Agent-Lab es un framework de Python nativo de la nube para crear, simular y probar agentes
LLM sobre FastAPI, LangChain/LangGraph y PostgreSQL. Ejecuta pip install btech-agent-lab, extiende las clases base de agentes y arma una aplicación lista para
producción con una sola llamada a create_app(): API REST, servidor MCP, persistencia,
autenticación y observabilidad con OpenTelemetry incluidas.
La documentación está organizada según lo que intentas hacer, en el espíritu del framework Diátaxis: tutoriales cuando estás aprendiendo, guías cuando estás trabajando, referencia cuando necesitas un dato. Elige tu camino:
| Quiero… | Camino |
|---|---|
| Comenzar | Tu primer agente → Guía para desarrolladores |
| Crear una aplicación | Guía para desarrolladores → Referencia de configuración → Referencia de la API REST → Guía del servidor MCP |
| Evaluar e investigar | Guía para investigadores → Pruebas y simulaciones |
| Implementar y operar | Guía de implementación → Observabilidad → Keycloak → Vault |
| Contribuir | Guía para desarrolladores → Modelo de dominio de entidades → Agradecimientos |
Tutoriales
Orientados al aprendizaje: síguelos de principio a fin, sin desviarte.
| Página | Descripción |
|---|---|
| Tu primer agente | Genera la estructura de un proyecto, define un agente, llámalo por REST, observa la traza y expón una herramienta MCP, en unos 15 minutos. |
Guías
Orientadas al trabajo: resuelve el problema que tienes ahora mismo.
| Página | Descripción |
|---|---|
| Guía para desarrolladores | La guía principal: dos modelos de desarrollo, configuración, DI, creación de agentes y cada punto de extensión. |
| Servidor MCP | Expón agentes a clientes MCP (Claude Desktop, MCP Inspector); agrega herramientas y prompts. |
| Pruebas y simulaciones | Suite de integración con testcontainers; simulaciones de agentes con LLM como juez usando Langfuse/LangWatch. |
| Guía para investigadores | Notebooks de Jupyter, experimentos y prototipado de nuevos comportamientos de agentes. |
| Implementación | Stacks locales con Docker Compose y Kubernetes en producción con Terraform + Helm. |
| Autenticación con Keycloak | Configuración de realm, cliente y cuenta de servicio; flujos de tokens que espera la API. |
| Secretos con Vault | Cómo se almacenan, obtienen y rotan los secretos de configuración. |
| Observabilidad con Grafana · con OpenSearch | Dashboards de referencia para los dos stacks de observabilidad incluidos. |
Referencia
Solo hechos: exactos, completos y generados a partir del código.
| Página | Descripción |
|---|---|
| Referencia de configuración | Cada clave de configuración y variable de entorno, y cómo se elige el ConfigSource activo. |
| API REST | El catálogo completo de endpoints con ejemplos de solicitudes y respuestas. |
| Modelo de dominio de entidades | Entidades, relaciones y las tres bases de datos PostgreSQL. |
Proyecto
| Página | Descripción |
|---|---|
| Agradecimientos | Colaboradores y software de terceros. |
| Licencia | MIT. |
¿Qué sigue?
¿Eres nuevo en Agent-Lab? Empieza con Tu primer agente: un recorrido completo, listo para copiar y pegar, que termina con un agente en ejecución con el que puedes hablar por REST y MCP.