add main.py

main.py

@@ -0,0 +1,107 @@
+"""Самописный поисковый deep agent (deepagents + виртуальная ФС + экспорт)."""
+from __future__ import annotations
+
+import asyncio
+import os
+import sys
+from pathlib import Path
+
+ROOT = Path(__file__).resolve().parent
+if str(ROOT) not in sys.path:
+    sys.path.insert(0, str(ROOT))
+
+from dotenv import load_dotenv
+from langchain_core.messages import HumanMessage
+from langchain_openai import ChatOpenAI
+
+from deepagents import create_deep_agent
+from deepagents.backends import LocalShellBackend
+
+from export_utils import export_virtual_files
+from research_tools import get_page_content, web_search
+
+load_dotenv()
+
+WORKSPACE_DIR = ROOT / "workspace"
+OUTPUT_DIR = ROOT / "output"
+
+OPENROUTER_BASE_URL = os.getenv("OPENROUTER_BASE_URL", "https://openrouter.ai/api/v1")
+OPENROUTER_MODEL = os.getenv(
+    "OPENROUTER_MODEL",
+    "poolside/laguna-m.1:free",
+)
+
+SYSTEM_PROMPT = """\
+Ты исследовательский deep agent (курс deep agents from scratch).
+
+Возможности:
+- web_search и get_page_content — поиск и чтение материалов в интернете
+- ls, read_file, write_file, edit_file — виртуальная файловая система
+
+Правила:
+1. Получив задачу, найди информацию в интернете.
+2. Сохраняй заметки и выжимки в виртуальные файлы (например /notes/topic.md).
+3. Структурируй файлы по смыслу (папки notes/, research/).
+4. В конце кратко сообщи, какие файлы созданы.
+
+Пиши на русском, если пользователь не просит иначе.
+"""
+
+
+def build_llm() -> ChatOpenAI:
+    return ChatOpenAI(
+        model=OPENROUTER_MODEL,
+        base_url=OPENROUTER_BASE_URL,
+        api_key=os.getenv("OPENAI_API_KEY"),
+        temperature=0.2,
+    )
+
+
+def build_agent():
+    WORKSPACE_DIR.mkdir(parents=True, exist_ok=True)
+    backend = LocalShellBackend(
+        root_dir=str(WORKSPACE_DIR),
+        virtual_mode=True,
+        inherit_env=True,
+    )
+    return create_deep_agent(
+        model=build_llm(),
+        tools=[web_search, get_page_content],
+        system_prompt=SYSTEM_PROMPT,
+        backend=backend,
+    )
+
+
+async def run_research(query: str) -> list[str]:
+    agent = build_agent()
+    print(f"Модель: {OPENROUTER_MODEL}")
+    print(f"Запрос: {query}\n")
+
+    result = await agent.ainvoke(
+        {"messages": [HumanMessage(content=query)]}
+    )
+    last = result["messages"][-1]
+    print("\n--- Ответ агента ---")
+    print(getattr(last, "content", last))
+
+    exported = export_virtual_files(WORKSPACE_DIR, OUTPUT_DIR)
+    print("\n--- Экспорт в output/ ---")
+    if exported:
+        for path in exported:
+            print(f"  {path}")
+    else:
+        print("  (файлов для экспорта не найдено)")
+    return exported
+
+
+def main() -> None:
+    query = (
+        " ".join(sys.argv[1:])
+        if len(sys.argv) > 1
+        else "Краткий обзор Model Context Protocol (MCP): что это и зачем нужен."
+    )
+    asyncio.run(run_research(query))
+
+
+if __name__ == "__main__":
+    main()