Avvio dell'applicazione

L'applicazione è composta dal backend AgnoOS e dall'interfaccia web sviluppata con Next.js.

Prerequisiti

• Docker Desktop
• Node.js e npm
• Python e uv
• Agno e le relative dipendenze

Impostare le variabili d'ambiente

Nel file .env inserire le seguenti variabili:

• GOOGLE_API_KEY: chiave API per accedere ai modelli Google Gemini.
• AUTH_SECRET: segreto utilizzato per firmare e proteggere le sessioni di autenticazione.
• INTERNAL_API_TOKEN: token per autenticare le comunicazioni interne tra i servizi.

E in .env.local inserire:

• PYTHON_AGENT_URL: URL del servizio FastAPI che gestisce l'agente Python (http://localhost:8000).
• INTERNAL_API_TOKEN: deve coincidere con il valore definito nel file .env.

Avviare l'immagine Docker

Avviare l'immagine Docker per la sandbox di simulazione:

docker build -t paper-code-sandbox .

Avviare FastApi

Creare il virtual environment e installare le dipendenze con uv:

uv venv
uv pip install -r requirements.txt

Avviare il server FastApi:

python main.py

Lascia il processo in esecuzione (che sarà disponibile a http://localhost:8000).

Avviare l'app Next.js

In una nuova finestra del terminale, installa le dipendenze e avvia il server:

npm install

npm run dev

L'applicazione sarà disponibile all'indirizzo http://localhost:3000.

Nota

Alcuni paper di esempio che possono essere utilizzati per la simulazione di codice Python:

• Direct Preference Optimization: Your Language Model is Secretly a Reward Model
• Token-level Direct Preference Optimization
• NEORL: NeuroEvolution Optimization with Reinforcement Learning