From a91c1da02e53d6e0955746111213c5f726fe7a55 Mon Sep 17 00:00:00 2001
From: Danil Parunin 5f1b81b8-4f5d-11e8-9c2d-fa7ae01bbebc <dapa46@mail.ru>
Date: Tue, 16 Jun 2026 16:16:47 +0000
Subject: [PATCH] =?UTF-8?q?fix(needs=5Ffixes):=202=20=D0=B8=D1=81=D0=BF?=
 =?UTF-8?q?=D1=80=D0=B0=D0=B2=D0=BB=D0=B5=D0=BD=D0=B8=D0=B9,=200=20=D0=BE?=
 =?UTF-8?q?=D1=82=D1=81=D1=82=D0=BE=D1=8F=D0=BD=D0=BE=20=E2=80=94=20main.p?=
 =?UTF-8?q?y?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 main.py | 55 +++++++++++++++++++++++++++++++++++--------------------
 1 file changed, 35 insertions(+), 20 deletions(-)

diff --git a/main.py b/main.py
index eeaaed5..5f361f6 100644
--- a/main.py
+++ b/main.py
@@ -1,47 +1,62 @@
-import os
 import asyncio
 from langchain_openai import ChatOpenAI
+from pydantic import SecretStr
 from langchain.tools import tool
-from langchain.agents import create_agent
+from deepagents import create_deep_agent
+from deepagents.backends import CompositeBackend, LocalShellBackend, FilesystemBackend
 from langchain_core.messages import HumanMessage
 
-# Настройка LLM через OpenRouter
+# 1. Подключение к локальной LLM
 llm = ChatOpenAI(
-    model="openai/gpt-oss-20b:free",
-    base_url="https://openrouter.ai/api/v1",
-    api_key=os.getenv("OPENAI_API_KEY"),
+    model='llama3.1-8b',
+    base_url='http://localhost:1234/v1',
+    api_key=SecretStr('fake'),
     temperature=0.7,
 )
 
-# Инструмент, который вызывает субагент для получения цены
+# 2. Backend для deepagents
+backend = CompositeBackend([
+    LocalShellBackend(workspace_dir='./workspace'),
+    FilesystemBackend(),
+])
+
+# 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 генерирует таблицу
-    sub_agent = create_agent(
+    # Создаём субагент, который просто генерирует реалистичную цену
+    sub_agent = create_deep_agent(
         model=llm,
         tools=[],
-        system_prompt=f"Ты эксперт по ценам в {city}.\n\nДай таблицу: | Продукт | Цена (руб.) | Магазин |",  # простая подсказка
+        backend=backend,
+        system_prompt=f"Ты эксперт по ценам в {city}. Дай таблицу с продуктом, ценой и магазином.",
     )
-    # Запускаем субагент с запросом
-    sub_prompt = f"Какова примерная цена на {product} в {city}?"
-    result = sub_agent.invoke({"messages": [HumanMessage(content=sub_prompt)]})
-    # Извлекаем последний текстовый ответ
-    return result["messages"][-1].content
+    # 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
 
-# Главный агент
-agent = create_agent(
+# 4. Главный агент
+agent = create_deep_agent(
     model=llm,
     tools=[get_price],
-    system_prompt="Ты помощник по планированию покупок.",
+    backend=backend,
+    system_prompt='Ты помощник по планированию покупок.',
 )
 
+# 5. Запуск
 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)]})
-    # Печатаем все сообщения, включая вызовы инструментов
+    result = await agent.ainvoke(
+        {"messages": [HumanMessage(content=user_query)]},
+        {"configurable": {"thread_id": "shopping-session"}},
+    )
+    # Вывод всех сообщений
     for msg in result["messages"]:
         if msg.content:
             print(msg.content)