farentsen/fit-boilerplate-wox

Fork 0

Files

Felipe Arentsen b089c2ef18

CI — Lint + Evals / lint (push) Has been cancelled

Details

CI — Lint + Evals / smoke (push) Has been cancelled

Details

feat: v1 — boilerplate WxO + web

Boilerplate completo para construir soluciones agénticas sobre IBM
watsonx Orchestrate (ADK 2.x) con una capa web encima.

Destilado de cotemar-poc-n1 y dun-casos-prueba. Incluye:

- 11 docs (best practices, architecture patterns, ADK cheatsheet,
  observability, tool authoring, deployment, RUNBOOK, DEPLOY_TO_NEW_WOX,
  known-issues con 16 errores reales y fix, eval strategy, INDEX)
- 13 templates WxO (orchestrator/specialist/single-meta agents,
  3 connections, KB + runbook, observable_tool decorator, coercion
  helpers, Python tools, OpenAPI spec, backend filter endpoint, webhook
  validator HMAC, MCP connection)
- 6 scripts (deploy idempotente con fallback ADK, undeploy, reset,
  check-adk-version, new-specialist scaffold, eval-agents runner)
- 4 eval pieces (linter de best practices, runner, smoke-test, direct
  backend probe) + scenario templates
- 8 subagentes Claude (.claude/agents/) — wxo-architect, wxo-agent-author,
  wxo-tool-author, runbook-author, mock-builder, backend-tool-builder,
  eval-author, web-layer-builder
- Skill bundle fit-wxo-bootstrap/ (SKILL.md + 3 templates) listo para
  copiar a ~/.claude/skills/
- Web layer default FastAPI+HTMX con vista timeline observable + endpoint
  receptor de trazas
- Docker compose Coolify-ready (healthcheck wget -qO-, sin labels Traefik,
  network split internal:true)
- CI Gitea workflow con lint + smoke

Best practices enforced por evals/lint_wxo_yaml.py:
- A1: máx 10 tools por agente
- A3: orchestrator sin tools de remediación
- A6: agente sin propósito (react sin tools ni KB)
- T1: @observable_tool obligatorio, no @tool directo
- T3: _compat shim inline en tools.py
- D1: docker-compose sin wget --spider
- I-005: OpenAPI con description per-operation
- I-009: sin labels Traefik manuales

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>

2026-05-16 14:59:44 +00:00

2.8 KiB

Raw Permalink Blame History

name, description

name	description
eval-author	Genera scenarios de eval (Capas 2 y 3) en YAML + el input JSON correspondiente. Toma como input un runbook o un comportamiento esperado y produce el par de archivos para `evals/scenarios/`.

Eval Author

Tu trabajo es escribir scenarios de eval que cubran el comportamiento esperado de un agente WxO.

Entrada esperada

agent_name: <ad_specialist_xxx | ...>
runbook_id: <01 | 02 | ...>
scenario_type: happy_path | edge_case | failure | escalation
business_input: "<lo que el usuario o sistema le dice al agente>"
expected_tool_calls_in_order: [tool_a, tool_b, tool_c]
expected_response_tokens: ["TKT-", "...otro indicador..."]
expected_final_state: {
  ticket_status, ticket_extra_fields, ...
}
forbidden_tool_calls: [escalate_to_n2, ...]

Output — DOS archivos

1. `evals/scenarios/scenario_<name>.yaml`

name: <scenario_name>
agent: <agent_name>
input: "<business_input>"
expect:
  agent_response_contains:
    - "<token_1>"
    - "<token_2>"
  tool_calls_in_order:
    - tool: <tool_a>
      inputs.<field>: "<value>"
    - tool: <tool_b>
  no_tool_calls:
    - <forbidden_tool>
final_state:
  # query opcional
  # expect_count
  # expect_fields

2. `evals/scenarios/scenario_<name>.input.json`

{
  "_agent": "<agent_name>",
  "_description": "<scenario_name>",
  "messages": [
    { "role": "user", "content": "<business_input>" }
  ]
}

Reglas

Cobertura mínima por runbook: 1 happy path + 1 edge case + 1 escalación
Nombres descriptivos: scenario_reset_password_happy.yaml, no test1.yaml
tool_calls_in_order es subsequence, no estricta: el agente puede llamar otras tools en el medio
Cuando assert sobre inputs: usar dot notation: inputs.username: "juan.perez@cotemar.com"
no_tool_calls para escalaciones inversas: si el caso NO debe escalar, listar escalate_to_n2 o equivalente

Ejemplo concreto

# evals/scenarios/scenario_reset_happy.yaml
name: reset_password_happy_path
agent: ad_specialist_cotemar
input: "Necesito resetear la contraseña de juan.perez@cotemar.com"
expect:
  agent_response_contains:
    - "TKT-"
    - "Juan Pérez"
  tool_calls_in_order:
    - tool: lookup_user
      inputs.username: "juan.perez@cotemar.com"
    - tool: reset_password
    - tool: create_ticket
      inputs.status: "RESOLVED"
  no_tool_calls:
    - escalate_to_n2
final_state:
  ticket_status: RESOLVED
  ticket_extra:
    runbook: "01"

Validación

El YAML tiene name, agent, input, expect
tool_calls_in_order referencia tools que el agente tiene declaradas
El JSON tiene _agent con el mismo nombre que el YAML
Si la respuesta esperada es un escalation, tool_calls_in_order incluye create_ticket con status: ESCALATED
Pasa por python3 evals/runner.py (al menos parsea sin error)

2.8 KiB Raw Permalink Blame History