44 lines
1.9 KiB
Markdown
44 lines
1.9 KiB
Markdown
# 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
|