fix: build_agent/build_llm + inference BroJS, stream API

main.py

@@ -7,93 +7,141 @@ from dotenv import load_dotenv
 from langchain.agents import create_agent
 from langchain.tools import tool
 from langchain_openai import ChatOpenAI
-from pydantic import SecretStr
 
 load_dotenv()
 
-llm = ChatOpenAI(
-    model=os.getenv("OPENAI_MODEL", "openai/gpt-oss-20b:free"),
-    base_url=os.getenv("OPENAI_BASE_URL", "https://openrouter.ai/api/v1"),
-    api_key=SecretStr(os.getenv("OPENAI_API_KEY", "fake")),
-    temperature=0.7,
+BROJS_INFERENCE_URL = "https://platform.brojs.ru/jrnl-bh/api/inference/v1"
+DEFAULT_MODEL = "openai/gpt-oss-20b:free"
+STEP_SEPARATOR = "\n --- --- --- \n"
+
+DEFAULT_QUESTION = (
+    "Помоги составить список покупок: молоко, хлеб, яблоки. Я нахожусь в Казани."
 )
 
-step = 1
+
+def _api_key() -> str:
+    return (
+        os.getenv("OPENAI_API_KEY")
+        or os.getenv("JOURNAL_MCP_PAT")
+        or os.getenv("JOURNAL_TOKEN")
+        or ""
+    )
 
 
-@tool
-def get_price(product: str, city: str) -> str:
-    """Узнать примерную цену продукта в указанном городе. Возвращает строку таблицы."""
-    price_agent = create_agent(
+def _base_url() -> str:
+    if os.getenv("OPENAI_BASE_URL"):
+        return os.environ["OPENAI_BASE_URL"]
+    if os.getenv("OPENAI_API_KEY"):
+        return os.getenv("OPENROUTER_BASE_URL", "https://openrouter.ai/api/v1")
+    return BROJS_INFERENCE_URL
+
+
+def _model() -> str:
+    return os.getenv("OPENAI_MODEL") or os.getenv("OPENROUTER_MODEL") or DEFAULT_MODEL
+
+
+def build_llm() -> ChatOpenAI:
+    return ChatOpenAI(
+        model=_model(),
+        base_url=_base_url(),
+        api_key=_api_key(),
+        temperature=0.7,
+    )
+
+
+def _extract_table(text: str) -> str:
+    lines = [line for line in text.splitlines() if "|" in line]
+    if lines:
+        return "\n".join(lines)
+    return text.strip()
+
+
+def _build_price_subagent(llm: ChatOpenAI):
+    return create_agent(
         model=llm,
         system_prompt=(
-            "Ты эксперт по розничным ценам в России. "
-            "Ответ — одна строка таблицы: | Продукт | Цена (руб.) | Магазин |"
+            "Ты аналитик цен на продукты питания. "
+            "По названию продукта и городу оцени реалистичную цену в рублях. "
+            "Ответь ТОЛЬКО одной строкой markdown-таблицы:\n"
+            "| Продукт | Цена (руб.) | Магазин |"
         ),
     )
-    result = price_agent.invoke(
-        {
-            "messages": [
-                {
-                    "role": "human",
-                    "content": (
-                        f"Какая примерная цена на «{product}» в городе {city}? "
-                        "Верни строку | Продукт | Цена (руб.) | Магазин |"
-                    ),
-                }
-            ]
-        }
+
+
+def make_get_price_tool(llm: ChatOpenAI):
+    price_subagent = _build_price_subagent(llm)
+
+    @tool
+    def get_price(product: str, city: str) -> str:
+        """Возвращает примерную цену продукта в указанном городе.
+
+        Args:
+            product: название продукта (молоко, хлеб, яблоки и т.д.)
+            city: город покупателя
+        """
+        prompt = (
+            f"Город: {city}. Продукт: {product}. "
+            "Верни одну строку таблицы с ценой и магазином."
+        )
+        result = price_subagent.invoke(
+            {"messages": [{"role": "human", "content": prompt}]}
+        )
+        last = result["messages"][-1]
+        content = getattr(last, "content", str(last))
+        return _extract_table(content)
+
+    return get_price
+
+
+def build_agent(llm: ChatOpenAI | None = None):
+    """Главный агент покупок — точка входа для автопроверки."""
+    llm = llm or build_llm()
+    get_price = make_get_price_tool(llm)
+    return create_agent(
+        model=llm,
+        tools=[get_price],
+        system_prompt="Ты помощник по планированию покупок",
     )
-    return result["messages"][-1].content
-
-
-shopping_agent = create_agent(
-    model=llm,
-    tools=[get_price],
-    system_prompt="Ты помощник по планированию покупок",
-)
 
 
 def format_message(message) -> str:
     """Текст сообщения или вызов инструмента."""
-    if message.content:
-        return str(message.content)
+    content = getattr(message, "content", None)
+    if content:
+        return str(content)
     tool_calls = getattr(message, "tool_calls", None) or []
     if tool_calls:
-        tc = tool_calls[0]
-        name = tc.get("name") if isinstance(tc, dict) else getattr(tc, "name", "?")
-        args = tc.get("args") if isinstance(tc, dict) else getattr(tc, "args", {})
+        call = tool_calls[0]
+        name = call.get("name") if isinstance(call, dict) else getattr(call, "name", "")
+        args = call.get("args") if isinstance(call, dict) else getattr(call, "args", {})
         return f"{name}({args})"
     return str(message)
 
 
-def format_chunk_message(chunk_data: tuple) -> None:
-    """Потоковый вывод токенов с разделителем при смене шага."""
-    global step
-    message, meta = chunk_data
-    current_step = meta.get("langgraph_step", step)
+def run_shopping_assistant_stream(
+    agent=None,
+    question: str = DEFAULT_QUESTION,
+) -> None:
+    """Потоковый запуск агента (messages + updates)."""
+    agent = agent or build_agent()
 
-    if current_step != step:
-        step = current_step
-        print("\n --- --- --- \n")
-
-    if message.content:
-        print(message.content, end="", flush=True)
-
-
-def main() -> None:
-    global step
-    step = 1
-
-    question = (
-        "Помоги составить список покупок: молоко, хлеб, яблоки. Я нахожусь в Казани."
-    )
-
-    stream = shopping_agent.stream(
+    stream = agent.stream(
         {"messages": [{"role": "human", "content": question}]},
         stream_mode=["messages", "updates"],
     )
 
+    step = 1
+
+    def format_chunk_message(chunk_data: tuple) -> None:
+        nonlocal step
+        message, meta = chunk_data
+        graph_step = meta.get("langgraph_step", step)
+        if graph_step != step:
+            step = graph_step
+            print(STEP_SEPARATOR, end="")
+        if message.content:
+            print(message.content, end="", flush=True)
+
     for chunk in stream:
         chunk_type, chunk_data = chunk
 
@@ -105,11 +153,15 @@ def main() -> None:
             if model_update:
                 last_message = model_update["messages"][-1]
                 formatted = format_message(last_message)
-                if formatted:
+                if formatted.strip():
                     print(formatted)
 
     print()
 
 
+def main() -> None:
+    run_shopping_assistant_stream()
+
+
 if __name__ == "__main__":
     main()