# Kit F5: laboratorio de agentes Este kit acompaña el laboratorio del facsímil 5. Convierte runtime, estado, idempotencia, aprobación, tools, trazas y evaluación de trayectorias en artefactos ejecutables. ## Reto 1: runtime mínimo ### Contexto Vas a simular un agente que no solo responde texto: puede producir efectos, registrar trazas y quedarse esperando aprobación. El objetivo es aprender una regla profesional: si hay efectos, debe haber idempotencia, permisos y un libro de evidencias. ```bash python3 ops/run_agent_runtime.py --write python3 -m json.tool output/effect_ledger.json cat output/runtime_decision.md ``` La salida debe mostrar: - una run completada con efecto persistente, - una petición duplicada que no repite efecto, - una run esperando aprobación, - una consulta de lectura, - trazas reconstruibles. Una solución buena explica: - qué evento cambió estado; - qué `idempotency_key` impidió duplicar un efecto; - qué run quedó pendiente de aprobación; - qué spans permiten reconstruir la ejecución; - qué pasaría si la tool fallara a mitad. ## Reto 2: evaluación de trayectorias ### Contexto Ahora no evaluamos una respuesta aislada. Evaluamos una trayectoria: ruta elegida, tools usadas, permisos, coste, latencia y trazas. Esto es lo que diferencia una demo de agentes de un sistema que se puede revisar. ```bash python3 ops/evaluate_agent_routes.py --write python3 -m json.tool output/ci_agent_gate.json cat output/agent_eval_decision.md ``` Para probar un fallo: ```bash python3 ops/evaluate_agent_routes.py \ --runs data/agent_runs_regression.json \ --output-dir output/regression \ --write python3 -m json.tool output/regression/ci_agent_gate.json ``` Una solución buena explica: - por qué una trayectoria pasa; - qué falla en la regresión; - qué gate bloquearía una release; - qué métrica no basta por sí sola; - cómo añadirías un caso nuevo de evaluación. ## Validar entrega ```bash python3 ops/check_student_submission.py --submission-dir solutions/reference --write ``` Para una entrega propia: ```bash python3 ops/check_student_submission.py --submission-dir solutions/mi-equipo --write --fail-on-missing ``` ## Entrega esperada ```text agent-release/ runtime_report.json runtime_trace.jsonl effect_ledger.json runtime_decision.md agent_eval_report.json ci_agent_gate.json agent_eval_decision.md ``` La entrega buena demuestra que el agente no es solo una cadena de prompts. Tiene estado, permisos, tools versionadas, trazas, coste, latencia y criterios de avance. ## Resultado esperado | Pieza | Pregunta de defensa | |---|---| | `runtime_report.json` | ¿Qué runs terminaron, cuáles esperaron aprobación y cuáles no duplicaron efecto? | | `runtime_trace.jsonl` | ¿Puedo reconstruir la ejecución paso a paso? | | `effect_ledger.json` | ¿Hay efectos persistentes y claves de idempotencia? | | `agent_eval_report.json` | ¿Las rutas, tools y permisos fueron correctos? | | `ci_agent_gate.json` | ¿Publicaría o bloquearía esta versión? | | `student_submission_report.md` | ¿La entrega contiene todo lo exigido? | ## Qué te llevas Te llevas una práctica ejecutable sobre laboratorio de agentes, con datos editables, contratos y umbrales, plantillas de entrega, código ejecutable y tests reproducibles. Trabajas con `data/agent_requests.jsonl` y `data/agent_eval_cases.json`, contrastas la decisión contra `contracts/agent_eval_contract.json` y `contracts/agent_runtime_policy.json` y ejecutas `ops/check_student_submission.py` para generar `output/agent_eval_decision.md`. La idea no es mirar una solución cerrada: es cambiar una entrada, volver a ejecutar, comparar la salida y poder defender qué harías en una revisión técnica, una asignatura o un piloto real. ## Variantes para hacerlo tuyo - Ejecuta `make run` sin tocar nada y usa `output/agent_eval_decision.md` como línea base. - Cambia o añade un caso en `data/agent_requests.jsonl` y `data/agent_eval_cases.json` para representar un problema de tu trabajo, clase o producto. - Endurece una regla, umbral o campo obligatorio en `contracts/agent_eval_contract.json` y `contracts/agent_runtime_policy.json` y explica por qué el resultado debería cambiar o bloquearse. - Compara antes/después en `output/agent_eval_decision.md` y `output/regression/agent_eval_decision.md` y escribe una decisión de una página: seguir, bloquear, medir más o cambiar el diseño. - Completa `templates/entrega.md` con contexto, cambio, evidencia, decisión y límite; no la dejes como checklist vacía. ## Rúbrica rápida | Nivel | Qué demuestra | |---|---| | Mínimo | Ejecuta `make run` y `make test`, localiza `ops/check_student_submission.py`, abre `output/agent_eval_decision.md` y explica qué decisión o señal produce. | | Bueno | Cambia `data/agent_requests.jsonl`, compara antes/después y justifica la diferencia con una evidencia concreta del output. | | Excelente | Convierte el kit en un mini caso profesional: añade un caso propio, ajusta una regla o test, documenta el límite principal y deja una recomendación accionable para un equipo. | ## Guía operativa del ZIP Esta sección audita el ZIP como lo recibirá un alumno. Todo lo citado aquí debe estar dentro de este archivo descargable de `Kit F5: laboratorio de agentes`, no escondido en una ruta del repositorio. ### Qué contiene - `README.md`: esta guía y la explicación del ejercicio. - `Makefile`: entrada única para ejecutar y validar el kit con `make run` y `make test`. - `requirements.txt`: dependencias declaradas; muchos kits solo usan la biblioteca estándar de Python. - `data/`: datos de entrada o casos de prueba realistas. Ejemplos dentro del ZIP: `data/agent_eval_cases.json`, `data/agent_runs_reference.json`, `data/agent_runs_regression.json`, `data/agent_requests.jsonl`. - `contracts/`: contratos de datos, salida, política o validación. Ejemplos dentro del ZIP: `contracts/agent_eval_contract.json`, `contracts/agent_runtime_policy.json`. - `templates/`: plantillas editables para la entrega. Ejemplos dentro del ZIP: `templates/entrega.md`. - `ops/`: código ejecutable del laboratorio. Ejemplos dentro del ZIP: `ops/check_student_submission.py`, `ops/evaluate_agent_routes.py`, `ops/run_agent_runtime.py`. - `tests/`: tests que comprueban que el ejercicio sigue siendo reproducible. Ejemplos dentro del ZIP: `tests/test_lab_contract.py`. - `output/`: salidas generadas o esperadas que debes revisar. Ejemplos dentro del ZIP: `output/agent_eval_decision.md`, `output/regression/agent_eval_decision.md`, `output/runtime_decision.md`, `output/student_submission_report.md`, .... - `solutions/`: soluciones de referencia o carpeta para la entrega del alumno. Ejemplos dentro del ZIP: `solutions/mi-equipo/README.md`, `solutions/reference/agent_eval_decision.md`, `solutions/reference/runtime_decision.md`, `solutions/reference/agent_eval_report.json`, .... ### Ejecutar desde cero Desde la carpeta extraída del ZIP: ```bash make run make test ``` `make run` construye las evidencias del ejercicio. `make test` comprueba que el kit sigue siendo ejecutable después de descargarlo, extraerlo y tocarlo. ### Qué mirar antes de entregar - `output/agent_eval_decision.md`: lectura humana de la decisión, informe o runbook. - `output/regression/agent_eval_decision.md`: lectura humana de la decisión, informe o runbook. - `output/runtime_decision.md`: lectura humana de la decisión, informe o runbook. - `output/student_submission_report.md`: lectura humana de la decisión, informe o runbook. - `solutions/reference/agent_eval_decision.md`: lectura humana de la decisión, informe o runbook. - `solutions/reference/runtime_decision.md`: lectura humana de la decisión, informe o runbook. - `output/agent_eval_report.json`: evidencia estructurada para validar o automatizar. - `output/ci_agent_gate.json`: evidencia estructurada para validar o automatizar. - `output/effect_ledger.json`: evidencia estructurada para validar o automatizar. - `output/regression/agent_eval_report.json`: evidencia estructurada para validar o automatizar. - `output/regression/ci_agent_gate.json`: evidencia estructurada para validar o automatizar. - `output/runtime_report.json`: evidencia estructurada para validar o automatizar. ### Qué entregar Una entrega útil no es una captura de pantalla. Debe incluir los artefactos generados, la modificación razonada que hayas hecho y una decisión escrita que explique qué harías en un sistema real. Como mínimo: 1. Resultado de `make test`. 2. Artefactos de `output/` que sostienen tu decisión. 3. Cambio propio en datos, contrato, política, plantilla o código, según el objetivo del kit. 4. Nota técnica breve: qué has probado, qué ha fallado o pasado, y qué decisión tomarías. ### Cómo adaptarlo a tu caso 1. Ejecuta primero `make run` sin tocar nada para obtener la línea base reproducible. 2. Ejecuta `make test` antes de cambiar el ejercicio; así sabes que el ZIP llegó completo. 3. Sustituye o amplía los archivos de `data/` con casos de tu dominio manteniendo el mismo contrato de campos. 4. Ajusta `contracts/` cuando cambien tipos, campos obligatorios, umbrales o catálogos permitidos. 5. Usa `templates/` como base documental; no entregues una plantilla sin completar. 6. Coloca tu versión en `solutions/mi-equipo/` y compárala contra la referencia o contra los tests. 7. Guarda los outputs finales y una nota breve con la decisión técnica que tomarías en un proyecto real. ### Criterio de validación El kit está completo cuando se puede descargar, extraer, ejecutar con `make run`, validar con `make test` y explicar sin depender de ninguna carpeta externa. Si una práctica menciona código, datos, contrato, CSV, SQL, política o plantilla, ese contenido debe venir dentro del ZIP.