Agent-Lab-Anwendungen teilen sich ein gemeinsames Domänenmodell, das in agent_lab/domain/ definiert ist. Dasselbe
Modell liegt den Schemas der REST API, der Persistenzschicht und der Agent-Runtime zugrunde –
wenn Sie es einmal verstanden haben, wissen Sie, was jeder Endpoint liest und schreibt.
Entitäten
| Entität | Was sie modelliert |
|---|---|
| Agent | Eine LLM-Agent-Instanz – agent_name, agent_type (validiert gegen die Registry), Aktiv-Flag und Zeitstempel. Eine Implementierung, viele konfigurierte Instanzen. |
| AgentSettings | Key-Value-Konfiguration einer Agent-Instanz: Prompts (Jinja2-Templates), Collection-Namen, Temperatur, benutzerdefinierte Werte. Bis zu 16.000 Zeichen pro Wert – hier wird das Agentenverhalten über POST /agents/update_setting feinjustiert. |
| LanguageModel | Ein Sprachmodell, das Agenten zur Verfügung steht, samt Verbindung zum Anbieter. |
| LanguageModelSettings | Modellspezifische Parameter (Temperatur, maximale Tokens, …), verwaltet über die /llms-Endpoints. |
| Integration | Eine externe Integration (z. B. ein KI-Anbieter) und ihre Konfiguration. Secrets werden in Vault gespeichert, niemals in der Datenbank. |
| Message | Ein Gesprächsschritt: Rolle (human / assistant / tool), Inhalt, response_data und Thread-Verknüpfungen (replies_to). Wird zusammen mit dem Gedächtnis des Agenten über LangGraph-Checkpoints persistiert. |
| Attachment | Eine an eine Nachricht angehängte Datei: Rohinhalt, geparster Inhalt und die Referenz auf die Embeddings-Collection, die für das Retrieval verwendet wird. |
Ein Beispiel für persistierte Agent-Einstellungen – Prompts und benutzerdefinierte Werte für den Voice-Memos-Agenten – aus notebooks/08_test_agent_type-multiagent-voice-assistant.ipynb:
Wo die Daten liegen
Agent-Lab verwendet drei PostgreSQL-Datenbanken (plus Redis) – bereitgestellt gemäß dem
Deployment-Guide und konfiguriert über db.url, db.vectors und
db.checkpoints (siehe die Konfigurationsreferenz):
| Speicher | Inhalt |
|---|---|
db.url |
Relationale Daten: Agenten, Einstellungen, Modelle, Integrationen, Nachrichten, Anhänge |
db.vectors |
pgvector-Embeddings – Vektorsuche und Retrieval (/attachments/embeddings) |
db.checkpoints |
LangGraph-Checkpoint-Daten – Gedächtnis des Agenten über Interaktionen hinweg |
Redis (broker.url) |
Pub/Sub-Broker für Statusupdates bei lang laufenden Operationen; außerdem Speicher für MCP-OAuth-Clients |
Sicherheit und Secrets-Verwaltung
Secrets – Zugangsdaten für Integrationen, API-Schlüssel für Modelle, die Konfigurations-Payload selbst – werden mit Vault verwaltet. Die Datenbank speichert Referenzen; die sensiblen Werte werden beim Start und bei Bedarf aus Vault abgerufen. Siehe Secrets mit Vault und die Konfigurationsreferenz.