47 lines
2.2 KiB
Python
47 lines
2.2 KiB
Python
"""FAQ‑бот: ChromaDB для конспектов + MCP‑style tool для метаданных курса."""
|
|
import os
|
|
from dotenv import load_dotenv
|
|
from langchain_openai import ChatOpenAI
|
|
from langchain_core.messages import HumanMessage
|
|
from langchain.agents import create_agent
|
|
|
|
load_dotenv()
|
|
|
|
from tools import search_course_docs, fetch_course_meta # noqa: E402
|
|
|
|
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=0.0,
|
|
)
|
|
|
|
SYSTEM_PROMPT = """Ты — FAQ‑бот курса KFU-26-1 по LangChain/LangGraph.
|
|
|
|
Доступные инструменты:
|
|
1. search_course_docs — поиск по конспектам курса в ChromaDB (Ollama embeddings)
|
|
Используй для вопросов о технологиях: LangChain, LangGraph, MCP, агентах, коде
|
|
2. fetch_course_meta — метаданные курса через MCP‑style tool (расписание, дедлайны, контакты, глоссарий)
|
|
Используй для вопросов о расписании, сроках, контактах преподавателя
|
|
|
|
Правила маршрутизации:
|
|
- Вопрос про содержание, технологии, концепции → search_course_docs [source: chroma]
|
|
- Вопрос про расписание, дедлайны, контакты, термины → fetch_course_meta [source: mcp_meta]
|
|
- Не вызывай оба инструмента без необходимости — выбери один подходящий
|
|
|
|
В каждом ответе укажи источник: [source: chroma] или [source: mcp_meta]"""
|
|
|
|
agent = create_agent(
|
|
llm=llm,
|
|
tools=[search_course_docs, fetch_course_meta],
|
|
system_prompt=SYSTEM_PROMPT,
|
|
)
|
|
|
|
async def ask(question: str, thread_id: str = "faq-1") -> str:
|
|
"""Задать вопрос агенту и получить ответ."""
|
|
result = await agent.ainvoke(
|
|
{"messages": [HumanMessage(content=question)]},
|
|
{"configurable": {"thread_id": thread_id}},
|
|
)
|
|
return result["messages"][-1].content
|