Agent-Lab 应用共享同一个领域模型，定义在 agent_lab/domain/ 中。同一个模型同时支撑着 REST API 的 schema、持久化层和智能体运行时——只需学习一次，你就能清楚每个端点读写的是什么。
实体
| 实体 | 建模对象 |
|---|---|
| Agent | 一个 LLM 智能体实例——agent_name、agent_type（依据注册表进行校验）、启用标志和时间戳。一个实现，可对应多个已配置的实例。 |
| AgentSettings | 智能体实例的键值配置：提示词（Jinja2 模板）、集合名称、temperature、自定义值。每个值最多 16,000 个字符——这里正是通过 POST /agents/update_setting 调整智能体行为的地方。 |
| LanguageModel | 可供智能体使用的语言模型，及其供应商连接。 |
| LanguageModelSettings | 每个模型的参数（temperature、max tokens 等），通过 /llms 端点进行管理。 |
| Integration | 外部集成（例如某个 AI 供应商）及其配置。密钥存储在 Vault 中，绝不存入数据库。 |
| Message | 一轮对话：角色（human / assistant / tool）、内容、response_data，以及线程关联（replies_to）。通过 LangGraph 检查点与智能体的记忆一同持久化。 |
| Attachment | 附加到消息上的文件：原始内容、解析后的内容，以及用于检索的嵌入集合引用。 |
下面是一个已持久化的智能体设置示例——语音备忘录智能体的提示词和自定义值——摘自 notebooks/08_test_agent_type-multiagent-voice-assistant.ipynb：
数据存放位置
Agent-Lab 使用三个 PostgreSQL 数据库（外加 Redis）——由部署指南负责创建，并通过 db.url、db.vectors 和 db.checkpoints 进行配置（参见配置参考）：
| 存储 | 内容 |
|---|---|
db.url |
关系型数据：智能体、设置、模型、集成、消息、附件 |
db.vectors |
pgvector 嵌入——向量搜索与检索（/attachments/embeddings） |
db.checkpoints |
LangGraph 检查点数据——智能体跨多次交互的记忆 |
Redis（broker.url） |
发布/订阅代理，用于推送长时间运行操作的状态更新；同时用于存储 MCP OAuth 客户端信息 |
安全与密钥管理
密钥——集成凭据、模型 API 密钥以及配置载荷本身——均通过 Vault 进行管理。数据库只存储引用；敏感值会在启动时以及按需从 Vault 中获取。参见使用 Vault 管理密钥和配置参考。