# 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
1. LLM получает задачу и список доступных инструментов
2. LLM генерирует Thought (мысль) + Action (действие) + Action Input (параметры)
3. Агент выполняет инструмент, получает Observation (наблюдение)
4. Цикл повторяется до FINAL ANSWER

## Установка
```bash
pip install -r requirements.txt
cp .env.example .env  # добавь JOURNAL_MCP_PAT
```

## Запуск
```bash
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