Skip to main content

Agent Flow TDD

Framework para automação de fluxo de features TDD usando agentes de IA.

🚀 Funcionalidades

  • Geração de features com critérios de aceite e cenários de teste
  • Análise de complexidade e estimativas
  • Suporte a múltiplos modelos de IA (GPT-3.5, GPT-4)
  • Interface CLI com modo interativo e MCP (Multi-Command Protocol)
  • Saída em formatos JSON e Markdown

📋 Pré-requisitos

  • Python 3.13+
  • Chave de API OpenAI (OPENAI_KEY)
  • Ambiente virtual Python (venv)

🛠️ Instalação

  1. Clone o repositório:
git clone https://github.com/seu-usuario/agent-flow-tdd.git
cd agent-flow-tdd
  1. Crie e ative o ambiente virtual:
python -m venv .venv
source .venv/bin/activate  # Linux/Mac
# ou
.venv\Scripts\activate  # Windows
  1. Instale as dependências:
make install
  1. Configure a variável de ambiente OPENAI_KEY:
export OPENAI_KEY="sua-chave-aqui"

🎮 Comandos Disponíveis

make install

Instala todas as dependências do projeto.

make install

make test

Executa todos os testes do projeto.

make test

make cli

Inicia o CLI para processamento de features.

make cli

# Exemplos de uso:
cli feature "Criar sistema de login com autenticação de dois fatores"
cli feature "Criar sistema de cadastro de usuários" --model gpt-4-turbo
cli feature "Criar API REST" --format markdown
cli status

Opções do comando feature:

  • --model, -m: Modelo a ser usado (default: gpt-3.5-turbo)
  • --elevation-model, -e: Modelo para fallback (default: gpt-4-turbo)
  • --force, -f: Força uso do modelo sem fallback
  • --api-key, -k: Chave da API (opcional)
  • --timeout, -t: Tempo limite em segundos (default: 30)
  • --max-retries, -r: Máximo de tentativas (default: 3)
  • --temperature, -temp: Temperatura do modelo (default: 0.7)
  • --max-tokens, -mt: Limite de tokens (opcional)
  • --format, -fmt: Formato de saída (json/markdown)

Protocolo MCP (Model Context Protocol)

O projeto agora suporta o Model Context Protocol oficial, permitindo:

  • Integração padronizada com diferentes modelos de IA
  • Comunicação bidirecional via protocolo MCP
  • Suporte a streaming e eventos assíncronos

Como Funciona

  1. Inicie o modo MCP:
cli mcp
  1. Envie mensagens no formato MCP:
{
  "content": "Criar sistema de login",
  "metadata": {
    "type": "feature",
    "options": {
      "model": "gpt-4-turbo",
      "temperature": 0.7,
      "format": "json"
    }
  }
}
  1. Receba respostas no formato MCP:
{
  "content": {
    "feature": "Sistema de Login",
    "acceptance_criteria": [...],
    "test_scenarios": [...],
    "complexity": 3
  },
  "metadata": {
    "status": "success",
    "type": "feature"
  }
}

🤖 Integração de Modelos

O projeto usa o Model Context Protocol para integração com diferentes modelos:

1. Via SDK MCP

from mcp_sdk import MCPHandler
from src.app import AgentOrchestrator

handler = MCPHandler()
handler.initialize(api_key="sua-chave")
handler.run()

2. Via CLI

# OpenAI GPT-4
cli feature "Criar API" --model gpt-4-turbo --api-key $OPENAI_KEY

# Anthropic Claude
cli feature "Criar API" --model claude-3 --api-key $ANTHROPIC_KEY

3. Via MCP

Especifique o modelo nas options:

{
  "content": "Criar API REST",
  "metadata": {
    "type": "feature",
    "options": {
      "model": "gpt-4-turbo",
      "api_key": "sua-chave",
      "temperature": 0.7
    }
  }
}

Modelos Suportados

Atualmente:

  • OpenAI GPT-3.5 Turbo
  • OpenAI GPT-4 Turbo
  • Anthropic Claude (via MCP)
  • Outros modelos compatíveis com MCP

🧪 Testes

O projeto usa pytest para testes. Execute:

make test

📝 Logs

Os logs são gerados automaticamente com:

  • Nível INFO para entrada/saída de funções
  • Nível DEBUG para estados intermediários
  • Nível ERROR para exceções (com stacktrace)

🔒 Variáveis de Ambiente

  • OPENAI_KEY: Chave da API OpenAI (obrigatória)
  • ELEVATION_MODEL: Modelo para fallback (opcional)

🤝 Contribuindo

  1. Fork o projeto
  2. Crie sua branch de feature (git checkout -b feature/MinhaFeature)
  3. Commit suas mudanças (git commit -m 'Adiciona MinhaFeature')
  4. Push para a branch (git push origin feature/MinhaFeature)
  5. Abra um Pull Request

📄 Licença

Este projeto está sob a licença MIT. Veja o arquivo LICENSE para mais detalhes.

Metadata

Release files for agent-flow-tdd 2025.4.1.2

For a detailed explanation of source distributions (sdists) and built distributions (wheels), please see the package formats documentation.

Source distribution (sdist)

Source distribution for agent-flow-tdd 2025.4.1.2
File Size Uploaded Provenance Actions
agent_flow_tdd-2025.4.1.2.tar.gz 20.6 kB Without provenance Details for agent_flow_tdd-2025.4.1.2.tar.gz

Built distribution (wheel)

Table of built distributions (wheels) for agent-flow-tdd 2025.4.1.2
File Interpreter ABI Platform Actions
agent_flow_tdd-2025.4.1.2-py3-none-any.whl Python 3 none any Details for agent_flow_tdd-2025.4.1.2-py3-none-any.whl

Total release size: 44.9 kB

Release files / agent_flow_tdd-2025.4.1.2.tar.gz

Download URL agent_flow_tdd-2025.4.1.2.tar.gz
Size 20.6 kB
Tags Source
SHA-256 checksum
How to use checksums
cc5eb736d2bfb634c07b86516c02eede59d292286985bac3a5b8dca5f5f6e4cd
BLAKE2b-256 checksum
How to use checksums
0eccc77375fe3dcfda1734ab1fdaf1fd6f362280c9575090fb48a562383ed727
Upload date
Uploaded using Trusted Publishing?
What is trusted publishing?
No
Uploaded via twine/6.1.0 CPython/3.13.1

Release files / agent_flow_tdd-2025.4.1.2-py3-none-any.whl

Download URL agent_flow_tdd-2025.4.1.2-py3-none-any.whl
Size 24.3 kB
Tags Python 3
SHA-256 checksum
How to use checksums
a36961fc7b0082b6c082273ec4d45e270ebf8dc47366337d8f1a375a919ab2fc
BLAKE2b-256 checksum
How to use checksums
be0877e2b99498b4259575c9c19b3c6c8cf3a82744897aa2e7f1b18e6b4fb528
Upload date
Uploaded using Trusted Publishing?
What is trusted publishing?
No
Uploaded via twine/6.1.0 CPython/3.13.1

Security for agent-flow-tdd 2025.4.1.2

Provenance

Provenance describes where a file came from. On PyPI, provenance is shared via attestations, which provide a verifiable record of the build or publishing details. View details, limitations and caveats.

No provenance found

None of the files in this release were uploaded with provenance metadata.

A note on package security

PyPI is a repository for distributing packages, not a service for auditing them. While third-party security researchers and our staff do their best to detect and remove malicious packages, PyPI cannot guarantee the quality, security or suitability of any given package.

To learn more about protecting yourself from malicious actors, visit our package security documentation.

Anthropic, PBC Visionary sponsor Bloomberg Visionary sponsor Hudson River Trading Visionary sponsor Meta Visionary sponsor NVIDIA Visionary sponsor Microsoft Sustainability sponsor Depot Continuous Integration AWS Cloud computing and Security Sponsor Datadog Monitoring Fastly CDN Google Download Analytics Sentry Error logging StatusPage Status page