# BCP AI Lab - Day 02 > Programa Train-the-Trainers IA - NTT DATA Peru x BCP > Laboratorio: Agent Skills, templates SDLC y MCP. ## Objetivo del día Convertir tus hallazgos "Pendiente" del Día 1 en historias trazables (`HU-01.md` y `HU-05.md`, cada una con su sección Origen `H-xx`), versionar e instalar Skills que Copilot descubre solo, operar un MCP local y el oficial de GitHub, y dejar el backlog creado: un issue por HU en el Project **ReqFlow**. Cierras con el tag `day2-done` y `check_handoff.py --day 2` en verde: eso es la entrada del Día 3. ## Que construye este repositorio Tres sesiones progresivas sobre el caso **Flujo de Login**. El sistema bajo trabajo se compone de los templates tecnicos del sandbox: - `workshop-auth-backend`: backend Java 21 + Quarkus + SQLite, `POST /auth/login`, servicio en `http://localhost:8080`. - `workshop-login-frontend`: frontend Angular, servicio en `http://localhost:4200`, consumidor del backend. - `workshop-requirements-api`: API FastAPI para tareas y requisitos, disponible cuando el laboratorio necesite una API adicional. Los templates son recursos de laboratorio. Cada asistente trabaja en **su `reqflow-workspace/` del Dia 1**: los mismos tres repos propios (`/workshop-auth-backend`, `/workshop-login-frontend`, `/workshop-requirements-api`), no templates limpios. Clona este laboratorio **al lado** del workspace, no dentro (`git clone https://github.com/NTTData-Academy/bcp-ai-lab-day-02.git` en la carpeta del curso), y abre VS Code sobre `reqflow-workspace/`: así Copilot ve solo el producto, no las soluciones de referencia del lab. ## Entrada del dia: handoff del Dia 1 Antes de S1, verifica desde la carpeta del laboratorio que tu workspace del Dia 1 este completo (al menos 1 repo en `[OK]`): ```powershell python tools/check_handoff.py --day 1 ../reqflow-workspace ``` | Viene del Dia 1 | Se usa en | | --- | --- | | `HALLAZGOS.md`, filas "Pendiente" con Id `H-xx` | S1 y S2: se generan `HU-xx.md`. S3: un issue por HU en el Project ReqFlow | | `prompts/*.md` | S1: ejemplo de entrada del Skill (`examples/input.sample.md`) | | `docs/ENDPOINTS.md` | S2: base del contrato API | | `docs/TESTING.md` | S2: base de la matriz de pruebas | Si el chequeo falla, parte de la rama `checkpoint/day1` que entrega el instructor. | Sesion | Carpeta | Entregable | | --- | --- | --- | | S1 | [`s1_skills/`](s1_skills/README.md) | Skill versionado para login, con metadata, I/O, constraints y validacion | | S2 | [`s2_templates/`](s2_templates/README.md) | Paquete de templates SDLC aplicado al flujo de login | | S3 | [`s3_mcp/`](s3_mcp/README.md) | Servidor MCP (local y GitHub oficial) con resources, tools y permisos verificables | | W1 | [`w1_evaluation/`](w1_evaluation/README.md) | Plantilla para un repositorio individual con caso, evaluacion y GitHub Project | Abre [laboratory-guide.html](laboratory-guide.html) en tu navegador: es la guia interactiva del dia, con el objetivo, los pasos y el prompt de cada sesion listos para copiar. ### Historias de usuario del día Las historias no se copian: **se generan a partir de tu `HALLAZGOS.md` del Dia 1**. `HU-01.md` sale del hallazgo de token del backend (S1, paso 06) y `HU-05.md` del hallazgo de `innerHTML` del frontend (S2). Cada HU lleva en su encabezado el Id del hallazgo de origen (`Origen: H-xx`), para trazar hallazgo → HU → issue → PR. Cada HU vive en la raiz del repo al que pertenece: `workshop-auth-backend/HU-01.md` y `workshop-login-frontend/HU-05.md`. Si tu `HALLAZGOS.md` no tiene ese hallazgo "Pendiente" (lo resolviste el Dia 1 o no lo encontraste), usa la version de referencia: `s1_skills/HU-01.md` y `s2_templates/HU-05.md`. ## Estructura ```text bcp-ai-lab-day-02/ |- s1_skills/ |- s2_templates/ |- s3_mcp/ |- w1_evaluation/ |- github-project/ # Campos e issue template reproducibles |- laboratory-guide.html |- laboratory-flows.html |- .env.example |- requirements.txt `- README.md ``` ## Preparacion teorica del equipo El equipo de cada participante debe estar preparado antes de la sesion. Estos son los requisitos tecnicos que se deben comprobar teoricamente: - Git 2.40+; - JDK 21; - Maven 3.9+; - Node.js 22.12+ y npm; - Python 3.11+; - VS Code con GitHub Copilot, GitHub CLI autenticado y acceso al GitHub Project de la ola; - Docker si el issue o el stack del laboratorio lo requiere. Durante el laboratorio no se dedica tiempo a instalar herramientas ni configurar accesos. ```powershell cd workshop-auth-backend mvn test Start-Process powershell -ArgumentList '-NoExit', '-Command', 'mvn quarkus:dev' cd ..\workshop-login-frontend npm install npm start ``` Verificacion minima: ```powershell Invoke-WebRequest http://localhost:8080/q/health Invoke-WebRequest http://localhost:4200 ``` Credenciales del laboratorio: `student / Workshop123!` y `trainer / Trainer123!`. ## Estructura del workspace del participante ```text / |- bcp-ai-lab-day-01/ # labs: fuera del workspace |- bcp-ai-lab-day-02/ # este laboratorio `- reqflow-workspace/ # el mismo de los 4 dias (abre VS Code aqui) |- .vscode/mcp.json # S3: servidores MCP |- workshop-auth-backend/ # /workshop-auth-backend | |- .github/skills/ # Skill de S1 + Skills del catalogo (S2) | |- HALLAZGOS.md, prompts/, docs/ # del Dia 1 | `- HU-01.md # S1, generada desde HALLAZGOS.md |- workshop-login-frontend/ # /workshop-login-frontend | |- .github/skills/ | `- HU-05.md # S2, generada desde HALLAZGOS.md `- workshop-requirements-api/ # /workshop-requirements-api `- .github/skills/ ``` Cada laboratorio debe indicar los archivos que se deben crear o completar. Los prompts y evidencias forman parte de la entrega. ## Secuencia del dia | Sesion | Horario | Duracion | Contenido | | --- | --- | --- | --- | | S1 | 09:30-11:30 | 2 h | Anatomia de un Agent Skill; produce un Skill versionado y reutilizable para el login ([`s1_skills/`](s1_skills/README.md)) | | *Descanso* | 11:30-11:45 | 15 min | Break | | S2 | 11:45-13:00 | 1 h 15 | Registra tus repos en el catalogo, instala 6 Skills via ISSUE y simula el ciclo SDLC sobre HU-01 y HU-05 ([`s2_templates/`](s2_templates/README.md)) | | *Almuerzo* | 13:00-14:00 | 1 h | Lunch | | S3 | 14:00-15:20 | 1 h 20 | MCP local y GitHub MCP oficial: resources, tools, permisos, un issue por HU y el Project ReqFlow ([`s3_mcp/`](s3_mcp/README.md)) | | *Descanso* | 15:20-15:30 | 10 min | Break | | W1 | 15:30-18:00 | 2 h 30 | Evaluacion practica individual sobre ReqFlow ([`w1_evaluation/`](w1_evaluation/README.md)) | | **Total** | **09:30-18:00** | **~8h30** | Incluye breaks y almuerzo | W1 comprueba individualmente lo aprendido sobre **ReqFlow** (el mismo Flujo de Login, ahora en tu repositorio individual) con un requerimiento distinto por asistente; cierra el dia de 15:30 a 18:00. Los horarios son una referencia de partida: ajusta los horarios segun el ritmo real de tu cohorte. ## Catalogo de Skills S2 S2 instala 6 Skills desde el catálogo central (uno por dominio SDLC) más el de S1; viven en `.github/skills/` para que Copilot los descubra. Catálogo, materiales, pasos y evidencia: [`s2_templates/README.md`](s2_templates/README.md). ## GitHub Project Cada participante crea su Project **ReqFlow** bajo su `` (el mismo de sus tres repos). Consulta [github-project/README.md](github-project/README.md) para los campos, estados y la plantilla de issue. Los Dias 3 y 4 reutilizan ese Project: no se recrea. ## Evidencia obligatoria Cada sesion define su propia evidencia minima (ver los `README.md` de [`s1_skills/`](s1_skills/README.md), [`s2_templates/`](s2_templates/README.md) y [`s3_mcp/`](s3_mcp/README.md)). Para W1, la lista completa de archivos y la rubrica estan en [`w1_evaluation/README.md`](w1_evaluation/README.md) y [`w1_evaluation/EVALUACION-W1.md`](w1_evaluation/EVALUACION-W1.md). En todos los casos se debe conservar el enlace al issue de GitHub Project y al pull request. ## Gate del dia El gate del dia se registra como **W1 - Evaluacion practica individual**. El umbral es `>= 80%`, con los cinco criterios de `w1_evaluation/EVALUACION-W1.md` (20% cada uno): requisito y SDD, Skill versionado, implementacion del login, tools + MCP, y testing/review/trazabilidad. La rúbrica de S1–S3 está en [EVALUACION-D2.md](EVALUACION-D2.md). El trainer registra la puntuacion y la decision en el repositorio individual del asistente. ## Cierre del dia: handoff al Dia 3 El Dia 3 no crea backlog nuevo: abre tu Project **ReqFlow** y trabaja sobre estos artefactos. Antes de salir, verifica que existan: - `HU-*.md` en la raiz de su repo, cada una con su seccion Origen (`H-xx`); - un issue por HU, en el repo de la HU, agregado al Project ReqFlow con el campo `Hallazgo origen`; - `.github/skills/` en cada repo, y `reqflow-workspace/.vscode/mcp.json`; - `docs/mcp-evidence/mcp.json` (copia sin tokens) en cada repo que cambiaste; - el tag `day2-done` en cada repo que cambiaste (se crea en el paso 5 de S3, junto al tag `lab02-s3`). Verifica desde la carpeta del laboratorio (al menos 1 repo en `[OK]` y `mcp.json` presente): ```powershell python tools/check_handoff.py --day 2 ../reqflow-workspace ``` Si el chequeo falla, el Dia 3 parte de la rama `checkpoint/day2` que entrega el instructor. ## Importante Este repositorio es para formacion en sandbox. No usar credenciales reales, secretos, datos productivos ni repositorios productivos.