Kedro: Version 1.2.0 bringt @experimental-Dekorator und LangGraph Agentic Starter für GenAI-Pipelines

Das Kedro-Projekt, Teil des Linux Foundation AI Ökosystems, veröffentlichte am 22. Mai 2026 einen Doppel-Release: Kedro 1.2.0 (Core-Framework) und Kedro-Viz 12.3.0 (Visualisierungswerkzeug). Die Version bringt drei wesentliche neue Fähigkeiten: den @experimental-Dekorator für APIs in der Entwicklung, ein offizielles LangGraph-Integrations-Starter-Projekt und ein erweitertes Node-Preview-System in Kedro-Viz mit Mermaid-Diagrammen, Text und Bildern.

Was ist der @experimental-Dekorator?

@experimental ist ein neuer Python-Dekorator, der eine Funktion oder Klasse in der Kedro-API als „experimentell” markiert. Die markierte API ist öffentlich verfügbar, aber das Kedro-Kernteam behält sich ausdrücklich vor, Signatur, Verhalten oder Entfernung ohne Breaking-Change-Prozess zu ändern.

Nutzer, die eine experimentelle API aufrufen, erhalten eine Runtime-Warnung über das Python-Warnings-Modul (DeprecationWarning-Unterklasse ExperimentalWarning):

ExperimentalWarning: kedro.pipeline.langgraph_node is experimental and may change.

Die Warnung kann über warnings.filterwarnings() gefiltert werden. Das Ziel des Dekorators ist zweigeteilt: das Kernteam zu ermutigen, schnell zu iterieren, und Nutzer klar zu informieren, dass die API noch nicht stabil ist.

Welche ersten @experimental-APIs gibt es in 1.2.0?

Die ersten zwei mit @experimental markierten APIs sind LLM-Context-Nodes und agentische Workflow-Primitive. Ein LLM-Context-Node ist ein spezialisierter Kedro-Node, der keine klassische Datentransformation durchführt, sondern ein LLM (Claude, GPT, Gemini) mit einem strukturierten Prompt-Template aus der Kedro-Konfiguration aufruft. Die Ausgabe wird als Python-Dict zurückgegeben, das in den nächsten Node einfließt.

Agentische Workflow-Primitive erlauben es, eine gesamte Kedro-Pipeline als Agenten zu behandeln, der autonom entscheidet, welchen Node er auf Basis des Runtime-Zustands ausführt.

Was ist der support-agent-langgraph-Starter?

Kedro-Starter sind vorkonfigurierte Projekt-Templates, die mit kedro new --starter=support-agent-langgraph geklont werden. Der neue LangGraph-Starter zeigt ein reales Enterprise-Szenario: ein Kundensupport-Agent, der Slack-Benachrichtigungen liest, Kontext aus Confluence und CRM extrahiert, einen Antwortentwurf über ein LLM generiert und bei zu geringer Konfidenz an einen menschlichen Agenten weiterleitet.

Technologie-Stack: Kedro-Pipeline für Datenaufnahme, LangGraph für Agenten-Orchestrierung, Langfuse und Opik für Prompt-Versionierung, Evaluation und Observability. Der Starter enthält Beispieldaten, komplettes Docker-Compose-Setup und eine Kedro-Test-Suite.

Was ist neu in Kedro-Viz 12.3.0?

Kedro-Viz ist das webbasierte Visualisierungswerkzeug für Kedro-Pipelines. Version 12.3.0 erweitert das Node-Preview-System erheblich:

• Mermaid-Diagramm-Preview: Enthält ein Node Mermaid-Markdown in seiner Dokumentation, rendert Kedro-Viz es inline als SVG-Diagramm.
• Text- und Bild-Preview: Ein Node kann Text oder Bild (z. B. Matplotlib-Plot) zurückgeben, das im Seitenpanel angezeigt wird.
• Benutzerdefinierte Preview-Erweiterbarkeit: Entwickler können eigene Previewer für eigene Datentypen über die Kedro-Viz-Plugin-API registrieren.

Multi-Pipeline-Ausführung: Mehrere unabhängige Kedro-Pipelines können nun parallel aus der Kedro-Viz-UI gestartet werden, mit Echtzeit-Fortschrittsverfolgung.

Was bedeutet das für die Kedro-Nutzerbasis?

Kedro hat den Meilenstein von 30.000 GitHub-Stars erreicht. Der 1.2.0-Release signalisiert klar die Ausweitung auf GenAI-Workflow-Unterstützung — Kedro ist keine rein klassische ML-Plattform mehr, sondern deckt sowohl traditionelles ML als auch GenAI-agentische Pipelines ab. Das eröffnet Adoption bei Enterprise-Tenants, die bisher zwischen Airflow (klassisches ML) und LangChain (GenAI) wählen mussten.