jagratha (Infenia)

Yukta

Orchestrate multi-step workflows with confidence. Define once, execute anywhere, integrate with AI.

     

______________________________________________________________________

问题

您每天都在处理工作流程：

• 开发人员：“格式化后运行测试，但如果linting失败则跳过”
• DevOps工程师：“构建→ Test → 部署，错误时回滚”
• 数据管道：“验证数据→ 变换→ 加载，超时重试“
• AI团队：“运行检查、获取反馈、自动修复、重新运行”

今天，你用以下方式解决这个问题 SHELL脚本 🐚. 明天，你将在凌晨3点调试它们。

#!/bin/bash
./gradlew format || exit 1
./gradlew lint || { echo "lint failed"; slack-notify; exit 1; }
./gradlew test || deploy-rollback

问题：脚本是硬编码的，脆弱的，容易出错，并且不与现代人工智能工具集成。

______________________________________________________________________

解决方案：Yukta

汤田 是一个 工作流编排器 它处理了复杂性，所以你不必这么做。

这样想：

______________________________________________________________________

为什么Yukta对你个人很重要

👨‍💼 项目经理/技术负责人

“停止批准损坏工作流的修补程序。定义一次，获得可见性，晚上睡觉。”

• 所有工作流程的单一真相来源（无部落知识）
• 实时仪表板（谁在运行什么，什么失败了，为什么）
• 审计追踪（合规、可追溯、无过错）

👨‍💻 开发者

“编写JSON，而不是bash。在编码时从AI获得即时反馈。”

• 凌晨3点没有shell脚本调试
• 工作流在本地、CI/CD和生产环境中运行——定义相同
• 当测试失败时，AI会自动修复您的代码（通过MCP集成）
• 测试驱动的工作流开发（反应堆流的StepVerifier）

👷 DevOps工程师

“部署一次，到处运行。50MB可执行文件，零操作开销。”

• 本机可执行文件（无JVM，无容器膨胀）
• 用于任何编排工具的REST API+MCP
• 内置可观察性（无需外部监控；事件分批处理100@50ms)
• 可观察：每10秒心跳一次，结构化JSONL日志，实时DAG可视化

🏗️ 建筑师/CTO

“模块化、可测试、可扩展。编写一个插件，随处使用。”

• 干净的三层架构（插件→ 编排→ 运输）
• 16个内置插件，几分钟内即可自定义插件
• 经过实战测试的反应模式（Project Reactor、虚拟线程、\<100ms循环）
• 面向未来：任何通过MCP的AI代理，本地优先设计，无供应商锁定

______________________________________________________________________

它是如何工作的（The Pitch）

对于 开发人员:

{
  "sessionId": "my-project",
  "workflows": {
    "quality-check": {
      "description": "Format → Lint → Test",
      "nodes": [
        { "nodeId": "format", "type": "PROCESS_EXECUTOR", "config": { "command": ["./gradlew", "spotlessCheck"] } },
        { "nodeId": "lint", "type": "PROCESS_EXECUTOR", "config": { "command": ["./gradlew", "checkstyleMain"] } },
        { "nodeId": "test", "type": "PROCESS_EXECUTOR", "config": { "command": ["./gradlew", "test"] } }
      ],
      "edges": [
        { "source": "format", "target": "lint" },
        { "source": "lint", "target": "test" }
      ]
    }
  }
}

就这样 没有脚本。不 if 声明。没有手动错误处理。只要描述一下流程，Yukta就会运行它。

对于 DevOps工程师:

# Trigger the workflow
curl -X POST http://localhost:8080/api/workflow/trigger \
  -d '{ "sessionId": "my-project", "workflowId": "quality-check", "payload": {} }'

# Returns instantly with execution ID
{ "executionId": "550e8400-e29b-41d4-a716-446655440000" }

# Stream live status (Server-Sent Events)
curl http://localhost:8080/api/workflow/my-project/status/.../stream

# Real-time output:
# { "status": "RUNNING", "tasks": [{ "nodeId": "format", "status": "SUCCESS" }, ...] }
# { "status": "RUNNING", "tasks": [{ "nodeId": "lint", "status": "SUCCESS" }, ...] }
# { "status": "SUCCESS", "tasks": [...] }

没有投票。没有webhooks。只需休息+SSE。

对于 AI团队 （任何MCP兼容代理）：

# MCP Integration with any AI agent
# Supports: Claude Code, Claude API, and any agent implementing MCP

# Connection:
# AI Agent → MCP Protocol → Yukta (/sse endpoint)
# Capabilities: 13 MCP tools (create_session, trigger_workflow, get_status, etc.)

# Example with Claude Code (SessionStart hook):
#   SessionStart → init_session.py → POST /api/config (via MCP)
#   Stop → trigger_workflow.py → POST /api/workflow/trigger (via MCP)

# Example with Claude API (custom integration):
#   Agent connects to http://localhost:8080/sse (MCP STATELESS protocol)
#   Agent calls create_session tool
#   Agent calls trigger_workflow tool
#   Agent streams status in real-time (no polling)

# AI agent gets instant feedback:
# ✅ Tests passed → commit changes
# ❌ Tests failed → AI reads error, auto-fixes, retries

AI不会等待。它不投票。它通过MCP获得即时反馈并自我纠正。适用于任何支持MCP的AI。

______________________________________________________________________

三层（建筑师会喜欢这个）

┌─────────────────────────────────────┐
│ 3. Transport Layer                  │
│ REST API (16 endpoints) + MCP       │
│ for humans and AI agents            │
└──────────────┬──────────────────────┘
               ↓
┌─────────────────────────────────────┐
│ 2. Orchestration Layer              │
│ DAG validator, compiler, executor   │
│ Reactive (Mono/Flux), <100ms loops  │
└──────────────┬──────────────────────┘
               ↓
┌─────────────────────────────────────┐
│ 1. Plugin Layer                     │
│ 16 composable, extensible plugins   │
│ (TriggerPlugin, ProcessorPlugin,    │
│  TerminalPlugin)                    │
└─────────────────────────────────────┘

每一层都是独立的。 交换插件。更改执行。在任何地方集成。

______________________________________________________________________

是什么让Yukta与众不同

🎯 定义一次，随处执行

• 本地开发机器、CI/CD管道、AI代理回调
• 相同的JSON DAG，不同的执行上下文

⚡ 低于1000毫秒的反馈

• 无功无阻塞（项目反应堆）
• 用于I/O的虚拟线程
• 实时SSE流媒体

🧠 为AI打造

• MCP-本地集成（Claude Code、Claude API等）
• 即时反馈（无投票）
• 自校正工作流程

🔌 16个插件，无限组合

• PROCESS_EXECUTOR（运行任何操作系统命令）
• 分支机构（通过SpEL进行有条件路由）
• 映射器、过滤器、分流器、聚集器、回路、子工作流等
• 在几分钟内编写自定义插件

🛡️ 企业就绪

• 所有边界的输入验证（块注入、路径遍历）
• 会话隔离
• 结构化日志记录（JSONL，可搜索）
• 本地优先（无云供应商锁定）

📊 可观察对象

• 实时ControlBus（心跳、统计）
• 实时DAG可视化（web UI）
• 会话感知日志记录

______________________________________________________________________

真实世界的例子

示例1:CI/CD管道

Build → Test → [Decision] → Deploy (if success) OR Alert (if fail)

定义一次。在GitHub Actions、GitLab CI、Jenkins或任何地方使用。

示例2：数据处理

Ingest → Validate → [Filter] → Transform → Load → Archive
         ↓ (on error)
         → Log Error → Send Alert

视觉、可审计、可测试。没有意大利面条代码。

示例3：人工智能驱动开发

Format → Lint → Test
  ↑            ↓
  ← (if fail) ←
Any MCP-compatible AI agent auto-fixes and retries

AI从不等待。任何兼容MCP的代理都可以获得即时反馈和自我更正（Claude Code、Claude API或其他代理）。

______________________________________________________________________

⚡ 30秒快速启动（TL；DR）

只是想试试吗？ 一个命令：

# 1. Download & run (native executable, no setup needed)
wget https://github.com/infenia/yukta/releases/download/v0.1.0/yukta-$(uname -s)-$(uname -m)
chmod +x yukta-*
./yukta-* &

# 2. Define a workflow (one curl, that's it)
curl -X POST http://localhost:8080/api/config \
  -H "Content-Type: application/json" \
  -d '{ "sessionId": "demo", "description": "Quick demo", "initiator": "me", "workflows": { "hello": { "description": "Echo", "nodes": [{ "nodeId": "echo", "type": "PROCESS_EXECUTOR", "config": { "command": ["echo", "Hello from Yukta!"] } }], "edges": [] } } }'

# 3. Run it
curl -X POST http://localhost:8080/api/workflow/trigger \
  -d '{ "sessionId": "demo", "workflowId": "hello", "payload": {} }'

# 4. See it run (real-time status)
curl http://localhost:8080/api/workflow/demo/status/{executionId}

完成。 这是一个工作流程编排器。准备好了吗？请继续阅读。↓

______________________________________________________________________

🚀 入门（选择你的道路）

选项1:MCP集成 （推荐用于AI驱动的工作流）

使用Yukta 任何与MCP兼容的AI代理 （Claude Code、Claude API或任何其他支持MCP的人工智能），用于即时、自动化的工作流程执行。

# 1. Install Yukta (native executable, ~50MB, no JVM needed)
wget https://github.com/infenia/yukta/releases/download/v0.1.0/yukta-linux-x64
chmod +x yukta-linux-x64
./yukta-linux-x64

# 2. Configure your AI agent to use Yukta via MCP
# For Claude Code, add to .claude/settings.json:
{
  "mcpServers": {
    "yukta": {
      "command": "./yukta-linux-x64",
      "args": ["--mcp"]
    }
  }
}

# For Claude API or other agents, use the MCP protocol
# Endpoint: http://localhost:8080/sse
# Protocol: STATELESS, ASYNC

# 3. Your AI agent now has Yukta tools:
#    - create_session
#    - trigger_workflow
#    - get_workflow_status
#    - stream_session_logs
#    - get_workflow_execution_logs
#    - list_plugins
#    - get_plugin_details
#    - get_control_bus_status
#    ... and 5 more

结果：AI代理自动运行工作流，检测故障，自我纠正。没有投票。没有webhooks。适用于任何兼容MCP的AI。

______________________________________________________________________

选项2：本机可执行文件 （建议用于生产部署）

零JVM开销。即时启动。GraalVM提前编译。

# 1. Download native executable
wget https://github.com/infenia/yukta/releases/download/v0.1.0/yukta-macos-aarch64
chmod +x yukta-macos-aarch64
./yukta-macos-aarch64

# 2. Define your workflow
curl -X POST http://localhost:8080/api/config \
  -H "Content-Type: application/json" \
  -d '{
    "sessionId": "my-pipeline",
    "description": "Data ETL",
    "initiator": "devops",
    "projectPath": "/data",
    "workflows": {
      "ingest-transform-load": {
        "description": "ETL pipeline",
        "nodes": [
          { "nodeId": "validate", "type": "PROCESS_EXECUTOR", "config": { "command": ["./validate.sh"] } },
          { "nodeId": "transform", "type": "PROCESS_EXECUTOR", "config": { "command": ["./transform.sh"] } },
          { "nodeId": "load", "type": "PROCESS_EXECUTOR", "config": { "command": ["./load.sh"] } }
        ],
        "edges": [
          { "source": "validate", "target": "transform" },
          { "source": "transform", "target": "load" }
        ]
      }
    }
  }'

# 3. Run it
curl -X POST http://localhost:8080/api/workflow/trigger \
  -d '{ "sessionId": "my-pipeline", "workflowId": "ingest-transform-load", "payload": {} }'

# 4. Stream live status
curl http://localhost:8080/api/workflow/my-pipeline/status/{executionId}/stream

结果：生产就绪，低于100ms的反馈，可观察的工作流程。

______________________________________________________________________

选项3:Java开发 （适用于贡献者和自定义插件）

传统的Spring Boot开发，具有热重载和完全调试功能。

# 1. Clone and build
git clone https://github.com/infenia/yukta.git
cd yukta
./gradlew bootRun

# 2. Open web UI
# http://localhost:8080/swagger-ui.html

# 3. Start developing
# - Add custom plugins (implements ProcessorPlugin)
# - Modify orchestration logic
# - Write tests with StepVerifier

结果：完整的IDE调试，即时热重载，测试驱动的插件开发。

______________________________________________________________________

我应该选择哪一个？

______________________________________________________________________

常见问题（我们经常遇到）

Q： 这只适用于集装箱/K8s吗？ A： 不是的。它可以在本地、Docker、裸机、K8s和无服务器环境中运行。到处都是相同的工作流程。在JSON中定义一次，在任何地方运行。

Q： 我必须学习一门新语言吗？ A： 不是。工作流是JSON。您描述流（节点和边），Yukta处理编排。无特殊语法。

Q： 如果一个步骤失败了怎么办？ A： Yukta准确地向您展示了失败的内容（带有错误输出）。您可以选择：自动重试、有条件地分支到错误处理步骤或手动干预。

Q： 这会取代我的CI/CD工具吗？ A： 不是的，汤田 补充物 您的CI/CD（GitHub操作、GitLab CI、Jenkins）。Yukta是“内部”编排器——它处理多步骤工作流，您的CI/CD处理触发、通知和机密管理。

Q： 它是开源的吗？ A： 是的。Apache 2.0已获得许可。自托管，本地优先，没有供应商锁定。随时随地运行。

Q： 我可以将它与我当前的AI（Claude、ChatGPT、Gemini等）一起使用吗？ A： 如果你的AI支持 MCP（模型上下文协议）是的。我们提供原生MCP。如果没有，则直接使用REST API。

Q： 学习曲线是什么？ A： 非常低。在5分钟内定义您的第一个工作流（仅JSON）。在一天内取得进步。一周内编写自定义插件。

Q： 这要花多少钱？ A： 没什么。它是开源的。自行托管，不收取使用费。

Q： 我可以在生产中运行这个吗？ A： 当然。它已为生产做好准备：输入验证、会话隔离、结构化日志记录、错误处理和实时监控。

Q： 表演怎么样？ A： 低于100ms的反馈回路（无功无阻塞）。每天处理10k+个工作流，启动时间\<100ms。从1名工程师扩展到100多个并发工作流。

______________________________________________________________________

5分钟动手

现在想试试吗？

# Using native executable
wget https://github.com/infenia/yukta/releases/download/v0.1.0/yukta-$(uname -s)-$(uname -m)
chmod +x yukta-*
./yukta-* &

# Trigger a simple workflow
curl -X POST http://localhost:8080/api/config \
  -H "Content-Type: application/json" \
  -d '{ "sessionId": "demo", "description": "Quick demo", "initiator": "me", "workflows": { "hello": { "description": "Echo", "nodes": [{ "nodeId": "echo", "type": "PROCESS_EXECUTOR", "config": { "command": ["echo", "Hello from Yukta!"] } }], "edges": [] } } }'

curl -X POST http://localhost:8080/api/workflow/trigger \
  -d '{ "sessionId": "demo", "workflowId": "hello", "payload": {} }'

# See it run
curl http://localhost:8080/api/workflow/demo/status/{executionId}

完成。 三条执行路径。选择一个适合你工作流程的。

______________________________________________________________________

为什么是Yukta？

______________________________________________________________________

为应对当今挑战而打造

• 微服务：跨多个服务进行编排
• AI驱动开发：任何兼容MCP的AI代理+Yukta=自动虚构工作流（Claude Code、Claude API或其他）
• 开发运维：没有YAML shell的CI/CD
• 数据管道：具有可见性和控制的ETL
• 混合工作流：混合人类和人工智能，实时反馈

______________________________________________________________________

技术栈（为好奇者）

• Java 25 （反应式语言特征）
• 弹簧靴4.0.2 （企业级稳定性）
• 项目反应堆 （无阻塞，延迟低于100ms）
• GraalVM 的 （本机映像，50MB可执行文件）
• JTE+Alpine.js （交互式web UI）
• 主控程序 （AI集成）

______________________________________________________________________

今天什么是稳定的

✅ DAG编排 --节点、边、分支、子工作流 ✅ REST API --所有核心端点都经过实战测试 ✅ MCP集成 --完全支持Claude Code ✅ 16个内置插件 --Processs_ECUTOR、BRANCH、MAPPER、FILTER、SPLITTER、AGGREGATOR等 ✅ 会话管理 --文件或内存持久性 ✅ 实时用户界面 --DAG可视化、执行历史、控制台

______________________________________________________________________

入门指南

• 新来的？ 从...开始 入门指南 （5分钟教程）
• 想知道细节吗？ 阅读 建筑与设计 （深潜）
• 需要API文档吗？ 检查 API 参考 （所有端点）
• 构建插件？ 看 插件开发 （延伸Yukta）
• 贡献？ 阅读 开发设置 （帮助我们改进）

______________________________________________________________________

社区与支持

• 发现bug了吗？ 报告它
• 想贡献吗？ 我们非常喜欢！看 贡献指南

⭐ 像雪田一样？考虑：

• 主演 仓库❤️
• 共享 您的工作流程（推特、DEV.to、Reddit）
• 贡献 （代码、文档、插件、反馈）
• 赞助 发展

______________________________________________________________________

安全与许可

• 本地优先：没有云供应商，没有数据泄露
• Apache 2.0已获得许可：透明、可审计、企业友好
• 输入已验证：阻止注入、路径遍历、恶意输入
• 完整安全策略

______________________________________________________________________

用❤️

汤田 由开发 英菲尼亚私人有限公司.

• 创造者：阿伦Cherthedath Somanathan(arun@infenia.com)

建立在工作流应该简单、可观察和人工智能友好的信念之上。

______________________________________________________________________

有趣的事实

*汤田* (युक्त) 梵语是 “联合”或“加入”--编排的本质：将不同的工具、系统和代理整合到一个有凝聚力、和谐的工作流程中。 🔗

______________________________________________________________________

准备好编排了吗？ ⚡

选择您的路径：

• 🧠 AI驱动：使用任何AI代理设置MCP（选项1）
• 🚀 生产：运行本机可执行文件（选项2）
• 👨‍💻 发展：克隆仓库和 ./gradlew bootRun （选项3）

然后访问 http://localhost:8080/swagger-ui.html 查看您的工作流程。

管弦乐快乐！ 🚀