Планирующий агент

Что делает проект

В этом репозитории реализован LangGraph‑агент, который:

1. Принимает текст задачи.
2. С помощью LLM разбивает её на 3–6 конкретных шагов (узел planning).
3. Выполняет каждый шаг последовательно, собирая результаты (узел execution).
4. После завершения всех шагов выдаёт итоговый резюме.

Пример работы:

Task: Compare Python and JavaScript
Plan:
1. ...
2. ...
Execution results:
Result of step 1: ...
...
Final summary: ...

Структура файлов

Файл	Назначение
main.py	Точка входа, реализация графа и демонстрация работы
requirements.txt	Зависимости проекта
README.md	Описание проекта и инструкции

Установка

pip install -r requirements.txt

Запуск

python main.py

Примеры задач (внутри скрипта)

1. Сравнение Python и JavaScript.
2. Как создать простое приложение Flask.
3. Шаги развертывания Docker‑изображения Node.js в AWS Elastic Beanstalk.

Архитектура

• State – PlanningState хранит текущее состояние: исходную задачу, список шагов, индекс текущего шага и накопленные результаты.
• Node planning – вызывает LLM с запросом вернуть JSON‑массив шагов. Парсинг гарантирует надёжность.
• Node execution – берёт следующий шаг из списка, формирует строку результата (в реальном проекте здесь можно вызывать инструменты).
• Conditional edge should_continue – проверяет, остались ли ещё шаги; если нет – переход в END.

Тесты

В репозитории тестов нет, но скрипт содержит три демонстрационных задачи. Для проверки корректности можно запустить его и убедиться, что вывод соответствует описанию.