开源 · MIT · Python 3.12+

Agent-Lab

构建、模拟并测试 LLM 智能体。

一个基于 FastAPI、LangGraph 和 PostgreSQL 的云原生 Python 框架。

$ 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 API 位于 /agents · MCP 服务器位于 /mcp · OpenAPI 文档位于 /docs

构建

继承一个基础智能体，用一个装饰器注册，再调用 create_app()。REST、MCP、持久化和身份认证均已内置。

开发者指南 MCP 服务器

模拟

借助模拟用户和 LLM 评审，让智能体在真实 LLM 上运行，并在 Langfuse 和 LangWatch 中长期跟踪。

研究者指南模拟

测试

通过 testcontainers 启动真实基础设施来验证每一处更改。关键之处不使用 mock。

测试指南

教程 · 约 15 分钟

从零开始，得到一个可运行、可观测的智能体。

从模板生成项目骨架。
使用 Docker Compose 运行完整技术栈。
通过 REST 与你的智能体对话，然后再从 MCP 客户端交互。

你的第一个智能体开发者指南

# 1 · 生成项目骨架
$ uvx cookiecutter gh:btech-software/agent-lab --directory cookiecutter
# 2 · 无需基础设施即可安装并测试
$ cd my-agent-app
$ uv lock && uv sync --group dev --group test
$ make test_unit
# 3 · 运行完整的本地技术栈
$ docker compose up --build -d
$ curl http://localhost:18000/status/liveness

选择你的路径

文档按照你想做的事情来组织。