Vercel нещодавно випустила функцію Workflows, яка дійсно цікава, вирішила одну з головних проблем розробників — за допомогою двох рядків коду замінити весь бекенд-інфраструктуру.

Я подивився, як саме її використовувати: розробник на початку TypeScript-функції позначає use workflow, а в підфункціях використовує use step для позначення кожного етапу виконання, фреймворк автоматично обробля черги, повтори при помилках, збереження стану та інші набридливі речі. Не потрібно окремо розгортати оркестраційний сервіс, черги повідомлень або базу даних стану — все інтегровано у код додатку.

Це вирішує дуже актуальну проблему: коли переносиш AI-агента або бекенд-завдання з прототипу у виробництво, розробники часто витрачають багато часу на налаштування оркестраційної інфраструктури, а не на покращення продукту. Традиційні рішення розподіляють логіку між чергами, воркерами, таблицями стану та механізмами повтору, а цей підхід Vercel безпосередньо поєднує логіку оркестрації з бізнес-логікою.

З моменту публічного тестування у жовтні минулого року дані досить вражаючі — понад 100 мільйонів виконань, 500 мільйонів кроків, обслуговує понад 1500 клієнтів, кількість завантажень npm перевищила 200 тисяч. Це свідчить, що багато розробників вже активно використовують.

Для сценаріїв AI-агентів Vercel додала кілька особливостей: гарантія безперервної потокової обробки, що зберігає вихід агентів у постійному сховищі, навіть якщо закрити браузер; вбудоване шифрування — всі дані автоматично шифруються перед виходом з середовища розгортання; підтримка паузи та відновлення — можна чекати ручного схвалення або поставити на паузу на кілька днів або місяців, при цьому обчислювальні витрати нульові; максимальний розмір одного кроку — 50MB, загальний обсяг виконання — до 2GB, що достатньо для обробки мультимодальних агентів з передачею зображень і відео.

Разом з цим вийшов AI SDK v7 з інтеграцією WorkflowAgent, а Python SDK вже у публічному тестуванні. Цікаво, що Workflow SDK відкритий — спільнота вже створює адаптери для MongoDB, Redis, Cloudflare та інших. Наступна версія додасть контроль паралелізму, глобальне розгортання і знімки стану виконання, щоб ще більше знизити витрати на повторне оброблення подій.

Цінова модель також хороша — платиш лише за фактичний час виконання, без постійних витрат на оркестраційний сервіс. Це дуже привабливо для команд, які швидко хочуть ітеративно покращувати свої продукти.