콘텐츠로 이동
AggregaAggrega
언어 선택: 한국어
이 페이지는 기계 번역되었습니다. 영어 원문 읽기.

제품별 및 기능별 예제

이 폴더의 모든 예제를 먼저 학습할 순서대로 단계별로 나열하고, 그다음 그 예제가 배포하는 각 제품별, 그리고 보여 주는 각 기능별로 나열합니다. 각 항목에는 예제의 수준과 해당 페이지의 첫 문장이 나와 있습니다.

수준은 start, authoring, advanced 중 하나이며, 각 예제의 헤더에 나열된 수준입니다. 각 예제에 붙는 헤더와 그 값이 나오는 목록은 각 예제의 헤더에 설명되어 있습니다.

학습 순서대로

여기서 시작

단계 start-here: “시작하기” 가이드가 한 단계씩 확장하는 두 예제와, 그다음 클라우드용 시작 예제 두 개입니다.

  • quickstart-ai (start) — 네 단계로 키워 가는 작은 LangGraph 에이전트입니다. 메모리를 갖춘 로컬 모델에서 시작하여, 로컬 모델을 폴백으로 두는 클라우드 모델을 얻고, 두 모델 앞에 가드레일을 두며, 마지막으로 Kubernetes용으로 빌드합니다.
  • quickstart-web (start) — 메모를 PostgreSQL에 저장하는 작은 웹 애플리케이션을 네 단계로 키워 갑니다. 사용자의 머신에서 데이터베이스와 함께 시작하여, Redis 캐시를 얻고, 데이터베이스를 Amazon RDS에 둔 채 AWS로 옮겨 가며, 마지막으로 백업을 갖춥니다.
  • terraform-rds (authoring) — 개발자 의도로 한 번 작성한 단일 MariaDB 데이터베이스를 관리형 AWS RDS 인스턴스를 프로비저닝하는 Terraform HCL 파일로 렌더링합니다.
  • cloudformation-rds-stack (advanced) — 관리형 데이터베이스와 이를 읽는 애플리케이션을 개발자 의도로 한 번 작성하고 AWS CloudFormation 스택 템플릿으로 조립합니다.

카탈로그 전용

단계 catalog-only: 카탈로그 엔터티로 조립되며, Aggregate, Manifest, Release 외에는 아무것도 작성하지 않습니다.

  • catalog-only (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 앞단에 Adminer 웹 UI를 둔 MariaDB 데이터베이스를 표준 라이브러리 카탈로그 엔터티만 참조하여 배포합니다.
  • cert-manager-tls (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 cert-manager 인증서 컨트롤러를 개발자가 작성한 하나의 Aggregate에서 Kubernetes로 컴파일합니다.
  • contour-gateway (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 Contour 인그레스 게이트웨이를 개발자가 작성한 하나의 Aggregate에서 Kubernetes로 컴파일합니다.
  • external-secrets-operator (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 external-secrets 오퍼레이터를 개발자가 작성한 하나의 Aggregate에서 Kubernetes로 컴파일하며, 공식 external-secrets Helm 차트를 기반으로 합니다.
  • sealed-secrets-controller (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 sealed-secrets 컨트롤러를 개발자가 작성한 하나의 Aggregate에서 Kubernetes로 컴파일하며, HTTPS 차트 저장소에서 제공되는 공식 sealed-secrets Helm 차트를 기반으로 합니다.
  • openbao-secrets (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 단일 OpenBao 시크릿 서버를 개발자가 작성한 하나의 Aggregate에서 Kubernetes로 컴파일하며, 공식 OpenBao Helm 차트를 기반으로 합니다.
  • jaeger-tracing (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 단일 노드 형태의 Jaeger 분산 추적 백엔드를 개발자가 작성한 하나의 Aggregate에서 Kubernetes로 컴파일하며, 업스트림 차트 없이 공식 Jaeger 이미지에서 직접 합성합니다.
  • tempo-tracing (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 Grafana Tempo 분산 추적 서버를 개발자가 작성한 하나의 Aggregate에서 공식 grafana/tempo 이미지에 대한 Workload 합성을 통해 단일 바이너리 형태로 Kubernetes에 컴파일합니다.
  • loki-logging (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 Grafana Loki 로그 집계 서버를 개발자가 작성한 하나의 Aggregate에서 Kubernetes로 컴파일하며, 단일 바이너리 형태의 공식 Grafana Loki Helm 차트를 기반으로 합니다.
  • kafka-broker (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 단일 노드 KRaft 형태의 Apache Kafka 이벤트 스트리밍 브로커를 개발자가 작성한 하나의 Aggregate에서 Kubernetes로 컴파일하며, 업스트림 차트 없이 공식 Apache Kafka 이미지에서 직접 합성합니다.
  • redis-cache (start) — 이 간결한 예제는 단일 Redis 인메모리 캐시(Redis 와이어 프로토콜)를 개발자가 작성한 하나의 Aggregate에서 두 구현으로 컴파일합니다.
  • valkey-cache (start) — 이 간결한 예제는 단일 Valkey 인메모리 캐시(Redis 와이어 프로토콜)를 개발자가 작성한 하나의 Aggregate에서 두 구현으로 컴파일합니다.
  • memcached-cache (start) — 이 간결한 예제는 단일 Memcached 인메모리 캐시를 개발자가 작성한 하나의 Aggregate에서 두 구현으로 컴파일합니다.
  • nats-messaging (start) — 이 예제는 단일 NATS 메시징 서버(발행-구독, 요청-응답, 큐잉)를 개발자가 작성한 하나의 Aggregate에서 두 구현으로 컴파일합니다.
  • rabbitmq-broker (start) — 이 예제는 단일 RabbitMQ 메시지 브로커(AMQP)를 개발자가 작성한 하나의 Aggregate에서 두 대상으로 컴파일합니다.
  • mysql-standalone (start) — 이 간결한 예제는 단일 MySQL 데이터베이스를 개발자가 작성한 Aggregate에서 두 대상으로 컴파일합니다.
  • mariadb-helm-synth (start) — helm 프로바이더의 Workload 합성으로 Kubernetes에 렌더링되는 단일 MariaDB 데이터베이스입니다. 외부 차트는 없습니다.
  • postgres-init-config (start) — core/datastore/postgres는 데이터베이스의 첫 시작을 형성하는 두 개의 선택적 개발자 값, init_scripts(초기화 시 한 번 실행되는 SQL 또는 셸)와 custom_config(postgresql.conf 조각)를 노출합니다.
  • grafana-dashboards (start) — 이 예제는 단일 Grafana 대시보드 및 시각화 서버를 개발자가 작성한 하나의 Aggregate에서 두 구현으로 컴파일합니다.
  • s3-object-store (start) — 이 예제는 하나의 S3 호환 오브젝트 저장소, 즉 core/storage/s3-object-store 컴포넌트를 두 가지 자체 호스팅 구현으로 컴파일합니다.
  • nginx-gateway (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 웹 백엔드 앞에 놓인 NGINX 리버스 프록시 게이트웨이를 개발자가 작성한 하나의 Aggregate에서 두 대상으로 컴파일합니다.
  • prometheus-scrape (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 두 Grafana 대시보드 서버를 스크레이프하는 Prometheus 메트릭 서버를 개발자가 작성한 하나의 Aggregate에서 두 대상으로 컴파일합니다.
  • fluentd-aggregator (start) — 이 예제는 로그 파이프라인의 수신 측인 Fluentd 로그 집계기를 개발자가 작성한 하나의 Aggregate에서 두 구현으로 컴파일합니다.
  • fluent-bit-to-fluentd (start) — 이 예제는 실제 로그 파이프라인, 즉 forward 프로토콜로 Fluentd 집계기에 레코드를 보내는 Fluent Bit 포워더를 개발자가 작성한 하나의 Aggregate에서 두 구현으로 컴파일합니다.
  • mysql-innodb-cluster (start) — MySQL InnoDB Cluster와 이를 조정하는 컨트롤 플레인을 변경되지 않은 하나의 Aggregate에서 두 번 빌드합니다. 한 번은 단일 서버 인스턴스를, 한 번은 세 개를 요청합니다.
  • apisix-stack (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 동적 API 게이트웨이를 개발자가 작성한 하나의 Aggregate에서 합성된 Kubernetes 매니페스트로 컴파일합니다.
  • ferretdb-stack (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 MongoDB 와이어 프로토콜을 노출하는 문서 데이터베이스를 개발자가 작성한 하나의 Aggregate에서 합성된 Kubernetes 매니페스트로 컴파일합니다.
  • kong-stack (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 데이터베이스 기반 API 게이트웨이를 개발자가 작성한 하나의 Aggregate에서 합성된 Kubernetes 매니페스트로 컴파일합니다.
  • keycloak-stack (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 데이터베이스 기반 ID 서버를 개발자가 작성한 하나의 Aggregate에서 합성된 Kubernetes 매니페스트로 컴파일합니다.
  • thanos-stack (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 Thanos 메트릭 시스템의 읽기/쿼리 계층을 개발자가 작성한 하나의 Aggregate에서 합성된 Kubernetes 매니페스트로 컴파일합니다.
  • harbor-stack (start) — 이 예제는 실제 컨테이너 레지스트리를 개발자가 작성한 하나의 Aggregate에서 Kubernetes 매니페스트로 컴파일합니다.
  • credential-secretkeyref (start) — 자격 증명 하위 시스템이 비밀번호를 제공하는 단일 PostgreSQL 데이터베이스를 프로바이더별로 보여 줍니다.
  • model-api-key-sharing (start) — 하나의 OpenAI 호환 게이트웨이 뒤에 있는 두 CrewAI 에이전트입니다.
  • adhoc-uses-socket (start) — 이 예제는 한 줄과 그 줄의 두 절반을 가르칩니다.
  • ai-agent-and-model-router (start) — 하나의 클러스터 내 라우터를 통해 두 업스트림 제공자 모델에 도달하는 에이전트 애플리케이션을 Kubernetes 매니페스트로 컴파일합니다.
  • connection-credentials (start) — 두 모델에 도달하며 각각에 서로 다른 키를 제시하는 시맨틱 메모리 저장소를 Kubernetes 매니페스트로 컴파일합니다.
  • ai-gateway-log-masking (start) — 지원 어시스턴트는 고객의 이름과 이메일 주소를 다뤄야 하므로, 어시스턴트가 호출하는 모델이 그것들을 볼 수 있어야 합니다.
  • ai-gateway-prompt-injection-shield (start) — 지원 어시스턴트의 사용자는 무엇이든 입력할 수 있으며, 그중 일부는 모델이 받은 지시를 무시하게 만들려고 합니다.
  • ai-gateway-semantic-cache (start) — 지원 어시스턴트는 하루 종일 조금씩 다른 표현으로 같은 질문을 받습니다.
  • apisix-token-budget (start) — 한 팀이 두 OpenAI 모델을 하나의 게이트웨이 뒤에 두고, 게이트웨이가 매일 그 모델들에 쓰는 양에 토큰 단위로 센 상한을 두려 합니다.
  • envoy-ai-gateway-token-budget (start) — 한 팀이 OpenAI의 gpt-4o-mini를 클러스터 내 게이트웨이 뒤에 두고, 게이트웨이가 매 달력월 거기에 쓰는 토큰에 상한을 두려 하며, 에이전트가 OpenAI가 아니라 게이트웨이를 가리키게 합니다.
  • nemo-guardrails-nemoguard-nims (start) — 에이전트의 모델 요청은 NVIDIA NeMo Guardrails를 거치며, NeMo Guardrails는 각 요청을 NVIDIA의 NemoGuard 모델 두 개로 검사합니다. 이 모델들은 NVIDIA의 라이선스 제품으로, 실행하려면 NVIDIA의 라이선스, NGC API 키, GPU 노드가 필요합니다.
  • model-server-caller-allowlist (start) — 클러스터에서 실행되는 모델 서버는 그 주소에 도달하는 누구에게나 응답합니다.
  • task-run-on-demand (start) — core/manual-trigger를 가진 작업이 Kubernetes, Docker Compose, Terraform, CloudFormation에서 시작되지 않은 채 배포되고, 그 옆에 아무것도 가지지 않은 작업이 있으며, 각 대상에서 실행을 시작하는 명령을 보여 줍니다.
  • datastore-backup (start) — Kubernetes에서는 Velero와 CloudNativePG를 통해, AWS에서는 Terraform과 CloudFormation의 Amazon RDS 자체 자동 백업과 AWS Backup을 통해 백업되는 PostgreSQL 데이터베이스로, 운영자가 각 Release에 작성하는 하나의 core/backup 첨부에서 비롯되며, 백업 제품이 없는 대상에서의 거부도 보여 줍니다.

작성

단계 authoring: 자체 Component, Feature 또는 Recipe를 작성하거나, 그 구성 방식을 보여 줍니다.

  • mariadb-adminer (authoring) — 이 예제는 작지만 실제로 동작하는 스택, 즉 앞단에 Adminer 웹 UI를 둔 MariaDB 데이터베이스를 개발자가 작성한 단일 Aggregate에서 두 플랫폼으로 컴파일합니다.
  • per-instance-recipe-override (authoring) — 이 예제는 Manifest의 한 가지 기능인 name 매핑 계층을 가르칩니다. 이 계층은 단일 컴포넌트 인스턴스의 Recipe를 재정의하며, 같은 타입의 다른 모든 인스턴스는 일괄 type 계층 Recipe를 유지합니다.
  • workload-library-import (authoring) — Recipe가 인라인 본문 대신 공유 라이브러리 항목에서 Kubernetes Workload를 합성하는 단일 무상태 웹 서비스입니다.
  • workload-identity-binding (authoring) — helm 프로바이더의 Workload 합성으로 Kubernetes에 렌더링되는 단일 무상태 앱입니다. 외부 차트는 없습니다.
  • multikey-secret-synth (authoring) — helm 프로바이더의 Workload 합성으로 Kubernetes에 렌더링되는 단일 무상태 앱입니다. 외부 차트는 없습니다.
  • mariadb-bitnami-credential-set (authoring) — Bitnami Helm 차트로 구현되는 단일 MariaDB 데이터베이스로, 그 비밀번호는 여러 키를 가진 하나의 참조 가능한 시크릿(core/referenced-secret-set)이 제공합니다.
  • credential-shape-per-target (authoring) — 자격 증명이 실행 중인 컨테이너에 어떻게 도달하는지는 애플리케이션이 아니라 어디에 배포하는지의 속성입니다.
  • terraform-rds-module (authoring) — terraform-rds 예제와 같은 MariaDB 의도를 Terraform 프로바이더의 sourced 형태로 렌더링합니다. Recipe는 인라인 HCL 본문 대신 로컬 Terraform 모듈을 가리키고, 컴파일러는 그 모듈을 그대로 벤더링한 다음 개발자와 운영자라는 두 축에서 입력 변수를 공급합니다.
  • postgres-three-realizations (authoring) — PostgreSQL 데이터베이스와 이를 읽는 애플리케이션을 변경되지 않은 하나의 Aggregate에서 세 가지 다른 방식으로 배포합니다. 클러스터에서 실행되는 PostgreSQL, 관리형 클라우드 인스턴스로서의 PostgreSQL, 그리고 이 Release가 배포되기 전부터 이미 존재하던 PostgreSQL 서버입니다.
  • mcp-address-from-secret (authoring) — 다른 누군가가 운영하는 일부 Model Context Protocol 서버는 요청 헤더가 아니라 자신의 주소 https://mcp.example.com/mcp?api_key=<key>에서 키를 읽습니다.
  • chart-from-git-repository (authoring) — Helm 차트가 반드시 차트 레지스트리에서 와야 하는 것은 아닙니다.
  • extends-wrapper (authoring) — 이 예제는 한 가지를 가르칩니다. 다른 Component를 extends하는 Component는 그 기반의 데이터 계약 전체를 상속하므로, 기반용으로 작성된 모든 Recipe가 이미 확장하는 Component를 구현합니다.

고급

단계 advanced: 경계, 거버넌스 정책, 어노테이션 기반 Features, 조립된 클라우드 스택을 다루며, 그중 여러 가지를 하나의 빌드에서 결합합니다.

  • advanced-platform (advanced) — 개발자가 작성한 단일 Aggregate에서 하나의 빌드로 여러 메커니즘을 결합하는 여러 경계의 Kubernetes 플랫폼입니다. 경계 범위 FeatureRecipes, 매개변수 호이스팅, 자격 증명 하위 시스템, 그리고 Service DNS를 통해 해석되는 경계 간 참조를 다룹니다.
  • aws-rds-and-ecs-service (advanced) — 하나의 Aggregate가 PostgreSQL 데이터베이스와 이를 읽는 서버를 담습니다.
  • terraform-declared-sensitivity (advanced) — 값이 비밀 자료를 담고 있다는 선언은 Component의 스키마에 한 번만 작성됩니다.
  • cross-boundary-networking (advanced) — Adminer 데이터베이스 UI와 PostgreSQL 데이터베이스로 이루어진 두 컴포넌트 스택을 두 경계로 나누어, Adminer가 경계의 이음매를 넘어 데이터베이스에 도달해야 하는 구성입니다.
  • module-boundary-routing (advanced) — 이 예제는 두 기능, 즉 오브젝트 스토리지 위의 Thanos 메트릭 읽기 계층과 MongoDB 와이어 프로토콜을 사용하는 문서 데이터베이스를 개발자가 작성한 하나의 Aggregate에서 컴파일하고, Release에서 각각을 자체 경계에 배치합니다.
  • annotation-driven-monitoring (advanced) — 이 예제는 컴포넌트별 features: 블록을 하나도 작성하지 않고 중첩된 토폴로지 전체의 여섯 서비스에 모니터링 Feature를 연결합니다.
  • policy-in-ci (advanced) — Aggrega 빌드의 출력 디렉터리를 읽고 규칙을 어기면 이를 거부하는, 바로 사용할 수 있는 두 규칙 스크립트입니다.
  • policy-payload-leaf-sensitivity (advanced) — 이 예제는 하나의 내부 규칙과, 그것을 표현할 수 있게 해 주는 사실을 가르칩니다.
  • policy-data-class-route (advanced) — 한 시스템 환경이 제한된 고객 데이터를 다루는 청구 처리 어시스턴트와, 그런 데이터를 전혀 다루지 않는 헬프데스크 어시스턴트를 운영합니다.
  • policy-label-transform (advanced) — 거버넌스 플러그인이 이 워크스페이스가 배포하는 모든 컴포넌트에 소유자, 해당 환경이 받는 지원 등급, 백업 일정, 짧은 태그로 레이블을 붙이므로 개발자는 그 어느 것도 입력하지 않습니다.
  • policy-org-overlay (advanced) — 팀의 정책, 조직의 정책, 파이프라인의 정책이 하나의 빌드에서 함께 실행되며, 각각 자체 구성 파일에서 연결됩니다.
  • policy-render-verdict (advanced) — render-verdict 역할에 연결된 하나의 내부 규칙이 빌드가 네 대상용으로 기록하는 파일을 판정하고, 각각에 심어 둔 위반을 거부합니다.
  • policy-annotation-transform (advanced) — 거버넌스 정책이 한 상점의 모든 컴포넌트에 플랫폼의 모니터링과 AWS IAM 역할을 부여합니다.
  • ai-gateway-own-webhook-certificate (advanced) — 이것은 고급 예제입니다.

임포터

단계 importers: 다른 형식으로 작성된 프로젝트를 aggrega import로 Aggrega 파일 초안으로 작성한 뒤 검토하고 빌드합니다.

  • import-compose (start) — API, 그 API가 노트를 보관하는 PostgreSQL 데이터베이스, Redis 캐시를 실행하는 Compose 파일을 aggrega import로 Aggrega 파일 초안으로 작성하고(연결, 데이터베이스 설정, 변수 참조로서의 비밀번호, 각 이미지의 태그를 그대로 가져옵니다) Docker Compose용으로 빌드합니다.
  • import-mcp (start) — 세 개의 Model Context Protocol 서버(명령줄에서 시작하는 두 개와 다른 사람이 운영하는 하나)를 나열한 Claude Code의 .mcp.json 파일을 aggrega import로 Aggrega 파일 초안으로 작성하고, 각 서버를 그 실행 방식에 해당하는 실현에 매핑한 뒤 Kubernetes용으로 빌드합니다.
  • import-n8n (start) — 채팅 트리거, AI Agent, OpenAI Chat Model, Simple Memory로 이루어진 n8n 워크플로를 aggrega import로 Aggregate, Release, Manifest로 가져오며, 이들은 작성된 그대로 Docker Compose용으로 빌드됩니다.
  • import-flowise (start) — ChatOpenAI 노드, Buffer Memory, Conversation Chain으로 이루어진 Flowise 챗플로우를 aggrega import로 Aggregate, Release, Manifest로 가져오며, 이들은 작성된 그대로 Docker Compose용으로 빌드됩니다.
  • import-langflow (start) — JSON으로 내보낸 Langflow의 Basic Prompting 스타터 프로젝트를 aggrega import로 Aggregate, Release, Manifest로 가져오며, 이들은 작성된 그대로 Docker Compose용으로 빌드됩니다.
  • import-dify (start) — Dify DSL로 내보낸 Dify 채팅 애플리케이션을 aggrega import로 Aggregate, Release, Manifest로 가져오며, 이들은 작성된 그대로 이를 담은 표준 라이브러리의 Dify 설치를 Kubernetes용으로 빌드합니다.
  • import-google-adk (start) — Google의 Agent Development Kit으로 구축된 애플리케이션의 Agent Config(Gemini를 사용하는 에이전트 하나와 ADK에 포함된 Google Search 도구)를 aggrega import로 Aggrega 파일 초안으로 작성하고, 애플리케이션의 이미지를 응답 파일에서 한 번만 지정한 뒤 Docker Compose용으로 빌드합니다.
  • import-langgraph (start) — 상태를 PostgreSQL에 보관하는 그래프 하나를 가진 LangGraph 애플리케이션의 langgraph.json 파일을 aggrega import로 Aggrega 파일 초안으로 작성하고, 그래프가 호출하는 모델과 애플리케이션의 이미지를 응답 파일에서 한 번만 지정한 뒤 Docker Compose용으로 빌드합니다.
  • import-crewai (start) — 클래식 레이아웃의 CrewAI 프로젝트에 있는 에이전트와 태스크 선언(하나의 OpenAI 모델을 쓰는 에이전트 두 개, 각각 태스크 하나)을 aggrega import로 Aggrega 파일 초안으로 작성하고, crew의 프로그램이 실행되는 이미지를 응답 파일에서 한 번만 지정한 뒤 Docker Compose용으로 빌드합니다.
  • import-agent-framework (start) — OpenAI 모델을 사용하고 MCP 서버를 통해 문서를 검색하는 에이전트 하나로 이루어진 Microsoft Agent Framework 선언형 에이전트를 aggrega import로 Aggrega 파일 초안으로 작성하고, 애플리케이션의 이미지를 응답 파일에서 한 번만 지정한 뒤 Docker Compose용으로 빌드합니다.

제품별

core/ai-agent/agent-framework

  • import-agent-framework (start) — OpenAI 모델을 사용하고 MCP 서버를 통해 문서를 검색하는 에이전트 하나로 이루어진 Microsoft Agent Framework 선언형 에이전트를 aggrega import로 Aggrega 파일 초안으로 작성하고, 애플리케이션의 이미지를 응답 파일에서 한 번만 지정한 뒤 Docker Compose용으로 빌드합니다.

core/ai-agent/crewai

  • envoy-ai-gateway-token-budget (start) — 한 팀이 OpenAI의 gpt-4o-mini를 클러스터 내 게이트웨이 뒤에 두고, 게이트웨이가 매 달력월 거기에 쓰는 토큰에 상한을 두려 하며, 에이전트가 OpenAI가 아니라 게이트웨이를 가리키게 합니다.
  • import-crewai (start) — 클래식 레이아웃의 CrewAI 프로젝트에 있는 에이전트와 태스크 선언(하나의 OpenAI 모델을 쓰는 에이전트 두 개, 각각 태스크 하나)을 aggrega import로 Aggrega 파일 초안으로 작성하고, crew의 프로그램이 실행되는 이미지를 응답 파일에서 한 번만 지정한 뒤 Docker Compose용으로 빌드합니다.
  • model-api-key-sharing (start) — 하나의 OpenAI 호환 게이트웨이 뒤에 있는 두 CrewAI 에이전트입니다.

core/ai-agent/dify

  • import-dify (start) — Dify DSL로 내보낸 Dify 채팅 애플리케이션을 aggrega import로 Aggregate, Release, Manifest로 가져오며, 이들은 작성된 그대로 이를 담은 표준 라이브러리의 Dify 설치를 Kubernetes용으로 빌드합니다.

core/ai-agent/dify-plugin-daemon

  • import-dify (start) — Dify DSL로 내보낸 Dify 채팅 애플리케이션을 aggrega import로 Aggregate, Release, Manifest로 가져오며, 이들은 작성된 그대로 이를 담은 표준 라이브러리의 Dify 설치를 Kubernetes용으로 빌드합니다.

core/ai-agent/dify-sandbox

  • import-dify (start) — Dify DSL로 내보낸 Dify 채팅 애플리케이션을 aggrega import로 Aggregate, Release, Manifest로 가져오며, 이들은 작성된 그대로 이를 담은 표준 라이브러리의 Dify 설치를 Kubernetes용으로 빌드합니다.

core/ai-agent/dify-ssrf-proxy

  • import-dify (start) — Dify DSL로 내보낸 Dify 채팅 애플리케이션을 aggrega import로 Aggregate, Release, Manifest로 가져오며, 이들은 작성된 그대로 이를 담은 표준 라이브러리의 Dify 설치를 Kubernetes용으로 빌드합니다.

core/ai-agent/dify-web

  • import-dify (start) — Dify DSL로 내보낸 Dify 채팅 애플리케이션을 aggrega import로 Aggregate, Release, Manifest로 가져오며, 이들은 작성된 그대로 이를 담은 표준 라이브러리의 Dify 설치를 Kubernetes용으로 빌드합니다.

core/ai-agent/dify-worker

  • import-dify (start) — Dify DSL로 내보낸 Dify 채팅 애플리케이션을 aggrega import로 Aggregate, Release, Manifest로 가져오며, 이들은 작성된 그대로 이를 담은 표준 라이브러리의 Dify 설치를 Kubernetes용으로 빌드합니다.

core/ai-agent/dify-worker-beat

  • import-dify (start) — Dify DSL로 내보낸 Dify 채팅 애플리케이션을 aggrega import로 Aggregate, Release, Manifest로 가져오며, 이들은 작성된 그대로 이를 담은 표준 라이브러리의 Dify 설치를 Kubernetes용으로 빌드합니다.

core/ai-agent/flowise

  • import-flowise (start) — ChatOpenAI 노드, Buffer Memory, Conversation Chain으로 이루어진 Flowise 챗플로우를 aggrega import로 Aggregate, Release, Manifest로 가져오며, 이들은 작성된 그대로 Docker Compose용으로 빌드됩니다.

core/ai-agent/google-adk

  • import-google-adk (start) — Google의 Agent Development Kit으로 구축된 애플리케이션의 Agent Config(Gemini를 사용하는 에이전트 하나와 ADK에 포함된 Google Search 도구)를 aggrega import로 Aggrega 파일 초안으로 작성하고, 애플리케이션의 이미지를 응답 파일에서 한 번만 지정한 뒤 Docker Compose용으로 빌드합니다.

core/ai-agent/langflow

  • import-langflow (start) — JSON으로 내보낸 Langflow의 Basic Prompting 스타터 프로젝트를 aggrega import로 Aggregate, Release, Manifest로 가져오며, 이들은 작성된 그대로 Docker Compose용으로 빌드됩니다.

core/ai-agent/langgraph

  • ai-agent-and-model-router (start) — 하나의 클러스터 내 라우터를 통해 두 업스트림 제공자 모델에 도달하는 에이전트 애플리케이션을 Kubernetes 매니페스트로 컴파일합니다.
  • import-langgraph (start) — 상태를 PostgreSQL에 보관하는 그래프 하나를 가진 LangGraph 애플리케이션의 langgraph.json 파일을 aggrega import로 Aggrega 파일 초안으로 작성하고, 그래프가 호출하는 모델과 애플리케이션의 이미지를 응답 파일에서 한 번만 지정한 뒤 Docker Compose용으로 빌드합니다.
  • nemo-guardrails-nemoguard-nims (start) — 에이전트의 모델 요청은 NVIDIA NeMo Guardrails를 거치며, NeMo Guardrails는 각 요청을 NVIDIA의 NemoGuard 모델 두 개로 검사합니다. 이 모델들은 NVIDIA의 라이선스 제품으로, 실행하려면 NVIDIA의 라이선스, NGC API 키, GPU 노드가 필요합니다.
  • policy-data-class-route (advanced) — 한 시스템 환경이 제한된 고객 데이터를 다루는 청구 처리 어시스턴트와, 그런 데이터를 전혀 다루지 않는 헬프데스크 어시스턴트를 운영합니다.
  • quickstart-ai (start) — 네 단계로 키워 가는 작은 LangGraph 에이전트입니다. 메모리를 갖춘 로컬 모델에서 시작하여, 로컬 모델을 폴백으로 두는 클라우드 모델을 얻고, 두 모델 앞에 가드레일을 두며, 마지막으로 Kubernetes용으로 빌드합니다.

core/ai-agent/n8n

  • import-n8n (start) — 채팅 트리거, AI Agent, OpenAI Chat Model, Simple Memory로 이루어진 n8n 워크플로를 aggrega import로 Aggregate, Release, Manifest로 가져오며, 이들은 작성된 그대로 Docker Compose용으로 빌드됩니다.

core/ai-model/anthropic

  • adhoc-uses-socket (start) — 이 예제는 한 줄과 그 줄의 두 절반을 가르칩니다.

core/ai-model/gemini

  • import-google-adk (start) — Google의 Agent Development Kit으로 구축된 애플리케이션의 Agent Config(Gemini를 사용하는 에이전트 하나와 ADK에 포함된 Google Search 도구)를 aggrega import로 Aggrega 파일 초안으로 작성하고, 애플리케이션의 이미지를 응답 파일에서 한 번만 지정한 뒤 Docker Compose용으로 빌드합니다.

core/ai-model/nemoguard-content-safety

  • nemo-guardrails-nemoguard-nims (start) — 에이전트의 모델 요청은 NVIDIA NeMo Guardrails를 거치며, NeMo Guardrails는 각 요청을 NVIDIA의 NemoGuard 모델 두 개로 검사합니다. 이 모델들은 NVIDIA의 라이선스 제품으로, 실행하려면 NVIDIA의 라이선스, NGC API 키, GPU 노드가 필요합니다.

core/ai-model/ollama

  • model-server-caller-allowlist (start) — 클러스터에서 실행되는 모델 서버는 그 주소에 도달하는 누구에게나 응답합니다.
  • quickstart-ai (start) — 네 단계로 키워 가는 작은 LangGraph 에이전트입니다. 메모리를 갖춘 로컬 모델에서 시작하여, 로컬 모델을 폴백으로 두는 클라우드 모델을 얻고, 두 모델 앞에 가드레일을 두며, 마지막으로 Kubernetes용으로 빌드합니다.

core/ai-model/openai

  • ai-gateway-log-masking (start) — 지원 어시스턴트는 고객의 이름과 이메일 주소를 다뤄야 하므로, 어시스턴트가 호출하는 모델이 그것들을 볼 수 있어야 합니다.
  • ai-gateway-semantic-cache (start) — 지원 어시스턴트는 하루 종일 조금씩 다른 표현으로 같은 질문을 받습니다.
  • apisix-token-budget (start) — 한 팀이 두 OpenAI 모델을 하나의 게이트웨이 뒤에 두고, 게이트웨이가 매일 그 모델들에 쓰는 양에 토큰 단위로 센 상한을 두려 합니다.
  • connection-credentials (start) — 두 모델에 도달하며 각각에 서로 다른 키를 제시하는 시맨틱 메모리 저장소를 Kubernetes 매니페스트로 컴파일합니다.
  • envoy-ai-gateway-token-budget (start) — 한 팀이 OpenAI의 gpt-4o-mini를 클러스터 내 게이트웨이 뒤에 두고, 게이트웨이가 매 달력월 거기에 쓰는 토큰에 상한을 두려 하며, 에이전트가 OpenAI가 아니라 게이트웨이를 가리키게 합니다.
  • import-agent-framework (start) — OpenAI 모델을 사용하고 MCP 서버를 통해 문서를 검색하는 에이전트 하나로 이루어진 Microsoft Agent Framework 선언형 에이전트를 aggrega import로 Aggrega 파일 초안으로 작성하고, 애플리케이션의 이미지를 응답 파일에서 한 번만 지정한 뒤 Docker Compose용으로 빌드합니다.
  • import-crewai (start) — 클래식 레이아웃의 CrewAI 프로젝트에 있는 에이전트와 태스크 선언(하나의 OpenAI 모델을 쓰는 에이전트 두 개, 각각 태스크 하나)을 aggrega import로 Aggrega 파일 초안으로 작성하고, crew의 프로그램이 실행되는 이미지를 응답 파일에서 한 번만 지정한 뒤 Docker Compose용으로 빌드합니다.
  • import-flowise (start) — ChatOpenAI 노드, Buffer Memory, Conversation Chain으로 이루어진 Flowise 챗플로우를 aggrega import로 Aggregate, Release, Manifest로 가져오며, 이들은 작성된 그대로 Docker Compose용으로 빌드됩니다.
  • import-langflow (start) — JSON으로 내보낸 Langflow의 Basic Prompting 스타터 프로젝트를 aggrega import로 Aggregate, Release, Manifest로 가져오며, 이들은 작성된 그대로 Docker Compose용으로 빌드됩니다.
  • import-langgraph (start) — 상태를 PostgreSQL에 보관하는 그래프 하나를 가진 LangGraph 애플리케이션의 langgraph.json 파일을 aggrega import로 Aggrega 파일 초안으로 작성하고, 그래프가 호출하는 모델과 애플리케이션의 이미지를 응답 파일에서 한 번만 지정한 뒤 Docker Compose용으로 빌드합니다.
  • import-n8n (start) — 채팅 트리거, AI Agent, OpenAI Chat Model, Simple Memory로 이루어진 n8n 워크플로를 aggrega import로 Aggregate, Release, Manifest로 가져오며, 이들은 작성된 그대로 Docker Compose용으로 빌드됩니다.
  • policy-data-class-route (advanced) — 한 시스템 환경이 제한된 고객 데이터를 다루는 청구 처리 어시스턴트와, 그런 데이터를 전혀 다루지 않는 헬프데스크 어시스턴트를 운영합니다.
  • quickstart-ai (start) — 네 단계로 키워 가는 작은 LangGraph 에이전트입니다. 메모리를 갖춘 로컬 모델에서 시작하여, 로컬 모델을 폴백으로 두는 클라우드 모델을 얻고, 두 모델 앞에 가드레일을 두며, 마지막으로 Kubernetes용으로 빌드합니다.

core/ai-model/openai-compatible

  • model-api-key-sharing (start) — 하나의 OpenAI 호환 게이트웨이 뒤에 있는 두 CrewAI 에이전트입니다.

core/ai-model/openai-embedding

  • ai-gateway-semantic-cache (start) — 지원 어시스턴트는 하루 종일 조금씩 다른 표현으로 같은 질문을 받습니다.

core/ai-model/tei

  • connection-credentials (start) — 두 모델에 도달하며 각각에 서로 다른 키를 제시하는 시맨틱 메모리 저장소를 Kubernetes 매니페스트로 컴파일합니다.

core/ai-tool/mcp

  • import-mcp (start) — 세 개의 Model Context Protocol 서버(명령줄에서 시작하는 두 개와 다른 사람이 운영하는 하나)를 나열한 Claude Code의 .mcp.json 파일을 aggrega import로 Aggrega 파일 초안으로 작성하고, 각 서버를 그 실행 방식에 해당하는 실현에 매핑한 뒤 Kubernetes용으로 빌드합니다.
  • mcp-address-from-secret (authoring) — 다른 누군가가 운영하는 일부 Model Context Protocol 서버는 요청 헤더가 아니라 자신의 주소 https://mcp.example.com/mcp?api_key=<key>에서 키를 읽습니다.

core/compute/server

  • quickstart-ai (start) — 네 단계로 키워 가는 작은 LangGraph 에이전트입니다. 메모리를 갖춘 로컬 모델에서 시작하여, 로컬 모델을 폴백으로 두는 클라우드 모델을 얻고, 두 모델 앞에 가드레일을 두며, 마지막으로 Kubernetes용으로 빌드합니다.

core/datastore/cognee

  • connection-credentials (start) — 두 모델에 도달하며 각각에 서로 다른 키를 제시하는 시맨틱 메모리 저장소를 Kubernetes 매니페스트로 컴파일합니다.

core/datastore/documentdb

  • ferretdb-stack (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 MongoDB 와이어 프로토콜을 노출하는 문서 데이터베이스를 개발자가 작성한 하나의 Aggregate에서 합성된 Kubernetes 매니페스트로 컴파일합니다.
  • module-boundary-routing (advanced) — 이 예제는 두 기능, 즉 오브젝트 스토리지 위의 Thanos 메트릭 읽기 계층과 MongoDB 와이어 프로토콜을 사용하는 문서 데이터베이스를 개발자가 작성한 하나의 Aggregate에서 컴파일하고, Release에서 각각을 자체 경계에 배치합니다.

core/datastore/etcd

  • apisix-stack (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 동적 API 게이트웨이를 개발자가 작성한 하나의 Aggregate에서 합성된 Kubernetes 매니페스트로 컴파일합니다.

core/datastore/ferretdb

  • ferretdb-stack (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 MongoDB 와이어 프로토콜을 노출하는 문서 데이터베이스를 개발자가 작성한 하나의 Aggregate에서 합성된 Kubernetes 매니페스트로 컴파일합니다.
  • module-boundary-routing (advanced) — 이 예제는 두 기능, 즉 오브젝트 스토리지 위의 Thanos 메트릭 읽기 계층과 MongoDB 와이어 프로토콜을 사용하는 문서 데이터베이스를 개발자가 작성한 하나의 Aggregate에서 컴파일하고, Release에서 각각을 자체 경계에 배치합니다.

core/datastore/mariadb

  • adhoc-uses-socket (start) — 이 예제는 한 줄과 그 줄의 두 절반을 가르칩니다.
  • advanced-platform (advanced) — 개발자가 작성한 단일 Aggregate에서 하나의 빌드로 여러 메커니즘을 결합하는 여러 경계의 Kubernetes 플랫폼입니다. 경계 범위 FeatureRecipes, 매개변수 호이스팅, 자격 증명 하위 시스템, 그리고 Service DNS를 통해 해석되는 경계 간 참조를 다룹니다.
  • catalog-only (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 앞단에 Adminer 웹 UI를 둔 MariaDB 데이터베이스를 표준 라이브러리 카탈로그 엔터티만 참조하여 배포합니다.
  • cloudformation-rds-stack (advanced) — 관리형 데이터베이스와 이를 읽는 애플리케이션을 개발자 의도로 한 번 작성하고 AWS CloudFormation 스택 템플릿으로 조립합니다.
  • mariadb-adminer (authoring) — 이 예제는 작지만 실제로 동작하는 스택, 즉 앞단에 Adminer 웹 UI를 둔 MariaDB 데이터베이스를 개발자가 작성한 단일 Aggregate에서 두 플랫폼으로 컴파일합니다.
  • mariadb-bitnami-credential-set (authoring) — Bitnami Helm 차트로 구현되는 단일 MariaDB 데이터베이스로, 그 비밀번호는 여러 키를 가진 하나의 참조 가능한 시크릿(core/referenced-secret-set)이 제공합니다.
  • mariadb-helm-synth (start) — helm 프로바이더의 Workload 합성으로 Kubernetes에 렌더링되는 단일 MariaDB 데이터베이스입니다. 외부 차트는 없습니다.
  • policy-label-transform (advanced) — 거버넌스 플러그인이 이 워크스페이스가 배포하는 모든 컴포넌트에 소유자, 해당 환경이 받는 지원 등급, 백업 일정, 짧은 태그로 레이블을 붙이므로 개발자는 그 어느 것도 입력하지 않습니다.
  • policy-org-overlay (advanced) — 팀의 정책, 조직의 정책, 파이프라인의 정책이 하나의 빌드에서 함께 실행되며, 각각 자체 구성 파일에서 연결됩니다.
  • policy-payload-leaf-sensitivity (advanced) — 이 예제는 하나의 내부 규칙과, 그것을 표현할 수 있게 해 주는 사실을 가르칩니다.
  • terraform-rds-module (authoring) — terraform-rds 예제와 같은 MariaDB 의도를 Terraform 프로바이더의 sourced 형태로 렌더링합니다. Recipe는 인라인 HCL 본문 대신 로컬 Terraform 모듈을 가리키고, 컴파일러는 그 모듈을 그대로 벤더링한 다음 개발자와 운영자라는 두 축에서 입력 변수를 공급합니다.
  • terraform-rds (authoring) — 개발자 의도로 한 번 작성한 단일 MariaDB 데이터베이스를 관리형 AWS RDS 인스턴스를 프로비저닝하는 Terraform HCL 파일로 렌더링합니다.

core/datastore/memcached

  • memcached-cache (start) — 이 간결한 예제는 단일 Memcached 인메모리 캐시를 개발자가 작성한 하나의 Aggregate에서 두 구현으로 컴파일합니다.

core/datastore/mysql

  • mysql-standalone (start) — 이 간결한 예제는 단일 MySQL 데이터베이스를 개발자가 작성한 Aggregate에서 두 대상으로 컴파일합니다.

core/datastore/mysql-innodb-cluster

  • mysql-innodb-cluster (start) — MySQL InnoDB Cluster와 이를 조정하는 컨트롤 플레인을 변경되지 않은 하나의 Aggregate에서 두 번 빌드합니다. 한 번은 단일 서버 인스턴스를, 한 번은 세 개를 요청합니다.

core/datastore/mysql-operator

  • mysql-innodb-cluster (start) — MySQL InnoDB Cluster와 이를 조정하는 컨트롤 플레인을 변경되지 않은 하나의 Aggregate에서 두 번 빌드합니다. 한 번은 단일 서버 인스턴스를, 한 번은 세 개를 요청합니다.

core/datastore/postgres

  • aws-rds-and-ecs-service (advanced) — 하나의 Aggregate가 PostgreSQL 데이터베이스와 이를 읽는 서버를 담습니다.
  • credential-secretkeyref (start) — 자격 증명 하위 시스템이 비밀번호를 제공하는 단일 PostgreSQL 데이터베이스를 프로바이더별로 보여 줍니다.
  • credential-shape-per-target (authoring) — 자격 증명이 실행 중인 컨테이너에 어떻게 도달하는지는 애플리케이션이 아니라 어디에 배포하는지의 속성입니다.
  • cross-boundary-networking (advanced) — Adminer 데이터베이스 UI와 PostgreSQL 데이터베이스로 이루어진 두 컴포넌트 스택을 두 경계로 나누어, Adminer가 경계의 이음매를 넘어 데이터베이스에 도달해야 하는 구성입니다.
  • datastore-backup (start) — Kubernetes에서는 Velero와 CloudNativePG를 통해, AWS에서는 Terraform과 CloudFormation의 Amazon RDS 자체 자동 백업과 AWS Backup을 통해 백업되는 PostgreSQL 데이터베이스로, 운영자가 각 Release에 작성하는 하나의 core/backup 첨부에서 비롯되며, 백업 제품이 없는 대상에서의 거부도 보여 줍니다.
  • import-compose (start) — API, 그 API가 노트를 보관하는 PostgreSQL 데이터베이스, Redis 캐시를 실행하는 Compose 파일을 aggrega import로 Aggrega 파일 초안으로 작성하고(연결, 데이터베이스 설정, 변수 참조로서의 비밀번호, 각 이미지의 태그를 그대로 가져옵니다) Docker Compose용으로 빌드합니다.
  • import-dify (start) — Dify DSL로 내보낸 Dify 채팅 애플리케이션을 aggrega import로 Aggregate, Release, Manifest로 가져오며, 이들은 작성된 그대로 이를 담은 표준 라이브러리의 Dify 설치를 Kubernetes용으로 빌드합니다.
  • import-langgraph (start) — 상태를 PostgreSQL에 보관하는 그래프 하나를 가진 LangGraph 애플리케이션의 langgraph.json 파일을 aggrega import로 Aggrega 파일 초안으로 작성하고, 그래프가 호출하는 모델과 애플리케이션의 이미지를 응답 파일에서 한 번만 지정한 뒤 Docker Compose용으로 빌드합니다.
  • keycloak-stack (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 데이터베이스 기반 ID 서버를 개발자가 작성한 하나의 Aggregate에서 합성된 Kubernetes 매니페스트로 컴파일합니다.
  • kong-stack (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 데이터베이스 기반 API 게이트웨이를 개발자가 작성한 하나의 Aggregate에서 합성된 Kubernetes 매니페스트로 컴파일합니다.
  • policy-render-verdict (advanced) — render-verdict 역할에 연결된 하나의 내부 규칙이 빌드가 네 대상용으로 기록하는 파일을 판정하고, 각각에 심어 둔 위반을 거부합니다.
  • postgres-init-config (start) — core/datastore/postgres는 데이터베이스의 첫 시작을 형성하는 두 개의 선택적 개발자 값, init_scripts(초기화 시 한 번 실행되는 SQL 또는 셸)와 custom_config(postgresql.conf 조각)를 노출합니다.
  • postgres-three-realizations (authoring) — PostgreSQL 데이터베이스와 이를 읽는 애플리케이션을 변경되지 않은 하나의 Aggregate에서 세 가지 다른 방식으로 배포합니다. 클러스터에서 실행되는 PostgreSQL, 관리형 클라우드 인스턴스로서의 PostgreSQL, 그리고 이 Release가 배포되기 전부터 이미 존재하던 PostgreSQL 서버입니다.
  • quickstart-web (start) — 메모를 PostgreSQL에 저장하는 작은 웹 애플리케이션을 네 단계로 키워 갑니다. 사용자의 머신에서 데이터베이스와 함께 시작하여, Redis 캐시를 얻고, 데이터베이스를 Amazon RDS에 둔 채 AWS로 옮겨 가며, 마지막으로 백업을 갖춥니다.

core/datastore/redis

  • ai-gateway-semantic-cache (start) — 지원 어시스턴트는 하루 종일 조금씩 다른 표현으로 같은 질문을 받습니다.
  • envoy-ai-gateway-token-budget (start) — 한 팀이 OpenAI의 gpt-4o-mini를 클러스터 내 게이트웨이 뒤에 두고, 게이트웨이가 매 달력월 거기에 쓰는 토큰에 상한을 두려 하며, 에이전트가 OpenAI가 아니라 게이트웨이를 가리키게 합니다.
  • import-compose (start) — API, 그 API가 노트를 보관하는 PostgreSQL 데이터베이스, Redis 캐시를 실행하는 Compose 파일을 aggrega import로 Aggrega 파일 초안으로 작성하고(연결, 데이터베이스 설정, 변수 참조로서의 비밀번호, 각 이미지의 태그를 그대로 가져옵니다) Docker Compose용으로 빌드합니다.
  • import-dify (start) — Dify DSL로 내보낸 Dify 채팅 애플리케이션을 aggrega import로 Aggregate, Release, Manifest로 가져오며, 이들은 작성된 그대로 이를 담은 표준 라이브러리의 Dify 설치를 Kubernetes용으로 빌드합니다.
  • policy-label-transform (advanced) — 거버넌스 플러그인이 이 워크스페이스가 배포하는 모든 컴포넌트에 소유자, 해당 환경이 받는 지원 등급, 백업 일정, 짧은 태그로 레이블을 붙이므로 개발자는 그 어느 것도 입력하지 않습니다.
  • quickstart-web (start) — 메모를 PostgreSQL에 저장하는 작은 웹 애플리케이션을 네 단계로 키워 갑니다. 사용자의 머신에서 데이터베이스와 함께 시작하여, Redis 캐시를 얻고, 데이터베이스를 Amazon RDS에 둔 채 AWS로 옮겨 가며, 마지막으로 백업을 갖춥니다.
  • redis-cache (start) — 이 간결한 예제는 단일 Redis 인메모리 캐시(Redis 와이어 프로토콜)를 개발자가 작성한 하나의 Aggregate에서 두 구현으로 컴파일합니다.

core/datastore/valkey

  • ai-agent-and-model-router (start) — 하나의 클러스터 내 라우터를 통해 두 업스트림 제공자 모델에 도달하는 에이전트 애플리케이션을 Kubernetes 매니페스트로 컴파일합니다.
  • nemo-guardrails-nemoguard-nims (start) — 에이전트의 모델 요청은 NVIDIA NeMo Guardrails를 거치며, NeMo Guardrails는 각 요청을 NVIDIA의 NemoGuard 모델 두 개로 검사합니다. 이 모델들은 NVIDIA의 라이선스 제품으로, 실행하려면 NVIDIA의 라이선스, NGC API 키, GPU 노드가 필요합니다.
  • policy-data-class-route (advanced) — 한 시스템 환경이 제한된 고객 데이터를 다루는 청구 처리 어시스턴트와, 그런 데이터를 전혀 다루지 않는 헬프데스크 어시스턴트를 운영합니다.
  • quickstart-ai (start) — 네 단계로 키워 가는 작은 LangGraph 에이전트입니다. 메모리를 갖춘 로컬 모델에서 시작하여, 로컬 모델을 폴백으로 두는 클라우드 모델을 얻고, 두 모델 앞에 가드레일을 두며, 마지막으로 Kubernetes용으로 빌드합니다.
  • valkey-cache (start) — 이 간결한 예제는 단일 Valkey 인메모리 캐시(Redis 와이어 프로토콜)를 개발자가 작성한 하나의 Aggregate에서 두 구현으로 컴파일합니다.

core/datastore/weaviate

  • import-dify (start) — Dify DSL로 내보낸 Dify 채팅 애플리케이션을 aggrega import로 Aggregate, Release, Manifest로 가져오며, 이들은 작성된 그대로 이를 담은 표준 라이브러리의 Dify 설치를 Kubernetes용으로 빌드합니다.

core/devtool/adminer

  • adhoc-uses-socket (start) — 이 예제는 한 줄과 그 줄의 두 절반을 가르칩니다.
  • advanced-platform (advanced) — 개발자가 작성한 단일 Aggregate에서 하나의 빌드로 여러 메커니즘을 결합하는 여러 경계의 Kubernetes 플랫폼입니다. 경계 범위 FeatureRecipes, 매개변수 호이스팅, 자격 증명 하위 시스템, 그리고 Service DNS를 통해 해석되는 경계 간 참조를 다룹니다.
  • catalog-only (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 앞단에 Adminer 웹 UI를 둔 MariaDB 데이터베이스를 표준 라이브러리 카탈로그 엔터티만 참조하여 배포합니다.
  • cross-boundary-networking (advanced) — Adminer 데이터베이스 UI와 PostgreSQL 데이터베이스로 이루어진 두 컴포넌트 스택을 두 경계로 나누어, Adminer가 경계의 이음매를 넘어 데이터베이스에 도달해야 하는 구성입니다.
  • extends-wrapper (authoring) — 이 예제는 한 가지를 가르칩니다. 다른 Component를 extends하는 Component는 그 기반의 데이터 계약 전체를 상속하므로, 기반용으로 작성된 모든 Recipe가 이미 확장하는 Component를 구현합니다.
  • mariadb-adminer (authoring) — 이 예제는 작지만 실제로 동작하는 스택, 즉 앞단에 Adminer 웹 UI를 둔 MariaDB 데이터베이스를 개발자가 작성한 단일 Aggregate에서 두 플랫폼으로 컴파일합니다.
  • nginx-gateway (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 웹 백엔드 앞에 놓인 NGINX 리버스 프록시 게이트웨이를 개발자가 작성한 하나의 Aggregate에서 두 대상으로 컴파일합니다.
  • policy-label-transform (advanced) — 거버넌스 플러그인이 이 워크스페이스가 배포하는 모든 컴포넌트에 소유자, 해당 환경이 받는 지원 등급, 백업 일정, 짧은 태그로 레이블을 붙이므로 개발자는 그 어느 것도 입력하지 않습니다.
  • policy-org-overlay (advanced) — 팀의 정책, 조직의 정책, 파이프라인의 정책이 하나의 빌드에서 함께 실행되며, 각각 자체 구성 파일에서 연결됩니다.

core/devtool/harbor

  • harbor-stack (start) — 이 예제는 실제 컨테이너 레지스트리를 개발자가 작성한 하나의 Aggregate에서 Kubernetes 매니페스트로 컴파일합니다.

core/gateway/apisix

  • apisix-stack (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 동적 API 게이트웨이를 개발자가 작성한 하나의 Aggregate에서 합성된 Kubernetes 매니페스트로 컴파일합니다.
  • apisix-token-budget (start) — 한 팀이 두 OpenAI 모델을 하나의 게이트웨이 뒤에 두고, 게이트웨이가 매일 그 모델들에 쓰는 양에 토큰 단위로 센 상한을 두려 합니다.

core/gateway/contour

  • contour-gateway (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 Contour 인그레스 게이트웨이를 개발자가 작성한 하나의 Aggregate에서 Kubernetes로 컴파일합니다.

core/gateway/envoy-ai-gateway-operator

  • ai-gateway-own-webhook-certificate (advanced) — 이것은 고급 예제입니다.
  • envoy-ai-gateway-token-budget (start) — 한 팀이 OpenAI의 gpt-4o-mini를 클러스터 내 게이트웨이 뒤에 두고, 게이트웨이가 매 달력월 거기에 쓰는 토큰에 상한을 두려 하며, 에이전트가 OpenAI가 아니라 게이트웨이를 가리키게 합니다.

core/gateway/envoy-gateway

  • envoy-ai-gateway-token-budget (start) — 한 팀이 OpenAI의 gpt-4o-mini를 클러스터 내 게이트웨이 뒤에 두고, 게이트웨이가 매 달력월 거기에 쓰는 토큰에 상한을 두려 하며, 에이전트가 OpenAI가 아니라 게이트웨이를 가리키게 합니다.

core/gateway/kong

  • kong-stack (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 데이터베이스 기반 API 게이트웨이를 개발자가 작성한 하나의 Aggregate에서 합성된 Kubernetes 매니페스트로 컴파일합니다.

core/gateway/litellm

  • ai-agent-and-model-router (start) — 하나의 클러스터 내 라우터를 통해 두 업스트림 제공자 모델에 도달하는 에이전트 애플리케이션을 Kubernetes 매니페스트로 컴파일합니다.
  • ai-gateway-log-masking (start) — 지원 어시스턴트는 고객의 이름과 이메일 주소를 다뤄야 하므로, 어시스턴트가 호출하는 모델이 그것들을 볼 수 있어야 합니다.
  • ai-gateway-prompt-injection-shield (start) — 지원 어시스턴트의 사용자는 무엇이든 입력할 수 있으며, 그중 일부는 모델이 받은 지시를 무시하게 만들려고 합니다.
  • ai-gateway-semantic-cache (start) — 지원 어시스턴트는 하루 종일 조금씩 다른 표현으로 같은 질문을 받습니다.
  • nemo-guardrails-nemoguard-nims (start) — 에이전트의 모델 요청은 NVIDIA NeMo Guardrails를 거치며, NeMo Guardrails는 각 요청을 NVIDIA의 NemoGuard 모델 두 개로 검사합니다. 이 모델들은 NVIDIA의 라이선스 제품으로, 실행하려면 NVIDIA의 라이선스, NGC API 키, GPU 노드가 필요합니다.
  • policy-data-class-route (advanced) — 한 시스템 환경이 제한된 고객 데이터를 다루는 청구 처리 어시스턴트와, 그런 데이터를 전혀 다루지 않는 헬프데스크 어시스턴트를 운영합니다.
  • quickstart-ai (start) — 네 단계로 키워 가는 작은 LangGraph 에이전트입니다. 메모리를 갖춘 로컬 모델에서 시작하여, 로컬 모델을 폴백으로 두는 클라우드 모델을 얻고, 두 모델 앞에 가드레일을 두며, 마지막으로 Kubernetes용으로 빌드합니다.

core/gateway/nginx

  • extends-wrapper (authoring) — 이 예제는 한 가지를 가르칩니다. 다른 Component를 extends하는 Component는 그 기반의 데이터 계약 전체를 상속하므로, 기반용으로 작성된 모든 Recipe가 이미 확장하는 Component를 구현합니다.
  • model-server-caller-allowlist (start) — 클러스터에서 실행되는 모델 서버는 그 주소에 도달하는 누구에게나 응답합니다.
  • nginx-gateway (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 웹 백엔드 앞에 놓인 NGINX 리버스 프록시 게이트웨이를 개발자가 작성한 하나의 Aggregate에서 두 대상으로 컴파일합니다.

core/messaging/kafka

  • kafka-broker (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 단일 노드 KRaft 형태의 Apache Kafka 이벤트 스트리밍 브로커를 개발자가 작성한 하나의 Aggregate에서 Kubernetes로 컴파일하며, 업스트림 차트 없이 공식 Apache Kafka 이미지에서 직접 합성합니다.

core/messaging/nats

  • nats-messaging (start) — 이 예제는 단일 NATS 메시징 서버(발행-구독, 요청-응답, 큐잉)를 개발자가 작성한 하나의 Aggregate에서 두 구현으로 컴파일합니다.

core/messaging/rabbitmq

  • rabbitmq-broker (start) — 이 예제는 단일 RabbitMQ 메시지 브로커(AMQP)를 개발자가 작성한 하나의 Aggregate에서 두 대상으로 컴파일합니다.

core/observability/fluent-bit

  • fluent-bit-to-fluentd (start) — 이 예제는 실제 로그 파이프라인, 즉 forward 프로토콜로 Fluentd 집계기에 레코드를 보내는 Fluent Bit 포워더를 개발자가 작성한 하나의 Aggregate에서 두 구현으로 컴파일합니다.

core/observability/fluentd

  • fluent-bit-to-fluentd (start) — 이 예제는 실제 로그 파이프라인, 즉 forward 프로토콜로 Fluentd 집계기에 레코드를 보내는 Fluent Bit 포워더를 개발자가 작성한 하나의 Aggregate에서 두 구현으로 컴파일합니다.
  • fluentd-aggregator (start) — 이 예제는 로그 파이프라인의 수신 측인 Fluentd 로그 집계기를 개발자가 작성한 하나의 Aggregate에서 두 구현으로 컴파일합니다.

core/observability/grafana

  • grafana-dashboards (start) — 이 예제는 단일 Grafana 대시보드 및 시각화 서버를 개발자가 작성한 하나의 Aggregate에서 두 구현으로 컴파일합니다.
  • prometheus-scrape (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 두 Grafana 대시보드 서버를 스크레이프하는 Prometheus 메트릭 서버를 개발자가 작성한 하나의 Aggregate에서 두 대상으로 컴파일합니다.

core/observability/jaeger

  • jaeger-tracing (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 단일 노드 형태의 Jaeger 분산 추적 백엔드를 개발자가 작성한 하나의 Aggregate에서 Kubernetes로 컴파일하며, 업스트림 차트 없이 공식 Jaeger 이미지에서 직접 합성합니다.

core/observability/loki

  • loki-logging (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 Grafana Loki 로그 집계 서버를 개발자가 작성한 하나의 Aggregate에서 Kubernetes로 컴파일하며, 단일 바이너리 형태의 공식 Grafana Loki Helm 차트를 기반으로 합니다.

core/observability/prometheus

  • prometheus-scrape (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 두 Grafana 대시보드 서버를 스크레이프하는 Prometheus 메트릭 서버를 개발자가 작성한 하나의 Aggregate에서 두 대상으로 컴파일합니다.

core/observability/tempo

  • tempo-tracing (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 Grafana Tempo 분산 추적 서버를 개발자가 작성한 하나의 Aggregate에서 공식 grafana/tempo 이미지에 대한 Workload 합성을 통해 단일 바이너리 형태로 Kubernetes에 컴파일합니다.

core/observability/thanos-query

  • module-boundary-routing (advanced) — 이 예제는 두 기능, 즉 오브젝트 스토리지 위의 Thanos 메트릭 읽기 계층과 MongoDB 와이어 프로토콜을 사용하는 문서 데이터베이스를 개발자가 작성한 하나의 Aggregate에서 컴파일하고, Release에서 각각을 자체 경계에 배치합니다.
  • thanos-stack (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 Thanos 메트릭 시스템의 읽기/쿼리 계층을 개발자가 작성한 하나의 Aggregate에서 합성된 Kubernetes 매니페스트로 컴파일합니다.

core/observability/thanos-store

  • module-boundary-routing (advanced) — 이 예제는 두 기능, 즉 오브젝트 스토리지 위의 Thanos 메트릭 읽기 계층과 MongoDB 와이어 프로토콜을 사용하는 문서 데이터베이스를 개발자가 작성한 하나의 Aggregate에서 컴파일하고, Release에서 각각을 자체 경계에 배치합니다.
  • thanos-stack (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 Thanos 메트릭 시스템의 읽기/쿼리 계층을 개발자가 작성한 하나의 Aggregate에서 합성된 Kubernetes 매니페스트로 컴파일합니다.

core/security/cert-manager

  • cert-manager-tls (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 cert-manager 인증서 컨트롤러를 개발자가 작성한 하나의 Aggregate에서 Kubernetes로 컴파일합니다.
  • envoy-ai-gateway-token-budget (start) — 한 팀이 OpenAI의 gpt-4o-mini를 클러스터 내 게이트웨이 뒤에 두고, 게이트웨이가 매 달력월 거기에 쓰는 토큰에 상한을 두려 하며, 에이전트가 OpenAI가 아니라 게이트웨이를 가리키게 합니다.

core/security/external-secrets

  • external-secrets-operator (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 external-secrets 오퍼레이터를 개발자가 작성한 하나의 Aggregate에서 Kubernetes로 컴파일하며, 공식 external-secrets Helm 차트를 기반으로 합니다.

core/security/keycloak

  • keycloak-stack (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 데이터베이스 기반 ID 서버를 개발자가 작성한 하나의 Aggregate에서 합성된 Kubernetes 매니페스트로 컴파일합니다.

core/security/nemo-guardrails

  • ai-gateway-prompt-injection-shield (start) — 지원 어시스턴트의 사용자는 무엇이든 입력할 수 있으며, 그중 일부는 모델이 받은 지시를 무시하게 만들려고 합니다.
  • nemo-guardrails-nemoguard-nims (start) — 에이전트의 모델 요청은 NVIDIA NeMo Guardrails를 거치며, NeMo Guardrails는 각 요청을 NVIDIA의 NemoGuard 모델 두 개로 검사합니다. 이 모델들은 NVIDIA의 라이선스 제품으로, 실행하려면 NVIDIA의 라이선스, NGC API 키, GPU 노드가 필요합니다.

core/security/nemoguard-jailbreak-detect

  • nemo-guardrails-nemoguard-nims (start) — 에이전트의 모델 요청은 NVIDIA NeMo Guardrails를 거치며, NeMo Guardrails는 각 요청을 NVIDIA의 NemoGuard 모델 두 개로 검사합니다. 이 모델들은 NVIDIA의 라이선스 제품으로, 실행하려면 NVIDIA의 라이선스, NGC API 키, GPU 노드가 필요합니다.

core/security/openbao

  • openbao-secrets (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 단일 OpenBao 시크릿 서버를 개발자가 작성한 하나의 Aggregate에서 Kubernetes로 컴파일하며, 공식 OpenBao Helm 차트를 기반으로 합니다.

core/security/presidio-analyzer

  • ai-gateway-log-masking (start) — 지원 어시스턴트는 고객의 이름과 이메일 주소를 다뤄야 하므로, 어시스턴트가 호출하는 모델이 그것들을 볼 수 있어야 합니다.
  • policy-data-class-route (advanced) — 한 시스템 환경이 제한된 고객 데이터를 다루는 청구 처리 어시스턴트와, 그런 데이터를 전혀 다루지 않는 헬프데스크 어시스턴트를 운영합니다.
  • quickstart-ai (start) — 네 단계로 키워 가는 작은 LangGraph 에이전트입니다. 메모리를 갖춘 로컬 모델에서 시작하여, 로컬 모델을 폴백으로 두는 클라우드 모델을 얻고, 두 모델 앞에 가드레일을 두며, 마지막으로 Kubernetes용으로 빌드합니다.

core/security/presidio-anonymizer

  • ai-gateway-log-masking (start) — 지원 어시스턴트는 고객의 이름과 이메일 주소를 다뤄야 하므로, 어시스턴트가 호출하는 모델이 그것들을 볼 수 있어야 합니다.
  • policy-data-class-route (advanced) — 한 시스템 환경이 제한된 고객 데이터를 다루는 청구 처리 어시스턴트와, 그런 데이터를 전혀 다루지 않는 헬프데스크 어시스턴트를 운영합니다.
  • quickstart-ai (start) — 네 단계로 키워 가는 작은 LangGraph 에이전트입니다. 메모리를 갖춘 로컬 모델에서 시작하여, 로컬 모델을 폴백으로 두는 클라우드 모델을 얻고, 두 모델 앞에 가드레일을 두며, 마지막으로 Kubernetes용으로 빌드합니다.

core/security/sealed-secrets

  • sealed-secrets-controller (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 sealed-secrets 컨트롤러를 개발자가 작성한 하나의 Aggregate에서 Kubernetes로 컴파일하며, HTTPS 차트 저장소에서 제공되는 공식 sealed-secrets Helm 차트를 기반으로 합니다.

core/security/trustyai-huggingface-detector

  • ai-gateway-prompt-injection-shield (start) — 지원 어시스턴트의 사용자는 무엇이든 입력할 수 있으며, 그중 일부는 모델이 받은 지시를 무시하게 만들려고 합니다.
  • nemo-guardrails-nemoguard-nims (start) — 에이전트의 모델 요청은 NVIDIA NeMo Guardrails를 거치며, NeMo Guardrails는 각 요청을 NVIDIA의 NemoGuard 모델 두 개로 검사합니다. 이 모델들은 NVIDIA의 라이선스 제품으로, 실행하려면 NVIDIA의 라이선스, NGC API 키, GPU 노드가 필요합니다.

core/storage/barman-cloud-plugin

  • datastore-backup (start) — Kubernetes에서는 Velero와 CloudNativePG를 통해, AWS에서는 Terraform과 CloudFormation의 Amazon RDS 자체 자동 백업과 AWS Backup을 통해 백업되는 PostgreSQL 데이터베이스로, 운영자가 각 Release에 작성하는 하나의 core/backup 첨부에서 비롯되며, 백업 제품이 없는 대상에서의 거부도 보여 줍니다.

core/storage/s3-object-store

  • datastore-backup (start) — Kubernetes에서는 Velero와 CloudNativePG를 통해, AWS에서는 Terraform과 CloudFormation의 Amazon RDS 자체 자동 백업과 AWS Backup을 통해 백업되는 PostgreSQL 데이터베이스로, 운영자가 각 Release에 작성하는 하나의 core/backup 첨부에서 비롯되며, 백업 제품이 없는 대상에서의 거부도 보여 줍니다.
  • module-boundary-routing (advanced) — 이 예제는 두 기능, 즉 오브젝트 스토리지 위의 Thanos 메트릭 읽기 계층과 MongoDB 와이어 프로토콜을 사용하는 문서 데이터베이스를 개발자가 작성한 하나의 Aggregate에서 컴파일하고, Release에서 각각을 자체 경계에 배치합니다.
  • s3-object-store (start) — 이 예제는 하나의 S3 호환 오브젝트 저장소, 즉 core/storage/s3-object-store 컴포넌트를 두 가지 자체 호스팅 구현으로 컴파일합니다.
  • thanos-stack (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 Thanos 메트릭 시스템의 읽기/쿼리 계층을 개발자가 작성한 하나의 Aggregate에서 합성된 Kubernetes 매니페스트로 컴파일합니다.

core/storage/velero

  • datastore-backup (start) — Kubernetes에서는 Velero와 CloudNativePG를 통해, AWS에서는 Terraform과 CloudFormation의 Amazon RDS 자체 자동 백업과 AWS Backup을 통해 백업되는 PostgreSQL 데이터베이스로, 운영자가 각 Release에 작성하는 하나의 core/backup 첨부에서 비롯되며, 백업 제품이 없는 대상에서의 거부도 보여 줍니다.

기능별

multi-target

두 개 이상의 대상용으로 빌드되거나 두 가지 이상의 방식으로 구현되는 하나의 Aggregate.

  • aws-rds-and-ecs-service (advanced) — 하나의 Aggregate가 PostgreSQL 데이터베이스와 이를 읽는 서버를 담습니다.
  • credential-secretkeyref (start) — 자격 증명 하위 시스템이 비밀번호를 제공하는 단일 PostgreSQL 데이터베이스를 프로바이더별로 보여 줍니다.
  • credential-shape-per-target (authoring) — 자격 증명이 실행 중인 컨테이너에 어떻게 도달하는지는 애플리케이션이 아니라 어디에 배포하는지의 속성입니다.
  • cross-boundary-networking (advanced) — Adminer 데이터베이스 UI와 PostgreSQL 데이터베이스로 이루어진 두 컴포넌트 스택을 두 경계로 나누어, Adminer가 경계의 이음매를 넘어 데이터베이스에 도달해야 하는 구성입니다.
  • datastore-backup (start) — Kubernetes에서는 Velero와 CloudNativePG를 통해, AWS에서는 Terraform과 CloudFormation의 Amazon RDS 자체 자동 백업과 AWS Backup을 통해 백업되는 PostgreSQL 데이터베이스로, 운영자가 각 Release에 작성하는 하나의 core/backup 첨부에서 비롯되며, 백업 제품이 없는 대상에서의 거부도 보여 줍니다.
  • fluent-bit-to-fluentd (start) — 이 예제는 실제 로그 파이프라인, 즉 forward 프로토콜로 Fluentd 집계기에 레코드를 보내는 Fluent Bit 포워더를 개발자가 작성한 하나의 Aggregate에서 두 구현으로 컴파일합니다.
  • fluentd-aggregator (start) — 이 예제는 로그 파이프라인의 수신 측인 Fluentd 로그 집계기를 개발자가 작성한 하나의 Aggregate에서 두 구현으로 컴파일합니다.
  • grafana-dashboards (start) — 이 예제는 단일 Grafana 대시보드 및 시각화 서버를 개발자가 작성한 하나의 Aggregate에서 두 구현으로 컴파일합니다.
  • mariadb-adminer (authoring) — 이 예제는 작지만 실제로 동작하는 스택, 즉 앞단에 Adminer 웹 UI를 둔 MariaDB 데이터베이스를 개발자가 작성한 단일 Aggregate에서 두 플랫폼으로 컴파일합니다.
  • mcp-address-from-secret (authoring) — 다른 누군가가 운영하는 일부 Model Context Protocol 서버는 요청 헤더가 아니라 자신의 주소 https://mcp.example.com/mcp?api_key=<key>에서 키를 읽습니다.
  • memcached-cache (start) — 이 간결한 예제는 단일 Memcached 인메모리 캐시를 개발자가 작성한 하나의 Aggregate에서 두 구현으로 컴파일합니다.
  • mysql-standalone (start) — 이 간결한 예제는 단일 MySQL 데이터베이스를 개발자가 작성한 Aggregate에서 두 대상으로 컴파일합니다.
  • nats-messaging (start) — 이 예제는 단일 NATS 메시징 서버(발행-구독, 요청-응답, 큐잉)를 개발자가 작성한 하나의 Aggregate에서 두 구현으로 컴파일합니다.
  • nginx-gateway (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 웹 백엔드 앞에 놓인 NGINX 리버스 프록시 게이트웨이를 개발자가 작성한 하나의 Aggregate에서 두 대상으로 컴파일합니다.
  • policy-render-verdict (advanced) — render-verdict 역할에 연결된 하나의 내부 규칙이 빌드가 네 대상용으로 기록하는 파일을 판정하고, 각각에 심어 둔 위반을 거부합니다.
  • postgres-three-realizations (authoring) — PostgreSQL 데이터베이스와 이를 읽는 애플리케이션을 변경되지 않은 하나의 Aggregate에서 세 가지 다른 방식으로 배포합니다. 클러스터에서 실행되는 PostgreSQL, 관리형 클라우드 인스턴스로서의 PostgreSQL, 그리고 이 Release가 배포되기 전부터 이미 존재하던 PostgreSQL 서버입니다.
  • prometheus-scrape (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 두 Grafana 대시보드 서버를 스크레이프하는 Prometheus 메트릭 서버를 개발자가 작성한 하나의 Aggregate에서 두 대상으로 컴파일합니다.
  • rabbitmq-broker (start) — 이 예제는 단일 RabbitMQ 메시지 브로커(AMQP)를 개발자가 작성한 하나의 Aggregate에서 두 대상으로 컴파일합니다.
  • redis-cache (start) — 이 간결한 예제는 단일 Redis 인메모리 캐시(Redis 와이어 프로토콜)를 개발자가 작성한 하나의 Aggregate에서 두 구현으로 컴파일합니다.
  • s3-object-store (start) — 이 예제는 하나의 S3 호환 오브젝트 저장소, 즉 core/storage/s3-object-store 컴포넌트를 두 가지 자체 호스팅 구현으로 컴파일합니다.
  • task-run-on-demand (start) — core/manual-trigger를 가진 작업이 Kubernetes, Docker Compose, Terraform, CloudFormation에서 시작되지 않은 채 배포되고, 그 옆에 아무것도 가지지 않은 작업이 있으며, 각 대상에서 실행을 시작하는 명령을 보여 줍니다.
  • valkey-cache (start) — 이 간결한 예제는 단일 Valkey 인메모리 캐시(Redis 와이어 프로토콜)를 개발자가 작성한 하나의 Aggregate에서 두 구현으로 컴파일합니다.

recipe-selection

Manifest가 어떤 Recipe가 컴포넌트를 구현할지, 또는 어떤 FeatureRecipe가 attachment를 구현할지를 타입별, 인스턴스별 또는 대상별로 선택하는 것.

  • credential-shape-per-target (authoring) — 자격 증명이 실행 중인 컨테이너에 어떻게 도달하는지는 애플리케이션이 아니라 어디에 배포하는지의 속성입니다.
  • datastore-backup (start) — Kubernetes에서는 Velero와 CloudNativePG를 통해, AWS에서는 Terraform과 CloudFormation의 Amazon RDS 자체 자동 백업과 AWS Backup을 통해 백업되는 PostgreSQL 데이터베이스로, 운영자가 각 Release에 작성하는 하나의 core/backup 첨부에서 비롯되며, 백업 제품이 없는 대상에서의 거부도 보여 줍니다.
  • import-agent-framework (start) — OpenAI 모델을 사용하고 MCP 서버를 통해 문서를 검색하는 에이전트 하나로 이루어진 Microsoft Agent Framework 선언형 에이전트를 aggrega import로 Aggrega 파일 초안으로 작성하고, 애플리케이션의 이미지를 응답 파일에서 한 번만 지정한 뒤 Docker Compose용으로 빌드합니다.
  • import-dify (start) — Dify DSL로 내보낸 Dify 채팅 애플리케이션을 aggrega import로 Aggregate, Release, Manifest로 가져오며, 이들은 작성된 그대로 이를 담은 표준 라이브러리의 Dify 설치를 Kubernetes용으로 빌드합니다.
  • import-mcp (start) — 세 개의 Model Context Protocol 서버(명령줄에서 시작하는 두 개와 다른 사람이 운영하는 하나)를 나열한 Claude Code의 .mcp.json 파일을 aggrega import로 Aggrega 파일 초안으로 작성하고, 각 서버를 그 실행 방식에 해당하는 실현에 매핑한 뒤 Kubernetes용으로 빌드합니다.
  • per-instance-recipe-override (authoring) — 이 예제는 Manifest의 한 가지 기능인 name 매핑 계층을 가르칩니다. 이 계층은 단일 컴포넌트 인스턴스의 Recipe를 재정의하며, 같은 타입의 다른 모든 인스턴스는 일괄 type 계층 Recipe를 유지합니다.
  • postgres-three-realizations (authoring) — PostgreSQL 데이터베이스와 이를 읽는 애플리케이션을 변경되지 않은 하나의 Aggregate에서 세 가지 다른 방식으로 배포합니다. 클러스터에서 실행되는 PostgreSQL, 관리형 클라우드 인스턴스로서의 PostgreSQL, 그리고 이 Release가 배포되기 전부터 이미 존재하던 PostgreSQL 서버입니다.

modules

모듈로 가져온 카탈로그 Aggregate.

  • apisix-stack (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 동적 API 게이트웨이를 개발자가 작성한 하나의 Aggregate에서 합성된 Kubernetes 매니페스트로 컴파일합니다.
  • ferretdb-stack (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 MongoDB 와이어 프로토콜을 노출하는 문서 데이터베이스를 개발자가 작성한 하나의 Aggregate에서 합성된 Kubernetes 매니페스트로 컴파일합니다.
  • harbor-stack (start) — 이 예제는 실제 컨테이너 레지스트리를 개발자가 작성한 하나의 Aggregate에서 Kubernetes 매니페스트로 컴파일합니다.
  • import-dify (start) — Dify DSL로 내보낸 Dify 채팅 애플리케이션을 aggrega import로 Aggregate, Release, Manifest로 가져오며, 이들은 작성된 그대로 이를 담은 표준 라이브러리의 Dify 설치를 Kubernetes용으로 빌드합니다.
  • keycloak-stack (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 데이터베이스 기반 ID 서버를 개발자가 작성한 하나의 Aggregate에서 합성된 Kubernetes 매니페스트로 컴파일합니다.
  • kong-stack (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 데이터베이스 기반 API 게이트웨이를 개발자가 작성한 하나의 Aggregate에서 합성된 Kubernetes 매니페스트로 컴파일합니다.
  • module-boundary-routing (advanced) — 이 예제는 두 기능, 즉 오브젝트 스토리지 위의 Thanos 메트릭 읽기 계층과 MongoDB 와이어 프로토콜을 사용하는 문서 데이터베이스를 개발자가 작성한 하나의 Aggregate에서 컴파일하고, Release에서 각각을 자체 경계에 배치합니다.
  • thanos-stack (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 Thanos 메트릭 시스템의 읽기/쿼리 계층을 개발자가 작성한 하나의 Aggregate에서 합성된 Kubernetes 매니페스트로 컴파일합니다.

connections

uses 소켓을 통해 연결되고 각 엣지를 따라 값이 전달되는 컴포넌트.

  • adhoc-uses-socket (start) — 이 예제는 한 줄과 그 줄의 두 절반을 가르칩니다.
  • ai-agent-and-model-router (start) — 하나의 클러스터 내 라우터를 통해 두 업스트림 제공자 모델에 도달하는 에이전트 애플리케이션을 Kubernetes 매니페스트로 컴파일합니다.
  • ai-gateway-log-masking (start) — 지원 어시스턴트는 고객의 이름과 이메일 주소를 다뤄야 하므로, 어시스턴트가 호출하는 모델이 그것들을 볼 수 있어야 합니다.
  • ai-gateway-prompt-injection-shield (start) — 지원 어시스턴트의 사용자는 무엇이든 입력할 수 있으며, 그중 일부는 모델이 받은 지시를 무시하게 만들려고 합니다.
  • ai-gateway-semantic-cache (start) — 지원 어시스턴트는 하루 종일 조금씩 다른 표현으로 같은 질문을 받습니다.
  • apisix-token-budget (start) — 한 팀이 두 OpenAI 모델을 하나의 게이트웨이 뒤에 두고, 게이트웨이가 매일 그 모델들에 쓰는 양에 토큰 단위로 센 상한을 두려 합니다.
  • aws-rds-and-ecs-service (advanced) — 하나의 Aggregate가 PostgreSQL 데이터베이스와 이를 읽는 서버를 담습니다.
  • catalog-only (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 앞단에 Adminer 웹 UI를 둔 MariaDB 데이터베이스를 표준 라이브러리 카탈로그 엔터티만 참조하여 배포합니다.
  • connection-credentials (start) — 두 모델에 도달하며 각각에 서로 다른 키를 제시하는 시맨틱 메모리 저장소를 Kubernetes 매니페스트로 컴파일합니다.
  • cross-boundary-networking (advanced) — Adminer 데이터베이스 UI와 PostgreSQL 데이터베이스로 이루어진 두 컴포넌트 스택을 두 경계로 나누어, Adminer가 경계의 이음매를 넘어 데이터베이스에 도달해야 하는 구성입니다.
  • datastore-backup (start) — Kubernetes에서는 Velero와 CloudNativePG를 통해, AWS에서는 Terraform과 CloudFormation의 Amazon RDS 자체 자동 백업과 AWS Backup을 통해 백업되는 PostgreSQL 데이터베이스로, 운영자가 각 Release에 작성하는 하나의 core/backup 첨부에서 비롯되며, 백업 제품이 없는 대상에서의 거부도 보여 줍니다.
  • envoy-ai-gateway-token-budget (start) — 한 팀이 OpenAI의 gpt-4o-mini를 클러스터 내 게이트웨이 뒤에 두고, 게이트웨이가 매 달력월 거기에 쓰는 토큰에 상한을 두려 하며, 에이전트가 OpenAI가 아니라 게이트웨이를 가리키게 합니다.
  • fluent-bit-to-fluentd (start) — 이 예제는 실제 로그 파이프라인, 즉 forward 프로토콜로 Fluentd 집계기에 레코드를 보내는 Fluent Bit 포워더를 개발자가 작성한 하나의 Aggregate에서 두 구현으로 컴파일합니다.
  • import-agent-framework (start) — OpenAI 모델을 사용하고 MCP 서버를 통해 문서를 검색하는 에이전트 하나로 이루어진 Microsoft Agent Framework 선언형 에이전트를 aggrega import로 Aggrega 파일 초안으로 작성하고, 애플리케이션의 이미지를 응답 파일에서 한 번만 지정한 뒤 Docker Compose용으로 빌드합니다.
  • import-compose (start) — API, 그 API가 노트를 보관하는 PostgreSQL 데이터베이스, Redis 캐시를 실행하는 Compose 파일을 aggrega import로 Aggrega 파일 초안으로 작성하고(연결, 데이터베이스 설정, 변수 참조로서의 비밀번호, 각 이미지의 태그를 그대로 가져옵니다) Docker Compose용으로 빌드합니다.
  • import-crewai (start) — 클래식 레이아웃의 CrewAI 프로젝트에 있는 에이전트와 태스크 선언(하나의 OpenAI 모델을 쓰는 에이전트 두 개, 각각 태스크 하나)을 aggrega import로 Aggrega 파일 초안으로 작성하고, crew의 프로그램이 실행되는 이미지를 응답 파일에서 한 번만 지정한 뒤 Docker Compose용으로 빌드합니다.
  • import-flowise (start) — ChatOpenAI 노드, Buffer Memory, Conversation Chain으로 이루어진 Flowise 챗플로우를 aggrega import로 Aggregate, Release, Manifest로 가져오며, 이들은 작성된 그대로 Docker Compose용으로 빌드됩니다.
  • import-google-adk (start) — Google의 Agent Development Kit으로 구축된 애플리케이션의 Agent Config(Gemini를 사용하는 에이전트 하나와 ADK에 포함된 Google Search 도구)를 aggrega import로 Aggrega 파일 초안으로 작성하고, 애플리케이션의 이미지를 응답 파일에서 한 번만 지정한 뒤 Docker Compose용으로 빌드합니다.
  • import-langflow (start) — JSON으로 내보낸 Langflow의 Basic Prompting 스타터 프로젝트를 aggrega import로 Aggregate, Release, Manifest로 가져오며, 이들은 작성된 그대로 Docker Compose용으로 빌드됩니다.
  • import-langgraph (start) — 상태를 PostgreSQL에 보관하는 그래프 하나를 가진 LangGraph 애플리케이션의 langgraph.json 파일을 aggrega import로 Aggrega 파일 초안으로 작성하고, 그래프가 호출하는 모델과 애플리케이션의 이미지를 응답 파일에서 한 번만 지정한 뒤 Docker Compose용으로 빌드합니다.
  • import-n8n (start) — 채팅 트리거, AI Agent, OpenAI Chat Model, Simple Memory로 이루어진 n8n 워크플로를 aggrega import로 Aggregate, Release, Manifest로 가져오며, 이들은 작성된 그대로 Docker Compose용으로 빌드됩니다.
  • mariadb-adminer (authoring) — 이 예제는 작지만 실제로 동작하는 스택, 즉 앞단에 Adminer 웹 UI를 둔 MariaDB 데이터베이스를 개발자가 작성한 단일 Aggregate에서 두 플랫폼으로 컴파일합니다.
  • mcp-address-from-secret (authoring) — 다른 누군가가 운영하는 일부 Model Context Protocol 서버는 요청 헤더가 아니라 자신의 주소 https://mcp.example.com/mcp?api_key=<key>에서 키를 읽습니다.
  • model-api-key-sharing (start) — 하나의 OpenAI 호환 게이트웨이 뒤에 있는 두 CrewAI 에이전트입니다.
  • model-server-caller-allowlist (start) — 클러스터에서 실행되는 모델 서버는 그 주소에 도달하는 누구에게나 응답합니다.
  • nemo-guardrails-nemoguard-nims (start) — 에이전트의 모델 요청은 NVIDIA NeMo Guardrails를 거치며, NeMo Guardrails는 각 요청을 NVIDIA의 NemoGuard 모델 두 개로 검사합니다. 이 모델들은 NVIDIA의 라이선스 제품으로, 실행하려면 NVIDIA의 라이선스, NGC API 키, GPU 노드가 필요합니다.
  • nginx-gateway (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 웹 백엔드 앞에 놓인 NGINX 리버스 프록시 게이트웨이를 개발자가 작성한 하나의 Aggregate에서 두 대상으로 컴파일합니다.
  • policy-data-class-route (advanced) — 한 시스템 환경이 제한된 고객 데이터를 다루는 청구 처리 어시스턴트와, 그런 데이터를 전혀 다루지 않는 헬프데스크 어시스턴트를 운영합니다.
  • postgres-three-realizations (authoring) — PostgreSQL 데이터베이스와 이를 읽는 애플리케이션을 변경되지 않은 하나의 Aggregate에서 세 가지 다른 방식으로 배포합니다. 클러스터에서 실행되는 PostgreSQL, 관리형 클라우드 인스턴스로서의 PostgreSQL, 그리고 이 Release가 배포되기 전부터 이미 존재하던 PostgreSQL 서버입니다.
  • prometheus-scrape (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 두 Grafana 대시보드 서버를 스크레이프하는 Prometheus 메트릭 서버를 개발자가 작성한 하나의 Aggregate에서 두 대상으로 컴파일합니다.
  • quickstart-ai (start) — 네 단계로 키워 가는 작은 LangGraph 에이전트입니다. 메모리를 갖춘 로컬 모델에서 시작하여, 로컬 모델을 폴백으로 두는 클라우드 모델을 얻고, 두 모델 앞에 가드레일을 두며, 마지막으로 Kubernetes용으로 빌드합니다.
  • quickstart-web (start) — 메모를 PostgreSQL에 저장하는 작은 웹 애플리케이션을 네 단계로 키워 갑니다. 사용자의 머신에서 데이터베이스와 함께 시작하여, Redis 캐시를 얻고, 데이터베이스를 Amazon RDS에 둔 채 AWS로 옮겨 가며, 마지막으로 백업을 갖춥니다.

credentials

자격 증명 attachment와 각 대상이 그것을 전달하는 방식.

  • advanced-platform (advanced) — 개발자가 작성한 단일 Aggregate에서 하나의 빌드로 여러 메커니즘을 결합하는 여러 경계의 Kubernetes 플랫폼입니다. 경계 범위 FeatureRecipes, 매개변수 호이스팅, 자격 증명 하위 시스템, 그리고 Service DNS를 통해 해석되는 경계 간 참조를 다룹니다.
  • ai-agent-and-model-router (start) — 하나의 클러스터 내 라우터를 통해 두 업스트림 제공자 모델에 도달하는 에이전트 애플리케이션을 Kubernetes 매니페스트로 컴파일합니다.
  • apisix-stack (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 동적 API 게이트웨이를 개발자가 작성한 하나의 Aggregate에서 합성된 Kubernetes 매니페스트로 컴파일합니다.
  • catalog-only (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 앞단에 Adminer 웹 UI를 둔 MariaDB 데이터베이스를 표준 라이브러리 카탈로그 엔터티만 참조하여 배포합니다.
  • connection-credentials (start) — 두 모델에 도달하며 각각에 서로 다른 키를 제시하는 시맨틱 메모리 저장소를 Kubernetes 매니페스트로 컴파일합니다.
  • credential-secretkeyref (start) — 자격 증명 하위 시스템이 비밀번호를 제공하는 단일 PostgreSQL 데이터베이스를 프로바이더별로 보여 줍니다.
  • credential-shape-per-target (authoring) — 자격 증명이 실행 중인 컨테이너에 어떻게 도달하는지는 애플리케이션이 아니라 어디에 배포하는지의 속성입니다.
  • grafana-dashboards (start) — 이 예제는 단일 Grafana 대시보드 및 시각화 서버를 개발자가 작성한 하나의 Aggregate에서 두 구현으로 컴파일합니다.
  • harbor-stack (start) — 이 예제는 실제 컨테이너 레지스트리를 개발자가 작성한 하나의 Aggregate에서 Kubernetes 매니페스트로 컴파일합니다.
  • import-agent-framework (start) — OpenAI 모델을 사용하고 MCP 서버를 통해 문서를 검색하는 에이전트 하나로 이루어진 Microsoft Agent Framework 선언형 에이전트를 aggrega import로 Aggrega 파일 초안으로 작성하고, 애플리케이션의 이미지를 응답 파일에서 한 번만 지정한 뒤 Docker Compose용으로 빌드합니다.
  • import-compose (start) — API, 그 API가 노트를 보관하는 PostgreSQL 데이터베이스, Redis 캐시를 실행하는 Compose 파일을 aggrega import로 Aggrega 파일 초안으로 작성하고(연결, 데이터베이스 설정, 변수 참조로서의 비밀번호, 각 이미지의 태그를 그대로 가져옵니다) Docker Compose용으로 빌드합니다.
  • import-crewai (start) — 클래식 레이아웃의 CrewAI 프로젝트에 있는 에이전트와 태스크 선언(하나의 OpenAI 모델을 쓰는 에이전트 두 개, 각각 태스크 하나)을 aggrega import로 Aggrega 파일 초안으로 작성하고, crew의 프로그램이 실행되는 이미지를 응답 파일에서 한 번만 지정한 뒤 Docker Compose용으로 빌드합니다.
  • import-dify (start) — Dify DSL로 내보낸 Dify 채팅 애플리케이션을 aggrega import로 Aggregate, Release, Manifest로 가져오며, 이들은 작성된 그대로 이를 담은 표준 라이브러리의 Dify 설치를 Kubernetes용으로 빌드합니다.
  • import-flowise (start) — ChatOpenAI 노드, Buffer Memory, Conversation Chain으로 이루어진 Flowise 챗플로우를 aggrega import로 Aggregate, Release, Manifest로 가져오며, 이들은 작성된 그대로 Docker Compose용으로 빌드됩니다.
  • import-google-adk (start) — Google의 Agent Development Kit으로 구축된 애플리케이션의 Agent Config(Gemini를 사용하는 에이전트 하나와 ADK에 포함된 Google Search 도구)를 aggrega import로 Aggrega 파일 초안으로 작성하고, 애플리케이션의 이미지를 응답 파일에서 한 번만 지정한 뒤 Docker Compose용으로 빌드합니다.
  • import-langflow (start) — JSON으로 내보낸 Langflow의 Basic Prompting 스타터 프로젝트를 aggrega import로 Aggregate, Release, Manifest로 가져오며, 이들은 작성된 그대로 Docker Compose용으로 빌드됩니다.
  • import-langgraph (start) — 상태를 PostgreSQL에 보관하는 그래프 하나를 가진 LangGraph 애플리케이션의 langgraph.json 파일을 aggrega import로 Aggrega 파일 초안으로 작성하고, 그래프가 호출하는 모델과 애플리케이션의 이미지를 응답 파일에서 한 번만 지정한 뒤 Docker Compose용으로 빌드합니다.
  • import-mcp (start) — 세 개의 Model Context Protocol 서버(명령줄에서 시작하는 두 개와 다른 사람이 운영하는 하나)를 나열한 Claude Code의 .mcp.json 파일을 aggrega import로 Aggrega 파일 초안으로 작성하고, 각 서버를 그 실행 방식에 해당하는 실현에 매핑한 뒤 Kubernetes용으로 빌드합니다.
  • import-n8n (start) — 채팅 트리거, AI Agent, OpenAI Chat Model, Simple Memory로 이루어진 n8n 워크플로를 aggrega import로 Aggregate, Release, Manifest로 가져오며, 이들은 작성된 그대로 Docker Compose용으로 빌드됩니다.
  • mariadb-adminer (authoring) — 이 예제는 작지만 실제로 동작하는 스택, 즉 앞단에 Adminer 웹 UI를 둔 MariaDB 데이터베이스를 개발자가 작성한 단일 Aggregate에서 두 플랫폼으로 컴파일합니다.
  • mariadb-bitnami-credential-set (authoring) — Bitnami Helm 차트로 구현되는 단일 MariaDB 데이터베이스로, 그 비밀번호는 여러 키를 가진 하나의 참조 가능한 시크릿(core/referenced-secret-set)이 제공합니다.
  • mariadb-helm-synth (start) — helm 프로바이더의 Workload 합성으로 Kubernetes에 렌더링되는 단일 MariaDB 데이터베이스입니다. 외부 차트는 없습니다.
  • mcp-address-from-secret (authoring) — 다른 누군가가 운영하는 일부 Model Context Protocol 서버는 요청 헤더가 아니라 자신의 주소 https://mcp.example.com/mcp?api_key=<key>에서 키를 읽습니다.
  • memcached-cache (start) — 이 간결한 예제는 단일 Memcached 인메모리 캐시를 개발자가 작성한 하나의 Aggregate에서 두 구현으로 컴파일합니다.
  • model-api-key-sharing (start) — 하나의 OpenAI 호환 게이트웨이 뒤에 있는 두 CrewAI 에이전트입니다.
  • multikey-secret-synth (authoring) — helm 프로바이더의 Workload 합성으로 Kubernetes에 렌더링되는 단일 무상태 앱입니다. 외부 차트는 없습니다.
  • mysql-standalone (start) — 이 간결한 예제는 단일 MySQL 데이터베이스를 개발자가 작성한 Aggregate에서 두 대상으로 컴파일합니다.
  • nats-messaging (start) — 이 예제는 단일 NATS 메시징 서버(발행-구독, 요청-응답, 큐잉)를 개발자가 작성한 하나의 Aggregate에서 두 구현으로 컴파일합니다.
  • nemo-guardrails-nemoguard-nims (start) — 에이전트의 모델 요청은 NVIDIA NeMo Guardrails를 거치며, NeMo Guardrails는 각 요청을 NVIDIA의 NemoGuard 모델 두 개로 검사합니다. 이 모델들은 NVIDIA의 라이선스 제품으로, 실행하려면 NVIDIA의 라이선스, NGC API 키, GPU 노드가 필요합니다.
  • policy-payload-leaf-sensitivity (advanced) — 이 예제는 하나의 내부 규칙과, 그것을 표현할 수 있게 해 주는 사실을 가르칩니다.
  • quickstart-ai (start) — 네 단계로 키워 가는 작은 LangGraph 에이전트입니다. 메모리를 갖춘 로컬 모델에서 시작하여, 로컬 모델을 폴백으로 두는 클라우드 모델을 얻고, 두 모델 앞에 가드레일을 두며, 마지막으로 Kubernetes용으로 빌드합니다.
  • quickstart-web (start) — 메모를 PostgreSQL에 저장하는 작은 웹 애플리케이션을 네 단계로 키워 갑니다. 사용자의 머신에서 데이터베이스와 함께 시작하여, Redis 캐시를 얻고, 데이터베이스를 Amazon RDS에 둔 채 AWS로 옮겨 가며, 마지막으로 백업을 갖춥니다.
  • rabbitmq-broker (start) — 이 예제는 단일 RabbitMQ 메시지 브로커(AMQP)를 개발자가 작성한 하나의 Aggregate에서 두 대상으로 컴파일합니다.
  • redis-cache (start) — 이 간결한 예제는 단일 Redis 인메모리 캐시(Redis 와이어 프로토콜)를 개발자가 작성한 하나의 Aggregate에서 두 구현으로 컴파일합니다.
  • s3-object-store (start) — 이 예제는 하나의 S3 호환 오브젝트 저장소, 즉 core/storage/s3-object-store 컴포넌트를 두 가지 자체 호스팅 구현으로 컴파일합니다.
  • terraform-rds-module (authoring) — terraform-rds 예제와 같은 MariaDB 의도를 Terraform 프로바이더의 sourced 형태로 렌더링합니다. Recipe는 인라인 HCL 본문 대신 로컬 Terraform 모듈을 가리키고, 컴파일러는 그 모듈을 그대로 벤더링한 다음 개발자와 운영자라는 두 축에서 입력 변수를 공급합니다.
  • terraform-rds (authoring) — 개발자 의도로 한 번 작성한 단일 MariaDB 데이터베이스를 관리형 AWS RDS 인스턴스를 프로비저닝하는 Terraform HCL 파일로 렌더링합니다.
  • valkey-cache (start) — 이 간결한 예제는 단일 Valkey 인메모리 캐시(Redis 와이어 프로토콜)를 개발자가 작성한 하나의 Aggregate에서 두 구현으로 컴파일합니다.

parameters

매개변수로 끌어올려져 Release가 채우는 값.

  • advanced-platform (advanced) — 개발자가 작성한 단일 Aggregate에서 하나의 빌드로 여러 메커니즘을 결합하는 여러 경계의 Kubernetes 플랫폼입니다. 경계 범위 FeatureRecipes, 매개변수 호이스팅, 자격 증명 하위 시스템, 그리고 Service DNS를 통해 해석되는 경계 간 참조를 다룹니다.
  • ai-agent-and-model-router (start) — 하나의 클러스터 내 라우터를 통해 두 업스트림 제공자 모델에 도달하는 에이전트 애플리케이션을 Kubernetes 매니페스트로 컴파일합니다.
  • apisix-stack (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 동적 API 게이트웨이를 개발자가 작성한 하나의 Aggregate에서 합성된 Kubernetes 매니페스트로 컴파일합니다.
  • connection-credentials (start) — 두 모델에 도달하며 각각에 서로 다른 키를 제시하는 시맨틱 메모리 저장소를 Kubernetes 매니페스트로 컴파일합니다.
  • datastore-backup (start) — Kubernetes에서는 Velero와 CloudNativePG를 통해, AWS에서는 Terraform과 CloudFormation의 Amazon RDS 자체 자동 백업과 AWS Backup을 통해 백업되는 PostgreSQL 데이터베이스로, 운영자가 각 Release에 작성하는 하나의 core/backup 첨부에서 비롯되며, 백업 제품이 없는 대상에서의 거부도 보여 줍니다.
  • harbor-stack (start) — 이 예제는 실제 컨테이너 레지스트리를 개발자가 작성한 하나의 Aggregate에서 Kubernetes 매니페스트로 컴파일합니다.
  • model-api-key-sharing (start) — 하나의 OpenAI 호환 게이트웨이 뒤에 있는 두 CrewAI 에이전트입니다.
  • task-run-on-demand (start) — core/manual-trigger를 가진 작업이 Kubernetes, Docker Compose, Terraform, CloudFormation에서 시작되지 않은 채 배포되고, 그 옆에 아무것도 가지지 않은 작업이 있으며, 각 대상에서 실행을 시작하는 명령을 보여 줍니다.
  • terraform-declared-sensitivity (advanced) — 값이 비밀 자료를 담고 있다는 선언은 Component의 스키마에 한 번만 작성됩니다.

features

라우팅, 모니터링, 예산, 캐시, 마스킹처럼 자격 증명 외의 목적으로 연결되는 Features.

  • advanced-platform (advanced) — 개발자가 작성한 단일 Aggregate에서 하나의 빌드로 여러 메커니즘을 결합하는 여러 경계의 Kubernetes 플랫폼입니다. 경계 범위 FeatureRecipes, 매개변수 호이스팅, 자격 증명 하위 시스템, 그리고 Service DNS를 통해 해석되는 경계 간 참조를 다룹니다.
  • ai-agent-and-model-router (start) — 하나의 클러스터 내 라우터를 통해 두 업스트림 제공자 모델에 도달하는 에이전트 애플리케이션을 Kubernetes 매니페스트로 컴파일합니다.
  • ai-gateway-prompt-injection-shield (start) — 지원 어시스턴트의 사용자는 무엇이든 입력할 수 있으며, 그중 일부는 모델이 받은 지시를 무시하게 만들려고 합니다.
  • ai-gateway-semantic-cache (start) — 지원 어시스턴트는 하루 종일 조금씩 다른 표현으로 같은 질문을 받습니다.
  • annotation-driven-monitoring (advanced) — 이 예제는 컴포넌트별 features: 블록을 하나도 작성하지 않고 중첩된 토폴로지 전체의 여섯 서비스에 모니터링 Feature를 연결합니다.
  • apisix-token-budget (start) — 한 팀이 두 OpenAI 모델을 하나의 게이트웨이 뒤에 두고, 게이트웨이가 매일 그 모델들에 쓰는 양에 토큰 단위로 센 상한을 두려 합니다.
  • cloudformation-rds-stack (advanced) — 관리형 데이터베이스와 이를 읽는 애플리케이션을 개발자 의도로 한 번 작성하고 AWS CloudFormation 스택 템플릿으로 조립합니다.
  • datastore-backup (start) — Kubernetes에서는 Velero와 CloudNativePG를 통해, AWS에서는 Terraform과 CloudFormation의 Amazon RDS 자체 자동 백업과 AWS Backup을 통해 백업되는 PostgreSQL 데이터베이스로, 운영자가 각 Release에 작성하는 하나의 core/backup 첨부에서 비롯되며, 백업 제품이 없는 대상에서의 거부도 보여 줍니다.
  • envoy-ai-gateway-token-budget (start) — 한 팀이 OpenAI의 gpt-4o-mini를 클러스터 내 게이트웨이 뒤에 두고, 게이트웨이가 매 달력월 거기에 쓰는 토큰에 상한을 두려 하며, 에이전트가 OpenAI가 아니라 게이트웨이를 가리키게 합니다.
  • model-server-caller-allowlist (start) — 클러스터에서 실행되는 모델 서버는 그 주소에 도달하는 누구에게나 응답합니다.
  • nemo-guardrails-nemoguard-nims (start) — 에이전트의 모델 요청은 NVIDIA NeMo Guardrails를 거치며, NeMo Guardrails는 각 요청을 NVIDIA의 NemoGuard 모델 두 개로 검사합니다. 이 모델들은 NVIDIA의 라이선스 제품으로, 실행하려면 NVIDIA의 라이선스, NGC API 키, GPU 노드가 필요합니다.
  • policy-annotation-transform (advanced) — 거버넌스 정책이 한 상점의 모든 컴포넌트에 플랫폼의 모니터링과 AWS IAM 역할을 부여합니다.
  • policy-data-class-route (advanced) — 한 시스템 환경이 제한된 고객 데이터를 다루는 청구 처리 어시스턴트와, 그런 데이터를 전혀 다루지 않는 헬프데스크 어시스턴트를 운영합니다.
  • quickstart-ai (start) — 네 단계로 키워 가는 작은 LangGraph 에이전트입니다. 메모리를 갖춘 로컬 모델에서 시작하여, 로컬 모델을 폴백으로 두는 클라우드 모델을 얻고, 두 모델 앞에 가드레일을 두며, 마지막으로 Kubernetes용으로 빌드합니다.
  • quickstart-web (start) — 메모를 PostgreSQL에 저장하는 작은 웹 애플리케이션을 네 단계로 키워 갑니다. 사용자의 머신에서 데이터베이스와 함께 시작하여, Redis 캐시를 얻고, 데이터베이스를 Amazon RDS에 둔 채 AWS로 옮겨 가며, 마지막으로 백업을 갖춥니다.
  • task-run-on-demand (start) — core/manual-trigger를 가진 작업이 Kubernetes, Docker Compose, Terraform, CloudFormation에서 시작되지 않은 채 배포되고, 그 옆에 아무것도 가지지 않은 작업이 있으며, 각 대상에서 실행을 시작하는 명령을 보여 줍니다.
  • workload-identity-binding (authoring) — helm 프로바이더의 Workload 합성으로 Kubernetes에 렌더링되는 단일 무상태 앱입니다. 외부 차트는 없습니다.

boundaries

경계에 배치된 컴포넌트나 모듈, 그리고 그 사이를 넘나드는 것.

  • advanced-platform (advanced) — 개발자가 작성한 단일 Aggregate에서 하나의 빌드로 여러 메커니즘을 결합하는 여러 경계의 Kubernetes 플랫폼입니다. 경계 범위 FeatureRecipes, 매개변수 호이스팅, 자격 증명 하위 시스템, 그리고 Service DNS를 통해 해석되는 경계 간 참조를 다룹니다.
  • annotation-driven-monitoring (advanced) — 이 예제는 컴포넌트별 features: 블록을 하나도 작성하지 않고 중첩된 토폴로지 전체의 여섯 서비스에 모니터링 Feature를 연결합니다.
  • cloudformation-rds-stack (advanced) — 관리형 데이터베이스와 이를 읽는 애플리케이션을 개발자 의도로 한 번 작성하고 AWS CloudFormation 스택 템플릿으로 조립합니다.
  • cross-boundary-networking (advanced) — Adminer 데이터베이스 UI와 PostgreSQL 데이터베이스로 이루어진 두 컴포넌트 스택을 두 경계로 나누어, Adminer가 경계의 이음매를 넘어 데이터베이스에 도달해야 하는 구성입니다.
  • import-dify (start) — Dify DSL로 내보낸 Dify 채팅 애플리케이션을 aggrega import로 Aggregate, Release, Manifest로 가져오며, 이들은 작성된 그대로 이를 담은 표준 라이브러리의 Dify 설치를 Kubernetes용으로 빌드합니다.
  • module-boundary-routing (advanced) — 이 예제는 두 기능, 즉 오브젝트 스토리지 위의 Thanos 메트릭 읽기 계층과 MongoDB 와이어 프로토콜을 사용하는 문서 데이터베이스를 개발자가 작성한 하나의 Aggregate에서 컴파일하고, Release에서 각각을 자체 경계에 배치합니다.

policy

빌드 중에 또는 빌드 출력에 대해 빌드를 수락하거나 거부하는 거버넌스 정책.

  • policy-annotation-transform (advanced) — 거버넌스 정책이 한 상점의 모든 컴포넌트에 플랫폼의 모니터링과 AWS IAM 역할을 부여합니다.
  • policy-data-class-route (advanced) — 한 시스템 환경이 제한된 고객 데이터를 다루는 청구 처리 어시스턴트와, 그런 데이터를 전혀 다루지 않는 헬프데스크 어시스턴트를 운영합니다.
  • policy-in-ci (advanced) — Aggrega 빌드의 출력 디렉터리를 읽고 규칙을 어기면 이를 거부하는, 바로 사용할 수 있는 두 규칙 스크립트입니다.
  • policy-label-transform (advanced) — 거버넌스 플러그인이 이 워크스페이스가 배포하는 모든 컴포넌트에 소유자, 해당 환경이 받는 지원 등급, 백업 일정, 짧은 태그로 레이블을 붙이므로 개발자는 그 어느 것도 입력하지 않습니다.
  • policy-org-overlay (advanced) — 팀의 정책, 조직의 정책, 파이프라인의 정책이 하나의 빌드에서 함께 실행되며, 각각 자체 구성 파일에서 연결됩니다.
  • policy-payload-leaf-sensitivity (advanced) — 이 예제는 하나의 내부 규칙과, 그것을 표현할 수 있게 해 주는 사실을 가르칩니다.
  • policy-render-verdict (advanced) — render-verdict 역할에 연결된 하나의 내부 규칙이 빌드가 네 대상용으로 기록하는 파일을 판정하고, 각각에 심어 둔 위반을 거부합니다.

guardrails

중단되도록 의도된 Release와 그것이 중단될 때 내는 메시지.

  • adhoc-uses-socket (start) — 이 예제는 한 줄과 그 줄의 두 절반을 가르칩니다.
  • ai-gateway-own-webhook-certificate (advanced) — 이것은 고급 예제입니다.
  • chart-from-git-repository (authoring) — Helm 차트가 반드시 차트 레지스트리에서 와야 하는 것은 아닙니다.
  • cloudformation-rds-stack (advanced) — 관리형 데이터베이스와 이를 읽는 애플리케이션을 개발자 의도로 한 번 작성하고 AWS CloudFormation 스택 템플릿으로 조립합니다.
  • credential-secretkeyref (start) — 자격 증명 하위 시스템이 비밀번호를 제공하는 단일 PostgreSQL 데이터베이스를 프로바이더별로 보여 줍니다.
  • datastore-backup (start) — Kubernetes에서는 Velero와 CloudNativePG를 통해, AWS에서는 Terraform과 CloudFormation의 Amazon RDS 자체 자동 백업과 AWS Backup을 통해 백업되는 PostgreSQL 데이터베이스로, 운영자가 각 Release에 작성하는 하나의 core/backup 첨부에서 비롯되며, 백업 제품이 없는 대상에서의 거부도 보여 줍니다.
  • extends-wrapper (authoring) — 이 예제는 한 가지를 가르칩니다. 다른 Component를 extends하는 Component는 그 기반의 데이터 계약 전체를 상속하므로, 기반용으로 작성된 모든 Recipe가 이미 확장하는 Component를 구현합니다.
  • memcached-cache (start) — 이 간결한 예제는 단일 Memcached 인메모리 캐시를 개발자가 작성한 하나의 Aggregate에서 두 구현으로 컴파일합니다.
  • policy-annotation-transform (advanced) — 거버넌스 정책이 한 상점의 모든 컴포넌트에 플랫폼의 모니터링과 AWS IAM 역할을 부여합니다.
  • policy-data-class-route (advanced) — 한 시스템 환경이 제한된 고객 데이터를 다루는 청구 처리 어시스턴트와, 그런 데이터를 전혀 다루지 않는 헬프데스크 어시스턴트를 운영합니다.
  • policy-label-transform (advanced) — 거버넌스 플러그인이 이 워크스페이스가 배포하는 모든 컴포넌트에 소유자, 해당 환경이 받는 지원 등급, 백업 일정, 짧은 태그로 레이블을 붙이므로 개발자는 그 어느 것도 입력하지 않습니다.
  • policy-org-overlay (advanced) — 팀의 정책, 조직의 정책, 파이프라인의 정책이 하나의 빌드에서 함께 실행되며, 각각 자체 구성 파일에서 연결됩니다.
  • policy-payload-leaf-sensitivity (advanced) — 이 예제는 하나의 내부 규칙과, 그것을 표현할 수 있게 해 주는 사실을 가르칩니다.
  • policy-render-verdict (advanced) — render-verdict 역할에 연결된 하나의 내부 규칙이 빌드가 네 대상용으로 기록하는 파일을 판정하고, 각각에 심어 둔 위반을 거부합니다.
  • s3-object-store (start) — 이 예제는 하나의 S3 호환 오브젝트 저장소, 즉 core/storage/s3-object-store 컴포넌트를 두 가지 자체 호스팅 구현으로 컴파일합니다.
  • task-run-on-demand (start) — core/manual-trigger를 가진 작업이 Kubernetes, Docker Compose, Terraform, CloudFormation에서 시작되지 않은 채 배포되고, 그 옆에 아무것도 가지지 않은 작업이 있으며, 각 대상에서 실행을 시작하는 명령을 보여 줍니다.

catalog-authoring

예제를 위해 작성되어 그 옆에 두거나 카탈로그에 게시하는 Component, Feature 또는 Recipe.

  • advanced-platform (advanced) — 개발자가 작성한 단일 Aggregate에서 하나의 빌드로 여러 메커니즘을 결합하는 여러 경계의 Kubernetes 플랫폼입니다. 경계 범위 FeatureRecipes, 매개변수 호이스팅, 자격 증명 하위 시스템, 그리고 Service DNS를 통해 해석되는 경계 간 참조를 다룹니다.
  • ai-gateway-own-webhook-certificate (advanced) — 이것은 고급 예제입니다.
  • chart-from-git-repository (authoring) — Helm 차트가 반드시 차트 레지스트리에서 와야 하는 것은 아닙니다.
  • cross-boundary-networking (advanced) — Adminer 데이터베이스 UI와 PostgreSQL 데이터베이스로 이루어진 두 컴포넌트 스택을 두 경계로 나누어, Adminer가 경계의 이음매를 넘어 데이터베이스에 도달해야 하는 구성입니다.
  • extends-wrapper (authoring) — 이 예제는 한 가지를 가르칩니다. 다른 Component를 extends하는 Component는 그 기반의 데이터 계약 전체를 상속하므로, 기반용으로 작성된 모든 Recipe가 이미 확장하는 Component를 구현합니다.
  • mariadb-adminer (authoring) — 이 예제는 작지만 실제로 동작하는 스택, 즉 앞단에 Adminer 웹 UI를 둔 MariaDB 데이터베이스를 개발자가 작성한 단일 Aggregate에서 두 플랫폼으로 컴파일합니다.
  • mariadb-bitnami-credential-set (authoring) — Bitnami Helm 차트로 구현되는 단일 MariaDB 데이터베이스로, 그 비밀번호는 여러 키를 가진 하나의 참조 가능한 시크릿(core/referenced-secret-set)이 제공합니다.
  • mcp-address-from-secret (authoring) — 다른 누군가가 운영하는 일부 Model Context Protocol 서버는 요청 헤더가 아니라 자신의 주소 https://mcp.example.com/mcp?api_key=<key>에서 키를 읽습니다.
  • multikey-secret-synth (authoring) — helm 프로바이더의 Workload 합성으로 Kubernetes에 렌더링되는 단일 무상태 앱입니다. 외부 차트는 없습니다.
  • policy-data-class-route (advanced) — 한 시스템 환경이 제한된 고객 데이터를 다루는 청구 처리 어시스턴트와, 그런 데이터를 전혀 다루지 않는 헬프데스크 어시스턴트를 운영합니다.
  • postgres-three-realizations (authoring) — PostgreSQL 데이터베이스와 이를 읽는 애플리케이션을 변경되지 않은 하나의 Aggregate에서 세 가지 다른 방식으로 배포합니다. 클러스터에서 실행되는 PostgreSQL, 관리형 클라우드 인스턴스로서의 PostgreSQL, 그리고 이 Release가 배포되기 전부터 이미 존재하던 PostgreSQL 서버입니다.
  • workload-identity-binding (authoring) — helm 프로바이더의 Workload 합성으로 Kubernetes에 렌더링되는 단일 무상태 앱입니다. 외부 차트는 없습니다.
  • workload-library-import (authoring) — Recipe가 인라인 본문 대신 공유 라이브러리 항목에서 Kubernetes Workload를 합성하는 단일 무상태 웹 서비스입니다.

cloud-infrastructure

관리형 클라우드 서비스를 위한 Terraform 또는 CloudFormation 출력.

  • aws-rds-and-ecs-service (advanced) — 하나의 Aggregate가 PostgreSQL 데이터베이스와 이를 읽는 서버를 담습니다.
  • cloudformation-rds-stack (advanced) — 관리형 데이터베이스와 이를 읽는 애플리케이션을 개발자 의도로 한 번 작성하고 AWS CloudFormation 스택 템플릿으로 조립합니다.
  • datastore-backup (start) — Kubernetes에서는 Velero와 CloudNativePG를 통해, AWS에서는 Terraform과 CloudFormation의 Amazon RDS 자체 자동 백업과 AWS Backup을 통해 백업되는 PostgreSQL 데이터베이스로, 운영자가 각 Release에 작성하는 하나의 core/backup 첨부에서 비롯되며, 백업 제품이 없는 대상에서의 거부도 보여 줍니다.
  • policy-payload-leaf-sensitivity (advanced) — 이 예제는 하나의 내부 규칙과, 그것을 표현할 수 있게 해 주는 사실을 가르칩니다.
  • policy-render-verdict (advanced) — render-verdict 역할에 연결된 하나의 내부 규칙이 빌드가 네 대상용으로 기록하는 파일을 판정하고, 각각에 심어 둔 위반을 거부합니다.
  • postgres-three-realizations (authoring) — PostgreSQL 데이터베이스와 이를 읽는 애플리케이션을 변경되지 않은 하나의 Aggregate에서 세 가지 다른 방식으로 배포합니다. 클러스터에서 실행되는 PostgreSQL, 관리형 클라우드 인스턴스로서의 PostgreSQL, 그리고 이 Release가 배포되기 전부터 이미 존재하던 PostgreSQL 서버입니다.
  • quickstart-web (start) — 메모를 PostgreSQL에 저장하는 작은 웹 애플리케이션을 네 단계로 키워 갑니다. 사용자의 머신에서 데이터베이스와 함께 시작하여, Redis 캐시를 얻고, 데이터베이스를 Amazon RDS에 둔 채 AWS로 옮겨 가며, 마지막으로 백업을 갖춥니다.
  • task-run-on-demand (start) — core/manual-trigger를 가진 작업이 Kubernetes, Docker Compose, Terraform, CloudFormation에서 시작되지 않은 채 배포되고, 그 옆에 아무것도 가지지 않은 작업이 있으며, 각 대상에서 실행을 시작하는 명령을 보여 줍니다.
  • terraform-declared-sensitivity (advanced) — 값이 비밀 자료를 담고 있다는 선언은 Component의 스키마에 한 번만 작성됩니다.
  • terraform-rds-module (authoring) — terraform-rds 예제와 같은 MariaDB 의도를 Terraform 프로바이더의 sourced 형태로 렌더링합니다. Recipe는 인라인 HCL 본문 대신 로컬 Terraform 모듈을 가리키고, 컴파일러는 그 모듈을 그대로 벤더링한 다음 개발자와 운영자라는 두 축에서 입력 변수를 공급합니다.
  • terraform-rds (authoring) — 개발자 의도로 한 번 작성한 단일 MariaDB 데이터베이스를 관리형 AWS RDS 인스턴스를 프로비저닝하는 Terraform HCL 파일로 렌더링합니다.

external-sources

렌더링하는 대상을 가져오는 Recipe: 업스트림 차트, git 저장소 또는 모듈.

  • advanced-platform (advanced) — 개발자가 작성한 단일 Aggregate에서 하나의 빌드로 여러 메커니즘을 결합하는 여러 경계의 Kubernetes 플랫폼입니다. 경계 범위 FeatureRecipes, 매개변수 호이스팅, 자격 증명 하위 시스템, 그리고 Service DNS를 통해 해석되는 경계 간 참조를 다룹니다.
  • ai-gateway-own-webhook-certificate (advanced) — 이것은 고급 예제입니다.
  • aws-rds-and-ecs-service (advanced) — 하나의 Aggregate가 PostgreSQL 데이터베이스와 이를 읽는 서버를 담습니다.
  • cert-manager-tls (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 cert-manager 인증서 컨트롤러를 개발자가 작성한 하나의 Aggregate에서 Kubernetes로 컴파일합니다.
  • chart-from-git-repository (authoring) — Helm 차트가 반드시 차트 레지스트리에서 와야 하는 것은 아닙니다.
  • contour-gateway (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 Contour 인그레스 게이트웨이를 개발자가 작성한 하나의 Aggregate에서 Kubernetes로 컴파일합니다.
  • external-secrets-operator (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 external-secrets 오퍼레이터를 개발자가 작성한 하나의 Aggregate에서 Kubernetes로 컴파일하며, 공식 external-secrets Helm 차트를 기반으로 합니다.
  • harbor-stack (start) — 이 예제는 실제 컨테이너 레지스트리를 개발자가 작성한 하나의 Aggregate에서 Kubernetes 매니페스트로 컴파일합니다.
  • loki-logging (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 Grafana Loki 로그 집계 서버를 개발자가 작성한 하나의 Aggregate에서 Kubernetes로 컴파일하며, 단일 바이너리 형태의 공식 Grafana Loki Helm 차트를 기반으로 합니다.
  • mariadb-adminer (authoring) — 이 예제는 작지만 실제로 동작하는 스택, 즉 앞단에 Adminer 웹 UI를 둔 MariaDB 데이터베이스를 개발자가 작성한 단일 Aggregate에서 두 플랫폼으로 컴파일합니다.
  • mariadb-bitnami-credential-set (authoring) — Bitnami Helm 차트로 구현되는 단일 MariaDB 데이터베이스로, 그 비밀번호는 여러 키를 가진 하나의 참조 가능한 시크릿(core/referenced-secret-set)이 제공합니다.
  • openbao-secrets (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 단일 OpenBao 시크릿 서버를 개발자가 작성한 하나의 Aggregate에서 Kubernetes로 컴파일하며, 공식 OpenBao Helm 차트를 기반으로 합니다.
  • quickstart-web (start) — 메모를 PostgreSQL에 저장하는 작은 웹 애플리케이션을 네 단계로 키워 갑니다. 사용자의 머신에서 데이터베이스와 함께 시작하여, Redis 캐시를 얻고, 데이터베이스를 Amazon RDS에 둔 채 AWS로 옮겨 가며, 마지막으로 백업을 갖춥니다.
  • sealed-secrets-controller (start) — 이 예제는 작지만 실제로 동작하는 스택, 즉 sealed-secrets 컨트롤러를 개발자가 작성한 하나의 Aggregate에서 Kubernetes로 컴파일하며, HTTPS 차트 저장소에서 제공되는 공식 sealed-secrets Helm 차트를 기반으로 합니다.

import

다른 형식으로 작성된 프로젝트를 aggrega import로 Aggrega 파일 초안으로 작성한 뒤 검토하고 빌드합니다.

  • import-agent-framework (start) — OpenAI 모델을 사용하고 MCP 서버를 통해 문서를 검색하는 에이전트 하나로 이루어진 Microsoft Agent Framework 선언형 에이전트를 aggrega import로 Aggrega 파일 초안으로 작성하고, 애플리케이션의 이미지를 응답 파일에서 한 번만 지정한 뒤 Docker Compose용으로 빌드합니다.
  • import-compose (start) — API, 그 API가 노트를 보관하는 PostgreSQL 데이터베이스, Redis 캐시를 실행하는 Compose 파일을 aggrega import로 Aggrega 파일 초안으로 작성하고(연결, 데이터베이스 설정, 변수 참조로서의 비밀번호, 각 이미지의 태그를 그대로 가져옵니다) Docker Compose용으로 빌드합니다.
  • import-crewai (start) — 클래식 레이아웃의 CrewAI 프로젝트에 있는 에이전트와 태스크 선언(하나의 OpenAI 모델을 쓰는 에이전트 두 개, 각각 태스크 하나)을 aggrega import로 Aggrega 파일 초안으로 작성하고, crew의 프로그램이 실행되는 이미지를 응답 파일에서 한 번만 지정한 뒤 Docker Compose용으로 빌드합니다.
  • import-dify (start) — Dify DSL로 내보낸 Dify 채팅 애플리케이션을 aggrega import로 Aggregate, Release, Manifest로 가져오며, 이들은 작성된 그대로 이를 담은 표준 라이브러리의 Dify 설치를 Kubernetes용으로 빌드합니다.
  • import-flowise (start) — ChatOpenAI 노드, Buffer Memory, Conversation Chain으로 이루어진 Flowise 챗플로우를 aggrega import로 Aggregate, Release, Manifest로 가져오며, 이들은 작성된 그대로 Docker Compose용으로 빌드됩니다.
  • import-google-adk (start) — Google의 Agent Development Kit으로 구축된 애플리케이션의 Agent Config(Gemini를 사용하는 에이전트 하나와 ADK에 포함된 Google Search 도구)를 aggrega import로 Aggrega 파일 초안으로 작성하고, 애플리케이션의 이미지를 응답 파일에서 한 번만 지정한 뒤 Docker Compose용으로 빌드합니다.
  • import-langflow (start) — JSON으로 내보낸 Langflow의 Basic Prompting 스타터 프로젝트를 aggrega import로 Aggregate, Release, Manifest로 가져오며, 이들은 작성된 그대로 Docker Compose용으로 빌드됩니다.
  • import-langgraph (start) — 상태를 PostgreSQL에 보관하는 그래프 하나를 가진 LangGraph 애플리케이션의 langgraph.json 파일을 aggrega import로 Aggrega 파일 초안으로 작성하고, 그래프가 호출하는 모델과 애플리케이션의 이미지를 응답 파일에서 한 번만 지정한 뒤 Docker Compose용으로 빌드합니다.
  • import-mcp (start) — 세 개의 Model Context Protocol 서버(명령줄에서 시작하는 두 개와 다른 사람이 운영하는 하나)를 나열한 Claude Code의 .mcp.json 파일을 aggrega import로 Aggrega 파일 초안으로 작성하고, 각 서버를 그 실행 방식에 해당하는 실현에 매핑한 뒤 Kubernetes용으로 빌드합니다.
  • import-n8n (start) — 채팅 트리거, AI Agent, OpenAI Chat Model, Simple Memory로 이루어진 n8n 워크플로를 aggrega import로 Aggregate, Release, Manifest로 가져오며, 이들은 작성된 그대로 Docker Compose용으로 빌드됩니다.