Поисковый агент Deep Agents From Scratch
Описание
Реализация поискового агента с нуля на основе паттерна ReAct (Reasoning + Acting). Агент самостоятельно решает задачи: ищет информацию в интернете, создаёт файлы с результатами.
Архитектура
- agent_core.py — ядро агента: цикл рассуждений и действий (ReAct loop)
- tools.py — инструменты: веб-поиск, виртуальная файловая система
- main.py — точка входа, примеры использования
Как работает ReAct
- LLM получает задачу и список доступных инструментов
- LLM генерирует Thought (мысль) + Action (действие) + Action Input (параметры)
- Агент выполняет инструмент, получает Observation (наблюдение)
- Цикл повторяется до FINAL ANSWER
Установка
pip install -r requirements.txt
cp .env.example .env # добавь JOURNAL_MCP_PAT
Запуск
python main.py
Пример работы
Task: Найди информацию о LangGraph
Thought: Нужно найти информацию о LangGraph в интернете
Action: web_search
Action Input: LangGraph python framework
Observation: [результаты поиска...]
Thought: Теперь создам файл с найденной информацией
Action: create_virtual_file
Action Input: summary.md | # LangGraph...
FINAL ANSWER: Информация сохранена в summary.md
Переменные окружения
JOURNAL_MCP_PAT— токен доступа к LLM препода