add: main.py — Повторный экзамен: FAQ-бот — ChromaDB + один MCP-tool

main.py

@@ -0,0 +1,138 @@
+import os
+import asyncio
+import json
+from pathlib import Path
+from dotenv import load_dotenv
+
+from langchain_openai import ChatOpenAI, OpenAIEmbeddings
+from langchain_chroma import Chroma
+from langchain_core.documents import Document
+from langchain.tools import tool
+from deepagents import create_deep_agent
+from deepagents.backends import FilesystemBackend, LocalShellBackend, CompositeBackend
+from langchain_core.messages import HumanMessage
+
+# Загрузка переменных окружения
+load_dotenv()
+
+# Настройка LLM и эмбеддингов через OpenRouter
+llm = ChatOpenAI(
+    model="openai/gpt-oss-20b:free",
+    base_url="https://openrouter.ai/api/v1",
+    api_key=os.getenv("OPENAI_API_KEY"),
+    temperature=0.0,
+)
+
+embeddings = OpenAIEmbeddings(
+    model="text-embedding-3-small",
+    base_url="https://openrouter.ai/api/v1",
+    api_key=os.getenv("OPENAI_API_KEY"),
+)
+
+# Инициализация Chroma
+vector_store = Chroma(
+    collection_name="faq_collection",
+    embedding_function=embeddings,
+    persist_directory="./chroma_faq",
+)
+
+# Загрузка FAQ из markdown файлов в Chroma
+def load_faq_to_chroma() -> None:
+    data_dir = Path("data")
+    if not data_dir.exists():
+        return
+    docs = []
+    for md_file in data_dir.glob("*.md"):
+        content = md_file.read_text(encoding="utf-8")
+        title = md_file.stem
+        docs.append(Document(page_content=content, metadata={"title": title}))
+    if docs:
+        vector_store.add_documents(docs)
+
+# Tool: поиск по базе знаний
+@tool
+def search_course_docs(query: str, k: int = 3) -> str:
+    """Search the knowledge base for relevant information."""
+    docs = vector_store.similarity_search(query, k=k)
+    return "\n".join(d.page_content for d in docs) if docs else "No results."
+
+# Tool: получение метаданных курса (MCP-стиль)
+@tool
+def fetch_course_meta(query: str) -> str:
+    """Fetch course metadata from local JSON."""
+    meta_path = Path("meta.json")
+    if not meta_path.exists():
+        return "Metadata file not found."
+    data = json.loads(meta_path.read_text(encoding="utf-8"))
+    # Простая фильтрация по ключевому слову в запросе
+    if "schedule" in query.lower():
+        return json.dumps(data.get("schedule", []), indent=2)
+    if "instructor" in query.lower():
+        return data.get("instructor", "Unknown")
+    return json.dumps(data, indent=2)
+
+# Системный промпт агента
+system_prompt = (
+    "You are a helpful FAQ bot. Use only one tool per query. "
+    "If the question is about course materials, use search_course_docs. "
+    "If about schedule or metadata, use fetch_course_meta. "
+    "Indicate source in answer: source: chroma | mcp_meta."
+)
+
+# Backend для deepagents
+backend = CompositeBackend(
+    [
+        LocalShellBackend(workspace_dir="./workspace"),
+        FilesystemBackend(),
+    ]
+)
+
+# Создание агента
+agent = create_deep_agent(
+    model=llm,
+    tools=[search_course_docs, fetch_course_meta],
+    backend=backend,
+    system_prompt=system_prompt,
+)
+
+# Предварительная загрузка FAQ
+load_faq_to_chroma()
+
+# Предустановленные вопросы
+preset_questions = [
+    "Где находятся материалы по лекции 3?",
+    "Как изменить пароль?",
+    "Какой график занятий на следующую неделю?",
+]
+
+async def main() -> None:
+    print("FAQ Bot CLI")
+    print("1-3: Предустановленные вопросы")
+    print("4: Ввести собственный вопрос")
+    print("5: Выход")
+    while True:
+        choice = input("Выберите вариант (1-5): ").strip()
+        if choice == "5":
+            print("До свидания!")
+            break
+        if choice in {"1", "2", "3"}:
+            question = preset_questions[int(choice) - 1]
+        elif choice == "4":
+            question = input("Введите ваш вопрос: ").strip()
+            if not question:
+                print("Пустой вопрос, попробуйте снова.")
+                continue
+        else:
+            print("Неверный выбор, попробуйте снова.")
+            continue
+
+        print(f"Вопрос: {question}")
+        result = await agent.ainvoke(
+            {"messages": [HumanMessage(content=question)]},
+            {"configurable": {"thread_id": "session-1"}},
+        )
+        answer = result["messages"][-1].content
+        print(f"Ответ:\n{answer}\n")
+
+if __name__ == "__main__":
+    asyncio.run(main())