microsoft/agent-lightning

framework agentic RL (18.351★, MIT, Python, Microsoft Research, refactor total en v1.0) que entrena cualquier agente con RL sin tocar su harness. La tesis editorial en sus palabras: "Train with real agent harnesses: Agents interact with the model through the Agent Lightning v1.0 proxy with ZERO changes, while keeping tools, context, control flow, and environments in the loop". Tres componentes mínimos: Trainer (corre verl + vLLM, construye training samples, actualiza policy), API Gateway (proxy transparente que captura trajectories) y Rollout Controller (lanza agentes local o como Kubernetes Jobs). Lo diferencial: el proxy no necesita que el agente sepa que está siendo entrenado — sigue hablando con Anthropic/OpenAI/Gemini, las llamadas pasan por el gateway y se registran. El killer demo: SWE-bench Verified sube de 41.8% a 56.4% con sólo 6K training samples sobre Qwen3.5-9B, +14.6 percentage points. Documentación oficial https://microsoft.github.io/agent-lightning/stable/, technical report arXiv:2608.17528, ejemplos oficiales (Calc-X, GSM8K, ScienceWorld, Search-R1, LLM-in-Sandbox, Coding Agent).