187 lines
7.0 KiB
Python
187 lines
7.0 KiB
Python
"""
|
|
Deep Agent — поисковый агент с виртуальной ФС на основе deepagents.
|
|
|
|
Агент умеет:
|
|
1. Искать информацию в интернете (DuckDuckGo, без API-ключа)
|
|
2. Создавать и редактировать файлы в виртуальной ФС через write_file / edit_file
|
|
3. По завершении работы выгружает все виртуальные файлы в реальную ФС (./output/)
|
|
|
|
Использование:
|
|
python main.py
|
|
python main.py "что такое LangGraph"
|
|
"""
|
|
|
|
import asyncio
|
|
import os
|
|
import shutil
|
|
import sys
|
|
from pathlib import Path
|
|
|
|
from dotenv import load_dotenv
|
|
from langchain.tools import tool
|
|
from langchain_core.messages import HumanMessage
|
|
from langchain_openai import ChatOpenAI
|
|
|
|
from deepagents import create_deep_agent
|
|
from deepagents.backends import CompositeBackend, FilesystemBackend, LocalShellBackend
|
|
|
|
load_dotenv()
|
|
|
|
# ---------------------------------------------------------------------------
|
|
# LLM
|
|
# ---------------------------------------------------------------------------
|
|
|
|
llm = ChatOpenAI(
|
|
model="openai/gpt-oss-20b:free",
|
|
base_url="https://platform.brojs.ru/jrnl-bh/api/inference/v1",
|
|
api_key=os.getenv("JOURNAL_MCP_PAT"),
|
|
temperature=0.5,
|
|
)
|
|
|
|
# ---------------------------------------------------------------------------
|
|
# Workspace dirs
|
|
# ---------------------------------------------------------------------------
|
|
|
|
VIRTUAL_ROOT = Path("./workspace")
|
|
REAL_OUT = Path("./output")
|
|
VIRTUAL_ROOT.mkdir(parents=True, exist_ok=True)
|
|
REAL_OUT.mkdir(parents=True, exist_ok=True)
|
|
|
|
# ---------------------------------------------------------------------------
|
|
# Tools
|
|
# ---------------------------------------------------------------------------
|
|
|
|
|
|
@tool
|
|
def web_search(query: str) -> str:
|
|
"""Ищет информацию в интернете и возвращает краткие сниппеты.
|
|
|
|
Args:
|
|
query: поисковый запрос на любом языке
|
|
"""
|
|
try:
|
|
from duckduckgo_search import DDGS
|
|
with DDGS() as ddgs:
|
|
results = list(ddgs.text(query, max_results=7))
|
|
if not results:
|
|
return "Ничего не найдено."
|
|
lines = []
|
|
for r in results:
|
|
lines.append(f"### {r.get('title', '')}")
|
|
lines.append(r.get("body", ""))
|
|
lines.append(f"URL: {r.get('href', '')}")
|
|
lines.append("")
|
|
return "
|
|
".join(lines)
|
|
except Exception as exc:
|
|
return f"Ошибка поиска: {exc}"
|
|
|
|
|
|
@tool
|
|
def export_virtual_files() -> str:
|
|
"""Копирует все файлы из виртуальной ФС (workspace/) в реальную папку output/.
|
|
|
|
Вызывай этот инструмент в самом конце, после того как все нужные файлы созданы.
|
|
"""
|
|
try:
|
|
copied = []
|
|
for src in VIRTUAL_ROOT.rglob("*"):
|
|
if src.is_file():
|
|
rel = src.relative_to(VIRTUAL_ROOT)
|
|
dst = REAL_OUT / rel
|
|
dst.parent.mkdir(parents=True, exist_ok=True)
|
|
shutil.copy2(src, dst)
|
|
copied.append(str(rel))
|
|
if copied:
|
|
return f"Выгружено {len(copied)} файл(ов) в {REAL_OUT}:\n" + "\n".join(f" {f}" for f in copied)
|
|
return f"Виртуальная ФС пуста — нет файлов для выгрузки."
|
|
except Exception as exc:
|
|
return f"Ошибка экспорта: {exc}"
|
|
|
|
|
|
# ---------------------------------------------------------------------------
|
|
# Backend — виртуальная ФС поверх workspace/
|
|
# ---------------------------------------------------------------------------
|
|
|
|
_shell_backend = LocalShellBackend(
|
|
root_dir=str(VIRTUAL_ROOT),
|
|
virtual_mode=True,
|
|
inherit_env=True,
|
|
)
|
|
|
|
_fs_backend = FilesystemBackend(
|
|
root_dir=str(VIRTUAL_ROOT),
|
|
virtual_mode=True,
|
|
)
|
|
|
|
backend = CompositeBackend(
|
|
default=_shell_backend,
|
|
routes={"/fs/": _fs_backend},
|
|
)
|
|
|
|
# ---------------------------------------------------------------------------
|
|
# Agent
|
|
# ---------------------------------------------------------------------------
|
|
|
|
SYSTEM_PROMPT = """\
|
|
Ты — исследовательский агент с виртуальной файловой системой.
|
|
|
|
## Доступные инструменты
|
|
- web_search(query) — ищет информацию в интернете, возвращает сниппеты
|
|
- write_file(path, content) — создаёт/перезаписывает файл в виртуальной ФС
|
|
- edit_file(path, old, new) — редактирует файл
|
|
- read_file(path) — читает файл
|
|
- ls(path) — список файлов
|
|
- export_virtual_files() — копирует все файлы из виртуальной ФС в ./output/
|
|
|
|
## Порядок работы
|
|
1. Найди информацию по запросу через web_search
|
|
2. Обработай и сохрани результаты в один или несколько файлов через write_file
|
|
3. Проверь сохранённые файлы через read_file
|
|
4. В самом конце вызови export_virtual_files() чтобы выгрузить файлы в реальную ФС
|
|
|
|
## Требования к файлам
|
|
- Сохраняй информацию в структурированном виде (markdown, JSON или plain text)
|
|
- Имена файлов — осмысленные (например results.md, summary.txt)
|
|
- Обязательно вызови export_virtual_files() в конце
|
|
"""
|
|
|
|
agent = create_deep_agent(
|
|
model=llm,
|
|
tools=[web_search, export_virtual_files],
|
|
backend=backend,
|
|
system_prompt=SYSTEM_PROMPT,
|
|
)
|
|
|
|
# ---------------------------------------------------------------------------
|
|
# Main
|
|
# ---------------------------------------------------------------------------
|
|
|
|
|
|
async def run(query: str) -> None:
|
|
print(f"Запрос: {query}\n")
|
|
config = {"configurable": {"thread_id": f"search-{hash(query) & 0xFFFF:04x}"}}
|
|
result = await agent.ainvoke(
|
|
{"messages": [HumanMessage(content=query)]},
|
|
config,
|
|
)
|
|
last = result["messages"][-1]
|
|
print("\n=== Ответ агента ===")
|
|
print(getattr(last, "content", str(last)))
|
|
print("\n=== Файлы в output/ ===")
|
|
out_files = list(REAL_OUT.rglob("*"))
|
|
if out_files:
|
|
for f in out_files:
|
|
if f.is_file():
|
|
print(f" {f.relative_to(REAL_OUT)} ({f.stat().st_size} байт)")
|
|
else:
|
|
print(" (нет файлов)")
|
|
|
|
|
|
if __name__ == "__main__":
|
|
query = " ".join(sys.argv[1:]) if len(sys.argv) > 1 else (
|
|
"Найди информацию о фреймворке LangGraph: что это, основные концепции, "
|
|
"примеры использования. Сохрани результаты в файл langgraph_research.md"
|
|
)
|
|
asyncio.run(run(query))
|