggrega ファイルに下書きし、各サーバーをその実行方法に対応する実現にマッピングしたうえで Kubernetes 向けにビルドしたものです。
  • import-n8n (start) — n8n のワークフロー — チャットトリガー、AI Agent、OpenAI Chat Model、Simple Memory — を、aggrega import で Aggregate、Release、Manifest にインポートしたもので、これらは記述どおりのまま Docker Compose 向けにビルドできます。
  • import-flowise (start) — Flowise のチャットフロー — ChatOpenAI ノード、Buffer Memory、Conversation Chain — を、aggrega import で Aggregate、Release、Manifest にインポートしたもので、これらは記述どおりのまま Docker Compose 向けにビルドできます。
  • import-langflow (start) — JSON としてエクスポートした Langflow の Basic Prompting スタータープロジェクトを、aggrega import で Aggregate、Release、Manifest にインポートしたもので、これらは記述どおりのまま Docker Compose 向けにビルドできます。
  • import-dify (start) — Dify の DSL でエクスポートされた Dify のチャットアプリケーションを、aggrega import で Aggregate、Release、Manifest にインポートしたもので、これらは記述どおりのまま、それを載せた標準ライブラリの Dify インストールを Kubernetes 向けにビルドします。
  • import-google-adk (start) — Google の Agent Development Kit で構築されたアプリケーションの Agent Config — Gemini 上の 1 つのエージェントで、ADK に同梱の Google Search ツールを使います — を、aggrega import で Aggrega ファイルに下書きし、アプリケーションのイメージを回答ファイルで一度だけ指定したうえで Docker Compose 向けにビルドしたものです。
  • import-langgraph (start) — LangGraph アプリケーションの langgraph.json — 状態を PostgreSQL に保持する 1 つのグラフ — を、aggrega import で Aggrega ファイルに下書きし、グラフが呼び出すモデルとアプリケーションのイメージを回答ファイルで一度だけ指定したうえで Docker Compose 向けにビルドしたものです。
  • import-crewai (start) — 従来のレイアウトの CrewAI プロジェクトにおけるエージェントとタスクの宣言 — 1 つの OpenAI モデル上の 2 つのエージェントと、それぞれに 1 つのタスク — を、aggrega import で Aggrega ファイルに下書きし、crew のプログラムが動作するイメージを回答ファイルで一度だけ指定したうえで Docker Compose 向けにビルドしたものです。
  • import-agent-framework (start) — Microsoft Agent Framework の宣言型エージェント — OpenAI モデル上で動作し、MCP サーバーを通じてドキュメントを検索する 1 つのエージェント — を、aggrega import で Aggrega ファイルに下書きし、アプリケーションのイメージを回答ファイルで一度だけ指定したうえで Docker Compose 向けにビルドしたものです。

製品別

core/ai-agent/agent-framework

  • import-agent-framework (start) — Microsoft Agent Framework の宣言型エージェント — OpenAI モデル上で動作し、MCP サーバーを通じてドキュメントを検索する 1 つのエージェント — を、aggrega import で Aggrega ファイルに下書きし、アプリケーションのイメージを回答ファイルで一度だけ指定したうえで Docker Compose 向けにビルドしたものです。

core/ai-agent/crewai

  • envoy-ai-gateway-token-budget (start) — あるチームが OpenAI の gpt-4o-mini をクラスター内のゲートウェイの背後に置き、ゲートウェイがそれに費やすトークンに暦月ごとの上限を設け、エージェントの接続先を OpenAI ではなくゲートウェイにします。
  • import-crewai (start) — 従来のレイアウトの CrewAI プロジェクトにおけるエージェントとタスクの宣言 — 1 つの OpenAI モデル上の 2 つのエージェントと、それぞれに 1 つのタスク — を、aggrega import で Aggrega ファイルに下書きし、crew のプログラムが動作するイメージを回答ファイルで一度だけ指定したうえで Docker Compose 向けにビルドしたものです。
  • model-api-key-sharing (start) — 1 つの OpenAI 互換ゲートウェイの背後にある 2 つの CrewAI エージェントです。

core/ai-agent/dify

  • import-dify (start) — Dify の DSL でエクスポートされた Dify のチャットアプリケーションを、aggrega import で Aggregate、Release、Manifest にインポートしたもので、これらは記述どおりのまま、それを載せた標準ライブラリの Dify インストールを Kubernetes 向けにビルドします。

core/ai-agent/dify-plugin-daemon

  • import-dify (start) — Dify の DSL でエクスポートされた Dify のチャットアプリケーションを、aggrega import で Aggregate、Release、Manifest にインポートしたもので、これらは記述どおりのまま、それを載せた標準ライブラリの Dify インストールを Kubernetes 向けにビルドします。

core/ai-agent/dify-sandbox

  • import-dify (start) — Dify の DSL でエクスポートされた Dify のチャットアプリケーションを、aggrega import で Aggregate、Release、Manifest にインポートしたもので、これらは記述どおりのまま、それを載せた標準ライブラリの Dify インストールを Kubernetes 向けにビルドします。

core/ai-agent/dify-ssrf-proxy

  • import-dify (start) — Dify の DSL でエクスポートされた Dify のチャットアプリケーションを、aggrega import で Aggregate、Release、Manifest にインポートしたもので、これらは記述どおりのまま、それを載せた標準ライブラリの Dify インストールを Kubernetes 向けにビルドします。

core/ai-agent/dify-web

  • import-dify (start) — Dify の DSL でエクスポートされた Dify のチャットアプリケーションを、aggrega import で Aggregate、Release、Manifest にインポートしたもので、これらは記述どおりのまま、それを載せた標準ライブラリの Dify インストールを Kubernetes 向けにビルドします。

core/ai-agent/dify-worker

  • import-dify (start) — Dify の DSL でエクスポートされた Dify のチャットアプリケーションを、aggrega import で Aggregate、Release、Manifest にインポートしたもので、これらは記述どおりのまま、それを載せた標準ライブラリの Dify インストールを Kubernetes 向けにビルドします。

core/ai-agent/dify-worker-beat

  • import-dify (start) — Dify の DSL でエクスポートされた Dify のチャットアプリケーションを、aggrega import で Aggregate、Release、Manifest にインポートしたもので、これらは記述どおりのまま、それを載せた標準ライブラリの Dify インストールを Kubernetes 向けにビルドします。

core/ai-agent/flowise

  • import-flowise (start) — Flowise のチャットフロー — ChatOpenAI ノード、Buffer Memory、Conversation Chain — を、aggrega import で Aggregate、Release、Manifest にインポートしたもので、これらは記述どおりのまま Docker Compose 向けにビルドできます。

core/ai-agent/google-adk

  • import-google-adk (start) — Google の Agent Development Kit で構築されたアプリケーションの Agent Config — Gemini 上の 1 つのエージェントで、ADK に同梱の Google Search ツールを使います — を、aggrega import で Aggrega ファイルに下書きし、アプリケーションのイメージを回答ファイルで一度だけ指定したうえで Docker Compose 向けにビルドしたものです。

core/ai-agent/langflow

  • import-langflow (start) — JSON としてエクスポートした Langflow の Basic Prompting スタータープロジェクトを、aggrega import で Aggregate、Release、Manifest にインポートしたもので、これらは記述どおりのまま Docker Compose 向けにビルドできます。

core/ai-agent/langgraph

  • ai-agent-and-model-router (start) — 1 つのクラスター内ルーターを通じて 2 つの上流プロバイダーのモデルに到達するエージェントアプリケーションを、Kubernetes マニフェストにコンパイルします。
  • import-langgraph (start) — LangGraph アプリケーションの langgraph.json — 状態を PostgreSQL に保持する 1 つのグラフ — を、aggrega import で Aggrega ファイルに下書きし、グラフが呼び出すモデルとアプリケーションのイメージを回答ファイルで一度だけ指定したうえで Docker Compose 向けにビルドしたものです。
  • nemo-guardrails-nemoguard-nims (start) — エージェントのモデルリクエストは NVIDIA NeMo Guardrails を通過し、NeMo Guardrails は各リクエストを NVIDIA の 2 つの NemoGuard モデルでチェックします。これらは NVIDIA のライセンス製品で、実行には NVIDIA のライセンス、NGC API キー、GPU ノードが必要です。
  • policy-data-class-route (advanced) — ある環境では、制限付きの顧客データを扱う保険請求アシスタントと、そうしたデータを扱わないヘルプデスクアシスタントが稼働しています。
  • quickstart-ai (start) — 小さな LangGraph エージェントを 4 つのステップで育てます。メモリーを持つローカルモデルで始まり、ローカルモデルをフォールバックとするクラウドモデルを得て、両方の前にガードレールを置き、最後に Kubernetes 向けにビルドします。

core/ai-agent/n8n

  • import-n8n (start) — n8n のワークフロー — チャットトリガー、AI Agent、OpenAI Chat Model、Simple Memory — を、aggrega import で Aggregate、Release、Manifest にインポートしたもので、これらは記述どおりのまま Docker Compose 向けにビルドできます。

core/ai-model/anthropic

  • adhoc-uses-socket (start) — この例は 1 行と、その両半分を教えます。

core/ai-model/gemini

  • import-google-adk (start) — Google の Agent Development Kit で構築されたアプリケーションの Agent Config — Gemini 上の 1 つのエージェントで、ADK に同梱の Google Search ツールを使います — を、aggrega import で Aggrega ファイルに下書きし、アプリケーションのイメージを回答ファイルで一度だけ指定したうえで Docker Compose 向けにビルドしたものです。

core/ai-model/nemoguard-content-safety

  • nemo-guardrails-nemoguard-nims (start) — エージェントのモデルリクエストは NVIDIA NeMo Guardrails を通過し、NeMo Guardrails は各リクエストを NVIDIA の 2 つの NemoGuard モデルでチェックします。これらは NVIDIA のライセンス製品で、実行には NVIDIA のライセンス、NGC API キー、GPU ノードが必要です。

core/ai-model/ollama

  • model-server-caller-allowlist (start) — クラスター内で稼働するモデルサーバーは、そのアドレスに到達した相手なら誰にでも応答します。
  • quickstart-ai (start) — 小さな LangGraph エージェントを 4 つのステップで育てます。メモリーを持つローカルモデルで始まり、ローカルモデルをフォールバックとするクラウドモデルを得て、両方の前にガードレールを置き、最後に Kubernetes 向けにビルドします。

core/ai-model/openai

  • ai-gateway-log-masking (start) — サポートアシスタントは顧客の名前とメールアドレスを扱う必要があるため、それが呼び出すモデルはそれらを見る必要があります。
  • ai-gateway-semantic-cache (start) — サポートアシスタントは、一日中、少しずつ異なる言葉で同じ質問をされます。
  • apisix-token-budget (start) — あるチームが 2 つの OpenAI モデルを 1 つのゲートウェイの背後に置き、ゲートウェイがそれらに費やす量に、トークン数で数える 1 日あたりの上限を設けます。
  • connection-credentials (start) — 2 つのモデルに到達し、それぞれに異なるキーを提示するセマンティックメモリストアを、Kubernetes マニフェストにコンパイルします。
  • envoy-ai-gateway-token-budget (start) — あるチームが OpenAI の gpt-4o-mini をクラスター内のゲートウェイの背後に置き、ゲートウェイがそれに費やすトークンに暦月ごとの上限を設け、エージェントの接続先を OpenAI ではなくゲートウェイにします。
  • import-agent-framework (start) — Microsoft Agent Framework の宣言型エージェント — OpenAI モデル上で動作し、MCP サーバーを通じてドキュメントを検索する 1 つのエージェント — を、aggrega import で Aggrega ファイルに下書きし、アプリケーションのイメージを回答ファイルで一度だけ指定したうえで Docker Compose 向けにビルドしたものです。
  • import-crewai (start) — 従来のレイアウトの CrewAI プロジェクトにおけるエージェントとタスクの宣言 — 1 つの OpenAI モデル上の 2 つのエージェントと、それぞれに 1 つのタスク — を、aggrega import で Aggrega ファイルに下書きし、crew のプログラムが動作するイメージを回答ファイルで一度だけ指定したうえで Docker Compose 向けにビルドしたものです。
  • import-flowise (start) — Flowise のチャットフロー — ChatOpenAI ノード、Buffer Memory、Conversation Chain — を、aggrega import で Aggregate、Release、Manifest にインポートしたもので、これらは記述どおりのまま Docker Compose 向けにビルドできます。
  • import-langflow (start) — JSON としてエクスポートした Langflow の Basic Prompting スタータープロジェクトを、aggrega import で Aggregate、Release、Manifest にインポートしたもので、これらは記述どおりのまま Docker Compose 向けにビルドできます。
  • import-langgraph (start) — LangGraph アプリケーションの langgraph.json — 状態を PostgreSQL に保持する 1 つのグラフ — を、aggrega import で Aggrega ファイルに下書きし、グラフが呼び出すモデルとアプリケーションのイメージを回答ファイルで一度だけ指定したうえで Docker Compose 向けにビルドしたものです。
  • import-n8n (start) — n8n のワークフロー — チャットトリガー、AI Agent、OpenAI Chat Model、Simple Memory — を、aggrega import で Aggregate、Release、Manifest にインポートしたもので、これらは記述どおりのまま Docker Compose 向けにビルドできます。
  • policy-data-class-route (advanced) — ある環境では、制限付きの顧客データを扱う保険請求アシスタントと、そうしたデータを扱わないヘルプデスクアシスタントが稼働しています。
  • quickstart-ai (start) — 小さな LangGraph エージェントを 4 つのステップで育てます。メモリーを持つローカルモデルで始まり、ローカルモデルをフォールバックとするクラウドモデルを得て、両方の前にガードレールを置き、最後に Kubernetes 向けにビルドします。

core/ai-model/openai-compatible

  • model-api-key-sharing (start) — 1 つの OpenAI 互換ゲートウェイの背後にある 2 つの CrewAI エージェントです。

core/ai-model/openai-embedding

  • ai-gateway-semantic-cache (start) — サポートアシスタントは、一日中、少しずつ異なる言葉で同じ質問をされます。

core/ai-model/tei

  • connection-credentials (start) — 2 つのモデルに到達し、それぞれに異なるキーを提示するセマンティックメモリストアを、Kubernetes マニフェストにコンパイルします。

core/ai-tool/mcp

  • import-mcp (start) — 3 つの Model Context Protocol サーバー — コマンドラインから起動する 2 つと、他者が運用する 1 つ — を列挙した Claude Code の .mcp.json を、aggrega import で Aggrega ファイルに下書きし、各サーバーをその実行方法に対応する実現にマッピングしたうえで Kubernetes 向けにビルドしたものです。
  • mcp-address-from-secret (authoring) — 他者が運用する Model Context Protocol サーバーの中には、キーをリクエストヘッダーからではなく、自身のアドレス https://mcp.example.com/mcp?api_key=<key> から読み取るものがあります。

core/compute/server

  • quickstart-ai (start) — 小さな LangGraph エージェントを 4 つのステップで育てます。メモリーを持つローカルモデルで始まり、ローカルモデルをフォールバックとするクラウドモデルを得て、両方の前にガードレールを置き、最後に Kubernetes 向けにビルドします。

core/datastore/cognee

  • connection-credentials (start) — 2 つのモデルに到達し、それぞれに異なるキーを提示するセマンティックメモリストアを、Kubernetes マニフェストにコンパイルします。

core/datastore/documentdb

  • ferretdb-stack (start) — この例は、小規模で実際に動くスタック(MongoDB ワイヤープロトコルを公開するドキュメントデータベース)を、開発者が記述した 1 つの Aggregate から合成された Kubernetes マニフェストにコンパイルします。
  • module-boundary-routing (advanced) — この例は、2 つの機能(オブジェクトストレージ上の Thanos メトリクス読み取り層と、MongoDB ワイヤープロトコルを話すドキュメントデータベース)を、開発者が記述した 1 つの Aggregate からコンパイルし、Release からそれぞれを独自の境界に配置します。

core/datastore/etcd

  • apisix-stack (start) — この例は、小規模で実際に動くスタック(動的 API ゲートウェイ)を、開発者が記述した 1 つの Aggregate から合成された Kubernetes マニフェストにコンパイルします。

core/datastore/ferretdb

  • ferretdb-stack (start) — この例は、小規模で実際に動くスタック(MongoDB ワイヤープロトコルを公開するドキュメントデータベース)を、開発者が記述した 1 つの Aggregate から合成された Kubernetes マニフェストにコンパイルします。
  • module-boundary-routing (advanced) — この例は、2 つの機能(オブジェクトストレージ上の Thanos メトリクス読み取り層と、MongoDB ワイヤープロトコルを話すドキュメントデータベース)を、開発者が記述した 1 つの Aggregate からコンパイルし、Release からそれぞれを独自の境界に配置します。

core/datastore/mariadb

  • adhoc-uses-socket (start) — この例は 1 行と、その両半分を教えます。
  • advanced-platform (advanced) — 開発者が記述した単一の Aggregate から、1 つのビルドで複数の仕組みを組み合わせる、複数の境界を持つ Kubernetes プラットフォームです。境界スコープの FeatureRecipes、パラメータの巻き上げ、認証情報サブシステム、そして Service DNS を通じて解決される境界間参照を扱います。
  • catalog-only (start) — この例は、小規模で実際に動くスタック(前段に Adminer Web UI を置いた MariaDB データベース)を、標準ライブラリのカタログエンティティのみを参照してデプロイします。
  • cloudformation-rds-stack (advanced) — マネージドデータベースとそれを読み取るアプリケーションを、開発者の意図として一度だけ記述し、AWS CloudFormation のスタックテンプレートに組み立てます。
  • mariadb-adminer (authoring) — この例は、小規模で実際に動くスタック(前段に Adminer Web UI を置いた MariaDB データベース)を、開発者が記述した単一の Aggregate から2 つのプラットフォーム向けにコンパイルします。
  • mariadb-bitnami-credential-set (authoring) — Bitnami Helm チャートで実現される単一の MariaDB データベースで、そのパスワードは複数キーを持つ 1 つの参照可能なシークレット(core/referenced-secret-set)から供給されます。
  • mariadb-helm-synth (start) — helm プロバイダーの Workload 合成によって Kubernetes 上にレンダリングされる単一の MariaDB データベースです。外部チャートは使いません。
  • policy-label-transform (advanced) — ガバナンスプラグインが、このワークスペースがデプロイするすべてのコンポーネントに、その所有者、その環境が得るサポート階層、バックアップスケジュール、短いタグのラベルを付けるため、開発者はそのどれも入力しません。
  • policy-org-overlay (advanced) — チームのポリシー、組織のポリシー、パイプラインのポリシーが 1 つのビルドで一緒に実行され、それぞれが独自の設定ファイルでアタッチされます。
  • policy-payload-leaf-sensitivity (advanced) — この例は、1 つの社内ルールと、それを表現可能にしている事実を教えます。
  • terraform-rds-module (authoring) — terraform-rds の例と同じ MariaDB の意図を、Terraform プロバイダーの sourced 形態でレンダリングします。Recipe はインラインの HCL 本体の代わりにローカルの Terraform モジュールを指し、コンパイラはそれをそのままベンダリングしたうえで、開発者とオペレーターの両方の柱から入力変数を供給します。
  • terraform-rds (authoring) — 開発者の意図として一度だけ記述した単一の MariaDB データベースを、マネージド AWS RDS インスタンスをプロビジョニングする Terraform HCL ファイルにレンダリングします。

core/datastore/memcached

  • memcached-cache (start) — この簡潔な例は、単一の Memcached インメモリキャッシュを、開発者が記述した 1 つの Aggregate から 2 つの実現にコンパイルします。

core/datastore/mysql

  • mysql-standalone (start) — この簡潔な例は、単一の MySQL データベースを、開発者が記述した Aggregate から 2 つのターゲットにコンパイルします。

core/datastore/mysql-innodb-cluster

  • mysql-innodb-cluster (start) — MySQL InnoDB Cluster とそれを調整するコントロールプレーンを、変更していない 1 つの Aggregate から 2 回ビルドします。1 回は単一のサーバーインスタンスを、もう 1 回は 3 つを要求します。

core/datastore/mysql-operator

  • mysql-innodb-cluster (start) — MySQL InnoDB Cluster とそれを調整するコントロールプレーンを、変更していない 1 つの Aggregate から 2 回ビルドします。1 回は単一のサーバーインスタンスを、もう 1 回は 3 つを要求します。

core/datastore/postgres

  • aws-rds-and-ecs-service (advanced) — 1 つの Aggregate が PostgreSQL データベースと、それを読み取るサーバーを保持します。
  • credential-secretkeyref (start) — パスワードを認証情報サブシステムから供給される単一の PostgreSQL データベースを、プロバイダーごとに示します。
  • credential-shape-per-target (authoring) — 認証情報が実行中のコンテナにどのように届くかは、アプリケーションではなく、どこにデプロイするかの性質です。
  • cross-boundary-networking (advanced) — 2 つのコンポーネントからなるスタック(Adminer データベース UI と PostgreSQL データベース)を2 つの境界に分割し、Adminer が境界の継ぎ目を越えてデータベースに到達する必要がある構成です。
  • datastore-backup (start) — PostgreSQL データベースを、Kubernetes では Velero と CloudNativePG で、AWS では Terraform と CloudFormation 上の Amazon RDS 自身の自動バックアップと AWS Backup でバックアップします。いずれもオペレーターが各 Release に記述する 1 つの core/backup アタッチメントから行い、バックアップ製品を持たないターゲットでの拒否も示します。
  • import-compose (start) — API、そのノートを保存する PostgreSQL データベース、Redis キャッシュを実行する Compose ファイルを、aggrega import で Aggrega ファイルに下書きし — 接続、データベースの設定、変数参照としてのパスワード、各イメージのタグを引き継ぎます — Docker Compose 向けにビルドしたものです。
  • import-dify (start) — Dify の DSL でエクスポートされた Dify のチャットアプリケーションを、aggrega import で Aggregate、Release、Manifest にインポートしたもので、これらは記述どおりのまま、それを載せた標準ライブラリの Dify インストールを Kubernetes 向けにビルドします。
  • import-langgraph (start) — LangGraph アプリケーションの langgraph.json — 状態を PostgreSQL に保持する 1 つのグラフ — を、aggrega import で Aggrega ファイルに下書きし、グラフが呼び出すモデルとアプリケーションのイメージを回答ファイルで一度だけ指定したうえで Docker Compose 向けにビルドしたものです。
  • keycloak-stack (start) — この例は、小規模で実際に動くスタック(データベースを基盤とする ID サーバー)を、開発者が記述した 1 つの Aggregate から合成された Kubernetes マニフェストにコンパイルします。
  • kong-stack (start) — この例は、小規模で実際に動くスタック(データベースを基盤とする API ゲートウェイ)を、開発者が記述した 1 つの Aggregate から合成された Kubernetes マニフェストにコンパイルします。
  • policy-render-verdict (advanced) — render-verdict ロールにアタッチされた 1 つの社内ルールが、ビルドが 4 つのターゲット向けに書き込むファイルを判定し、それぞれに仕込まれた違反を拒否します。
  • postgres-init-config (start) — core/datastore/postgres は、データベースの初回起動を形作る 2 つの省略可能な開発者値を公開しています。init_scripts(初期化時に一度だけ実行される SQL またはシェル)と custom_config(postgresql.conf の断片)です。
  • postgres-three-realizations (authoring) — PostgreSQL データベースとそれを読み取るアプリケーションを、変更していない 1 つの Aggregate から 3 つの異なる方法でデプロイします。クラスター内で動く PostgreSQL、マネージドクラウドインスタンスとしての PostgreSQL、そしてこの Release のデプロイ前から存在していた PostgreSQL サーバーです。
  • quickstart-web (start) — メモを PostgreSQL に保存する小さな Web アプリケーションを 4 つのステップで育てます。手元のマシン上でデータベースとともに始まり、Redis キャッシュを得て、データベースを Amazon RDS に置いて AWS に移り、最後にバックアップを得ます。

core/datastore/redis

  • ai-gateway-semantic-cache (start) — サポートアシスタントは、一日中、少しずつ異なる言葉で同じ質問をされます。
  • envoy-ai-gateway-token-budget (start) — あるチームが OpenAI の gpt-4o-mini をクラスター内のゲートウェイの背後に置き、ゲートウェイがそれに費やすトークンに暦月ごとの上限を設け、エージェントの接続先を OpenAI ではなくゲートウェイにします。
  • import-compose (start) — API、そのノートを保存する PostgreSQL データベース、Redis キャッシュを実行する Compose ファイルを、aggrega import で Aggrega ファイルに下書きし — 接続、データベースの設定、変数参照としてのパスワード、各イメージのタグを引き継ぎます — Docker Compose 向けにビルドしたものです。
  • import-dify (start) — Dify の DSL でエクスポートされた Dify のチャットアプリケーションを、aggrega import で Aggregate、Release、Manifest にインポートしたもので、これらは記述どおりのまま、それを載せた標準ライブラリの Dify インストールを Kubernetes 向けにビルドします。
  • policy-label-transform (advanced) — ガバナンスプラグインが、このワークスペースがデプロイするすべてのコンポーネントに、その所有者、その環境が得るサポート階層、バックアップスケジュール、短いタグのラベルを付けるため、開発者はそのどれも入力しません。
  • quickstart-web (start) — メモを PostgreSQL に保存する小さな Web アプリケーションを 4 つのステップで育てます。手元のマシン上でデータベースとともに始まり、Redis キャッシュを得て、データベースを Amazon RDS に置いて AWS に移り、最後にバックアップを得ます。
  • redis-cache (start) — この簡潔な例は、単一の Redis インメモリキャッシュ(Redis ワイヤープロトコル)を、開発者が記述した 1 つの Aggregate から 2 つの実現にコンパイルします。

core/datastore/valkey

  • ai-agent-and-model-router (start) — 1 つのクラスター内ルーターを通じて 2 つの上流プロバイダーのモデルに到達するエージェントアプリケーションを、Kubernetes マニフェストにコンパイルします。
  • nemo-guardrails-nemoguard-nims (start) — エージェントのモデルリクエストは NVIDIA NeMo Guardrails を通過し、NeMo Guardrails は各リクエストを NVIDIA の 2 つの NemoGuard モデルでチェックします。これらは NVIDIA のライセンス製品で、実行には NVIDIA のライセンス、NGC API キー、GPU ノードが必要です。
  • policy-data-class-route (advanced) — ある環境では、制限付きの顧客データを扱う保険請求アシスタントと、そうしたデータを扱わないヘルプデスクアシスタントが稼働しています。
  • quickstart-ai (start) — 小さな LangGraph エージェントを 4 つのステップで育てます。メモリーを持つローカルモデルで始まり、ローカルモデルをフォールバックとするクラウドモデルを得て、両方の前にガードレールを置き、最後に Kubernetes 向けにビルドします。
  • valkey-cache (start) — この簡潔な例は、単一の Valkey インメモリキャッシュ(Redis ワイヤープロトコル)を、開発者が記述した 1 つの Aggregate から 2 つの実現にコンパイルします。

core/datastore/weaviate

  • import-dify (start) — Dify の DSL でエクスポートされた Dify のチャットアプリケーションを、aggrega import で Aggregate、Release、Manifest にインポートしたもので、これらは記述どおりのまま、それを載せた標準ライブラリの Dify インストールを Kubernetes 向けにビルドします。

core/devtool/adminer

  • adhoc-uses-socket (start) — この例は 1 行と、その両半分を教えます。
  • advanced-platform (advanced) — 開発者が記述した単一の Aggregate から、1 つのビルドで複数の仕組みを組み合わせる、複数の境界を持つ Kubernetes プラットフォームです。境界スコープの FeatureRecipes、パラメータの巻き上げ、認証情報サブシステム、そして Service DNS を通じて解決される境界間参照を扱います。
  • catalog-only (start) — この例は、小規模で実際に動くスタック(前段に Adminer Web UI を置いた MariaDB データベース)を、標準ライブラリのカタログエンティティのみを参照してデプロイします。
  • cross-boundary-networking (advanced) — 2 つのコンポーネントからなるスタック(Adminer データベース UI と PostgreSQL データベース)を2 つの境界に分割し、Adminer が境界の継ぎ目を越えてデータベースに到達する必要がある構成です。
  • extends-wrapper (authoring) — この例が教えるのは 1 つのことです。別の Component を extends する Component はそのベースのデータ契約全体を継承するため、ベース向けに書かれたすべての Recipe は、拡張する Component をすでに実装しています。
  • mariadb-adminer (authoring) — この例は、小規模で実際に動くスタック(前段に Adminer Web UI を置いた MariaDB データベース)を、開発者が記述した単一の Aggregate から2 つのプラットフォーム向けにコンパイルします。
  • nginx-gateway (start) — この例は、小規模で実際に動くスタック(Web バックエンドの前に置かれた NGINX リバースプロキシゲートウェイ)を、開発者が記述した 1 つの Aggregate から 2 つのターゲットにコンパイルします。
  • policy-label-transform (advanced) — ガバナンスプラグインが、このワークスペースがデプロイするすべてのコンポーネントに、その所有者、その環境が得るサポート階層、バックアップスケジュール、短いタグのラベルを付けるため、開発者はそのどれも入力しません。
  • policy-org-overlay (advanced) — チームのポリシー、組織のポリシー、パイプラインのポリシーが 1 つのビルドで一緒に実行され、それぞれが独自の設定ファイルでアタッチされます。

core/devtool/harbor

  • harbor-stack (start) — この例は、実際のコンテナレジストリを、開発者が記述した 1 つの Aggregate から Kubernetes マニフェストにコンパイルします。

core/gateway/apisix

  • apisix-stack (start) — この例は、小規模で実際に動くスタック(動的 API ゲートウェイ)を、開発者が記述した 1 つの Aggregate から合成された Kubernetes マニフェストにコンパイルします。
  • apisix-token-budget (start) — あるチームが 2 つの OpenAI モデルを 1 つのゲートウェイの背後に置き、ゲートウェイがそれらに費やす量に、トークン数で数える 1 日あたりの上限を設けます。

core/gateway/contour

  • contour-gateway (start) — この例は、小規模で実際に動くスタック(Contour イングレスゲートウェイ)を、開発者が記述した 1 つの Aggregate から Kubernetes にコンパイルします。

core/gateway/envoy-ai-gateway-operator

  • ai-gateway-own-webhook-certificate (advanced) — これは上級者向けの例です。
  • envoy-ai-gateway-token-budget (start) — あるチームが OpenAI の gpt-4o-mini をクラスター内のゲートウェイの背後に置き、ゲートウェイがそれに費やすトークンに暦月ごとの上限を設け、エージェントの接続先を OpenAI ではなくゲートウェイにします。

core/gateway/envoy-gateway

  • envoy-ai-gateway-token-budget (start) — あるチームが OpenAI の gpt-4o-mini をクラスター内のゲートウェイの背後に置き、ゲートウェイがそれに費やすトークンに暦月ごとの上限を設け、エージェントの接続先を OpenAI ではなくゲートウェイにします。

core/gateway/kong

  • kong-stack (start) — この例は、小規模で実際に動くスタック(データベースを基盤とする API ゲートウェイ)を、開発者が記述した 1 つの Aggregate から合成された Kubernetes マニフェストにコンパイルします。

core/gateway/litellm

  • ai-agent-and-model-router (start) — 1 つのクラスター内ルーターを通じて 2 つの上流プロバイダーのモデルに到達するエージェントアプリケーションを、Kubernetes マニフェストにコンパイルします。
  • ai-gateway-log-masking (start) — サポートアシスタントは顧客の名前とメールアドレスを扱う必要があるため、それが呼び出すモデルはそれらを見る必要があります。
  • ai-gateway-prompt-injection-shield (start) — サポートアシスタントのユーザーは何でも入力でき、その中には、与えられた指示をモデルに無視させようとするものもあります。
  • ai-gateway-semantic-cache (start) — サポートアシスタントは、一日中、少しずつ異なる言葉で同じ質問をされます。
  • nemo-guardrails-nemoguard-nims (start) — エージェントのモデルリクエストは NVIDIA NeMo Guardrails を通過し、NeMo Guardrails は各リクエストを NVIDIA の 2 つの NemoGuard モデルでチェックします。これらは NVIDIA のライセンス製品で、実行には NVIDIA のライセンス、NGC API キー、GPU ノードが必要です。
  • policy-data-class-route (advanced) — ある環境では、制限付きの顧客データを扱う保険請求アシスタントと、そうしたデータを扱わないヘルプデスクアシスタントが稼働しています。
  • quickstart-ai (start) — 小さな LangGraph エージェントを 4 つのステップで育てます。メモリーを持つローカルモデルで始まり、ローカルモデルをフォールバックとするクラウドモデルを得て、両方の前にガードレールを置き、最後に Kubernetes 向けにビルドします。

core/gateway/nginx

  • extends-wrapper (authoring) — この例が教えるのは 1 つのことです。別の Component を extends する Component はそのベースのデータ契約全体を継承するため、ベース向けに書かれたすべての Recipe は、拡張する Component をすでに実装しています。
  • model-server-caller-allowlist (start) — クラスター内で稼働するモデルサーバーは、そのアドレスに到達した相手なら誰にでも応答します。
  • nginx-gateway (start) — この例は、小規模で実際に動くスタック(Web バックエンドの前に置かれた NGINX リバースプロキシゲートウェイ)を、開発者が記述した 1 つの Aggregate から 2 つのターゲットにコンパイルします。

core/messaging/kafka

  • kafka-broker (start) — この例は、小規模で実際に動くスタック(単一ノードの KRaft 形態の Apache Kafka イベントストリーミングブローカー)を、開発者が記述した 1 つの Aggregate から Kubernetes にコンパイルします。上流のチャートは使わず、公式の Apache Kafka イメージから直接合成します。

core/messaging/nats

  • nats-messaging (start) — この例は、単一の NATS メッセージングサーバー(パブリッシュ/サブスクライブ、リクエスト/リプライ、キューイング)を、開発者が記述した 1 つの Aggregate から 2 つの実現にコンパイルします。

core/messaging/rabbitmq

  • rabbitmq-broker (start) — この例は、単一の RabbitMQ メッセージブローカー(AMQP)を、開発者が記述した 1 つの Aggregate から 2 つのターゲットにコンパイルします。

core/observability/fluent-bit

  • fluent-bit-to-fluentd (start) — この例は、実際のログパイプライン(forward プロトコルで Fluentd アグリゲーターにレコードを送る Fluent Bit フォワーダー)を、開発者が記述した 1 つの Aggregate から 2 つの実現にコンパイルします。

core/observability/fluentd

  • fluent-bit-to-fluentd (start) — この例は、実際のログパイプライン(forward プロトコルで Fluentd アグリゲーターにレコードを送る Fluent Bit フォワーダー)を、開発者が記述した 1 つの Aggregate から 2 つの実現にコンパイルします。
  • fluentd-aggregator (start) — この例は、Fluentd ログアグリゲーター(ログパイプラインの受信側)を、開発者が記述した 1 つの Aggregate から 2 つの実現にコンパイルします。

core/observability/grafana

  • grafana-dashboards (start) — この例は、単一の Grafana ダッシュボード・可視化サーバーを、開発者が記述した 1 つの Aggregate から 2 つの実現にコンパイルします。
  • prometheus-scrape (start) — この例は、小規模で実際に動くスタック(2 つの Grafana ダッシュボードサーバーをスクレイプする Prometheus メトリクスサーバー)を、開発者が記述した 1 つの Aggregate から 2 つのターゲットにコンパイルします。

core/observability/jaeger

  • jaeger-tracing (start) — この例は、小規模で実際に動くスタック(単一ノード形態の Jaeger 分散トレーシングバックエンド)を、開発者が記述した 1 つの Aggregate から Kubernetes にコンパイルします。上流のチャートは使わず、公式の Jaeger イメージから直接合成します。

core/observability/loki

  • loki-logging (start) — この例は、小規模で実際に動くスタック(Grafana Loki ログ集約サーバー)を、開発者が記述した 1 つの Aggregate から Kubernetes にコンパイルします。基盤は単一バイナリ形態の公式 Grafana Loki Helm チャートです。

core/observability/prometheus

  • prometheus-scrape (start) — この例は、小規模で実際に動くスタック(2 つの Grafana ダッシュボードサーバーをスクレイプする Prometheus メトリクスサーバー)を、開発者が記述した 1 つの Aggregate から 2 つのターゲットにコンパイルします。

core/observability/tempo

  • tempo-tracing (start) — この例は、小規模で実際に動くスタック(Grafana Tempo 分散トレーシングサーバー)を、開発者が記述した 1 つの Aggregate から、公式の grafana/tempo イメージに対する Workload 合成によって、単一バイナリ形態で Kubernetes にコンパイルします。

core/observability/thanos-query

  • module-boundary-routing (advanced) — この例は、2 つの機能(オブジェクトストレージ上の Thanos メトリクス読み取り層と、MongoDB ワイヤープロトコルを話すドキュメントデータベース)を、開発者が記述した 1 つの Aggregate からコンパイルし、Release からそれぞれを独自の境界に配置します。
  • thanos-stack (start) — この例は、小規模で実際に動くスタック(Thanos メトリクスシステムの読み取り/クエリ層)を、開発者が記述した 1 つの Aggregate から合成された Kubernetes マニフェストにコンパイルします。

core/observability/thanos-store

  • module-boundary-routing (advanced) — この例は、2 つの機能(オブジェクトストレージ上の Thanos メトリクス読み取り層と、MongoDB ワイヤープロトコルを話すドキュメントデータベース)を、開発者が記述した 1 つの Aggregate からコンパイルし、Release からそれぞれを独自の境界に配置します。
  • thanos-stack (start) — この例は、小規模で実際に動くスタック(Thanos メトリクスシステムの読み取り/クエリ層)を、開発者が記述した 1 つの Aggregate から合成された Kubernetes マニフェストにコンパイルします。

core/security/cert-manager

  • cert-manager-tls (start) — この例は、小規模で実際に動くスタック(cert-manager 証明書コントローラー)を、開発者が記述した 1 つの Aggregate から Kubernetes にコンパイルします。
  • envoy-ai-gateway-token-budget (start) — あるチームが OpenAI の gpt-4o-mini をクラスター内のゲートウェイの背後に置き、ゲートウェイがそれに費やすトークンに暦月ごとの上限を設け、エージェントの接続先を OpenAI ではなくゲートウェイにします。

core/security/external-secrets

  • external-secrets-operator (start) — この例は、小規模で実際に動くスタック(external-secrets オペレーター)を、開発者が記述した 1 つの Aggregate から Kubernetes にコンパイルします。基盤は公式の external-secrets Helm チャートです。

core/security/keycloak

  • keycloak-stack (start) — この例は、小規模で実際に動くスタック(データベースを基盤とする ID サーバー)を、開発者が記述した 1 つの Aggregate から合成された Kubernetes マニフェストにコンパイルします。

core/security/nemo-guardrails

  • ai-gateway-prompt-injection-shield (start) — サポートアシスタントのユーザーは何でも入力でき、その中には、与えられた指示をモデルに無視させようとするものもあります。
  • nemo-guardrails-nemoguard-nims (start) — エージェントのモデルリクエストは NVIDIA NeMo Guardrails を通過し、NeMo Guardrails は各リクエストを NVIDIA の 2 つの NemoGuard モデルでチェックします。これらは NVIDIA のライセンス製品で、実行には NVIDIA のライセンス、NGC API キー、GPU ノードが必要です。

core/security/nemoguard-jailbreak-detect

  • nemo-guardrails-nemoguard-nims (start) — エージェントのモデルリクエストは NVIDIA NeMo Guardrails を通過し、NeMo Guardrails は各リクエストを NVIDIA の 2 つの NemoGuard モデルでチェックします。これらは NVIDIA のライセンス製品で、実行には NVIDIA のライセンス、NGC API キー、GPU ノードが必要です。

core/security/openbao

  • openbao-secrets (start) — この例は、小規模で実際に動くスタック(単一の OpenBao シークレットサーバー)を、開発者が記述した 1 つの Aggregate から Kubernetes にコンパイルします。基盤は公式の OpenBao Helm チャートです。

core/security/presidio-analyzer

  • ai-gateway-log-masking (start) — サポートアシスタントは顧客の名前とメールアドレスを扱う必要があるため、それが呼び出すモデルはそれらを見る必要があります。
  • policy-data-class-route (advanced) — ある環境では、制限付きの顧客データを扱う保険請求アシスタントと、そうしたデータを扱わないヘルプデスクアシスタントが稼働しています。
  • quickstart-ai (start) — 小さな LangGraph エージェントを 4 つのステップで育てます。メモリーを持つローカルモデルで始まり、ローカルモデルをフォールバックとするクラウドモデルを得て、両方の前にガードレールを置き、最後に Kubernetes 向けにビルドします。

core/security/presidio-anonymizer

  • ai-gateway-log-masking (start) — サポートアシスタントは顧客の名前とメールアドレスを扱う必要があるため、それが呼び出すモデルはそれらを見る必要があります。
  • policy-data-class-route (advanced) — ある環境では、制限付きの顧客データを扱う保険請求アシスタントと、そうしたデータを扱わないヘルプデスクアシスタントが稼働しています。
  • quickstart-ai (start) — 小さな LangGraph エージェントを 4 つのステップで育てます。メモリーを持つローカルモデルで始まり、ローカルモデルをフォールバックとするクラウドモデルを得て、両方の前にガードレールを置き、最後に Kubernetes 向けにビルドします。

core/security/sealed-secrets

  • sealed-secrets-controller (start) — この例は、小規模で実際に動くスタック(sealed-secrets コントローラー)を、開発者が記述した 1 つの Aggregate から Kubernetes にコンパイルします。基盤は HTTPS チャートリポジトリから提供される公式の sealed-secrets Helm チャートです。

core/security/trustyai-huggingface-detector

  • ai-gateway-prompt-injection-shield (start) — サポートアシスタントのユーザーは何でも入力でき、その中には、与えられた指示をモデルに無視させようとするものもあります。
  • nemo-guardrails-nemoguard-nims (start) — エージェントのモデルリクエストは NVIDIA NeMo Guardrails を通過し、NeMo Guardrails は各リクエストを NVIDIA の 2 つの NemoGuard モデルでチェックします。これらは NVIDIA のライセンス製品で、実行には NVIDIA のライセンス、NGC API キー、GPU ノードが必要です。

core/storage/barman-cloud-plugin

  • datastore-backup (start) — PostgreSQL データベースを、Kubernetes では Velero と CloudNativePG で、AWS では Terraform と CloudFormation 上の Amazon RDS 自身の自動バックアップと AWS Backup でバックアップします。いずれもオペレーターが各 Release に記述する 1 つの core/backup アタッチメントから行い、バックアップ製品を持たないターゲットでの拒否も示します。

core/storage/s3-object-store

  • datastore-backup (start) — PostgreSQL データベースを、Kubernetes では Velero と CloudNativePG で、AWS では Terraform と CloudFormation 上の Amazon RDS 自身の自動バックアップと AWS Backup でバックアップします。いずれもオペレーターが各 Release に記述する 1 つの core/backup アタッチメントから行い、バックアップ製品を持たないターゲットでの拒否も示します。
  • module-boundary-routing (advanced) — この例は、2 つの機能(オブジェクトストレージ上の Thanos メトリクス読み取り層と、MongoDB ワイヤープロトコルを話すドキュメントデータベース)を、開発者が記述した 1 つの Aggregate からコンパイルし、Release からそれぞれを独自の境界に配置します。
  • s3-object-store (start) — この例は、1 つの S3 互換オブジェクトストア、つまり core/storage/s3-object-store コンポーネントを、その 2 つのセルフホスト型の実現にコンパイルします。
  • thanos-stack (start) — この例は、小規模で実際に動くスタック(Thanos メトリクスシステムの読み取り/クエリ層)を、開発者が記述した 1 つの Aggregate から合成された Kubernetes マニフェストにコンパイルします。

core/storage/velero

  • datastore-backup (start) — PostgreSQL データベースを、Kubernetes では Velero と CloudNativePG で、AWS では Terraform と CloudFormation 上の Amazon RDS 自身の自動バックアップと AWS Backup でバックアップします。いずれもオペレーターが各 Release に記述する 1 つの core/backup アタッチメントから行い、バックアップ製品を持たないターゲットでの拒否も示します。

機能別

multi-target

2 つ以上のターゲット向けにビルドされる、または 2 つ以上の方法で実現される 1 つの Aggregate。

  • aws-rds-and-ecs-service (advanced) — 1 つの Aggregate が PostgreSQL データベースと、それを読み取るサーバーを保持します。
  • credential-secretkeyref (start) — パスワードを認証情報サブシステムから供給される単一の PostgreSQL データベースを、プロバイダーごとに示します。
  • credential-shape-per-target (authoring) — 認証情報が実行中のコンテナにどのように届くかは、アプリケーションではなく、どこにデプロイするかの性質です。
  • cross-boundary-networking (advanced) — 2 つのコンポーネントからなるスタック(Adminer データベース UI と PostgreSQL データベース)を2 つの境界に分割し、Adminer が境界の継ぎ目を越えてデータベースに到達する必要がある構成です。
  • datastore-backup (start) — PostgreSQL データベースを、Kubernetes では Velero と CloudNativePG で、AWS では Terraform と CloudFormation 上の Amazon RDS 自身の自動バックアップと AWS Backup でバックアップします。いずれもオペレーターが各 Release に記述する 1 つの core/backup アタッチメントから行い、バックアップ製品を持たないターゲットでの拒否も示します。
  • fluent-bit-to-fluentd (start) — この例は、実際のログパイプライン(forward プロトコルで Fluentd アグリゲーターにレコードを送る Fluent Bit フォワーダー)を、開発者が記述した 1 つの Aggregate から 2 つの実現にコンパイルします。
  • fluentd-aggregator (start) — この例は、Fluentd ログアグリゲーター(ログパイプラインの受信側)を、開発者が記述した 1 つの Aggregate から 2 つの実現にコンパイルします。
  • grafana-dashboards (start) — この例は、単一の Grafana ダッシュボード・可視化サーバーを、開発者が記述した 1 つの Aggregate から 2 つの実現にコンパイルします。
  • mariadb-adminer (authoring) — この例は、小規模で実際に動くスタック(前段に Adminer Web UI を置いた MariaDB データベース)を、開発者が記述した単一の Aggregate から2 つのプラットフォーム向けにコンパイルします。
  • mcp-address-from-secret (authoring) — 他者が運用する Model Context Protocol サーバーの中には、キーをリクエストヘッダーからではなく、自身のアドレス https://mcp.example.com/mcp?api_key=<key> から読み取るものがあります。
  • memcached-cache (start) — この簡潔な例は、単一の Memcached インメモリキャッシュを、開発者が記述した 1 つの Aggregate から 2 つの実現にコンパイルします。
  • mysql-standalone (start) — この簡潔な例は、単一の MySQL データベースを、開発者が記述した Aggregate から 2 つのターゲットにコンパイルします。
  • nats-messaging (start) — この例は、単一の NATS メッセージングサーバー(パブリッシュ/サブスクライブ、リクエスト/リプライ、キューイング)を、開発者が記述した 1 つの Aggregate から 2 つの実現にコンパイルします。
  • nginx-gateway (start) — この例は、小規模で実際に動くスタック(Web バックエンドの前に置かれた NGINX リバースプロキシゲートウェイ)を、開発者が記述した 1 つの Aggregate から 2 つのターゲットにコンパイルします。
  • policy-render-verdict (advanced) — render-verdict ロールにアタッチされた 1 つの社内ルールが、ビルドが 4 つのターゲット向けに書き込むファイルを判定し、それぞれに仕込まれた違反を拒否します。
  • postgres-three-realizations (authoring) — PostgreSQL データベースとそれを読み取るアプリケーションを、変更していない 1 つの Aggregate から 3 つの異なる方法でデプロイします。クラスター内で動く PostgreSQL、マネージドクラウドインスタンスとしての PostgreSQL、そしてこの Release のデプロイ前から存在していた PostgreSQL サーバーです。
  • prometheus-scrape (start) — この例は、小規模で実際に動くスタック(2 つの Grafana ダッシュボードサーバーをスクレイプする Prometheus メトリクスサーバー)を、開発者が記述した 1 つの Aggregate から 2 つのターゲットにコンパイルします。
  • rabbitmq-broker (start) — この例は、単一の RabbitMQ メッセージブローカー(AMQP)を、開発者が記述した 1 つの Aggregate から 2 つのターゲットにコンパイルします。
  • redis-cache (start) — この簡潔な例は、単一の Redis インメモリキャッシュ(Redis ワイヤープロトコル)を、開発者が記述した 1 つの Aggregate から 2 つの実現にコンパイルします。
  • s3-object-store (start) — この例は、1 つの S3 互換オブジェクトストア、つまり core/storage/s3-object-store コンポーネントを、その 2 つのセルフホスト型の実現にコンパイルします。
  • task-run-on-demand (start) — core/manual-trigger を持つタスクを Kubernetes、Docker Compose、Terraform、CloudFormation で起動せずにデプロイし、何も持たないタスクと並べて、各ターゲットで実行を開始するコマンドを示します。
  • valkey-cache (start) — この簡潔な例は、単一の Valkey インメモリキャッシュ(Redis ワイヤープロトコル)を、開発者が記述した 1 つの Aggregate から 2 つの実現にコンパイルします。

recipe-selection

コンポーネントをどの Recipe が実現するか、またはアタッチメントをどの FeatureRecipe が実現するかを、タイプごと、インスタンスごと、またはターゲットごとに Manifest が選ぶこと。

  • credential-shape-per-target (authoring) — 認証情報が実行中のコンテナにどのように届くかは、アプリケーションではなく、どこにデプロイするかの性質です。
  • datastore-backup (start) — PostgreSQL データベースを、Kubernetes では Velero と CloudNativePG で、AWS では Terraform と CloudFormation 上の Amazon RDS 自身の自動バックアップと AWS Backup でバックアップします。いずれもオペレーターが各 Release に記述する 1 つの core/backup アタッチメントから行い、バックアップ製品を持たないターゲットでの拒否も示します。
  • import-agent-framework (start) — Microsoft Agent Framework の宣言型エージェント — OpenAI モデル上で動作し、MCP サーバーを通じてドキュメントを検索する 1 つのエージェント — を、aggrega import で Aggrega ファイルに下書きし、アプリケーションのイメージを回答ファイルで一度だけ指定したうえで Docker Compose 向けにビルドしたものです。
  • import-dify (start) — Dify の DSL でエクスポートされた Dify のチャットアプリケーションを、aggrega import で Aggregate、Release、Manifest にインポートしたもので、これらは記述どおりのまま、それを載せた標準ライブラリの Dify インストールを Kubernetes 向けにビルドします。
  • import-mcp (start) — 3 つの Model Context Protocol サーバー — コマンドラインから起動する 2 つと、他者が運用する 1 つ — を列挙した Claude Code の .mcp.json を、aggrega import で Aggrega ファイルに下書きし、各サーバーをその実行方法に対応する実現にマッピングしたうえで Kubernetes 向けにビルドしたものです。
  • per-instance-recipe-override (authoring) — この例は Manifest の 1 つの機能を教えます。name マッピング階層です。これは単一のコンポーネントインスタンスの Recipe をオーバーライドし、同じタイプの他のすべてのインスタンスは一括の type 階層の Recipe を維持します。
  • postgres-three-realizations (authoring) — PostgreSQL データベースとそれを読み取るアプリケーションを、変更していない 1 つの Aggregate から 3 つの異なる方法でデプロイします。クラスター内で動く PostgreSQL、マネージドクラウドインスタンスとしての PostgreSQL、そしてこの Release のデプロイ前から存在していた PostgreSQL サーバーです。

modules

モジュールとしてインポートされるカタログの Aggregate。

  • apisix-stack (start) — この例は、小規模で実際に動くスタック(動的 API ゲートウェイ)を、開発者が記述した 1 つの Aggregate から合成された Kubernetes マニフェストにコンパイルします。
  • ferretdb-stack (start) — この例は、小規模で実際に動くスタック(MongoDB ワイヤープロトコルを公開するドキュメントデータベース)を、開発者が記述した 1 つの Aggregate から合成された Kubernetes マニフェストにコンパイルします。
  • harbor-stack (start) — この例は、実際のコンテナレジストリを、開発者が記述した 1 つの Aggregate から Kubernetes マニフェストにコンパイルします。
  • import-dify (start) — Dify の DSL でエクスポートされた Dify のチャットアプリケーションを、aggrega import で Aggregate、Release、Manifest にインポートしたもので、これらは記述どおりのまま、それを載せた標準ライブラリの Dify インストールを Kubernetes 向けにビルドします。
  • keycloak-stack (start) — この例は、小規模で実際に動くスタック(データベースを基盤とする ID サーバー)を、開発者が記述した 1 つの Aggregate から合成された Kubernetes マニフェストにコンパイルします。
  • kong-stack (start) — この例は、小規模で実際に動くスタック(データベースを基盤とする API ゲートウェイ)を、開発者が記述した 1 つの Aggregate から合成された Kubernetes マニフェストにコンパイルします。
  • module-boundary-routing (advanced) — この例は、2 つの機能(オブジェクトストレージ上の Thanos メトリクス読み取り層と、MongoDB ワイヤープロトコルを話すドキュメントデータベース)を、開発者が記述した 1 つの Aggregate からコンパイルし、Release からそれぞれを独自の境界に配置します。
  • thanos-stack (start) — この例は、小規模で実際に動くスタック(Thanos メトリクスシステムの読み取り/クエリ層)を、開発者が記述した 1 つの Aggregate から合成された Kubernetes マニフェストにコンパイルします。

connections

uses ソケットを通じて接続され、各エッジを越えて値が受け渡されるコンポーネント。

  • adhoc-uses-socket (start) — この例は 1 行と、その両半分を教えます。
  • ai-agent-and-model-router (start) — 1 つのクラスター内ルーターを通じて 2 つの上流プロバイダーのモデルに到達するエージェントアプリケーションを、Kubernetes マニフェストにコンパイルします。
  • ai-gateway-log-masking (start) — サポートアシスタントは顧客の名前とメールアドレスを扱う必要があるため、それが呼び出すモデルはそれらを見る必要があります。
  • ai-gateway-prompt-injection-shield (start) — サポートアシスタントのユーザーは何でも入力でき、その中には、与えられた指示をモデルに無視させようとするものもあります。
  • ai-gateway-semantic-cache (start) — サポートアシスタントは、一日中、少しずつ異なる言葉で同じ質問をされます。
  • apisix-token-budget (start) — あるチームが 2 つの OpenAI モデルを 1 つのゲートウェイの背後に置き、ゲートウェイがそれらに費やす量に、トークン数で数える 1 日あたりの上限を設けます。
  • aws-rds-and-ecs-service (advanced) — 1 つの Aggregate が PostgreSQL データベースと、それを読み取るサーバーを保持します。
  • catalog-only (start) — この例は、小規模で実際に動くスタック(前段に Adminer Web UI を置いた MariaDB データベース)を、標準ライブラリのカタログエンティティのみを参照してデプロイします。
  • connection-credentials (start) — 2 つのモデルに到達し、それぞれに異なるキーを提示するセマンティックメモリストアを、Kubernetes マニフェストにコンパイルします。
  • cross-boundary-networking (advanced) — 2 つのコンポーネントからなるスタック(Adminer データベース UI と PostgreSQL データベース)を2 つの境界に分割し、Adminer が境界の継ぎ目を越えてデータベースに到達する必要がある構成です。
  • datastore-backup (start) — PostgreSQL データベースを、Kubernetes では Velero と CloudNativePG で、AWS では Terraform と CloudFormation 上の Amazon RDS 自身の自動バックアップと AWS Backup でバックアップします。いずれもオペレーターが各 Release に記述する 1 つの core/backup アタッチメントから行い、バックアップ製品を持たないターゲットでの拒否も示します。
  • envoy-ai-gateway-token-budget (start) — あるチームが OpenAI の gpt-4o-mini をクラスター内のゲートウェイの背後に置き、ゲートウェイがそれに費やすトークンに暦月ごとの上限を設け、エージェントの接続先を OpenAI ではなくゲートウェイにします。
  • fluent-bit-to-fluentd (start) — この例は、実際のログパイプライン(forward プロトコルで Fluentd アグリゲーターにレコードを送る Fluent Bit フォワーダー)を、開発者が記述した 1 つの Aggregate から 2 つの実現にコンパイルします。
  • import-agent-framework (start) — Microsoft Agent Framework の宣言型エージェント — OpenAI モデル上で動作し、MCP サーバーを通じてドキュメントを検索する 1 つのエージェント — を、aggrega import で Aggrega ファイルに下書きし、アプリケーションのイメージを回答ファイルで一度だけ指定したうえで Docker Compose 向けにビルドしたものです。
  • import-compose (start) — API、そのノートを保存する PostgreSQL データベース、Redis キャッシュを実行する Compose ファイルを、aggrega import で Aggrega ファイルに下書きし — 接続、データベースの設定、変数参照としてのパスワード、各イメージのタグを引き継ぎます — Docker Compose 向けにビルドしたものです。
  • import-crewai (start) — 従来のレイアウトの CrewAI プロジェクトにおけるエージェントとタスクの宣言 — 1 つの OpenAI モデル上の 2 つのエージェントと、それぞれに 1 つのタスク — を、aggrega import で Aggrega ファイルに下書きし、crew のプログラムが動作するイメージを回答ファイルで一度だけ指定したうえで Docker Compose 向けにビルドしたものです。
  • import-flowise (start) — Flowise のチャットフロー — ChatOpenAI ノード、Buffer Memory、Conversation Chain — を、aggrega import で Aggregate、Release、Manifest にインポートしたもので、これらは記述どおりのまま Docker Compose 向けにビルドできます。
  • import-google-adk (start) — Google の Agent Development Kit で構築されたアプリケーションの Agent Config — Gemini 上の 1 つのエージェントで、ADK に同梱の Google Search ツールを使います — を、aggrega import で Aggrega ファイルに下書きし、アプリケーションのイメージを回答ファイルで一度だけ指定したうえで Docker Compose 向けにビルドしたものです。
  • import-langflow (start) — JSON としてエクスポートした Langflow の Basic Prompting スタータープロジェクトを、aggrega import で Aggregate、Release、Manifest にインポートしたもので、これらは記述どおりのまま Docker Compose 向けにビルドできます。
  • import-langgraph (start) — LangGraph アプリケーションの langgraph.json — 状態を PostgreSQL に保持する 1 つのグラフ — を、aggrega import で Aggrega ファイルに下書きし、グラフが呼び出すモデルとアプリケーションのイメージを回答ファイルで一度だけ指定したうえで Docker Compose 向けにビルドしたものです。
  • import-n8n (start) — n8n のワークフロー — チャットトリガー、AI Agent、OpenAI Chat Model、Simple Memory — を、aggrega import で Aggregate、Release、Manifest にインポートしたもので、これらは記述どおりのまま Docker Compose 向けにビルドできます。
  • mariadb-adminer (authoring) — この例は、小規模で実際に動くスタック(前段に Adminer Web UI を置いた MariaDB データベース)を、開発者が記述した単一の Aggregate から2 つのプラットフォーム向けにコンパイルします。
  • mcp-address-from-secret (authoring) — 他者が運用する Model Context Protocol サーバーの中には、キーをリクエストヘッダーからではなく、自身のアドレス https://mcp.example.com/mcp?api_key=<key> から読み取るものがあります。
  • model-api-key-sharing (start) — 1 つの OpenAI 互換ゲートウェイの背後にある 2 つの CrewAI エージェントです。
  • model-server-caller-allowlist (start) — クラスター内で稼働するモデルサーバーは、そのアドレスに到達した相手なら誰にでも応答します。
  • nemo-guardrails-nemoguard-nims (start) — エージェントのモデルリクエストは NVIDIA NeMo Guardrails を通過し、NeMo Guardrails は各リクエストを NVIDIA の 2 つの NemoGuard モデルでチェックします。これらは NVIDIA のライセンス製品で、実行には NVIDIA のライセンス、NGC API キー、GPU ノードが必要です。
  • nginx-gateway (start) — この例は、小規模で実際に動くスタック(Web バックエンドの前に置かれた NGINX リバースプロキシゲートウェイ)を、開発者が記述した 1 つの Aggregate から 2 つのターゲットにコンパイルします。
  • policy-data-class-route (advanced) — ある環境では、制限付きの顧客データを扱う保険請求アシスタントと、そうしたデータを扱わないヘルプデスクアシスタントが稼働しています。
  • postgres-three-realizations (authoring) — PostgreSQL データベースとそれを読み取るアプリケーションを、変更していない 1 つの Aggregate から 3 つの異なる方法でデプロイします。クラスター内で動く PostgreSQL、マネージドクラウドインスタンスとしての PostgreSQL、そしてこの Release のデプロイ前から存在していた PostgreSQL サーバーです。
  • prometheus-scrape (start) — この例は、小規模で実際に動くスタック(2 つの Grafana ダッシュボードサーバーをスクレイプする Prometheus メトリクスサーバー)を、開発者が記述した 1 つの Aggregate から 2 つのターゲットにコンパイルします。
  • quickstart-ai (start) — 小さな LangGraph エージェントを 4 つのステップで育てます。メモリーを持つローカルモデルで始まり、ローカルモデルをフォールバックとするクラウドモデルを得て、両方の前にガードレールを置き、最後に Kubernetes 向けにビルドします。
  • quickstart-web (start) — メモを PostgreSQL に保存する小さな Web アプリケーションを 4 つのステップで育てます。手元のマシン上でデータベースとともに始まり、Redis キャッシュを得て、データベースを Amazon RDS に置いて AWS に移り、最後にバックアップを得ます。

credentials

認証情報のアタッチメントと、各ターゲットがそれをどのように配信するか。

  • advanced-platform (advanced) — 開発者が記述した単一の Aggregate から、1 つのビルドで複数の仕組みを組み合わせる、複数の境界を持つ Kubernetes プラットフォームです。境界スコープの FeatureRecipes、パラメータの巻き上げ、認証情報サブシステム、そして Service DNS を通じて解決される境界間参照を扱います。
  • ai-agent-and-model-router (start) — 1 つのクラスター内ルーターを通じて 2 つの上流プロバイダーのモデルに到達するエージェントアプリケーションを、Kubernetes マニフェストにコンパイルします。
  • apisix-stack (start) — この例は、小規模で実際に動くスタック(動的 API ゲートウェイ)を、開発者が記述した 1 つの Aggregate から合成された Kubernetes マニフェストにコンパイルします。
  • catalog-only (start) — この例は、小規模で実際に動くスタック(前段に Adminer Web UI を置いた MariaDB データベース)を、標準ライブラリのカタログエンティティのみを参照してデプロイします。
  • connection-credentials (start) — 2 つのモデルに到達し、それぞれに異なるキーを提示するセマンティックメモリストアを、Kubernetes マニフェストにコンパイルします。
  • credential-secretkeyref (start) — パスワードを認証情報サブシステムから供給される単一の PostgreSQL データベースを、プロバイダーごとに示します。
  • credential-shape-per-target (authoring) — 認証情報が実行中のコンテナにどのように届くかは、アプリケーションではなく、どこにデプロイするかの性質です。
  • grafana-dashboards (start) — この例は、単一の Grafana ダッシュボード・可視化サーバーを、開発者が記述した 1 つの Aggregate から 2 つの実現にコンパイルします。
  • harbor-stack (start) — この例は、実際のコンテナレジストリを、開発者が記述した 1 つの Aggregate から Kubernetes マニフェストにコンパイルします。
  • import-agent-framework (start) — Microsoft Agent Framework の宣言型エージェント — OpenAI モデル上で動作し、MCP サーバーを通じてドキュメントを検索する 1 つのエージェント — を、aggrega import で Aggrega ファイルに下書きし、アプリケーションのイメージを回答ファイルで一度だけ指定したうえで Docker Compose 向けにビルドしたものです。
  • import-compose (start) — API、そのノートを保存する PostgreSQL データベース、Redis キャッシュを実行する Compose ファイルを、aggrega import で Aggrega ファイルに下書きし — 接続、データベースの設定、変数参照としてのパスワード、各イメージのタグを引き継ぎます — Docker Compose 向けにビルドしたものです。
  • import-crewai (start) — 従来のレイアウトの CrewAI プロジェクトにおけるエージェントとタスクの宣言 — 1 つの OpenAI モデル上の 2 つのエージェントと、それぞれに 1 つのタスク — を、aggrega import で Aggrega ファイルに下書きし、crew のプログラムが動作するイメージを回答ファイルで一度だけ指定したうえで Docker Compose 向けにビルドしたものです。
  • import-dify (start) — Dify の DSL でエクスポートされた Dify のチャットアプリケーションを、aggrega import で Aggregate、Release、Manifest にインポートしたもので、これらは記述どおりのまま、それを載せた標準ライブラリの Dify インストールを Kubernetes 向けにビルドします。
  • import-flowise (start) — Flowise のチャットフロー — ChatOpenAI ノード、Buffer Memory、Conversation Chain — を、aggrega import で Aggregate、Release、Manifest にインポートしたもので、これらは記述どおりのまま Docker Compose 向けにビルドできます。
  • import-google-adk (start) — Google の Agent Development Kit で構築されたアプリケーションの Agent Config — Gemini 上の 1 つのエージェントで、ADK に同梱の Google Search ツールを使います — を、aggrega import で Aggrega ファイルに下書きし、アプリケーションのイメージを回答ファイルで一度だけ指定したうえで Docker Compose 向けにビルドしたものです。
  • import-langflow (start) — JSON としてエクスポートした Langflow の Basic Prompting スタータープロジェクトを、aggrega import で Aggregate、Release、Manifest にインポートしたもので、これらは記述どおりのまま Docker Compose 向けにビルドできます。
  • import-langgraph (start) — LangGraph アプリケーションの langgraph.json — 状態を PostgreSQL に保持する 1 つのグラフ — を、aggrega import で Aggrega ファイルに下書きし、グラフが呼び出すモデルとアプリケーションのイメージを回答ファイルで一度だけ指定したうえで Docker Compose 向けにビルドしたものです。
  • import-mcp (start) — 3 つの Model Context Protocol サーバー — コマンドラインから起動する 2 つと、他者が運用する 1 つ — を列挙した Claude Code の .mcp.json を、aggrega import で Aggrega ファイルに下書きし、各サーバーをその実行方法に対応する実現にマッピングしたうえで Kubernetes 向けにビルドしたものです。
  • import-n8n (start) — n8n のワークフロー — チャットトリガー、AI Agent、OpenAI Chat Model、Simple Memory — を、aggrega import で Aggregate、Release、Manifest にインポートしたもので、これらは記述どおりのまま Docker Compose 向けにビルドできます。
  • mariadb-adminer (authoring) — この例は、小規模で実際に動くスタック(前段に Adminer Web UI を置いた MariaDB データベース)を、開発者が記述した単一の Aggregate から2 つのプラットフォーム向けにコンパイルします。
  • mariadb-bitnami-credential-set (authoring) — Bitnami Helm チャートで実現される単一の MariaDB データベースで、そのパスワードは複数キーを持つ 1 つの参照可能なシークレット(core/referenced-secret-set)から供給されます。
  • mariadb-helm-synth (start) — helm プロバイダーの Workload 合成によって Kubernetes 上にレンダリングされる単一の MariaDB データベースです。外部チャートは使いません。
  • mcp-address-from-secret (authoring) — 他者が運用する Model Context Protocol サーバーの中には、キーをリクエストヘッダーからではなく、自身のアドレス https://mcp.example.com/mcp?api_key=<key> から読み取るものがあります。
  • memcached-cache (start) — この簡潔な例は、単一の Memcached インメモリキャッシュを、開発者が記述した 1 つの Aggregate から 2 つの実現にコンパイルします。
  • model-api-key-sharing (start) — 1 つの OpenAI 互換ゲートウェイの背後にある 2 つの CrewAI エージェントです。
  • multikey-secret-synth (authoring) — helm プロバイダーの Workload 合成によって Kubernetes 上にレンダリングされる単一のステートレスアプリです。外部チャートは使いません。
  • mysql-standalone (start) — この簡潔な例は、単一の MySQL データベースを、開発者が記述した Aggregate から 2 つのターゲットにコンパイルします。
  • nats-messaging (start) — この例は、単一の NATS メッセージングサーバー(パブリッシュ/サブスクライブ、リクエスト/リプライ、キューイング)を、開発者が記述した 1 つの Aggregate から 2 つの実現にコンパイルします。
  • nemo-guardrails-nemoguard-nims (start) — エージェントのモデルリクエストは NVIDIA NeMo Guardrails を通過し、NeMo Guardrails は各リクエストを NVIDIA の 2 つの NemoGuard モデルでチェックします。これらは NVIDIA のライセンス製品で、実行には NVIDIA のライセンス、NGC API キー、GPU ノードが必要です。
  • policy-payload-leaf-sensitivity (advanced) — この例は、1 つの社内ルールと、それを表現可能にしている事実を教えます。
  • quickstart-ai (start) — 小さな LangGraph エージェントを 4 つのステップで育てます。メモリーを持つローカルモデルで始まり、ローカルモデルをフォールバックとするクラウドモデルを得て、両方の前にガードレールを置き、最後に Kubernetes 向けにビルドします。
  • quickstart-web (start) — メモを PostgreSQL に保存する小さな Web アプリケーションを 4 つのステップで育てます。手元のマシン上でデータベースとともに始まり、Redis キャッシュを得て、データベースを Amazon RDS に置いて AWS に移り、最後にバックアップを得ます。
  • rabbitmq-broker (start) — この例は、単一の RabbitMQ メッセージブローカー(AMQP)を、開発者が記述した 1 つの Aggregate から 2 つのターゲットにコンパイルします。
  • redis-cache (start) — この簡潔な例は、単一の Redis インメモリキャッシュ(Redis ワイヤープロトコル)を、開発者が記述した 1 つの Aggregate から 2 つの実現にコンパイルします。
  • s3-object-store (start) — この例は、1 つの S3 互換オブジェクトストア、つまり core/storage/s3-object-store コンポーネントを、その 2 つのセルフホスト型の実現にコンパイルします。
  • terraform-rds-module (authoring) — terraform-rds の例と同じ MariaDB の意図を、Terraform プロバイダーの sourced 形態でレンダリングします。Recipe はインラインの HCL 本体の代わりにローカルの Terraform モジュールを指し、コンパイラはそれをそのままベンダリングしたうえで、開発者とオペレーターの両方の柱から入力変数を供給します。
  • terraform-rds (authoring) — 開発者の意図として一度だけ記述した単一の MariaDB データベースを、マネージド AWS RDS インスタンスをプロビジョニングする Terraform HCL ファイルにレンダリングします。
  • valkey-cache (start) — この簡潔な例は、単一の Valkey インメモリキャッシュ(Redis ワイヤープロトコル)を、開発者が記述した 1 つの Aggregate から 2 つの実現にコンパイルします。

parameters

パラメータに巻き上げられ、Release が充足する値。

  • advanced-platform (advanced) — 開発者が記述した単一の Aggregate から、1 つのビルドで複数の仕組みを組み合わせる、複数の境界を持つ Kubernetes プラットフォームです。境界スコープの FeatureRecipes、パラメータの巻き上げ、認証情報サブシステム、そして Service DNS を通じて解決される境界間参照を扱います。
  • ai-agent-and-model-router (start) — 1 つのクラスター内ルーターを通じて 2 つの上流プロバイダーのモデルに到達するエージェントアプリケーションを、Kubernetes マニフェストにコンパイルします。
  • apisix-stack (start) — この例は、小規模で実際に動くスタック(動的 API ゲートウェイ)を、開発者が記述した 1 つの Aggregate から合成された Kubernetes マニフェストにコンパイルします。
  • connection-credentials (start) — 2 つのモデルに到達し、それぞれに異なるキーを提示するセマンティックメモリストアを、Kubernetes マニフェストにコンパイルします。
  • datastore-backup (start) — PostgreSQL データベースを、Kubernetes では Velero と CloudNativePG で、AWS では Terraform と CloudFormation 上の Amazon RDS 自身の自動バックアップと AWS Backup でバックアップします。いずれもオペレーターが各 Release に記述する 1 つの core/backup アタッチメントから行い、バックアップ製品を持たないターゲットでの拒否も示します。
  • harbor-stack (start) — この例は、実際のコンテナレジストリを、開発者が記述した 1 つの Aggregate から Kubernetes マニフェストにコンパイルします。
  • model-api-key-sharing (start) — 1 つの OpenAI 互換ゲートウェイの背後にある 2 つの CrewAI エージェントです。
  • task-run-on-demand (start) — core/manual-trigger を持つタスクを Kubernetes、Docker Compose、Terraform、CloudFormation で起動せずにデプロイし、何も持たないタスクと並べて、各ターゲットで実行を開始するコマンドを示します。
  • terraform-declared-sensitivity (advanced) — 値が機密情報を含むという宣言は、Component のスキーマ上で一度だけ記述されます。

features

ルーティング、モニタリング、予算、キャッシュ、マスキングなど、認証情報以外の目的でアタッチされる Features。

  • advanced-platform (advanced) — 開発者が記述した単一の Aggregate から、1 つのビルドで複数の仕組みを組み合わせる、複数の境界を持つ Kubernetes プラットフォームです。境界スコープの FeatureRecipes、パラメータの巻き上げ、認証情報サブシステム、そして Service DNS を通じて解決される境界間参照を扱います。
  • ai-agent-and-model-router (start) — 1 つのクラスター内ルーターを通じて 2 つの上流プロバイダーのモデルに到達するエージェントアプリケーションを、Kubernetes マニフェストにコンパイルします。
  • ai-gateway-prompt-injection-shield (start) — サポートアシスタントのユーザーは何でも入力でき、その中には、与えられた指示をモデルに無視させようとするものもあります。
  • ai-gateway-semantic-cache (start) — サポートアシスタントは、一日中、少しずつ異なる言葉で同じ質問をされます。
  • annotation-driven-monitoring (advanced) — この例は、コンポーネントごとの features: ブロックを 1 つも書かずに、ネストされたトポロジー全体の 6 つのサービスにモニタリング Feature をアタッチします。
  • apisix-token-budget (start) — あるチームが 2 つの OpenAI モデルを 1 つのゲートウェイの背後に置き、ゲートウェイがそれらに費やす量に、トークン数で数える 1 日あたりの上限を設けます。
  • cloudformation-rds-stack (advanced) — マネージドデータベースとそれを読み取るアプリケーションを、開発者の意図として一度だけ記述し、AWS CloudFormation のスタックテンプレートに組み立てます。
  • datastore-backup (start) — PostgreSQL データベースを、Kubernetes では Velero と CloudNativePG で、AWS では Terraform と CloudFormation 上の Amazon RDS 自身の自動バックアップと AWS Backup でバックアップします。いずれもオペレーターが各 Release に記述する 1 つの core/backup アタッチメントから行い、バックアップ製品を持たないターゲットでの拒否も示します。
  • envoy-ai-gateway-token-budget (start) — あるチームが OpenAI の gpt-4o-mini をクラスター内のゲートウェイの背後に置き、ゲートウェイがそれに費やすトークンに暦月ごとの上限を設け、エージェントの接続先を OpenAI ではなくゲートウェイにします。
  • model-server-caller-allowlist (start) — クラスター内で稼働するモデルサーバーは、そのアドレスに到達した相手なら誰にでも応答します。
  • nemo-guardrails-nemoguard-nims (start) — エージェントのモデルリクエストは NVIDIA NeMo Guardrails を通過し、NeMo Guardrails は各リクエストを NVIDIA の 2 つの NemoGuard モデルでチェックします。これらは NVIDIA のライセンス製品で、実行には NVIDIA のライセンス、NGC API キー、GPU ノードが必要です。
  • policy-annotation-transform (advanced) — ガバナンスポリシーが、ショップのすべてのコンポーネントにプラットフォームのモニタリングと AWS IAM ロールを与えます。
  • policy-data-class-route (advanced) — ある環境では、制限付きの顧客データを扱う保険請求アシスタントと、そうしたデータを扱わないヘルプデスクアシスタントが稼働しています。
  • quickstart-ai (start) — 小さな LangGraph エージェントを 4 つのステップで育てます。メモリーを持つローカルモデルで始まり、ローカルモデルをフォールバックとするクラウドモデルを得て、両方の前にガードレールを置き、最後に Kubernetes 向けにビルドします。
  • quickstart-web (start) — メモを PostgreSQL に保存する小さな Web アプリケーションを 4 つのステップで育てます。手元のマシン上でデータベースとともに始まり、Redis キャッシュを得て、データベースを Amazon RDS に置いて AWS に移り、最後にバックアップを得ます。
  • task-run-on-demand (start) — core/manual-trigger を持つタスクを Kubernetes、Docker Compose、Terraform、CloudFormation で起動せずにデプロイし、何も持たないタスクと並べて、各ターゲットで実行を開始するコマンドを示します。
  • workload-identity-binding (authoring) — helm プロバイダーの Workload 合成によって Kubernetes 上にレンダリングされる単一のステートレスアプリです。外部チャートは使いません。

boundaries

境界に配置されたコンポーネントやモジュールと、それらの間を越えるもの。

  • advanced-platform (advanced) — 開発者が記述した単一の Aggregate から、1 つのビルドで複数の仕組みを組み合わせる、複数の境界を持つ Kubernetes プラットフォームです。境界スコープの FeatureRecipes、パラメータの巻き上げ、認証情報サブシステム、そして Service DNS を通じて解決される境界間参照を扱います。
  • annotation-driven-monitoring (advanced) — この例は、コンポーネントごとの features: ブロックを 1 つも書かずに、ネストされたトポロジー全体の 6 つのサービスにモニタリング Feature をアタッチします。
  • cloudformation-rds-stack (advanced) — マネージドデータベースとそれを読み取るアプリケーションを、開発者の意図として一度だけ記述し、AWS CloudFormation のスタックテンプレートに組み立てます。
  • cross-boundary-networking (advanced) — 2 つのコンポーネントからなるスタック(Adminer データベース UI と PostgreSQL データベース)を2 つの境界に分割し、Adminer が境界の継ぎ目を越えてデータベースに到達する必要がある構成です。
  • import-dify (start) — Dify の DSL でエクスポートされた Dify のチャットアプリケーションを、aggrega import で Aggregate、Release、Manifest にインポートしたもので、これらは記述どおりのまま、それを載せた標準ライブラリの Dify インストールを Kubernetes 向けにビルドします。
  • module-boundary-routing (advanced) — この例は、2 つの機能(オブジェクトストレージ上の Thanos メトリクス読み取り層と、MongoDB ワイヤープロトコルを話すドキュメントデータベース)を、開発者が記述した 1 つの Aggregate からコンパイルし、Release からそれぞれを独自の境界に配置します。

policy

ビルド中またはその出力に対して、ビルドを受け入れるか拒否するガバナンスポリシー。

  • policy-annotation-transform (advanced) — ガバナンスポリシーが、ショップのすべてのコンポーネントにプラットフォームのモニタリングと AWS IAM ロールを与えます。
  • policy-data-class-route (advanced) — ある環境では、制限付きの顧客データを扱う保険請求アシスタントと、そうしたデータを扱わないヘルプデスクアシスタントが稼働しています。
  • policy-in-ci (advanced) — Aggrega のビルドの出力ディレクトリを読み取り、ルールに違反していればそれを拒否する、すぐに使える 2 つのルールスクリプトです。
  • policy-label-transform (advanced) — ガバナンスプラグインが、このワークスペースがデプロイするすべてのコンポーネントに、その所有者、その環境が得るサポート階層、バックアップスケジュール、短いタグのラベルを付けるため、開発者はそのどれも入力しません。
  • policy-org-overlay (advanced) — チームのポリシー、組織のポリシー、パイプラインのポリシーが 1 つのビルドで一緒に実行され、それぞれが独自の設定ファイルでアタッチされます。
  • policy-payload-leaf-sensitivity (advanced) — この例は、1 つの社内ルールと、それを表現可能にしている事実を教えます。
  • policy-render-verdict (advanced) — render-verdict ロールにアタッチされた 1 つの社内ルールが、ビルドが 4 つのターゲット向けに書き込むファイルを判定し、それぞれに仕込まれた違反を拒否します。

guardrails

停止することを意図した Release と、それが停止するときのメッセージ。

  • adhoc-uses-socket (start) — この例は 1 行と、その両半分を教えます。
  • ai-gateway-own-webhook-certificate (advanced) — これは上級者向けの例です。
  • chart-from-git-repository (authoring) — Helm チャートはチャートレジストリから取得しなければならないわけではありません。
  • cloudformation-rds-stack (advanced) — マネージドデータベースとそれを読み取るアプリケーションを、開発者の意図として一度だけ記述し、AWS CloudFormation のスタックテンプレートに組み立てます。
  • credential-secretkeyref (start) — パスワードを認証情報サブシステムから供給される単一の PostgreSQL データベースを、プロバイダーごとに示します。
  • datastore-backup (start) — PostgreSQL データベースを、Kubernetes では Velero と CloudNativePG で、AWS では Terraform と CloudFormation 上の Amazon RDS 自身の自動バックアップと AWS Backup でバックアップします。いずれもオペレーターが各 Release に記述する 1 つの core/backup アタッチメントから行い、バックアップ製品を持たないターゲットでの拒否も示します。
  • extends-wrapper (authoring) — この例が教えるのは 1 つのことです。別の Component を extends する Component はそのベースのデータ契約全体を継承するため、ベース向けに書かれたすべての Recipe は、拡張する Component をすでに実装しています。
  • memcached-cache (start) — この簡潔な例は、単一の Memcached インメモリキャッシュを、開発者が記述した 1 つの Aggregate から 2 つの実現にコンパイルします。
  • policy-annotation-transform (advanced) — ガバナンスポリシーが、ショップのすべてのコンポーネントにプラットフォームのモニタリングと AWS IAM ロールを与えます。
  • policy-data-class-route (advanced) — ある環境では、制限付きの顧客データを扱う保険請求アシスタントと、そうしたデータを扱わないヘルプデスクアシスタントが稼働しています。
  • policy-label-transform (advanced) — ガバナンスプラグインが、このワークスペースがデプロイするすべてのコンポーネントに、その所有者、その環境が得るサポート階層、バックアップスケジュール、短いタグのラベルを付けるため、開発者はそのどれも入力しません。
  • policy-org-overlay (advanced) — チームのポリシー、組織のポリシー、パイプラインのポリシーが 1 つのビルドで一緒に実行され、それぞれが独自の設定ファイルでアタッチされます。
  • policy-payload-leaf-sensitivity (advanced) — この例は、1 つの社内ルールと、それを表現可能にしている事実を教えます。
  • policy-render-verdict (advanced) — render-verdict ロールにアタッチされた 1 つの社内ルールが、ビルドが 4 つのターゲット向けに書き込むファイルを判定し、それぞれに仕込まれた違反を拒否します。
  • s3-object-store (start) — この例は、1 つの S3 互換オブジェクトストア、つまり core/storage/s3-object-store コンポーネントを、その 2 つのセルフホスト型の実現にコンパイルします。
  • task-run-on-demand (start) — core/manual-trigger を持つタスクを Kubernetes、Docker Compose、Terraform、CloudFormation で起動せずにデプロイし、何も持たないタスクと並べて、各ターゲットで実行を開始するコマンドを示します。

catalog-authoring

例のために書かれ、その隣に置かれるか、カタログに公開される Component、Feature、または Recipe。

  • advanced-platform (advanced) — 開発者が記述した単一の Aggregate から、1 つのビルドで複数の仕組みを組み合わせる、複数の境界を持つ Kubernetes プラットフォームです。境界スコープの FeatureRecipes、パラメータの巻き上げ、認証情報サブシステム、そして Service DNS を通じて解決される境界間参照を扱います。
  • ai-gateway-own-webhook-certificate (advanced) — これは上級者向けの例です。
  • chart-from-git-repository (authoring) — Helm チャートはチャートレジストリから取得しなければならないわけではありません。
  • cross-boundary-networking (advanced) — 2 つのコンポーネントからなるスタック(Adminer データベース UI と PostgreSQL データベース)を2 つの境界に分割し、Adminer が境界の継ぎ目を越えてデータベースに到達する必要がある構成です。
  • extends-wrapper (authoring) — この例が教えるのは 1 つのことです。別の Component を extends する Component はそのベースのデータ契約全体を継承するため、ベース向けに書かれたすべての Recipe は、拡張する Component をすでに実装しています。
  • mariadb-adminer (authoring) — この例は、小規模で実際に動くスタック(前段に Adminer Web UI を置いた MariaDB データベース)を、開発者が記述した単一の Aggregate から2 つのプラットフォーム向けにコンパイルします。
  • mariadb-bitnami-credential-set (authoring) — Bitnami Helm チャートで実現される単一の MariaDB データベースで、そのパスワードは複数キーを持つ 1 つの参照可能なシークレット(core/referenced-secret-set)から供給されます。
  • mcp-address-from-secret (authoring) — 他者が運用する Model Context Protocol サーバーの中には、キーをリクエストヘッダーからではなく、自身のアドレス https://mcp.example.com/mcp?api_key=<key> から読み取るものがあります。
  • multikey-secret-synth (authoring) — helm プロバイダーの Workload 合成によって Kubernetes 上にレンダリングされる単一のステートレスアプリです。外部チャートは使いません。
  • policy-data-class-route (advanced) — ある環境では、制限付きの顧客データを扱う保険請求アシスタントと、そうしたデータを扱わないヘルプデスクアシスタントが稼働しています。
  • postgres-three-realizations (authoring) — PostgreSQL データベースとそれを読み取るアプリケーションを、変更していない 1 つの Aggregate から 3 つの異なる方法でデプロイします。クラスター内で動く PostgreSQL、マネージドクラウドインスタンスとしての PostgreSQL、そしてこの Release のデプロイ前から存在していた PostgreSQL サーバーです。
  • workload-identity-binding (authoring) — helm プロバイダーの Workload 合成によって Kubernetes 上にレンダリングされる単一のステートレスアプリです。外部チャートは使いません。
  • workload-library-import (authoring) — Recipe がインライン本体ではなく共有ライブラリのエントリから Kubernetes Workload を合成する、単一のステートレス Web サービスです。

cloud-infrastructure

マネージドクラウドサービス向けの Terraform または CloudFormation の出力。

  • aws-rds-and-ecs-service (advanced) — 1 つの Aggregate が PostgreSQL データベースと、それを読み取るサーバーを保持します。
  • cloudformation-rds-stack (advanced) — マネージドデータベースとそれを読み取るアプリケーションを、開発者の意図として一度だけ記述し、AWS CloudFormation のスタックテンプレートに組み立てます。
  • datastore-backup (start) — PostgreSQL データベースを、Kubernetes では Velero と CloudNativePG で、AWS では Terraform と CloudFormation 上の Amazon RDS 自身の自動バックアップと AWS Backup でバックアップします。いずれもオペレーターが各 Release に記述する 1 つの core/backup アタッチメントから行い、バックアップ製品を持たないターゲットでの拒否も示します。
  • policy-payload-leaf-sensitivity (advanced) — この例は、1 つの社内ルールと、それを表現可能にしている事実を教えます。
  • policy-render-verdict (advanced) — render-verdict ロールにアタッチされた 1 つの社内ルールが、ビルドが 4 つのターゲット向けに書き込むファイルを判定し、それぞれに仕込まれた違反を拒否します。
  • postgres-three-realizations (authoring) — PostgreSQL データベースとそれを読み取るアプリケーションを、変更していない 1 つの Aggregate から 3 つの異なる方法でデプロイします。クラスター内で動く PostgreSQL、マネージドクラウドインスタンスとしての PostgreSQL、そしてこの Release のデプロイ前から存在していた PostgreSQL サーバーです。
  • quickstart-web (start) — メモを PostgreSQL に保存する小さな Web アプリケーションを 4 つのステップで育てます。手元のマシン上でデータベースとともに始まり、Redis キャッシュを得て、データベースを Amazon RDS に置いて AWS に移り、最後にバックアップを得ます。
  • task-run-on-demand (start) — core/manual-trigger を持つタスクを Kubernetes、Docker Compose、Terraform、CloudFormation で起動せずにデプロイし、何も持たないタスクと並べて、各ターゲットで実行を開始するコマンドを示します。
  • terraform-declared-sensitivity (advanced) — 値が機密情報を含むという宣言は、Component のスキーマ上で一度だけ記述されます。
  • terraform-rds-module (authoring) — terraform-rds の例と同じ MariaDB の意図を、Terraform プロバイダーの sourced 形態でレンダリングします。Recipe はインラインの HCL 本体の代わりにローカルの Terraform モジュールを指し、コンパイラはそれをそのままベンダリングしたうえで、開発者とオペレーターの両方の柱から入力変数を供給します。
  • terraform-rds (authoring) — 開発者の意図として一度だけ記述した単一の MariaDB データベースを、マネージド AWS RDS インスタンスをプロビジョニングする Terraform HCL ファイルにレンダリングします。

external-sources

レンダリングするものを取得する Recipe。上流のチャート、git リポジトリ、またはモジュールです。

  • advanced-platform (advanced) — 開発者が記述した単一の Aggregate から、1 つのビルドで複数の仕組みを組み合わせる、複数の境界を持つ Kubernetes プラットフォームです。境界スコープの FeatureRecipes、パラメータの巻き上げ、認証情報サブシステム、そして Service DNS を通じて解決される境界間参照を扱います。
  • ai-gateway-own-webhook-certificate (advanced) — これは上級者向けの例です。
  • aws-rds-and-ecs-service (advanced) — 1 つの Aggregate が PostgreSQL データベースと、それを読み取るサーバーを保持します。
  • cert-manager-tls (start) — この例は、小規模で実際に動くスタック(cert-manager 証明書コントローラー)を、開発者が記述した 1 つの Aggregate から Kubernetes にコンパイルします。
  • chart-from-git-repository (authoring) — Helm チャートはチャートレジストリから取得しなければならないわけではありません。
  • contour-gateway (start) — この例は、小規模で実際に動くスタック(Contour イングレスゲートウェイ)を、開発者が記述した 1 つの Aggregate から Kubernetes にコンパイルします。
  • external-secrets-operator (start) — この例は、小規模で実際に動くスタック(external-secrets オペレーター)を、開発者が記述した 1 つの Aggregate から Kubernetes にコンパイルします。基盤は公式の external-secrets Helm チャートです。
  • harbor-stack (start) — この例は、実際のコンテナレジストリを、開発者が記述した 1 つの Aggregate から Kubernetes マニフェストにコンパイルします。
  • loki-logging (start) — この例は、小規模で実際に動くスタック(Grafana Loki ログ集約サーバー)を、開発者が記述した 1 つの Aggregate から Kubernetes にコンパイルします。基盤は単一バイナリ形態の公式 Grafana Loki Helm チャートです。
  • mariadb-adminer (authoring) — この例は、小規模で実際に動くスタック(前段に Adminer Web UI を置いた MariaDB データベース)を、開発者が記述した単一の Aggregate から2 つのプラットフォーム向けにコンパイルします。
  • mariadb-bitnami-credential-set (authoring) — Bitnami Helm チャートで実現される単一の MariaDB データベースで、そのパスワードは複数キーを持つ 1 つの参照可能なシークレット(core/referenced-secret-set)から供給されます。
  • openbao-secrets (start) — この例は、小規模で実際に動くスタック(単一の OpenBao シークレットサーバー)を、開発者が記述した 1 つの Aggregate から Kubernetes にコンパイルします。基盤は公式の OpenBao Helm チャートです。
  • quickstart-web (start) — メモを PostgreSQL に保存する小さな Web アプリケーションを 4 つのステップで育てます。手元のマシン上でデータベースとともに始まり、Redis キャッシュを得て、データベースを Amazon RDS に置いて AWS に移り、最後にバックアップを得ます。
  • sealed-secrets-controller (start) — この例は、小規模で実際に動くスタック(sealed-secrets コントローラー)を、開発者が記述した 1 つの Aggregate から Kubernetes にコンパイルします。基盤は HTTPS チャートリポジトリから提供される公式の sealed-secrets Helm チャートです。

import

別の形式で書かれたプロジェクトを、aggrega import で Aggrega ファイルに下書きし、その後レビューしてビルドします。

  • import-agent-framework (start) — Microsoft Agent Framework の宣言型エージェント — OpenAI モデル上で動作し、MCP サーバーを通じてドキュメントを検索する 1 つのエージェント — を、aggrega import で Aggrega ファイルに下書きし、アプリケーションのイメージを回答ファイルで一度だけ指定したうえで Docker Compose 向けにビルドしたものです。
  • import-compose (start) — API、そのノートを保存する PostgreSQL データベース、Redis キャッシュを実行する Compose ファイルを、aggrega import で Aggrega ファイルに下書きし — 接続、データベースの設定、変数参照としてのパスワード、各イメージのタグを引き継ぎます — Docker Compose 向けにビルドしたものです。
  • import-crewai (start) — 従来のレイアウトの CrewAI プロジェクトにおけるエージェントとタスクの宣言 — 1 つの OpenAI モデル上の 2 つのエージェントと、それぞれに 1 つのタスク — を、aggrega import で Aggrega ファイルに下書きし、crew のプログラムが動作するイメージを回答ファイルで一度だけ指定したうえで Docker Compose 向けにビルドしたものです。
  • import-dify (start) — Dify の DSL でエクスポートされた Dify のチャットアプリケーションを、aggrega import で Aggregate、Release、Manifest にインポートしたもので、これらは記述どおりのまま、それを載せた標準ライブラリの Dify インストールを Kubernetes 向けにビルドします。
  • import-flowise (start) — Flowise のチャットフロー — ChatOpenAI ノード、Buffer Memory、Conversation Chain — を、aggrega import で Aggregate、Release、Manifest にインポートしたもので、これらは記述どおりのまま Docker Compose 向けにビルドできます。
  • import-google-adk (start) — Google の Agent Development Kit で構築されたアプリケーションの Agent Config — Gemini 上の 1 つのエージェントで、ADK に同梱の Google Search ツールを使います — を、aggrega import で Aggrega ファイルに下書きし、アプリケーションのイメージを回答ファイルで一度だけ指定したうえで Docker Compose 向けにビルドしたものです。
  • import-langflow (start) — JSON としてエクスポートした Langflow の Basic Prompting スタータープロジェクトを、aggrega import で Aggregate、Release、Manifest にインポートしたもので、これらは記述どおりのまま Docker Compose 向けにビルドできます。
  • import-langgraph (start) — LangGraph アプリケーションの langgraph.json — 状態を PostgreSQL に保持する 1 つのグラフ — を、aggrega import で Aggrega ファイルに下書きし、グラフが呼び出すモデルとアプリケーションのイメージを回答ファイルで一度だけ指定したうえで Docker Compose 向けにビルドしたものです。
  • import-mcp (start) — 3 つの Model Context Protocol サーバー — コマンドラインから起動する 2 つと、他者が運用する 1 つ — を列挙した Claude Code の .mcp.json を、aggrega import で Aggrega ファイルに下書きし、各サーバーをその実行方法に対応する実現にマッピングしたうえで Kubernetes 向けにビルドしたものです。
  • import-n8n (start) — n8n のワークフロー — チャットトリガー、AI Agent、OpenAI Chat Model、Simple Memory — を、aggrega import で Aggregate、Release、Manifest にインポートしたもので、これらは記述どおりのまま Docker Compose 向けにビルドできます。