Files
task-6997111cd6d3a5544a3deffd/main.py
T

114 lines
4.6 KiB
Python

import os
import asyncio
from typing import List
from pydantic import SecretStr
from langchain_openai import ChatOpenAI
from langchain_core.messages import HumanMessage, AIMessage, ToolMessage
from langchain.tools import tool
from deepagents import create_deep_agent
from deepagents.backends import CompositeBackend, LocalShellBackend, FilesystemBackend
# ----------------------------------------------------------------------
# Configuration of the LLM (OpenRouter, as required by the course)
# ----------------------------------------------------------------------
llm = ChatOpenAI(
model="openai/gpt-oss-20b:free",
base_url="https://openrouter.ai/api/v1",
api_key=SecretStr(os.getenv("OPENAI_API_KEY")),
temperature=0.7,
)
# ----------------------------------------------------------------------
# Backend for the agents - allows file operations and shell commands
# ----------------------------------------------------------------------
backend = CompositeBackend(
[
LocalShellBackend(workspace_dir="./workspace"),
FilesystemBackend(),
]
)
# ----------------------------------------------------------------------
# Sub-agent tool: get_price
# ----------------------------------------------------------------------
@tool
def get_price(product: str, city: str) -> str:
"""
Получить примерную цену продукта в указанном городе.
Возвращает markdown-таблицу с колонками: Продукт, Цена (руб.), Магазин.
"""
# Создаём суб-агента, который генерирует цену.
sub_agent = create_deep_agent(
model=llm,
tools=[],
backend=backend,
system_prompt=(
"Ты суб-агент, который генерирует реалистичную цену продукта "
"в заданном городе. Выдай результат в виде markdown-таблицы "
"с колонками: Продукт, Цена (руб.), Магазин."
),
)
# Формируем запрос к суб-агенту
query = f"Сгенерируй цену для продукта '{product}' в городе {city}."
# Асинхронный вызов суб-агента
async def _invoke():
result = await sub_agent.ainvoke(
{"messages": [HumanMessage(content=query)]},
{"configurable": {"thread_id": f"price-{product}-{city}"}},
)
# Последнее сообщение содержит таблицу
return result["messages"][-1].content
# Запускаем цикл событий, если уже внутри async контекста
try:
loop = asyncio.get_running_loop()
table = loop.create_task(_invoke())
# Если мы уже в async функции, вернём задачу, иначе дождёмся результата
if isinstance(table, asyncio.Task):
return asyncio.run(table)
except RuntimeError:
# Нет запущенного цикла - создаём новый
return asyncio.run(_invoke())
# ----------------------------------------------------------------------
# Main shopping-assistant agent
# ----------------------------------------------------------------------
assistant_agent = create_deep_agent(
model=llm,
tools=[get_price],
backend=backend,
system_prompt="Ты помощник по планированию покупок.",
)
# ----------------------------------------------------------------------
# Helper to format the chain of messages for display
# ----------------------------------------------------------------------
def format_message(msg) -> str:
if isinstance(msg, HumanMessage):
return f"Human: {msg.content}"
if isinstance(msg, AIMessage):
return f"AI: {msg.content}"
if isinstance(msg, ToolMessage):
# tool call result
return f"ToolResult: {msg.content}"
# Fallback for generic messages
return str(msg)
async def main():
user_query = "Помоги составить список покупок: молоко, хлеб, яблоки. Я нахожусь в Казани."
result = await assistant_agent.ainvoke(
{"messages": [HumanMessage(content=user_query)]},
{"configurable": {"thread_id": "shopping-session-1"}},
)
# Выводим всю цепочку сообщений
print("\n--- Диалог с агентом ---\n")
for m in result["messages"]:
print(format_message(m))
print("---")
if __name__ == "__main__":
asyncio.run(main())