SQS-Bestellverarbeitung
Bestellungen aus SQS-Queues werden mit Betrugserkennung, Bestandsprüfung und Concurrency-Keys validiert und abgewickelt. Ergebnisse werden in einer ausgehenden Queue veröffentlicht.
connic init my-project --templates=sqs-order-processorÜberblick
Die Pipeline verarbeitet E-Commerce-Bestellungen aus einer SQS-Queue und übernimmt Validierung sowie Auftragsabwicklung. Der Validator prüft die Vollständigkeit, berechnet Summen unabhängig, kontrolliert den Bestand und markiert Betrugssignale. Bestellungen mit derselben customer_id werden nacheinander verarbeitet, um Duplikate zu verhindern. Middleware weist fehlerhafte Payloads mit StopProcessing ab, bevor das LLM ausgeführt wird. Für genehmigte Bestellungen erzeugt ein deterministischer Tool-Agent Datensätze zur Auftragsabwicklung. Die Ergebnisse werden in einer ausgehenden SQS-Queue veröffentlicht.
Use Cases
Bestellvalidierung
Eingehende Bestellungen werden vor der Auftragsabwicklung auf fehlende Felder, Rechenfehler und Betrugssignale geprüft.
Bestandsmanagement
Die Validierung prüft den Lagerbestand und lehnt Bestellungen für nicht verfügbare Artikel ab.
E-Commerce-Backend
Die Pipeline verarbeitet große Bestellwarteschlangen, steuert die gleichzeitige Ausführung je Kunde und hält feste Zeitlimits ein.
Architektur
Erzeugte Projektstruktur
Der Befehl connic init my-project --templates=sqs-order-processor erzeugt diesen Dateibaum.
sqs-order-processor/
agents/
order-validator.yaml
order-fulfiller.yaml
order-pipeline.yaml
tools/
order_tools.py
middleware/
order-validator.py
schemas/
order-validation.json
requirements.txt
README.mdLoslegen
Installiere das Template, erstelle ein Connic-Projekt und starte das Deployment. Mit Git startet jeder Push automatisch ein Deployment; die CLI funktioniert unabhängig vom Git-Anbieter.
Voraussetzungen
- Python 3.10+
- Ein Connic-Konto mit einem angelegten Projekt
- Projektguthaben für ein connic/* KI-Modell oder Zugangsdaten für einen BYOK Provider
Installieren und Projekt anlegen
Installiere das SDK und erstelle aus diesem Template ein Projekt.
pip install connic-composer-sdk
connic init my-project --templates=sqs-order-processorDanach cd my-project
Bereitstellen
Als Deployment-Methode stehen Git und CLI zur Auswahl. Bei Git startet jeder Push automatisch ein Deployment; die CLI funktioniert mit GitLab, Bitbucket oder ganz ohne Git.
Git-Integration
- Verbinde in Connic unter Projekt Settings → Git & Environments das GitHub-Repository
- Ordne auf derselben Seite den Branch (z. B. main) der Produktivumgebung zu
- Pushe das erzeugte Projekt in dieses Repository
git add .
git commit -m "SQS-Bestellverarbeitung Template hinzufügen"
git push origin mainCLI Deployment
- Erstelle in Connic unter Projekt Settings → API Keys & MCP Auth einen API Key und kopiere die Projekt-ID
- Führe im Projektverzeichnis connic login aus
- Teste mit connic dev und Hot Reload, führe mit connic test Testsuiten aus oder starte mit connic deploy das Deployment für den Produktivbetrieb
connic login
connic dev # Temporäre Entwicklungsumgebung mit Hot Reload
connic test # Deklarative Test Suites ausführen
connic deploy # In den Produktivbetrieb deployenVerbinden und konfigurieren
Füge eine eingehende SQS-Verbindung für die Bestell-Queue und eine ausgehende SQS-Verbindung für die Fulfillment-Queue hinzu. Hinterlege für beide AWS-Zugangsdaten. Ein connic/* KI-Modell nutzen oder BYOK-Zugangsdaten unter Projekt Settings → LLM Provider hinterlegen.
Template-Quelle
Das vollständige Template lässt sich einsehen, verbessern oder für einen anderen Einsatz forken.
connic-org/connic-awesome-agents/tree/main/sqs-order-processorInformationen
- Publisher
- Von Connic
- Kategorie
- Agent Templates
- Schwierigkeitsgrad
- Fortgeschritten
- Funktioniert mit
- AWS SQS
- Quelle
- GitHub
Weitere Agent Templates
Marketplace durchsuchenPostgreSQL-Änderungsbenachrichtigung
LISTEN/NOTIFY überwacht PostgreSQL-Änderungen, klassifiziert Ereignisse nach Auswirkung und leitet Benachrichtigungen an das richtige Team weiter. Änderungen mit hoher Auswirkung werden für Audits gespeichert.
Persönlicher Telegram-Assistent
Der multimodale Telegram-Assistent verarbeitet Text, Bilder, Sprache, Video und Dokumente. Er durchsucht das Web, speichert Notizen und Wissen und plant Erinnerungen mit persistenten Sessions.
E-Mail-Helpdesk
Der E-Mail-Helpdesk fragt Postfächer per IMAP ab, filtert automatische Antworten und klassifiziert Nachrichten nach Anliegen. Kontextbezogene Antwortentwürfe stammen aus dem konfigurierten Retrieval.
Rechnungsverarbeitung
Ein KI-Agent extrahiert strukturierte Daten aus Rechnungen. Ein deterministischer Tool-Agent validiert Summen und erzeugt prüfbare JSON-Ergebnisse. Bei Fehlern sind Wiederholungsversuche möglich.
Kundensupport
KI-gestützte Ticket-Triage mit Sentimentanalyse und RAG-gestützten Antwortentwürfen. Der Agent ordnet Tickets nach Priorität ein, blockiert Spam und speichert neue Lösungen.
S3-Dokumenten-Pipeline
Nach einem Upload in S3 liest die Pipeline den Inhalt des Dokuments aus, klassifiziert es und leitet es weiter. Sie unterstützt PDFs, Bilder und Textdateien sowie Retries bei Fehlern.