개발
기본 에이전트를 서브클래싱하고 데코레이터 하나로 등록한 다음 create_app()을 호출하세요. REST, MCP, 영속성, 인증이 기본으로 내장되어 있습니다.
오픈 소스 · MIT · Python 3.12+
Agent-Lab
LLM 에이전트를 만들고, 시뮬레이션하고, 테스트하세요.
FastAPI, LangGraph, PostgreSQL 기반의 클라우드 네이티브 Python 프레임워크.
$ uvx cookiecutter gh:btech-software/agent-lab --directory cookiecutter
$ cd my-agent-app && docker compose up --build -d
$ curl http://localhost:18000/status/liveness
# REST API는 /agents · MCP 서버는 /mcp · OpenAPI 문서는 /docs시뮬레이션
시뮬레이션 사용자와 LLM 판정자(LLM-as-judge)를 활용해 에이전트를 실제 LLM을 상대로 실행하고, Langfuse와 LangWatch에서 시간 경과에 따라 추적합니다.
테스트
모든 변경 사항을 testcontainers로 구동한 실제 인프라에서 검증하세요. 중요한 곳에는 목(mock)이 없습니다.
튜토리얼 · 약 15분
제로부터 실행되고 관측 가능한 에이전트까지.
- 템플릿으로부터 프로젝트를 스캐폴딩합니다.
- Docker Compose로 전체 스택을 실행합니다.
- REST로 에이전트와 대화한 다음, MCP 클라이언트에서도 대화합니다.
# 1 · 스캐폴딩
$ uvx cookiecutter gh:btech-software/agent-lab --directory cookiecutter
# 2 · 인프라 없이 설치하고 테스트
$ cd my-agent-app
$ uv lock && uv sync --group dev --group test
$ make test_unit
# 3 · 전체 로컬 스택 실행
$ docker compose up --build -d
$ curl http://localhost:18000/status/liveness