構築
基底エージェントをサブクラス化し、デコレーターを 1 つ付けて登録し、create_app() を呼び出すだけです。REST、MCP、永続化、認証は最初から組み込まれています。
オープンソース · MIT · Python 3.12+
Agent-Lab
LLM エージェントを構築・シミュレート・テストする。
FastAPI、LangGraph、PostgreSQL 上に構築されたクラウドネイティブな Python フレームワーク。
$ uvx cookiecutter gh:btech-software/agent-lab --directory cookiecutter
$ cd my-agent-app && docker compose up --build -d
$ curl http://localhost:18000/status/liveness
# /agents に REST API · /mcp に MCP サーバー · /docs に OpenAPI ドキュメントシミュレート
シミュレーションユーザーと審判役の LLM を使い、実際の LLM に対してエージェントを実行し、その推移を Langfuse と LangWatch で追跡します。
テスト
testcontainers で立ち上げた実際のインフラストラクチャに対して、すべての変更を検証します。重要な箇所にモックは使いません。
チュートリアル · 約 15 分
ゼロから、実行して観測できるエージェントまで。
- テンプレートからプロジェクトの雛形を作成します。
- Docker Compose でフルスタックを実行します。
- まず REST 経由で、続いて MCP クライアントからエージェントと対話します。
# 1 · 雛形の作成
$ uvx cookiecutter gh:btech-software/agent-lab --directory cookiecutter
# 2 · インフラなしでインストールとテスト
$ cd my-agent-app
$ uv lock && uv sync --group dev --group test
$ make test_unit
# 3 · ローカルのフルスタックを実行
$ docker compose up --build -d
$ curl http://localhost:18000/status/liveness自分に合ったパスを選ぶ
ドキュメントは、やりたいことに応じて整理されています。