54 lines
2.2 KiB
Python
54 lines
2.2 KiB
Python
import os
|
|
import asyncio
|
|
from langchain_openai import ChatOpenAI
|
|
from langchain.tools import tool
|
|
from langchain.agents import create_agent
|
|
from langchain_core.messages import HumanMessage
|
|
|
|
# Настройка LLM через OpenRouter
|
|
llm = ChatOpenAI(
|
|
model="openai/gpt-oss-20b:free",
|
|
base_url="https://openrouter.ai/api/v1",
|
|
api_key=os.getenv("OPENAI_API_KEY"),
|
|
temperature=0.7,
|
|
)
|
|
|
|
# Инструмент, который вызывает субагент для получения цены
|
|
@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(
|
|
model=llm,
|
|
tools=[],
|
|
system_prompt=f"Ты эксперт по ценам в {city}.\n\nДай таблицу: | Продукт | Цена (руб.) | Магазин |", # простая подсказка
|
|
)
|
|
# 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
|
|
|
|
# Главный агент
|
|
agent = create_agent(
|
|
model=llm,
|
|
tools=[get_price],
|
|
system_prompt="Ты помощник по планированию покупок.",
|
|
)
|
|
|
|
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
|
|
for msg in result["messages"]:
|
|
if msg.content:
|
|
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())
|