Agent-Lab è un framework Python cloud-native per creare, simulare e testare agenti LLM
basato su FastAPI, LangChain/LangGraph e PostgreSQL. pip install btech-agent-lab, estendi le classi base degli agenti e assembla un'applicazione pronta
per la produzione con una sola chiamata a create_app() — REST API, server MCP,
persistenza, autenticazione e osservabilità OpenTelemetry incluse.
La documentazione è organizzata in base a ciò che vuoi fare, nello spirito del framework Diátaxis: tutorial quando stai imparando, guide quando stai lavorando, riferimento quando ti serve un dato preciso. Scegli il tuo percorso:
| Voglio… | Percorso |
|---|---|
| Iniziare | Il tuo primo agente → Guida per sviluppatori |
| Creare un'applicazione | Guida per sviluppatori → Riferimento della configurazione → Riferimento della REST API → Guida al server MCP |
| Valutare e fare ricerca | Guida per ricercatori → Test e simulazioni |
| Eseguire il deployment e gestire | Guida al deployment → Osservabilità → Keycloak → Vault |
| Contribuire | Guida per sviluppatori → Modello di dominio delle entità → Ringraziamenti |
Tutorial
Orientati all'apprendimento: segui il percorso dall'inizio alla fine, senza deviare.
| Pagina | Descrizione |
|---|---|
| Il tuo primo agente | Crea lo scaffold di un progetto, definisci un agente, invocalo via REST, osserva la trace, esponi un tool MCP — in circa 15 minuti. |
Guide
Orientate al lavoro: risolvi il problema che hai in questo momento.
| Pagina | Descrizione |
|---|---|
| Guida per sviluppatori | La guida principale: due modelli di sviluppo, configurazione, DI, creazione di agenti, ogni punto di estensione. |
| Server MCP | Esponi gli agenti ai client MCP (Claude Desktop, MCP Inspector); aggiungi tool e prompt. |
| Test e simulazioni | Suite di integrazione con testcontainers; simulazioni di agenti con LLM-as-judge tramite Langfuse/LangWatch. |
| Guida per ricercatori | Notebook Jupyter, esperimenti e prototipazione di nuovi comportamenti degli agenti. |
| Deployment | Stack Docker Compose in locale e Kubernetes in produzione con Terraform + Helm. |
| Autenticazione con Keycloak | Configurazione di realm, client e service account; i flussi di token che l'API si aspetta. |
| Segreti con Vault | Come i segreti della configurazione vengono archiviati, recuperati e ruotati. |
| Osservabilità con Grafana · con OpenSearch | Dashboard di riferimento per i due stack di osservabilità inclusi. |
Riferimento
Solo fatti: esatti, completi, generati dal codice.
| Pagina | Descrizione |
|---|---|
| Riferimento della configurazione | Ogni chiave di configurazione e variabile d'ambiente, e come viene scelta la ConfigSource attiva. |
| REST API | Il catalogo completo degli endpoint con esempi di richiesta/risposta. |
| Modello di dominio delle entità | Entità, relazioni e i tre database PostgreSQL. |
Progetto
| Pagina | Descrizione |
|---|---|
| Ringraziamenti | Contributori e software di terze parti. |
| Licenza | MIT. |
Prossimi passi
Sei nuovo su Agent-Lab? Inizia da Il tuo primo agente: una guida completa, da copiare e incollare, che si conclude con un agente in esecuzione con cui puoi conversare via REST e MCP.