📱Agent Starter Pack.

Agent Starter Pack — это набор готовых шаблонов для разработки и деплоя генеративных ИИ-агентов в Google Cloud.

✅Он создан, чтобы ускорить запуск GenAI-решений и решить типовые задачи:
развёртывание, кастомизация, CI/CD, мониторинг и оценка.

🔹Особенности:

🔘Поддержка популярных архитектур: ReAct, RAG, multi-agent, multimodal.

🔘Быстрый старт в 1 команду.

🔘Интеграция с Vertex AI, Agent Engine, Cloud Run и другими сервисами.

🔘Поддержка пайплайнов CI/CD и Terraform-инфраструктуры.

🔘Примеры на базе LangGraph, CrewAI и Gemini.

💡Как начать за 1 минуту?

python -m venv .venv && source .venv/bin/activate
pip install agent-starter-pack
agent-starter-pack create my-awesome-agent

✅Готово! У вас будет полноценный проект — с фронтендом, бэкендом и инфраструктурой для деплоя.
Можно запустить в Cloud Shell или протестировать в Firebase Studio — без настройки окружения.

🔻Поддерживаемые агенты:

🔘adk_base — базовый ReAct-агент.

🔘agentic_rag — поиск и Q&A с RAG.

🔘langgraph_base_react — агент на LangGraph.

🔘crewai_coding_crew — мультиагентная код-команда.

🔘live_api — мультимодальный агент с поддержкой чата, видео и аудио.

#GenAI #GoogleCloud #AIagent #AgentStarterPack #VertexAI #RAG #ReAct #LangGraph #CrewAI #CloudRun #Firebase #MLOps #LLM #Python #DevTools #AI4Dev #GCP

📱Ссылка на репозиторий:
https://github.com/GoogleCloudPlatform/agent-starter-pack

📱Tracesage.

Tracesage — это легковесный инструмент локального мониторинга и визуализации мультиагентных систем, построенных на базе LangChain и LangGraph.

Достаточно добавить всего пару строк кода, чтобы запустить интерактивный трейсинг выполнения ИИ-агентов в реальном времени прямо в браузере. Инструмент перехватывает весь поток колбэков LangChain (запуски цепочек, вызовы инструментов, LLM-запросы, ретривал, ошибки) и наглядно раскладывает его по полочкам.

🔹Главные преимущества:

🔘Нулевая инфраструктура: Никакого Docker, Postgres или сторонних облачных сервисов. Только чистый pip install. Все данные сохраняются локально в SQLite, а веб-интерфейс работает полностью оффлайн.

🔘Интеграция в две строки: Вам не нужно менять логику работы ваших агентов. Просто добавьте колбэк-хэндлер в ваш метод ainvoke.

🔘Интерактивный граф (UI): Кастомный легковесный SVG-граф автоматически строит топологию вызовов. Вы можете кликать на любой шаг, изучать промпты, логи ответов, токены, задержки и ошибки.

🔘Поддержка MCP (Model Context Protocol): Утилита автоматически определяет, из каких именно MCP-серверов были подгружены инструменты, визуализируя их происхождение.

🔘Мост в продакшн (OpenTelemetry): Локальные трейсы можно легко экспортировать в виде OTel-спанов в ваши корпоративные системы мониторинга (Grafana Tempo, Jaeger, Datadog, Honeycomb).

🔘Безопасность (Crash-safe): Локальный обработчик изолирован и никогда не вызовет падение основного конвейера вашего приложения при сбоях.

🚀Быстрый старт:

Установка (для zsh обязательно берите в кавычки):

pip install "tracesage[langchain]"

Использование в синхронных скриптах или Jupyter-ноутбуках для автоматического глобального перехвата:

import tracesage

with tracesage.trace() as tl:
    # Трейсится автоматически, в консоль выводится кликабельная ссылка
    result = agent.invoke("Создай план поездки")
    input("Трейс готов — откройте ссылку в консоли и нажмите Enter для выхода.")

По умолчанию интерфейс поднимается на http://localhost:7842/ui.

🛠Инструменты разработчика (CLI и Тестирование):

tracesage предлагает мощные команды для отладки прямо из терминала:

🔘tracesage show <run_id> — отрисовать структуру выполнения в виде дерева в консоли.

🔘tracesage watch <run_id> — стриминг событий в реальном времени.

🔘tracesage diff <run_a> <run_b> — сравнение двух запусков по токенам, времени и ошибкам.

Также инструмент автоматически регистрирует фикстуру tracesage_capture для pytest, позволяя писать интеграционные тесты на поведение ИИ-агентов (например, проверять, вызывался ли конкретный инструмент и не превышен ли лимит токенов).

#Python #LangChain #LangGraph #AI #MultiAgent #Observability #DevTools #OpenSource #LLM

📱Ссылка на репозиторий:
https://github.com/kjgpta/tracesage