Agent-Lab 是一个云原生 Python 框架，基于 FastAPI、LangChain/LangGraph 和 PostgreSQL 构建、模拟和测试 LLM 智能体。只需执行 pip install btech-agent-lab，继承智能体基类，再调用一次 create_app()，即可组装出一个可用于生产环境的应用——REST API、MCP 服务器、持久化、认证以及 OpenTelemetry 可观测性一应俱全。
本文档秉承 Diátaxis 框架的理念，按照你想要完成的事情来组织：学习时阅读教程，工作时查阅指南，需要查证事实时查阅参考。选择适合你的路径：
| 我想要…… | 路径 |
|---|---|
| 快速入门 | 你的第一个智能体 → 开发者指南 |
| 构建应用 | 开发者指南 → 配置参考 → REST API 参考 → MCP 服务器指南 |
| 评估与研究 | 研究者指南 → 测试与模拟 |
| 部署与运维 | 部署指南 → 可观测性 → Keycloak → Vault |
| 参与贡献 | 开发者指南 → 实体领域模型 → 致谢 |
教程
面向学习：从头到尾完整走一遍，不要偏离步骤。
| 页面 | 说明 |
|---|---|
| 你的第一个智能体 | 搭建项目脚手架、定义智能体、通过 REST 调用它、查看追踪、暴露 MCP 工具——大约 15 分钟即可完成。 |
指南
面向工作：解决你当下遇到的问题。
| 页面 | 说明 |
|---|---|
| 开发者指南 | 核心指南：两种开发模式、配置、依赖注入（DI）、构建智能体，以及所有扩展点。 |
| MCP 服务器 | 将智能体暴露给 MCP 客户端（Claude Desktop、MCP Inspector）；添加工具和提示词。 |
| 测试与模拟 | 基于 testcontainers 的集成测试套件；借助 Langfuse/LangWatch 进行 LLM-as-judge 智能体模拟。 |
| 研究者指南 | Jupyter notebook、实验，以及新智能体行为的原型开发。 |
| 部署 | 本地 Docker Compose 栈，以及基于 Terraform + Helm 的生产环境 Kubernetes 部署。 |
| 使用 Keycloak 进行认证 | Realm、客户端和服务账号的设置；API 所要求的令牌流程。 |
| 使用 Vault 管理密钥 | 配置密钥如何存储、获取和轮换。 |
| 使用 Grafana 实现可观测性 · 使用 OpenSearch 实现可观测性 | 两套内置可观测性栈的参考仪表盘。 |
参考
只讲事实：准确、完整，由代码生成。
| 页面 | 说明 |
|---|---|
| 配置参考 | 所有配置键和环境变量，以及当前生效的 ConfigSource 是如何选定的。 |
| REST API | 完整的端点目录，附带请求/响应示例。 |
| 实体领域模型 | 实体、关系以及三个 PostgreSQL 数据库。 |
项目
下一步
初次接触 Agent-Lab？请从 你的第一个智能体 开始——这是一份完整的、可直接复制粘贴的演练，最终你将得到一个正在运行、可以通过 REST 和 MCP 与之对话的智能体。