Agent-Lab은 FastAPI, LangChain/LangGraph, PostgreSQL을 기반으로 LLM 에이전트를
구축, 시뮬레이션, 테스트하기 위한 클라우드 네이티브 Python 프레임워크입니다. pip install btech-agent-lab으로 설치하고, 에이전트 기본 클래스를 확장한 뒤, create_app() 호출
한 번으로 프로덕션 수준의 애플리케이션을 조립할 수 있습니다. REST API, MCP 서버,
영속성, 인증, OpenTelemetry 관측성이 모두 포함되어 있습니다.
이 문서는 Diátaxis 프레임워크의 방식에 따라 무엇을 하려는지를 기준으로 구성되어 있습니다. 학습할 때는 튜토리얼을, 작업할 때는 가이드를, 정확한 사실이 필요할 때는 레퍼런스를 참고하세요. 원하는 경로를 선택하세요.
| 하고 싶은 일 | 경로 |
|---|---|
| 시작하기 | 첫 번째 에이전트 → 개발자 가이드 |
| 애플리케이션 구축 | 개발자 가이드 → 구성 레퍼런스 → REST API 레퍼런스 → MCP 서버 가이드 |
| 평가 및 연구 | 연구자 가이드 → 테스트 및 시뮬레이션 |
| 배포 및 운영 | 배포 가이드 → 관측성 → Keycloak → Vault |
| 기여하기 | 개발자 가이드 → 엔티티 도메인 모델 → 감사의 말 |
튜토리얼
학습 중심: 처음부터 끝까지 그대로 따라 하세요.
| 페이지 | 설명 |
|---|---|
| 첫 번째 에이전트 | 약 15분 만에 프로젝트를 스캐폴딩하고, 에이전트를 정의하고, REST로 호출하고, 트레이스를 확인하고, MCP 도구를 노출합니다. |
가이드
작업 중심: 지금 당면한 문제를 해결합니다.
| 페이지 | 설명 |
|---|---|
| 개발자 가이드 | 핵심 가이드: 두 가지 개발 모델, 구성, DI, 에이전트 구축, 모든 확장 지점을 다룹니다. |
| MCP 서버 | 에이전트를 MCP 클라이언트(Claude Desktop, MCP Inspector)에 노출하고, 도구와 프롬프트를 추가합니다. |
| 테스트 및 시뮬레이션 | testcontainers를 사용한 통합 테스트 스위트, Langfuse/LangWatch를 사용한 LLM-as-judge 에이전트 시뮬레이션을 다룹니다. |
| 연구자 가이드 | Jupyter 노트북, 실험, 새로운 에이전트 동작의 프로토타이핑을 다룹니다. |
| 배포 | 로컬 Docker Compose 스택과 Terraform + Helm을 사용한 프로덕션 Kubernetes 배포를 다룹니다. |
| Keycloak 인증 | 렐름, 클라이언트, 서비스 계정 설정과 API가 요구하는 토큰 흐름을 다룹니다. |
| Vault로 시크릿 관리 | 구성 시크릿을 저장, 조회, 교체하는 방법을 다룹니다. |
| Grafana를 사용한 관측성 · OpenSearch 사용 | 기본 제공되는 두 가지 관측성 스택의 참고용 대시보드입니다. |
레퍼런스
사실만 다룹니다: 코드에서 생성된 정확하고 완전한 정보입니다.
| 페이지 | 설명 |
|---|---|
| 구성 레퍼런스 | 모든 구성 키와 환경 변수, 그리고 활성 ConfigSource가 선택되는 방식을 다룹니다. |
| REST API | 요청/응답 예제가 포함된 전체 엔드포인트 카탈로그입니다. |
| 엔티티 도메인 모델 | 엔티티, 관계, 그리고 세 개의 PostgreSQL 데이터베이스를 다룹니다. |
프로젝트
다음 단계
Agent-Lab을 처음 사용하시나요? 첫 번째 에이전트 튜토리얼부터 시작하세요. 복사해 붙여 넣기만 하면 되는 완전한 단계별 안내로, 마지막에는 REST와 MCP로 대화할 수 있는 실행 중인 에이전트를 갖게 됩니다.