Vanilla Agents

$1,200 USD por instalación.

Un conjunto de librerías independientes y un proyecto base para construir agentes de IA listos para producción, rápido. Cerca del 60–70% del código de cualquier agente es infraestructura: logging estructurado, OpenTelemetry, clientes de LLM, middleware de FastAPI, manejo de sesiones, integración de herramientas MCP, ciclo de vida del streaming. Vanilla Agents entrega todo eso como librerías modulares, para que tu equipo escriba lógica de negocio desde el primer día, no desde la sexta semana.

Incluye una interfaz de runtime independiente del SDK. Empiezas con el Claude Agent SDK y puedes cambiar a OpenAI Agents, Bedrock u otro runtime sin reescribir tu capa de servicio.

Qué incluye

• 3 librerías de infraestructura independientes: logging estructurado (con sanitización de datos y agregación por sesión), OpenTelemetry (configuración, exporters, decoradores) y clientes de LLM (una factory compatible con OpenAI)
• 1 librería de toolkit para agentes: configuración, middleware, modelos de request/response, session bridge, interfaz genérica de runtime, sistema de herramientas MCP independiente del SDK, sistema de skills y un servicio base de agente
• 1 proyecto base que lo junta todo en un agente ejecutable: app de FastAPI, health checks, endpoint /invocations, herramientas MCP de ejemplo, un skill de ejemplo, Dockerfile, docker-compose y workflows de CI/CD
• Plantillas de despliegue para AWS Bedrock AgentCore

Herramientas / stack

• Python + Pydantic + FastAPI: capa de servicio
• structlog + OpenTelemetry: logging y observabilidad
• httpx (compatible con OpenAI): cliente de LLM
• Claude Agent SDK: runtime por defecto (intercambiable con la interfaz AgentRuntime)
• AWS SSM Parameter Store: configuración en los entornos desplegados
• AWS Bedrock AgentCore: destino de despliegue

Por qué “vanilla”

Recibes la infraestructura, no opiniones sobre tu lógica de negocio. Cada agente implementa 6 métodos abstractos (get_runtime, get_system_prompt, get_mcp_servers, get_allowed_tools, get_skills, _model_name) y el toolkit se encarga del resto: configuración del agregador, streaming, captura de interacciones, formato SSE, persistencia de sesiones, manejo de errores y limpieza. El mismo patrón, probado en agentes en producción.