fix(needs_fixes): 1 исправлений, 0 отстояно — main.py

main.py

@@ -1,68 +1,72 @@
+import os
 import asyncio
 from langchain_openai import ChatOpenAI
-from pydantic import SecretStr
 from langchain.tools import tool
-from deepagents import create_deep_agent
+from langchain.agents import create_agent
-from deepagents.backends import CompositeBackend, LocalShellBackend, FilesystemBackend
 from langchain_core.messages import HumanMessage
 
-# 1. Подключение к локальной LLM
+# --- LLM setup ------------------------------------------------------------
+# Connect to local LM Studio server (OpenAI compatible API)
 llm = ChatOpenAI(
-    model='llama3.1-8b',
+    model="<название модели в LM Studio>",
-    base_url='http://localhost:1234/v1',
+    base_url="http://localhost:1234/v1",
-    api_key=SecretStr('fake'),
+    api_key=os.getenv("OPENAI_API_KEY", "fake"),
     temperature=0.7,
 )
 
-# 2. Backend для deepagents
+# --- Sub‑agent for price generation -------------------------------------
-backend = CompositeBackend([
+# This sub‑agent is created inside the tool and is responsible for
-    LocalShellBackend(workspace_dir='./workspace'),
+# producing a realistic price table for a single product.
-    FilesystemBackend(),
+sub_agent = create_agent(
-])
-
-# 3. Субагент, генерирующий цену
-@tool
-def get_price(product: str, city: str) -> str:
-    """Получить примерную цену продукта в указанном городе.
-    Возвращает таблицу в формате Markdown.
-    """
-    # Создаём субагент, который просто генерирует реалистичную цену
-    sub_agent = create_deep_agent(
     model=llm,
-        tools=[],
+    tools=[],  # no external tools needed for the sub‑agent
-        backend=backend,
+    system_prompt="Ты генератор цены. На основе исторических данных выдавай таблицу с ценой и магазином.",
-        system_prompt=f"Ты эксперт по ценам в {city}. Дай таблицу с продуктом, ценой и магазином.",
-    )
-    # Запрос к субагенту
-    response = asyncio.run(sub_agent.ainvoke(
-        {"messages": [HumanMessage(content=f"Сгенерируй таблицу цены для продукта {product} в городе {city}.")]},
-        {"configurable": {"thread_id": f"price-{product}-{city}"}},
-    ))
-    # Предполагаем, что последний элемент содержит таблицу
-    return response["messages"][-1].content
-
-# 4. Главный агент
-agent = create_deep_agent(
-    model=llm,
-    tools=[get_price],
-    backend=backend,
-    system_prompt='Ты помощник по планированию покупок.',
 )
 
-# 5. Запуск
+# --- Tool definition -----------------------------------------------------
+@tool
+def get_price(product: str, city: str) -> str:
+    """Получить цену продукта в указанном городе.
+
+    Возвращает строку в формате Markdown‑таблицы:
+    | Продукт | Цена (руб.) | Магазин |
+    """
+    # Формируем запрос для суб‑агента
+    prompt = f"\n\nНайди примерную цену на {product} в городе {city}.\n\nВыведи результат в виде таблицы:\n| Продукт | Цена (руб.) | Магазин |"
+    # Запускаем суб‑агента
+    result = sub_agent.invoke({"messages": [HumanMessage(content=prompt)]})
+    # sub_agent возвращает dict с ключом 'messages'
+    # Берём последний текстовый ответ
+    last_msg = result["messages"][-1]
+    return last_msg.content.strip()
+
+# --- Main agent ----------------------------------------------------------
+agent = create_agent(
+    model=llm,
+    tools=[get_price],
+    system_prompt="Ты помощник по планированию покупок.",
+)
+
+# --- Helper for pretty printing ----------------------------------------
+
+def format_message(message):
+    if hasattr(message, "content") and message.content:
+        return message.content
+    if hasattr(message, "tool_calls") and message.tool_calls:
+        call = message.tool_calls[0]
+        return f"{call['name']}({call['args']})"
+    return ""
+
+# --- Main execution ------------------------------------------------------
 async def main():
     user_query = "Помоги составить список покупок: молоко, хлеб, яблоки. Я нахожусь в Казани."
     result = await agent.ainvoke(
         {"messages": [HumanMessage(content=user_query)]},
-        {"configurable": {"thread_id": "shopping-session"}},
+        {"configurable": {"thread_id": "session-1"}},
     )
-    # Вывод всех сообщений
+    # Выводим все сообщения
     for msg in result["messages"]:
-        if msg.content:
+        print(format_message(msg))
-            print(msg.content)
-        elif msg.tool_calls:
-            for call in msg.tool_calls:
-                print(f"{call['name']}({call['args']})")
 
 if __name__ == "__main__":
     asyncio.run(main())