Agent-Lab est un framework Python cloud-native pour créer, simuler et tester des agents
LLM reposant sur FastAPI, LangChain/LangGraph et PostgreSQL. pip install btech-agent-lab, étendez les classes de base des agents et assemblez une application
prête pour la production en un seul appel à create_app() — API REST, serveur MCP, persistance,
authentification et observabilité OpenTelemetry incluses.
La documentation est organisée selon ce que vous cherchez à faire, dans l'esprit du framework Diátaxis : des tutoriels lorsque vous apprenez, des guides lorsque vous travaillez, une référence lorsque vous avez besoin d'une information précise. Choisissez votre parcours :
| Je veux… | Parcours |
|---|---|
| Démarrer | Votre premier agent → Guide du développeur |
| Créer une application | Guide du développeur → Référence de configuration → Référence de l'API REST → Guide du serveur MCP |
| Évaluer et mener des recherches | Guide du chercheur → Tests et simulations |
| Déployer et exploiter | Guide de déploiement → Observabilité → Keycloak → Vault |
| Contribuer | Guide du développeur → Modèle de domaine des entités → Remerciements |
Tutoriels
Orientés apprentissage : suivez-les de bout en bout, sans vous en écarter.
| Page | Description |
|---|---|
| Votre premier agent | Générez un projet, définissez un agent, appelez-le via REST, observez la trace, exposez un outil MCP — en 15 minutes environ. |
Guides
Orientés travail : résolvez le problème auquel vous êtes confronté maintenant.
| Page | Description |
|---|---|
| Guide du développeur | Le guide de référence : deux modèles de développement, la configuration, l'injection de dépendances, la création d'agents, chaque point d'extension. |
| Serveur MCP | Exposez des agents aux clients MCP (Claude Desktop, MCP Inspector) ; ajoutez des outils et des prompts. |
| Tests et simulations | Suite d'intégration avec testcontainers ; simulations d'agents de type LLM-as-judge avec Langfuse/LangWatch. |
| Guide du chercheur | Notebooks Jupyter, expériences et prototypage de nouveaux comportements d'agents. |
| Déploiement | Stacks Docker Compose en local et Kubernetes en production avec Terraform + Helm. |
| Authentification avec Keycloak | Configuration du realm, du client et du compte de service ; flux de jetons attendus par l'API. |
| Secrets avec Vault | Comment les secrets de configuration sont stockés, récupérés et renouvelés. |
| Observabilité avec Grafana · avec OpenSearch | Tableaux de bord de référence pour les deux stacks d'observabilité fournies. |
Référence
Uniquement des faits : exacts, complets, générés à partir du code.
| Page | Description |
|---|---|
| Référence de configuration | Chaque clé de configuration et variable d'environnement, et la manière dont la ConfigSource active est choisie. |
| API REST | Le catalogue complet des points de terminaison, avec des exemples de requêtes et de réponses. |
| Modèle de domaine des entités | Les entités, leurs relations et les trois bases de données PostgreSQL. |
Projet
| Page | Description |
|---|---|
| Remerciements | Contributeurs et logiciels tiers. |
| Licence | MIT. |
Et ensuite ?
Vous découvrez Agent-Lab ? Commencez par Votre premier agent — un pas-à-pas complet, à copier-coller, qui se termine par un agent opérationnel avec lequel vous pouvez dialoguer via REST et MCP.