feat: LLM-first architecture — agent orchestrates everything via solve_task tool

- cli.py: cmd_run() now uses agent.ainvoke() instead of pipeline
- ui.py: 'run all' button and chat use main agent; status tab fixed (thread + st.rerun)
- src/agent/runner_tools.py: new solve_task tool wrapping reliable single-task execution
- src/agent/agent.py: solve_task added to main agent tools
- src/agent/prompts.py: main_agent_instructions rewritten for LLM-first orchestration

LLM decides what to do and in what order; Python tools are just hands.

cli.py

@@ -0,0 +1,161 @@
+"""
+CLI для brojs-agent.
+
+Использование:
+  python cli.py solve <task_id>   — решить одно задание
+  python cli.py run               — решить все todo-задания курса
+  python cli.py status            — проверить статусы заданий
+"""
+import asyncio
+import os
+import sys
+
+# Обходим локальный прокси
+os.environ["NO_PROXY"] = (
+    "openrouter.ai,platform.brojs.ru,git.brojs.ru,"
+    + os.environ.get("NO_PROXY", "")
+)
+
+# UTF-8 на Windows
+try:
+    if hasattr(sys.stdout, "reconfigure"):
+        sys.stdout.reconfigure(encoding="utf-8", errors="replace")
+    if hasattr(sys.stderr, "reconfigure"):
+        sys.stderr.reconfigure(encoding="utf-8", errors="replace")
+except Exception:
+    pass
+
+from dotenv import load_dotenv
+load_dotenv()
+
+
+# ---------------------------------------------------------------------------
+# Команды
+# ---------------------------------------------------------------------------
+
+async def cmd_solve(task_id: str) -> None:
+    """Решить одно задание."""
+    from langchain_core.messages import HumanMessage
+    from src.agent.agent import homework_direct_agent
+
+    print(f"[cli] Решаю задание {task_id[:8]}...")
+    result = await homework_direct_agent.ainvoke(
+        {"messages": [HumanMessage(content=f"Реши задание taskId={task_id}")]},
+        {"configurable": {"thread_id": f"cli-{task_id}"}},
+    )
+    final = result["messages"][-1]
+    print(f"\n{'='*60}")
+    print(final.content if hasattr(final, "content") else str(final))
+    print('='*60)
+
+
+async def cmd_run() -> None:
+    """Решить все todo-задания курса (LLM-оркестратор управляет всем)."""
+    import time
+    from langchain_core.messages import HumanMessage
+    from src.agent.agent import agent
+
+    prompt = (
+        "Выполни все задания со статусом todo в курсе KFU-26-1 "
+        "(courseId=698b49da77cb6d4d2e43ce78).\n\n"
+        "Шаги:\n"
+        "1. Получи список заданий через mcp__journal-bh-professor__tasks_list\n"
+        "2. Для каждого задания со статусом todo вызови solve_task(task_id=...)\n"
+        "3. Выполняй строго по одному заданию, жди результата перед следующим\n"
+        "4. Доложи итоговые результаты"
+    )
+
+    print("[cli] Агент-оркестратор запущен (LLM управляет всем)...")
+    result = await agent.ainvoke(
+        {"messages": [HumanMessage(content=prompt)]},
+        {"configurable": {"thread_id": f"run-all-{int(time.time())}"}},
+    )
+
+    final = (result.get("messages") or [{}])[-1]
+    print(f"\n{'='*60}")
+    print(getattr(final, "content", str(final)))
+    print('='*60)
+
+
+async def cmd_status() -> None:
+    """Проверить статусы всех заданий."""
+    from src.agent.mcp_client import load_journal_toolsets
+    import json
+
+    STATUS_EMOJI = {
+        "done":             "✅",
+        "ready_for_review": "🔍",
+        "in_progress":      "🔄",
+        "todo":             "📋",
+        "rejected":         "❌",
+    }
+
+    print("[cli] Получаю список заданий...")
+    journal   = load_journal_toolsets()
+    tools     = {t.name: t for t in journal.tasks_submissions_tools}
+    tool      = tools.get("mcp__journal-bh-professor__tasks_list") \
+                or next((v for k, v in tools.items() if "tasks_list" in k), None)
+    if not tool:
+        print(f"Ошибка: инструмент tasks_list не найден. Доступны: {list(tools.keys())}")
+        return
+
+    raw   = await tool.ainvoke({"courseId": "698b49da77cb6d4d2e43ce78"})
+    text  = next((x["text"] for x in raw if x.get("type") == "text"), str(raw)) if isinstance(raw, list) else str(raw)
+
+    try:
+        data  = json.loads(text)
+        items = data.get("tasks", data) if isinstance(data, dict) else data
+    except (json.JSONDecodeError, TypeError):
+        items = []
+
+    if not items:
+        print("Нет данных о заданиях")
+        return
+
+    print(f"\n{'Статус':<22} {'ID':>10}  Название")
+    print("-" * 80)
+    counts: dict[str, int] = {}
+    for item in items:
+        t      = item.get("task", item) if isinstance(item, dict) else {}
+        tid    = t.get("id", "")
+        status = item.get("status", "")
+        title  = t.get("title", t.get("name", ""))
+        emoji  = STATUS_EMOJI.get(status, "❓")
+        print(f"  {emoji} {status:<18} {tid[:8]}...  {title}")
+        counts[status] = counts.get(status, 0) + 1
+
+    print()
+    for s, n in counts.items():
+        print(f"  {STATUS_EMOJI.get(s,'❓')} {s}: {n}")
+
+
+# ---------------------------------------------------------------------------
+# Точка входа
+# ---------------------------------------------------------------------------
+
+def main() -> None:
+    if len(sys.argv) < 2:
+        print(__doc__)
+        sys.exit(0)
+
+    cmd = sys.argv[1].lower()
+
+    if cmd == "solve":
+        if len(sys.argv) < 3:
+            print("Использование: python cli.py solve <task_id>")
+            sys.exit(1)
+        asyncio.run(cmd_solve(sys.argv[2]))
+
+    elif cmd == "run":
+        asyncio.run(cmd_run())
+
+    elif cmd == "status":
+        asyncio.run(cmd_status())
+
+    else:
+        print(__doc__)
+        sys.exit(1)
+
+
+if __name__ == "__main__":
+    main()

requirements.txt

@@ -8,3 +8,4 @@ python-dotenv>=1.0.0
 httpx>=0.27.0
 markdownify>=0.13.0
 tavily-python>=0.3.0
+streamlit>=1.35.0

src/agent/agent.py

@@ -19,6 +19,8 @@ from src.agent.prompts import (
     rework_instructions,
 )
 from src.agent.subagents import subagent_specs_without_tools
+from src.agent.runner_tools import solve_task
+from src.agent.solve_tools import SOLVE_TOOLS
 from src.agent.tools import GIT_TOOLS, WEB_TOOLS
 
 # ---------------------------------------------------------------------------
@@ -54,7 +56,7 @@ _composite_backend = CompositeBackend(
 # Наборы инструментов
 # ---------------------------------------------------------------------------
 
-_homework_tools = [*GIT_TOOLS, *GITEA_TOOLS, *WEB_TOOLS, *_journal_tools]
+_homework_tools = [*GIT_TOOLS, *GITEA_TOOLS, *WEB_TOOLS, *_journal_tools, *SOLVE_TOOLS]
 _web_tools      = WEB_TOOLS
 
 _subagent_tool_map = {
@@ -72,12 +74,13 @@ _gitea_names   = {t.name for t in GITEA_TOOLS}
 _journal_names = {t.name for t in _journal_tools}
 _git_names     = {t.name for t in GIT_TOOLS}
 _web_names     = {t.name for t in WEB_TOOLS}
+_solve_names   = {t.name for t in SOLVE_TOOLS}
 
-_main_tool_names = _BUILTIN | _gitea_names
+_main_tool_names = _BUILTIN | _gitea_names | _journal_names | {"solve_task"}
 
 _subagent_tool_names: dict[str, set[str]] = {
     "web_search":                  _BUILTIN | _web_names,
-    "homework_doing":              _BUILTIN | _gitea_names | _journal_names | _git_names | _web_names,
+    "homework_doing":              _BUILTIN | _gitea_names | _journal_names | _git_names | _web_names | _solve_names,
     "journal_bh_tasks_submissions": _BUILTIN | _journal_names,
 }
 
@@ -111,7 +114,7 @@ subagents = [
 
 agent = create_deep_agent(
     model=llm,
-    tools=list(GITEA_TOOLS),
+    tools=[*GITEA_TOOLS, *_journal_tools, solve_task],
     system_prompt=main_agent_instructions,
     backend=_composite_backend,
     memory=[AGENTS_MD_VFS_PATH],

src/agent/gitea_tools.py

@@ -172,9 +172,36 @@ def gitea_get_file(repo: str, path: str, owner: str = GITEA_OWNER) -> str:
         return f"Ошибка: {e}"
 
 
+@tool()
+def gitea_list_files(repo: str, owner: str = GITEA_OWNER) -> str:
+    """Список файлов в корне репозитория на git.brojs.ru.
+
+    Args:
+        repo: имя репозитория (например task-abc123)
+        owner: владелец репозитория (по умолчанию glevelll)
+    """
+    try:
+        result = _get(f"/api/v1/repos/{owner}/{repo}/contents")
+        files = [item["name"] for item in result if item.get("type") == "file"]
+        dirs  = [item["name"] for item in result if item.get("type") == "dir"]
+        parts = []
+        if files:
+            parts.append(f"Файлы: {', '.join(files)}")
+        if dirs:
+            parts.append(f"Папки: {', '.join(dirs)}")
+        return "\n".join(parts) if parts else f"Репозиторий {owner}/{repo} пуст"
+    except httpx.HTTPStatusError as e:
+        if e.response.status_code == 404:
+            return f"Репозиторий {owner}/{repo} не найден (первая сдача)"
+        return f"Ошибка: {e.response.text}"
+    except Exception as e:
+        return f"Ошибка: {e}"
+
+
 # Список всех gitea-инструментов для удобного импорта
 GITEA_TOOLS = [
     gitea_list_repos,
+    gitea_list_files,
     gitea_create_repo,
     gitea_write_file,
     gitea_get_file,

src/agent/graph/pipeline.py

@@ -8,6 +8,7 @@ import re
 from typing import TypedDict
 
 from langchain_core.messages import HumanMessage
+from langchain_core.runnables import RunnableConfig
 from langgraph.graph import START, StateGraph
 
 from src.agent.agent import homework_direct_agent, journal as _journal_toolsets, rework_agent
@@ -236,11 +237,16 @@ def _is_rate_limit(exc: Exception) -> bool:
     return "429" in msg or "rate" in msg.lower() or "rate_limit" in msg.lower()
 
 
-async def _invoke_with_retry(agent, messages, config):
+async def _invoke_with_retry(agent, messages, config, callbacks=None):
-    """Вызывает агента с автоматическим retry при 429."""
+    """Вызывает агента с автоматическим retry при 429.
+    callbacks — список LangChain callback-объектов (например AgentCallback из UI).
+    """
+    run_config = dict(config)
+    if callbacks:
+        run_config["callbacks"] = callbacks
     for attempt in range(1, RATE_LIMIT_RETRIES + 1):
         try:
-            return await agent.ainvoke(messages, config)
+            return await agent.ainvoke(messages, run_config)
         except Exception as e:
             if _is_rate_limit(e) and attempt < RATE_LIMIT_RETRIES:
                 wait = RATE_LIMIT_PAUSE * attempt
@@ -276,8 +282,8 @@ async def fetch_tasks(state: PipelineState) -> dict:
     return {"tasks": coding, "current_index": 0, "results": [], "errors": []}
 
 
-async def process_one_task(state: PipelineState) -> dict:
+async def process_one_task(state: PipelineState, config: RunnableConfig | None = None) -> dict:
-    """Выполняет одно задание."""
+    """Выполняет одно задание. config может содержать callbacks из UI."""
     if state["current_index"] >= len(state["tasks"]):
         return state
 
@@ -316,6 +322,9 @@ async def process_one_task(state: PipelineState) -> dict:
         )
         agent_to_use = homework_direct_agent
 
+    # Извлекаем callbacks из LangGraph config (переданы из UI)
+    callbacks = (config or {}).get("callbacks") or []
+
     try:
         print(f"[pipeline] Задание {task_id[:8]} — {'пересдача' if is_rework else 'первая сдача'}: "
               f"{task.get('title','')[:50]}")
@@ -324,6 +333,7 @@ async def process_one_task(state: PipelineState) -> dict:
             agent_to_use,
             {"messages": [HumanMessage(content=prompt)]},
             {"configurable": {"thread_id": f"pipeline-task-{task_id}"}},
+            callbacks=callbacks,
         )
         last    = (result.get("messages") or [{}])[-1]
         output  = getattr(last, "content", str(last))
@@ -343,6 +353,7 @@ async def process_one_task(state: PipelineState) -> dict:
                     agent_to_use,
                     {"messages": [HumanMessage(content=fix_msg)]},
                     {"configurable": {"thread_id": f"pipeline-task-{task_id}-retry-{retries}"}},
+                    callbacks=callbacks,
                 )
                 verification = await _verify_repo(repo_name)
 

src/agent/middlewares/retry_on_rate_limit.py

@@ -2,15 +2,34 @@
 from __future__ import annotations
 
 import asyncio
+import queue
+import time
 from typing import Any
 
 from langchain.agents.middleware import AgentMiddleware, AgentState
-from langchain_core.messages import ToolMessage
 
 
 _PAUSE = 30   # секунд ожидания при 429
 _TRIES = 5    # максимум попыток
 
+# Глобальный канал событий для UI (устанавливается из ui.py перед запуском агента).
+# Если None — события просто не отправляются (CLI-режим).
+_ui_event_queue: queue.Queue | None = None
+
+
+def set_ui_event_queue(q: queue.Queue | None) -> None:
+    """Вызывается из ui.py чтобы подключить очередь событий."""
+    global _ui_event_queue
+    _ui_event_queue = q
+
+
+def _emit(event: dict) -> None:
+    if _ui_event_queue is not None:
+        try:
+            _ui_event_queue.put_nowait(event)
+        except Exception:
+            pass
+
 
 def _is_429(exc: Exception) -> bool:
     msg = str(exc)
@@ -18,7 +37,9 @@ def _is_429(exc: Exception) -> bool:
 
 
 class RetryOnRateLimitMiddleware(AgentMiddleware[AgentState[Any], Any]):
-    """Перехватывает 429 от любого инструмента и повторяет с паузой."""
+    """Перехватывает 429 от любого инструмента и повторяет с паузой.
+    Отправляет события rate_limit_wait / rate_limit_retry в UI-очередь.
+    """
 
     def wrap_tool_call(self, request, handler):
         for attempt in range(1, _TRIES + 1):
@@ -28,8 +49,12 @@ class RetryOnRateLimitMiddleware(AgentMiddleware[AgentState[Any], Any]):
                 if _is_429(e) and attempt < _TRIES:
                     name = request.tool_call.get("name", "")
                     print(f"[retry-mw] {name} → 429, жду {_PAUSE}с (попытка {attempt}/{_TRIES})...")
-                    import time
+                    _emit({"t": "rate_limit_wait", "name": name,
+                           "pause": _PAUSE, "attempt": attempt, "max": _TRIES,
+                           "ts": _now()})
                     time.sleep(_PAUSE)
+                    _emit({"t": "rate_limit_retry", "name": name,
+                           "attempt": attempt + 1, "ts": _now()})
                 else:
                     raise
 
@@ -41,6 +66,16 @@ class RetryOnRateLimitMiddleware(AgentMiddleware[AgentState[Any], Any]):
                 if _is_429(e) and attempt < _TRIES:
                     name = request.tool_call.get("name", "")
                     print(f"[retry-mw] {name} → 429, жду {_PAUSE}с (попытка {attempt}/{_TRIES})...")
+                    _emit({"t": "rate_limit_wait", "name": name,
+                           "pause": _PAUSE, "attempt": attempt, "max": _TRIES,
+                           "ts": _now()})
                     await asyncio.sleep(_PAUSE)
+                    _emit({"t": "rate_limit_retry", "name": name,
+                           "attempt": attempt + 1, "ts": _now()})
                 else:
                     raise
+
+
+def _now() -> str:
+    from datetime import datetime
+    return datetime.now().strftime("%H:%M:%S")

src/agent/prompts.py

@@ -63,587 +63,98 @@ journal_tasks_submissions_instructions = """
 # ---------------------------------------------------------------------------
 
 homework_doing_instructions = '''
-Ты — исполнитель домашних заданий (ПЕРВАЯ СДАЧА).
+Ты — агент выполнения домашних заданий курса KFU-26-1.
-У тебя есть ВСЕ инструменты напрямую. Не делегируй другим субагентам.
 
-courseId = "698b49da77cb6d4d2e43ce78"
+courseId  = "698b49da77cb6d4d2e43ce78"
 Gitea owner = "glevelll"
-
+repo для задания: "task-<taskId>"
-ВАЖНО: Journal-инструменты имеют префикс mcp__journal-bh-professor__
+
-        Gitea-инструменты: gitea_create_repo, gitea_write_file, gitea_get_file, gitea_list_repos
+## Доступные инструменты
-        Git-инструменты: git_clone, git_pull, git_status, git_add_and_commit, git_push
+
-
+Journal (префикс mcp__journal-bh-professor__):
-## ПОРЯДОК ВЫПОЛНЕНИЯ:
+  task_text(taskId)           — полный текст задания
-
+  task_get(taskId)            — детали: статус, answer, комментарии преподавателя
-[1] mcp__journal-bh-professor__task_text({"taskId": "<id>"})
+  task_update_answer(...)     — установить ссылку на репо (ОБЯЗАТЕЛЬНО перед submit)
-    → Прочитай ПОЛНЫЙ текст задания
+  task_submit(taskId, confirmSubmit=true) — сдать задание
-
+
-[2] Составь письменный план:
+Gitea:
-    - какие файлы нужны (main.py, requirements.txt, etc.)
+  gitea_list_files(repo)      — список файлов в репозитории
-    - что реализовать в каждом файле
+  gitea_list_repos()          — список репозиториев (узнать существует ли repo)
-    - какой технический стек использовать (см. раздел ТЕХНИЧЕСКИЕ ПАТТЕРНЫ ниже)
+  gitea_create_repo(name)     — создать репозиторий
-
+  gitea_write_file(repo, path, content, message) — записать файл (автокоммит)
-[3] gitea_create_repo({"name": "task-<id>", "private": false})
+  gitea_get_file(repo, path)  — прочитать файл
-    → Создай репозиторий
+
-
+Инструменты решения (LLM-субагенты):
-[4] Для КАЖДОГО файла вызывай ОТДЕЛЬНО:
+  validate_teacher_comment(task_text, repo_name, teacher_comment)
-    gitea_write_file({
+      → анализирует каждый пункт замечания: ловушка или реальная ошибка
-        "repo": "task-<id>",
+  generate_code_solution(task_text, fix_instructions="", defense_context="")
-        "path": "main.py",
+      → генерирует main.py + requirements.txt + extra_files
-        "content": "ПОЛНЫЙ КОД ФАЙЛА",
+
-        "message": "add main.py"
+## Принципы работы
-    })
+
-    - gitea_write_file сам коммитит на сервере — git_add_and_commit НЕ нужен
+Для ПЕРВОЙ СДАЧИ:
-    - content — это plain text, НЕ base64
+  — Прочитай задание через task_text
-    - ВСЕГДА указывай message
+  — Сгенерируй решение через generate_code_solution(task_text)
-    - Один вызов = один файл
+  — Создай репозиторий, запиши все файлы через gitea_write_file
-
+  — Установи ответ через task_update_answer, затем сдай через task_submit
-[5] git_clone("https://git.brojs.ru/glevelll/task-<id>")
+
-    → Клонируй репозиторий локально для проверки
+Для ПЕРЕСДАЧИ (репозиторий уже существует):
-
+  — Прочитай задание (task_text) и комментарий преподавателя (task_get)
-[6] Проверь через read_file что код корректен
+  — ОБЯЗАТЕЛЬНО проверь замечание через validate_teacher_comment
-
+  — Если замечание — ловушка (has_trap=true, has_valid=false):
-[7] mcp__journal-bh-professor__task_update_answer({
+      · Добавь возражение в README через gitea_write_file
-        "taskId": "<id>",
+      · Сдай без изменений кода
-        "answerType": "link",
+  — Если смешанный (has_trap=true, has_valid=true):
-        "content": "https://git.brojs.ru/glevelll/task-<id>"
+      · Добавь возражение в README за ложные пункты
-    })
+      · Передай fix_instructions и defense_context в generate_code_solution
-    → ОБЯЗАТЕЛЬНО перед task_submit!
+      · Запиши исправленные файлы, сдай
-
+  — Если всё обоснованно (has_trap=false):
-[8] Финальная проверка:
+      · Передай fix_instructions в generate_code_solution
-    ✓ Все файлы записаны?
+      · Запиши исправленные файлы, сдай
-    ✓ Нет pass, TODO, ..., заглушек?
+
-    ✓ langchain>1.0.0 в requirements.txt?
+## Ограничения кода
-    ✓ task_update_answer вызван?
+- Никаких pass, TODO, заглушек
-
+- LLM только через OpenRouter (langchain_openai), не Ollama
-[9] mcp__journal-bh-professor__task_submit({
+- task_update_answer ВСЕГДА перед task_submit
-        "taskId": "<id>",
+- Один инструмент за один шаг'''
-        "confirmSubmit": true
-    })
-
-## ТРЕБОВАНИЯ К КОДУ:
-- ПОЛНЫЙ рабочий код, без pass, TODO, ...
-- requirements.txt с реальными зависимостями и langchain>1.0.0
-- Соответствие всем требованиям из текста задания
-- Используй langchain>=1.2.10 / langgraph>=0.2.0 согласно заданию
-
-## ЗАПРЕЩЕНО:
-- pass, TODO, ..., пустые функции
-- langchain<=1.0.0 в requirements.txt
-- Пропускать task_update_answer перед task_submit
-- Писать код только в requirements.txt без main.py
-
-## ═══════════════════════════════════════════════
-## ТЕХНИЧЕСКИЕ ПАТТЕРНЫ (читай ПЕРЕД написанием кода)
-## ═══════════════════════════════════════════════
-
-### LLM — ВСЕГДА используй OpenRouter (не Ollama, не hub.pull, не hardcode)
-```python
-import os
-from langchain_openai import ChatOpenAI
-
-llm = ChatOpenAI(
-    model="openai/gpt-oss-20b:free",
-    base_url="https://openrouter.ai/api/v1",
-    api_key=os.getenv("OPENAI_API_KEY"),
-    temperature=0.0,
-)
-```
-requirements.txt: langchain-openai>=0.3.0
-
----
-
-### deepagents — правильный паттерн (задания про "deep agent", "deepagent", "deep agents from scratch")
-```python
-import os, asyncio
-from langchain_openai import ChatOpenAI
-from langchain_core.messages import HumanMessage
-from langchain.tools import tool
-from deepagents import create_deep_agent
-from deepagents.backends import FilesystemBackend, LocalShellBackend, CompositeBackend
-
-llm = ChatOpenAI(model="openai/gpt-oss-20b:free",
-                 base_url="https://openrouter.ai/api/v1",
-                 api_key=os.getenv("OPENAI_API_KEY"))
-
-# Виртуальная ФС + реальная shell среда
-backend = CompositeBackend([
-    LocalShellBackend(workspace_dir="./workspace"),
-    FilesystemBackend(),
-])
-
-@tool
-def web_search(query: str) -> str:
-    """Search the web for information."""
-    try:
-        from duckduckgo_search import DDGS
-        with DDGS() as ddgs:
-            results = list(ddgs.text(query, max_results=5))
-        return "\\n".join(f"{r['title']}: {r['body']}" for r in results)
-    except Exception as e:
-        return f"Search error: {e}"
-
-agent = create_deep_agent(
-    llm=llm,
-    tools=[web_search],
-    backend=backend,
-    system_prompt="You are a helpful research agent.",
-)
-
-async def main():
-    result = await agent.ainvoke(
-        {"messages": [HumanMessage(content="Search for Python best practices and save to results.txt")]},
-        {"configurable": {"thread_id": "session-1"}},
-    )
-    print(result["messages"][-1].content)
-
-if __name__ == "__main__":
-    asyncio.run(main())
-```
-requirements.txt: deepagents, langchain-openai>=0.3.0, duckduckgo-search
-
----
-
-### FastMCP сервер — ТОЛЬКО на уровне модуля, НИКОГДА внутри класса
-```python
-# ПРАВИЛЬНО:
-from fastmcp import FastMCP
-import json
-from pathlib import Path
-
-mcp = FastMCP("memory-server")
-STORAGE = Path("memory.json")
-
-def _load():
-    return json.loads(STORAGE.read_text()) if STORAGE.exists() else {}
-
-def _save(data):
-    STORAGE.write_text(json.dumps(data, indent=2, ensure_ascii=False))
-
-@mcp.tool()
-def save(key: str, value: str) -> bool:
-    """Save a value by key."""
-    data = _load(); data[key] = value; _save(data)
-    return True
-
-@mcp.tool()
-def get(key: str) -> str:
-    """Get a value by key."""
-    return _load().get(key, "")
-
-@mcp.tool()
-def delete(key: str) -> bool:
-    """Delete a key."""
-    data = _load()
-    if key in data:
-        del data[key]; _save(data); return True
-    return False
-
-@mcp.tool()
-def list_keys() -> list:
-    """List all keys."""
-    return list(_load().keys())
-
-if __name__ == "__main__":
-    mcp.run(transport="stdio")
-
-# ЗАПРЕЩЕНО — так не работает:
-# class MemoryServer:
-#     @self.mcp.tool()   ← NameError: self не существует в теле класса
-#     def save(self, ...): ...
-```
-requirements.txt: fastmcp>=0.1.0, pydantic>=2.0
-
----
-
-### LangChain create_agent — НЕ совместим с AgentExecutor
-```python
-import asyncio, os
-from langchain_openai import ChatOpenAI
-from langchain_core.messages import HumanMessage
-from langchain.agents import create_agent
-from langchain.tools import tool
-
-llm = ChatOpenAI(model="openai/gpt-oss-20b:free",
-                 base_url="https://openrouter.ai/api/v1",
-                 api_key=os.getenv("OPENAI_API_KEY"))
-
-@tool
-def my_tool(query: str) -> str:
-    """Tool description."""
-    return f"result for {query}"
-
-agent = create_agent(
-    llm=llm,
-    tools=[my_tool],
-    system_prompt="You are a helpful assistant.",
-)
-
-async def main():
-    result = await agent.ainvoke(
-        {"messages": [HumanMessage(content="Hello")]},
-        {"configurable": {"thread_id": "t1"}},
-    )
-    print(result["messages"][-1].content)
-
-if __name__ == "__main__":
-    asyncio.run(main())
-
-# ЗАПРЕЩЕНО:
-# AgentExecutor(agent=create_agent(...), ...)  ← несовместимо!
-# agent_type=AgentType.ZERO_SHOT_REACT_DESCRIPTION  ← не параметр create_agent
-```
-requirements.txt: langchain>=1.2.10, langchain-openai>=0.3.0, langgraph>=0.2.0
-
----
-
-### Human-in-the-Loop через HumanInTheLoopMiddleware
-```python
-import asyncio, json, os
-from langchain_openai import ChatOpenAI
-from langchain_core.messages import HumanMessage
-from langchain.agents import create_agent
-from langchain.agents.middleware import HumanInTheLoopMiddleware
-from langchain.tools import tool
-from langgraph.checkpoint.memory import MemorySaver
-from langgraph.types import Command
-
-llm = ChatOpenAI(model="openai/gpt-oss-20b:free",
-                 base_url="https://openrouter.ai/api/v1",
-                 api_key=os.getenv("OPENAI_API_KEY"))
-
-@tool
-def get_weather(city: str) -> str:
-    """Get weather for a city."""
-    return f"Sunny, 22C in {city}"
-
-memory = MemorySaver()
-agent = create_agent(
-    llm=llm,
-    tools=[get_weather],
-    system_prompt="You are a helpful assistant.",
-    middleware=[HumanInTheLoopMiddleware(interrupt_on={"get_weather": True})],
-    checkpointer=memory,
-)
-
-def ask_human(interrupt_value):
-    decisions = []
-    for action in interrupt_value.get("action_requests", []):
-        print(f"Tool: {action['name']}, Args: {action['args']}")
-        ans = input("Approve? (y/n): ").strip().lower()
-        decisions.append({"type": "approve" if ans == "y" else "reject"})
-    return decisions
-
-async def main():
-    config = {"configurable": {"thread_id": "session-1"}}
-    result = await agent.ainvoke(
-        {"messages": [HumanMessage(content="What's the weather in Moscow?")]},
-        config,
-    )
-    while "__interrupt__" in result:
-        decisions = ask_human(result["__interrupt__"][0].value)
-        result = await agent.ainvoke(
-            Command(resume={"decisions": decisions}), config
-        )
-    print(result["messages"][-1].content)
-
-if __name__ == "__main__":
-    asyncio.run(main())
-```
-requirements.txt: langchain>=1.2.10, langchain-openai>=0.3.0, langgraph>=0.2.0
-
----
-
-### LangGraph interrupt (Human-in-the-loop без middleware)
-```python
-import asyncio, os
-from langchain_openai import ChatOpenAI
-from langchain_core.messages import HumanMessage
-from langchain.agents import create_agent
-from langchain.tools import tool
-from langgraph.checkpoint.memory import MemorySaver
-from langgraph.types import Command
-
-llm = ChatOpenAI(model="openai/gpt-oss-20b:free",
-                 base_url="https://openrouter.ai/api/v1",
-                 api_key=os.getenv("OPENAI_API_KEY"))
-
-@tool
-def dangerous_action(cmd: str) -> str:
-    """Execute a dangerous action."""
-    return f"Executed: {cmd}"
-
-memory = MemorySaver()
-agent = create_agent(llm=llm, tools=[dangerous_action],
-                     checkpointer=memory, interrupt_before=["tools"])
-
-async def main():
-    config = {"configurable": {"thread_id": "t1"}}
-    result = await agent.ainvoke(
-        {"messages": [HumanMessage(content="Run ls -la")]}, config
-    )
-    # Агент остановился перед вызовом инструмента
-    snapshot = await agent.aget_state(config)
-    if snapshot.next:
-        ans = input(f"Approve tool call? (y/n): ").strip()
-        if ans == "y":
-            result = await agent.ainvoke(Command(resume=None), config)
-        else:
-            result = await agent.ainvoke(
-                Command(resume=None, update={"messages": [
-                    HumanMessage(content="User rejected the action.")
-                ]}), config
-            )
-    print(result["messages"][-1].content)
-
-if __name__ == "__main__":
-    asyncio.run(main())
-```
-
----
-
-### RAG-агент с Qdrant (используй OpenRouter для LLM, Qdrant для векторов)
-```python
-import os, asyncio
-from langchain_openai import ChatOpenAI, OpenAIEmbeddings
-from langchain_qdrant import QdrantVectorStore
-from langchain.tools import tool
-from langchain.agents import create_agent
-from langchain_core.messages import HumanMessage
-from qdrant_client import QdrantClient
-from qdrant_client.models import Distance, VectorParams
-
-llm = ChatOpenAI(model="openai/gpt-oss-20b:free",
-                 base_url="https://openrouter.ai/api/v1",
-                 api_key=os.getenv("OPENAI_API_KEY"))
-
-# Embeddings через OpenAI-совместимый API (OpenRouter)
-embeddings = OpenAIEmbeddings(
-    model="text-embedding-3-small",
-    base_url="https://openrouter.ai/api/v1",
-    api_key=os.getenv("OPENAI_API_KEY"),
-)
-
-# Qdrant in-memory (не требует отдельного сервера)
-client = QdrantClient(":memory:")
-client.create_collection("knowledge",
-    vectors_config=VectorParams(size=1536, distance=Distance.COSINE))
-vector_store = QdrantVectorStore(client=client, collection_name="knowledge",
-                                  embedding=embeddings)
-
-@tool
-def search_knowledge_base(query: str, max_results: int = 5) -> str:
-    """Semantic search in the knowledge base."""
-    docs = vector_store.similarity_search(query, k=max_results)
-    if not docs:
-        return "No relevant documents found."
-    return "\\n\\n".join(f"{i+1}. {d.page_content}" for i, d in enumerate(docs))
-
-@tool
-def add_to_knowledge_base(content: str, title: str = "document") -> str:
-    """Add text to the knowledge base."""
-    from langchain_core.documents import Document
-    vector_store.add_documents([Document(page_content=content,
-                                          metadata={"title": title})])
-    return f"Added '{title}' to knowledge base."
-
-agent = create_agent(
-    llm=llm,
-    tools=[search_knowledge_base, add_to_knowledge_base],
-    system_prompt="You are an assistant with access to a knowledge base.",
-)
-
-async def main():
-    await add_to_knowledge_base.ainvoke({"content": "Python is a high-level language.", "title": "python-intro"})
-    result = await agent.ainvoke(
-        {"messages": [HumanMessage(content="What do you know about Python?")]},
-        {"configurable": {"thread_id": "rag-1"}},
-    )
-    print(result["messages"][-1].content)
-
-if __name__ == "__main__":
-    asyncio.run(main())
-```
-requirements.txt: langchain>=1.2.10, langchain-openai>=0.3.0, langgraph>=0.2.0,
-                   langchain-qdrant, qdrant-client
-
----
-
-### Stream-режим агента
-```python
-import asyncio, os
-from langchain_openai import ChatOpenAI
-from langchain_core.messages import HumanMessage
-from langchain.agents import create_agent
-from langchain.tools import tool
-
-llm = ChatOpenAI(model="openai/gpt-oss-20b:free",
-                 base_url="https://openrouter.ai/api/v1",
-                 api_key=os.getenv("OPENAI_API_KEY"), streaming=True)
-
-@tool
-def calculator(expression: str) -> str:
-    """Evaluate a math expression."""
-    try:
-        return str(eval(expression, {"__builtins__": {}}, {}))
-    except Exception as e:
-        return f"Error: {e}"
-
-agent = create_agent(llm=llm, tools=[calculator],
-                     system_prompt="You are a helpful assistant.")
-
-async def main():
-    config = {"configurable": {"thread_id": "stream-1"}}
-    # stream_mode="messages" — получаем токены по одному
-    async for event in agent.astream(
-        {"messages": [HumanMessage(content="What is 2+2?")]},
-        config,
-        stream_mode="messages",
-    ):
-        if isinstance(event, tuple):
-            msg, metadata = event
-            if hasattr(msg, "content") and msg.content:
-                print(msg.content, end="", flush=True)
-    print()
-
-if __name__ == "__main__":
-    asyncio.run(main())
-```
-
----
-
-### Задания типа "план / документ" (не чистый кодинг — например ai-fluency)
-Если задание просит написать план, документ или пройти курс:
-- Создай main.py который ВЫВОДИТ план в консоль
-- План должен быть содержательным (минимум 300 слов), структурированным
-- Имитируй личный опыт: "я понял, что...", "мой план включает..."
-- Опирайся на тему курса из описания задания
-
----
-
-### Web search без API-ключа (для поисковых агентов)
-```python
-from duckduckgo_search import DDGS
-
-def web_search(query: str) -> str:
-    with DDGS() as ddgs:
-        results = list(ddgs.text(query, max_results=5))
-    return "\\n".join(f"[{r['title']}] {r['body']} ({r['href']})" for r in results)
-```
-requirements.txt: duckduckgo-search
-
----
-
-### LangGraph текстовая игра с interrupt
-```python
-import asyncio, os
-from langchain_openai import ChatOpenAI
-from langchain_core.messages import HumanMessage, SystemMessage
-from langgraph.graph import StateGraph, START, END
-from langgraph.checkpoint.memory import MemorySaver
-from langgraph.types import interrupt, Command
-from typing import TypedDict, Annotated
-from langgraph.graph.message import add_messages
-
-class GameState(TypedDict):
-    messages: Annotated[list, add_messages]
-    location: str
-    inventory: list
-
-llm = ChatOpenAI(model="openai/gpt-oss-20b:free",
-                 base_url="https://openrouter.ai/api/v1",
-                 api_key=os.getenv("OPENAI_API_KEY"))
-
-def game_master(state: GameState) -> dict:
-    system = SystemMessage(content=(
-        "You are a text adventure game master. "
-        f"Player is at: {state.get('location','start')}. "
-        f"Inventory: {state.get('inventory',[])}. "
-        "Describe what happens and list 2-3 options."
-    ))
-    response = llm.invoke([system] + state["messages"])
-    return {"messages": [response]}
-
-def player_turn(state: GameState) -> Command:
-    player_input = interrupt("Your action: ")
-    return Command(goto="game_master",
-                   update={"messages": [HumanMessage(content=player_input)]})
-
-memory = MemorySaver()
-builder = StateGraph(GameState)
-builder.add_node("game_master", game_master)
-builder.add_node("player_turn", player_turn)
-builder.add_edge(START, "game_master")
-builder.add_edge("game_master", "player_turn")
-game = builder.compile(checkpointer=memory)
-
-async def main():
-    config = {"configurable": {"thread_id": "game-1"}}
-    state = {"messages": [HumanMessage(content="Start the adventure!")],
-             "location": "forest entrance", "inventory": []}
-    result = await game.ainvoke(state, config)
-    while True:
-        last = result["messages"][-1].content
-        print(f"\\nGame: {last}")
-        if "__interrupt__" in result:
-            action = input("\\nYour action: ").strip()
-            if action.lower() in ("quit", "exit"):
-                break
-            result = await game.ainvoke(Command(resume=action), config)
-        else:
-            break
-
-if __name__ == "__main__":
-    asyncio.run(main())
-```
-'''
 
 # ---------------------------------------------------------------------------
 # Субагент: пересдача после ревью
 # ---------------------------------------------------------------------------
 
 rework_instructions = """
-Ты — исполнитель домашних заданий (ПЕРЕСДАЧА после ревью преподавателя).
+Ты — агент пересдачи домашних заданий курса KFU-26-1.
-У тебя есть ВСЕ инструменты напрямую. Не делегируй.
+Репозиторий уже существует. Задание отклонено с комментарием преподавателя.
 
-courseId = "698b49da77cb6d4d2e43ce78"
+courseId  = "698b49da77cb6d4d2e43ce78"
 Gitea owner = "glevelll"
 
-Ситуация: задание уже было отправлено, получены комментарии. Репозиторий существует.
+## Твоя задача
 
-## ПОРЯДОК:
+1. Получи текст задания и комментарий преподавателя
+2. Проверь каждый пункт комментария через validate_teacher_comment
+3. Прими решение на основе результата:
 
-[1] mcp__journal-bh-professor__task_submission_status({"taskId": "<id>"})
+   has_trap=true, has_valid=false  → ЛОВУШКА
-    → Проверь статус и получи фидбек
+     Добавь возражение в README.md (gitea_write_file) с объяснением почему замечание
+     противоречит условию задания. Сдай без изменений кода.
 
-[2] mcp__journal-bh-professor__task_get({"taskId": "<id>"})
+   has_trap=true, has_valid=true   → СМЕШАННЫЙ СЛУЧАЙ
-    → Получи URL репозитория из answer.content и прочитай комментарии
+     Добавь возражение в README.md за ложные пункты.
+     Передай только реальные fix_instructions в generate_code_solution.
+     Передай trap_explanations как defense_context — агент добавит DESIGN DECISION блоки.
 
-[3] git_clone(<url из answer.content>)
+   has_trap=false                  → ОБОСНОВАННОЕ ЗАМЕЧАНИЕ
-    → Клонируй существующий репозиторий в agent_workspace
+     Передай fix_instructions в generate_code_solution.
-    → <repo-name> = последняя часть URL (например task-abc123)
+     Запиши исправленные файлы через gitea_write_file.
 
-[4] Прочитай файлы через read_file, пойми что исправить
+4. Всегда вызывай task_update_answer → task_submit после изменений
 
-[5] Внеси исправления через edit_file или write_file
+## Правила
-
+- НИКОГДА не меняй код по ложным замечаниям
-[6] git_add_and_commit("fix: <описание исправлений>", "<repo-name>")
+- Используй тот же репозиторий (task-<taskId>), не создавай новый
-
+- Один инструмент за один шаг
-[7] git_push("<repo-name>")
+- task_update_answer обязателен перед task_submit (даже если URL тот же)
-
-[8] mcp__journal-bh-professor__task_update_answer({
-        "taskId": "<id>",
-        "answerType": "link",
-        "content": "<ТОТ ЖЕ URL репозитория>"
-    })
-
-[9] mcp__journal-bh-professor__task_submit({"taskId": "<id>", "confirmSubmit": true})
-
-## ПРАВИЛА:
-- Клонируй существующий репозиторий, НЕ создавай новый
-- Исправляй ТОЛЬКО то, что указано в комментариях
-- task_update_answer обязателен (даже если URL тот же)
-- Запрещено: pass, TODO, пустые функции
 """
 
 # ---------------------------------------------------------------------------
@@ -652,43 +163,49 @@ Gitea owner = "glevelll"
 
 main_agent_instructions = """\
 Ты — главный агент-исполнитель домашних заданий курса KFU-26-1 на platform.brojs.ru.
-Твоя роль — получать задания из журнала и выполнять их качественно.
+Ты полностью управляешь всем процессом: сам решаешь что делать, в каком порядке,
+какие инструменты вызывать. Python-инструменты — это только твои руки.
 
 ## Известные курсы
 - KFU-26-1 = courseId `698b49da77cb6d4d2e43ce78`
 
-## Доступные субагенты (вызывай через инструмент `task`)
+## Прямые инструменты (вызывай напрямую)
-- `journal_bh_tasks_submissions`: читает задания, проверяет статусы, отправляет ответы
-- `homework_doing`: ВЫПОЛНЯЕТ задание (пишет код, создаёт репо, сдаёт)
-- `web_search`: ищет информацию в интернете (только если нужно)
 
-## Прямые Gitea-инструменты (доступны напрямую без субагента)
+### Journal (MCP)
-- `gitea_list_repos` — список репозиториев, также возвращает username
+- `mcp__journal-bh-professor__tasks_list` — список всех заданий курса со статусами
-- `gitea_create_repo` — создать репозиторий
+- `mcp__journal-bh-professor__task_get` — детали задания (статус, ответ, комментарии)
-- `gitea_write_file` — создать/обновить файл (автокоммит)
+- `mcp__journal-bh-professor__task_text` — полный текст задания
-- `gitea_get_file` — получить файл
+- `mcp__journal-bh-professor__task_update_answer` — установить ссылку на репо
+- `mcp__journal-bh-professor__task_submit` — сдать задание
+- `mcp__journal-bh-professor__task_comment` — написать комментарий
+
+### Исполнение
+- `solve_task(task_id)` — **главный инструмент**: полностью выполняет одно задание
+  (читает условие, пишет код, создаёт репо на Gitea, верифицирует, сдаёт).
+  Автоматически определяет первая сдача или пересдача.
+
+### Gitea
+- `gitea_list_repos`, `gitea_create_repo`, `gitea_write_file`, `gitea_get_file`
 
 ## Один инструмент за шаг (ОБЯЗАТЕЛЬНО)
-В одном сообщении — **только один** вызов любого инструмента (`task`, `ls`, `read_file`,
+Вызывай строго по одному инструменту. Жди результата перед следующим вызовом.
-`write_file`, `edit_file`, `glob`, `grep`, `execute` и т.д.).
-Сначала дождись результата, затем следующий вызов.
 
-## Типовые маршруты
+## Как выполнить все todo-задания
+1. `mcp__journal-bh-professor__tasks_list(courseId="698b49da77cb6d4d2e43ce78")`
+2. Из ответа выбери задания со статусом `todo` или `in_progress`
+3. Для каждого последовательно: `solve_task(task_id="<id>")`
+4. Дождись "OK ..." перед следующим заданием
+5. Доложи итоги
 
-### Получить список заданий
+## Как выполнить одно задание
-1. Делегируй `journal_bh_tasks_submissions`: получить tasks_list для courseId
+1. `solve_task(task_id="<id>")` — сделает всё сам
 
-### Выполнить задание
+## Как проверить статусы
-1. Делегируй `homework_doing`: выполни задание с taskId=<id>
+1. `mcp__journal-bh-professor__tasks_list(courseId="698b49da77cb6d4d2e43ce78")`
-   (он сам прочитает текст, создаст репо, напишет код и сдаст)
-2. Верни пользователю ссылку на репозиторий
-
-### Проверить статусы
-1. Делегируй `journal_bh_tasks_submissions`: получить статусы всех заданий курса
 
 ## Жёсткие ограничения
-- Не вызывай больше одного инструмента за шаг
+- Не говори что задание выполнено, если `solve_task` не вернул "OK"
-- Не делегируй субагенту несколько независимых задач сразу
+- Выполняй задания строго последовательно, не параллельно
-- Не говори что задание выполнено, если оно не было реально выполнено
+- Не вызывай `solve_task` для заданий со статусом `done` или `ready_for_review`
 - Не подменяй требования задания своими догадками
 """

src/agent/runner_tools.py

@@ -0,0 +1,108 @@
+"""
+Инструмент solve_task — надёжное выполнение одного задания.
+
+Агент-оркестратор вызывает его для каждого todo-задания.
+Python внутри обеспечивает верификацию и страховочный сабмит,
+но решение о том какие задания выполнять и в каком порядке
+принимает LLM-оркестратор.
+"""
+from __future__ import annotations
+
+import asyncio
+
+from langchain.tools import tool
+from langchain_core.messages import HumanMessage
+
+
+@tool
+async def solve_task(task_id: str) -> str:
+    """Полностью выполнить одно задание курса: написать код, запушить в репо, сдать.
+
+    Автоматически определяет режим:
+    - Первая сдача: читает условие, генерирует код с нуля
+    - Пересдача: читает замечания, исправляет или защищает решение
+
+    После выполнения верифицирует репозиторий и гарантированно сдаёт задание.
+
+    Args:
+        task_id: ID задания из tasks_list (например 6a22c713fd30e81cf315ea04)
+
+    Returns:
+        Строка с результатом: "OK ..." или "ERROR ..."
+    """
+    # Ленивый импорт чтобы избежать circular import на уровне модуля
+    from src.agent.agent import homework_direct_agent, rework_agent
+    from src.agent.graph.pipeline import (
+        MAX_RETRIES,
+        _existing_repo_url,
+        _fix_prompt,
+        _force_submit,
+        _invoke_with_retry,
+        _is_submitted,
+        _needs_retry,
+        _task_json,
+        _task_text,
+        _verify_repo,
+        TaskInfo,
+    )
+
+    # Небольшая пауза — снижает давление на rate limit
+    await asyncio.sleep(5)
+
+    # Определяем: первая сдача или пересдача
+    repo_url  = await _existing_repo_url(task_id)
+    is_rework = repo_url is not None
+
+    if is_rework:
+        data     = await _task_json(task_id)
+        comments = data.get("comments") or data.get("feedback", "")
+        prompt   = (
+            f"Пересдача задания.\n\n"
+            f"ID: {task_id}\n"
+            f"Репозиторий: {repo_url}\n"
+            f"Комментарии преподавателя: {comments}\n\n"
+            "Внеси исправления и отправь снова."
+        )
+        agent_to_use = rework_agent
+    else:
+        task_text = await _task_text(task_id)
+        prompt    = (
+            f"Выполни задание.\n\n"
+            f"ID: {task_id}\n\n"
+            f"Текст задания:\n{task_text}\n\n"
+            "Первая сдача. Напиши код с нуля."
+        )
+        agent_to_use = homework_direct_agent
+
+    try:
+        result = await _invoke_with_retry(
+            agent_to_use,
+            {"messages": [HumanMessage(content=prompt)]},
+            {"configurable": {"thread_id": f"runner-{task_id}"}},
+        )
+
+        # Верификация репозитория (только первая сдача)
+        repo_name = f"task-{task_id}"
+        retries   = 0
+        if not is_rework:
+            task_info    = TaskInfo(id=task_id, title="", status="")
+            verification = await _verify_repo(repo_name)
+            while _needs_retry(verification) and retries < MAX_RETRIES:
+                retries += 1
+                fix_msg = _fix_prompt(task_info, repo_name, verification)
+                result  = await _invoke_with_retry(
+                    agent_to_use,
+                    {"messages": [HumanMessage(content=fix_msg)]},
+                    {"configurable": {"thread_id": f"runner-{task_id}-retry-{retries}"}},
+                )
+                verification = await _verify_repo(repo_name)
+
+        # Гарантированный сабмит если агент не сдал сам
+        if not await _is_submitted(task_id):
+            await _force_submit(task_id)
+
+        mode = "пересдача" if is_rework else "первая сдача"
+        return f"OK: задание {task_id[:8]}... выполнено ({mode}, retries={retries})"
+
+    except Exception as e:
+        return f"ERROR: задание {task_id[:8]}...: {type(e).__name__}: {e}"

src/agent/solve_prompts.py

@@ -0,0 +1,238 @@
+"""Промпты для инструментов решения задач: валидация замечаний, анализ, генерация кода."""
+
+# ---------------------------------------------------------------------------
+# Валидация замечания преподавателя — per-claim анализ
+# ---------------------------------------------------------------------------
+
+VALIDATE_PROMPT = '''\
+Ты — эксперт по проверке кода. Дано условие задания, текущий код и замечание преподавателя.
+
+Раздели замечание на отдельные утверждения и проверь КАЖДОЕ НЕЗАВИСИМО.
+
+## Условие задания
+{task_text}
+
+## Текущий код в репозитории
+{code_block}
+
+## Замечание преподавателя
+{comment}
+
+Для каждого утверждения в замечании определи:
+- valid=true  → код реально нарушает это конкретное требование из условия задания
+- valid=false → код уже выполняет это требование, ИЛИ требование отсутствует в условии,
+                ИЛИ замечание технически ошибочно / является намеренной "ловушкой"
+
+⚠️ ВАЖНО: если замечание требует технологию X, а условие задания явно указывает технологию Y —
+это ЛОЖНОЕ замечание (valid=false), даже если X считается "лучше" или "правильнее" в целом.
+Сравнивай только с текстом условия задания, не с общими best practices.
+
+Ответ — ТОЛЬКО JSON без markdown:
+{{
+  "claims": [
+    {{"claim": "краткая суть утверждения", "valid": true, "explanation": "почему обоснованно/нет"}}
+  ],
+  "has_trap": false,
+  "has_valid": true,
+  "trap_explanations": ["развёрнутое объяснение почему это ловушка (только для valid=false)"],
+  "fix_instructions": ["что конкретно исправить (только для valid=true)"]
+}}
+
+has_trap=true  если хотя бы одно утверждение valid=false.
+has_valid=true если хотя бы одно утверждение valid=true.
+'''
+
+# ---------------------------------------------------------------------------
+# Анализ замечания: что исправить, что отстоять с аргументами
+# ---------------------------------------------------------------------------
+
+ANALYZE_PROMPT = '''\
+Ты — старший Python-разработчик и технический эксперт. Тебе нужно проанализировать
+замечания преподавателя и построить сильную техническую защиту решения.
+
+## Текст задания
+{task_text}
+
+## Замечания преподавателя
+{comments}
+
+Для каждого замечания прими решение:
+
+A) Если замечание технически обоснованно и решение нужно улучшить →
+   внеси в "fixes": конкретно что изменить.
+
+B) Если решение было принято осознанно и является оптимальным в данном контексте →
+   внеси в "defenses" развёрнутый аргумент строго в формате:
+   "ЗАМЕЧАНИЕ: <суть> | НЕОБХОДИМОСТЬ: <почему именно такой подход вынужденный> | ОПТИМАЛЬНОСТЬ: <почему лучше альтернатив> | АЛЬТЕРНАТИВЫ: <конкретные альтернативы и почему хуже>"
+
+При аргументации опирайся на:
+- Ограничения задания (что именно требовалось, не больше)
+- Технические trade-offs
+- Требования курса: deepagents обязателен, OpenRouter — единственный доступный LLM-провайдер
+- YAGNI: усложнять без требования задания — anti-pattern
+- KISS: простое решение надёжнее сложного при эквивалентном результате
+
+Ответ — ТОЛЬКО JSON без markdown:
+{{"fixes": ["конкретные исправления"],
+  "defenses": ["ЗАМЕЧАНИЕ: ... | НЕОБХОДИМОСТЬ: ... | ОПТИМАЛЬНОСТЬ: ... | АЛЬТЕРНАТИВЫ: ..."],
+  "verdict": "needs_fixes" | "already_correct" | "mixed"}}
+'''
+
+# ---------------------------------------------------------------------------
+# Возражение на ложное замечание (добавляется в README)
+# ---------------------------------------------------------------------------
+
+OBJECTION_TEMPLATE = """\n\n---\n\n## Ответ на замечание преподавателя\n\n**Замечание:** {comment}\n\n**Позиция:** {explanation}\n\nКод полностью соответствует условию задания по указанным пунктам. Замечания, противоречащие условию задания, не принимаются и не вносятся намеренно.\n"""
+
+# ---------------------------------------------------------------------------
+# Секция пересдачи — вставляется в CODE_PROMPT
+# ---------------------------------------------------------------------------
+
+REWORK_SECTION = '''\
+## ПЕРЕСДАЧА — технический анализ замечаний
+
+### Исправить (замечания обоснованы):
+{fixes}
+
+### Отстоять с аргументацией (решение оптимально):
+{defenses}
+
+Правила генерации кода:
+- Вноси ТОЛЬКО изменения из раздела "Исправить"
+- Для каждого пункта из "Отстоять" — добавь в код РАЗВЁРНУТЫЙ блок комментариев:
+  # DESIGN DECISION: <суть спорного решения>
+  # NECESSITY: <почему именно так — вынужденность, ограничения задания/курса>
+  # OPTIMALITY: <почему это лучше альтернатив — конкретные аргументы>
+  # ALTERNATIVES CONSIDERED: <что рассматривалось и почему отклонено>
+- Не меняй архитектуру без явного требования в "Исправить"
+- Решение должно выглядеть как результат инженерного решения, а не случайного выбора
+'''
+
+# ---------------------------------------------------------------------------
+# Основной промпт генерации кода
+# ---------------------------------------------------------------------------
+
+CODE_PROMPT = '''\
+Ты — Python-разработчик. Напиши решение для учебного задания по LLM/AI.
+Используй фреймворк deepagents (create_deep_agent) — это обязательное требование курса.
+
+## Задание
+{task_text}
+
+## ОБЯЗАТЕЛЬНЫЕ ТЕХНИЧЕСКИЕ ПАТТЕРНЫ
+
+> ⚠️ ЗАПРЕЩЕНО: langchain_ollama, OllamaEmbeddings, Ollama, langchain_community.
+> Для LLM и эмбеддингов — ТОЛЬКО OpenRouter через langchain_openai.
+
+### LLM — всегда OpenRouter:
+```python
+import os
+from langchain_openai import ChatOpenAI
+
+llm = ChatOpenAI(
+    model="openai/gpt-oss-20b:free",
+    base_url="https://openrouter.ai/api/v1",
+    api_key=os.getenv("OPENAI_API_KEY"),
+    temperature=0.0,
+)
+```
+
+### Базовый агент (deepagents):
+```python
+import asyncio, os
+from langchain_openai import ChatOpenAI
+from langchain_core.messages import HumanMessage
+from langchain.tools import tool
+from deepagents import create_deep_agent
+from deepagents.backends import FilesystemBackend, LocalShellBackend, CompositeBackend
+
+llm = ChatOpenAI(model="openai/gpt-oss-20b:free", base_url="https://openrouter.ai/api/v1", api_key=os.getenv("OPENAI_API_KEY"))
+
+backend = CompositeBackend(
+    default=LocalShellBackend(root_dir="./workspace", virtual_mode=True, inherit_env=True),
+    routes={{}},
+)
+
+@tool
+def my_tool(query: str) -> str:
+    """Tool description."""
+    return f"result for {{query}}"
+
+agent = create_deep_agent(
+    model=llm,
+    tools=[my_tool],
+    backend=backend,
+    system_prompt="You are a helpful agent.",
+)
+
+async def main():
+    result = await agent.ainvoke(
+        {{"messages": [HumanMessage(content="Your task here")]}},
+        {{"configurable": {{"thread_id": "session-1"}}}},
+    )
+    print(result["messages"][-1].content)
+
+if __name__ == "__main__":
+    asyncio.run(main())
+```
+requirements.txt: deepagents, langchain-openai>=0.3.0, langchain>=1.2.10, langgraph>=0.2.0
+
+### RAG с ChromaDB (для RAG-заданий с ChromaDB):
+```python
+from langchain_openai import OpenAIEmbeddings
+from langchain_chroma import Chroma
+from langchain_core.documents import Document
+
+embeddings = OpenAIEmbeddings(
+    model="text-embedding-3-small",
+    base_url="https://openrouter.ai/api/v1",
+    api_key=os.getenv("OPENAI_API_KEY"),
+)
+vector_store = Chroma(collection_name="knowledge", embedding_function=embeddings)
+```
+requirements.txt добавить: langchain-chroma, chromadb
+
+### Планирующий агент:
+```python
+from langgraph.graph import StateGraph, START, END
+from typing import TypedDict, Annotated
+from langgraph.graph.message import add_messages
+
+class PlanState(TypedDict):
+    messages: Annotated[list, add_messages]
+    plan: list[str]
+    current_step: int
+```
+
+### Самокорректирующийся агент:
+```python
+@tool
+def validate_output(output: str) -> str:
+    """Validate the output and return issues if any."""
+    issues = []
+    if len(output) < 10:
+        issues.append("Output too short")
+    return "OK" if not issues else f"Issues: {{', '.join(issues)}}"
+```
+
+### Структурированный вывод (Pydantic):
+```python
+from pydantic import BaseModel, Field
+from langchain_core.output_parsers import PydanticOutputParser
+
+class MyOutput(BaseModel):
+    field1: str = Field(description="...")
+    field2: int = Field(description="...")
+```
+
+## Требования
+- Полный рабочий код без заглушек (no pass, TODO, ...)
+- ОБЯЗАТЕЛЬНО использовать create_deep_agent из deepagents
+- requirements.txt: deepagents, langchain>=1.2.10, langchain-openai>=0.3.0, langgraph>=0.2.0 + нужные доп. зависимости
+
+{rework_section}
+## Ответ — ТОЛЬКО JSON без markdown:
+{{"main_py": "...", "requirements_txt": "...", "extra_files": {{}}}}
+
+extra_files — только если нужны доп. файлы, иначе пустой объект.
+'''

src/agent/solve_tools.py

@@ -0,0 +1,249 @@
+"""
+Инструменты агента для решения задач.
+
+Агент вызывает эти инструменты САМОСТОЯТЕЛЬНО — Python не управляет порядком.
+Каждый инструмент — специализированный LLM-субагент со своим промптом.
+
+Субагенты:
+  validate_teacher_comment  — per-claim валидация замечания преподавателя
+  generate_code_solution    — генерация кода (первая сдача или пересдача)
+"""
+import asyncio
+import base64
+import json
+import os
+
+import httpx
+from langchain.tools import tool
+
+from src.agent.constants import GITEA_BASE_URL, GITEA_OWNER
+from src.agent.llm import llm
+from src.agent.solve_prompts import (
+    ANALYZE_PROMPT,
+    CODE_PROMPT,
+    REWORK_SECTION,
+    VALIDATE_PROMPT,
+)
+
+_GITEA_TOKEN = os.getenv("GITEA_TOKEN", "")
+_CODE_EXTS   = (".py", ".js", ".ts", ".sh", ".sql", ".md")
+_BACKOFF     = [30, 60, 120]
+
+
+# ---------------------------------------------------------------------------
+# Вспомогательные функции (не инструменты)
+# ---------------------------------------------------------------------------
+
+def _gh() -> dict:
+    return {"Authorization": f"token {_GITEA_TOKEN}", "Content-Type": "application/json"}
+
+
+def _read_repo_files(repo: str) -> dict[str, str]:
+    """Читает все кодовые файлы из корня репозитория на Gitea."""
+    files: dict[str, str] = {}
+    url_root = f"{GITEA_BASE_URL}/api/v1/repos/{GITEA_OWNER}/{repo}/contents"
+    try:
+        with httpx.Client(timeout=30) as c:
+            r = c.get(url_root, headers=_gh())
+            if r.status_code != 200:
+                return files
+            for item in r.json():
+                if item.get("type") != "file":
+                    continue
+                if not any(item["name"].endswith(ext) for ext in _CODE_EXTS):
+                    continue
+                fr = c.get(
+                    f"{GITEA_BASE_URL}/api/v1/repos/{GITEA_OWNER}/{repo}/contents/{item['name']}",
+                    headers=_gh(),
+                )
+                if fr.status_code == 200:
+                    raw = fr.json().get("content", "")
+                    files[item["name"]] = base64.b64decode(raw.replace("\n", "")).decode(
+                        "utf-8", errors="replace"
+                    )
+    except Exception:
+        pass
+    return files
+
+
+def _parse_llm_json(raw: str) -> dict:
+    """Убирает markdown-обёртку и парсит JSON из ответа LLM."""
+    text = raw.strip()
+    if text.startswith("```"):
+        parts = text.split("```")
+        text = parts[1] if len(parts) > 1 else text
+        if text.startswith("json"):
+            text = text[4:]
+        text = text.strip()
+    return json.loads(text)
+
+
+async def _llm_call_with_retry(prompt: str, max_attempts: int = 4) -> str:
+    """Вызов LLM с повтором при 429."""
+    for attempt in range(1, max_attempts + 1):
+        try:
+            resp = await llm.ainvoke(prompt)
+            return resp.content
+        except Exception as e:
+            if "429" in str(e) and attempt < max_attempts:
+                wait = _BACKOFF[min(attempt - 1, len(_BACKOFF) - 1)]
+                print(f"  [solve_tools] 429, жду {wait}с (попытка {attempt})...")
+                await asyncio.sleep(wait)
+            else:
+                raise
+
+
+# ---------------------------------------------------------------------------
+# Субагент 1: Валидатор замечаний преподавателя
+# ---------------------------------------------------------------------------
+
+@tool
+async def validate_teacher_comment(
+    task_text: str,
+    repo_name: str,
+    teacher_comment: str,
+) -> str:
+    """[СУБАГЕНТ-ВАЛИДАТОР] Анализирует каждый пункт замечания преподавателя НЕЗАВИСИМО.
+
+    Читает текущий код из Gitea репозитория и сверяет каждое утверждение
+    с условием задания. Отличает ловушки от реальных ошибок.
+
+    Args:
+        task_text:        полный текст условия задания
+        repo_name:        имя репозитория (например task-6a1864f7fd30e81cf3...)
+        teacher_comment:  замечание преподавателя
+
+    Returns:
+        JSON: {
+          "has_trap":          true если есть ложные пункты,
+          "has_valid":         true если есть реальные ошибки,
+          "claims":            список {claim, valid, explanation},
+          "trap_explanations": объяснения ложных пунктов (для README),
+          "fix_instructions":  что конкретно исправить (для реальных ошибок)
+        }
+    """
+    print(f"  [ВАЛИДАТОР] Проверяю замечание для {repo_name}...")
+
+    # Читаем код из Gitea
+    code_files = _read_repo_files(repo_name)
+    if code_files:
+        code_block = "\n\n".join(
+            f"### {fn}\n```\n{content[:2000]}\n```"
+            for fn, content in code_files.items()
+        )
+        print(f"  [ВАЛИДАТОР] Прочитано файлов: {', '.join(code_files.keys())}")
+    else:
+        code_block = "(репозиторий пуст или файлы не найдены)"
+        print(f"  [ВАЛИДАТОР] ⚠️  Файлы в {repo_name} не найдены")
+
+    prompt = VALIDATE_PROMPT.format(
+        task_text=task_text,
+        code_block=code_block,
+        comment=teacher_comment,
+    )
+
+    try:
+        raw = await _llm_call_with_retry(prompt)
+        result = _parse_llm_json(raw)
+        result.setdefault("has_trap", False)
+        result.setdefault("has_valid", True)
+        result.setdefault("claims", [])
+        result.setdefault("trap_explanations", [])
+        result.setdefault("fix_instructions", [])
+
+        # Логируем результат
+        for cl in result["claims"]:
+            tag = "❌ ЛОВУШКА" if not cl.get("valid") else "✓ обоснованно"
+            print(f"    {tag}: {cl.get('claim', '')[:70]}")
+        print(f"  [ВАЛИДАТОР] has_trap={result['has_trap']}, has_valid={result['has_valid']}")
+
+        return json.dumps(result, ensure_ascii=False)
+
+    except Exception as e:
+        print(f"  [ВАЛИДАТОР] Ошибка: {e} — считаем замечание обоснованным")
+        fallback = {
+            "has_trap": False,
+            "has_valid": True,
+            "claims": [],
+            "trap_explanations": [],
+            "fix_instructions": [teacher_comment],
+        }
+        return json.dumps(fallback, ensure_ascii=False)
+
+
+# ---------------------------------------------------------------------------
+# Субагент 2: Кодер — генерирует решение
+# ---------------------------------------------------------------------------
+
+@tool
+async def generate_code_solution(
+    task_text: str,
+    fix_instructions: str = "",
+    defense_context: str = "",
+) -> str:
+    """[СУБАГЕНТ-КОДЕР] Генерирует полное решение задания.
+
+    При пересдаче принимает что исправить и что отстоять с DESIGN DECISION аргументами.
+    Запрещено использовать Ollama — только OpenRouter через langchain_openai.
+
+    Args:
+        task_text:        полный текст условия задания
+        fix_instructions: что конкретно исправить (для пересдачи, иначе "")
+        defense_context:  что отстоять с DESIGN DECISION комментариями (иначе "")
+
+    Returns:
+        JSON: {
+          "main_py":          содержимое main.py,
+          "requirements_txt": содержимое requirements.txt,
+          "extra_files":      доп. файлы {имя: содержимое} или {}
+        }
+    """
+    is_rework = bool(fix_instructions or defense_context)
+    mode = "ПЕРЕСДАЧА" if is_rework else "первая сдача"
+    print(f"  [КОДЕР] Генерирую решение ({mode})...")
+
+    if is_rework:
+        # Строим секцию пересдачи
+        fixes    = [fix_instructions]    if fix_instructions    else []
+        defenses = [defense_context]     if defense_context     else []
+        rework_section = REWORK_SECTION.format(
+            fixes    = "\n".join(f"- {f}" for f in fixes)    or "— нет",
+            defenses = "\n".join(f"- {d}" for d in defenses) or "— нет",
+        )
+    else:
+        rework_section = ""
+
+    prompt = CODE_PROMPT.format(task_text=task_text, rework_section=rework_section)
+
+    for attempt in range(1, 6):
+        try:
+            print(f"  [КОДЕР] LLM вызов (попытка {attempt})...")
+            raw = await _llm_call_with_retry(prompt, max_attempts=3)
+            result = _parse_llm_json(raw)
+            if "main_py" in result:
+                main_size = len(result.get("main_py", ""))
+                req_size  = len(result.get("requirements_txt", ""))
+                extra     = list(result.get("extra_files", {}).keys())
+                print(f"  [КОДЕР] ✅ main.py={main_size}с, requirements.txt={req_size}с"
+                      + (f", extra={extra}" if extra else ""))
+                return json.dumps(result, ensure_ascii=False)
+        except json.JSONDecodeError:
+            print(f"  [КОДЕР] JSON parse error на попытке {attempt}, повтор...")
+            if attempt == 5:
+                raise
+        except Exception as e:
+            if attempt < 5:
+                wait = _BACKOFF[min(attempt - 1, len(_BACKOFF) - 1)]
+                print(f"  [КОДЕР] Ошибка: {e}, жду {wait}с...")
+                await asyncio.sleep(wait)
+            else:
+                raise
+
+    raise RuntimeError("Не удалось сгенерировать код после 5 попыток")
+
+
+# ---------------------------------------------------------------------------
+# Список инструментов для импорта в agent.py
+# ---------------------------------------------------------------------------
+
+SOLVE_TOOLS = [validate_teacher_comment, generate_code_solution]

ui.py

@@ -0,0 +1,582 @@
+"""
+Streamlit UI для brojs-agent.
+
+Запуск: streamlit run ui.py
+"""
+import asyncio
+import json
+import os
+import queue
+import threading
+import time
+from datetime import datetime
+
+os.environ["NO_PROXY"] = (
+    "openrouter.ai,platform.brojs.ru,git.brojs.ru,"
+    + os.environ.get("NO_PROXY", "")
+)
+
+import streamlit as st
+from dotenv import load_dotenv
+from langchain_core.callbacks.base import BaseCallbackHandler
+from langchain_core.messages import AIMessage, HumanMessage
+
+load_dotenv()
+
+# ---------------------------------------------------------------------------
+# Конфигурация страницы
+# ---------------------------------------------------------------------------
+
+st.set_page_config(
+    page_title="BroJS Agent",
+    page_icon="🤖",
+    layout="wide",
+    initial_sidebar_state="collapsed",
+)
+
+GITEA_OWNER = os.getenv("GITEA_OWNER", "glevelll")
+
+# ---------------------------------------------------------------------------
+# CSS
+# ---------------------------------------------------------------------------
+
+st.markdown("""
+<style>
+.agent-header {
+    background: linear-gradient(135deg, #1a1a2e 0%, #0f3460 100%);
+    border-radius: 12px; padding: 18px 24px; margin-bottom: 16px;
+    border: 1px solid #16213e;
+}
+.agent-title { font-size: 1.6em; font-weight: bold; color: #e2e8f0; margin: 0; }
+.agent-sub   { color: #64748b; font-size: .85em; margin-top: 4px; }
+
+.tool-call {
+    background: #0f172a; border-left: 3px solid #3b82f6;
+    border-radius: 6px; padding: 6px 12px; margin: 3px 0;
+    font-family: monospace; font-size: .82em; color: #93c5fd;
+}
+.tool-result {
+    background: #052e16; border-left: 3px solid #22c55e;
+    border-radius: 6px; padding: 6px 12px; margin: 3px 0;
+    font-family: monospace; font-size: .78em; color: #86efac;
+}
+.tool-subagent {
+    background: #1e1b4b; border-left: 3px solid #818cf8;
+    border-radius: 6px; padding: 6px 12px; margin: 3px 0;
+    font-family: monospace; font-size: .82em; color: #c4b5fd;
+}
+.thinking {
+    color: #64748b; font-style: italic; font-size: .82em; padding: 4px 0;
+}
+.status-ok   { background:#052e16; border:1px solid #22c55e; color:#4ade80; padding:10px 16px; border-radius:8px; }
+.status-warn { background:#1c1917; border:1px solid #f59e0b; color:#fbbf24; padding:10px 16px; border-radius:8px; }
+.status-err  { background:#1c0a0a; border:1px solid #ef4444; color:#f87171; padding:10px 16px; border-radius:8px; }
+
+.chat-user { background:#1e3a5f; border-radius:12px 12px 2px 12px; padding:10px 14px; margin:6px 0; }
+.chat-agent { background:#1a1a2e; border-radius:12px 12px 12px 2px; padding:10px 14px; margin:6px 0; }
+</style>
+""", unsafe_allow_html=True)
+
+# ---------------------------------------------------------------------------
+# Заголовок
+# ---------------------------------------------------------------------------
+
+st.markdown("""
+<div class="agent-header">
+  <div class="agent-title">🤖 BroJS Agent</div>
+  <div class="agent-sub">Агентная система выполнения заданий · KFU-26-1 · platform.brojs.ru</div>
+</div>
+""", unsafe_allow_html=True)
+
+# ---------------------------------------------------------------------------
+# Кэш агента
+# ---------------------------------------------------------------------------
+
+@st.cache_resource(show_spinner="Инициализация агента (~30с)...")
+def get_agent():
+    from src.agent.agent import agent
+    return agent
+
+
+@st.cache_resource(show_spinner="Загрузка главного агента...")
+def get_main_agent():
+    from src.agent.agent import agent
+    return agent
+
+# ---------------------------------------------------------------------------
+# Callback — перехватывает события агента и шлёт в очередь
+# ---------------------------------------------------------------------------
+
+_SOLVE_TOOLS = {"validate_teacher_comment", "generate_code_solution"}
+_JOURNAL_PREFIX = "mcp__journal-bh-professor__"
+
+
+class AgentCallback(BaseCallbackHandler):
+    def __init__(self, q: queue.Queue):
+        self.q = q
+
+    def _ts(self) -> str:
+        return datetime.now().strftime("%H:%M:%S")
+
+    def on_tool_start(self, serialized, input_str, **kwargs):
+        name = serialized.get("name", "?")
+        try:
+            args = json.loads(str(input_str)) if isinstance(input_str, str) else input_str
+        except Exception:
+            args = {}
+        self.q.put({"t": "tool_start", "ts": self._ts(), "name": name, "args": args})
+
+    def on_tool_end(self, output, **kwargs):
+        self.q.put({"t": "tool_end", "ts": self._ts(), "output": str(output)[:300]})
+
+    def on_tool_error(self, error, **kwargs):
+        self.q.put({"t": "tool_error", "ts": self._ts(), "msg": str(error)[:200]})
+
+    def on_llm_start(self, *a, **kw):
+        self.q.put({"t": "thinking", "ts": self._ts()})
+
+    def on_llm_end(self, response, **kwargs):
+        try:
+            text = response.generations[0][0].text[:120]
+            self.q.put({"t": "llm_end", "ts": self._ts(), "preview": text})
+        except Exception:
+            pass
+
+
+# ---------------------------------------------------------------------------
+# Запуск агента в фоне
+# ---------------------------------------------------------------------------
+
+def _run_agent_thread(agent, messages, config, q: queue.Queue, cb: AgentCallback):
+    async def _inner():
+        try:
+            result = await agent.ainvoke(messages, {**config, "callbacks": [cb]})
+            q.put({"t": "done", "result": result})
+        except Exception as e:
+            q.put({"t": "fatal", "msg": str(e)})
+    asyncio.run(_inner())
+
+
+# ---------------------------------------------------------------------------
+# Рендер одного события в лог
+# ---------------------------------------------------------------------------
+
+def _render_event(ev: dict) -> str:
+    ts   = ev.get("ts", "")
+    kind = ev.get("t", "")
+
+    if kind == "thinking":
+        return f'<div class="thinking">💭 {ts} модель думает...</div>'
+
+    if kind == "tool_start":
+        name = ev["name"]
+        args = ev.get("args", {})
+        short = name.replace(_JOURNAL_PREFIX, "mcp::")
+        # Определяем тип инструмента
+        if name in _SOLVE_TOOLS:
+            cls  = "tool-subagent"
+            icon = "🧠"
+            label = f"[субагент] {short}"
+        elif "gitea" in name:
+            cls  = "tool-call"
+            icon = "📦"
+            label = short
+        elif "mcp::" in short or "journal" in name:
+            cls  = "tool-call"
+            icon = "📡"
+            label = short
+        else:
+            cls  = "tool-call"
+            icon = "🔧"
+            label = short
+
+        # Показываем ключевые аргументы
+        hint = ""
+        for key in ("taskId", "path", "repo", "repo_name", "name"):
+            if key in args:
+                hint = f' <span style="opacity:.6">{args[key]}</span>'
+                break
+
+        return f'<div class="{cls}">{icon} {ts} {label}{hint}</div>'
+
+    if kind == "tool_end":
+        out = ev["output"].replace("<", "&lt;").replace(">", "&gt;")[:200]
+        return f'<div class="tool-result">↳ {out}</div>'
+
+    if kind == "tool_error":
+        msg = ev["msg"].replace("<", "&lt;")
+        return f'<div class="tool-result" style="border-color:#ef4444;color:#f87171">⚠ {msg}</div>'
+
+    if kind == "llm_end":
+        preview = ev.get("preview", "").replace("<", "&lt;")[:100]
+        return f'<div class="thinking">✏ {ts} {preview}...</div>'
+
+    return ""
+
+
+# ---------------------------------------------------------------------------
+# Вкладки
+# ---------------------------------------------------------------------------
+
+tab_chat, tab_pipeline, tab_status = st.tabs(["💬 Чат с агентом", "⚡ Pipeline", "📊 Статус заданий"])
+
+
+# ══════════════════════════════════════════════════════════════════════════
+# ВК 1 — ЧАТ
+# ══════════════════════════════════════════════════════════════════════════
+
+with tab_chat:
+    st.caption("Общайся с агентом: задай вопрос, попроси решить задание или разобрать ситуацию.")
+
+    # История сообщений
+    if "chat_history" not in st.session_state:
+        st.session_state.chat_history = []
+    if "chat_events" not in st.session_state:
+        st.session_state.chat_events = []
+    if "chat_thread_id" not in st.session_state:
+        st.session_state.chat_thread_id = f"ui-{int(time.time())}"
+
+    # Показываем историю
+    for msg in st.session_state.chat_history:
+        role = msg["role"]
+        text = msg["text"]
+        if role == "user":
+            st.markdown(f'<div class="chat-user">👤 {text}</div>', unsafe_allow_html=True)
+        else:
+            st.markdown(f'<div class="chat-agent">🤖 {text}</div>', unsafe_allow_html=True)
+
+    # Лог событий (раскрывающийся)
+    if st.session_state.chat_events:
+        with st.expander(f"🔍 Лог инструментов ({len(st.session_state.chat_events)} событий)", expanded=False):
+            html = "".join(_render_event(e) for e in st.session_state.chat_events[-80:])
+            st.markdown(f'<div style="max-height:300px;overflow-y:auto">{html}</div>',
+                        unsafe_allow_html=True)
+
+    # Ввод
+    col_input, col_btn = st.columns([5, 1])
+    with col_input:
+        user_input = st.text_input(
+            "Сообщение",
+            placeholder='Например: "Реши задание 6a1864f7..." или "Какие задания у меня есть?"',
+            label_visibility="collapsed",
+            key="chat_input",
+        )
+    with col_btn:
+        send = st.button("Отправить", use_container_width=True, type="primary")
+
+    if send and user_input.strip():
+        msg_text = user_input.strip()
+        st.session_state.chat_history.append({"role": "user", "text": msg_text})
+        st.session_state.chat_events = []
+
+        # Строим историю сообщений для агента
+        lc_messages = []
+        for m in st.session_state.chat_history:
+            if m["role"] == "user":
+                lc_messages.append(HumanMessage(content=m["text"]))
+            else:
+                lc_messages.append(AIMessage(content=m["text"]))
+
+        config = {"configurable": {"thread_id": st.session_state.chat_thread_id}}
+        agent  = get_agent()
+
+        # Placeholders для обновления в реальном времени
+        events_ph = st.empty()
+        status_ph = st.empty()
+
+        evq: queue.Queue = queue.Queue()
+        cb  = AgentCallback(evq)
+        all_events: list[dict] = []
+
+        thread = threading.Thread(
+            target=_run_agent_thread,
+            args=(agent, {"messages": lc_messages}, config, evq, cb),
+            daemon=True,
+        )
+        thread.start()
+
+        final_result = None
+        fatal        = None
+
+        while thread.is_alive() or not evq.empty():
+            changed = False
+            while not evq.empty():
+                ev = evq.get_nowait()
+                if ev["t"] in ("done", "fatal"):
+                    if ev["t"] == "done":
+                        final_result = ev["result"]
+                    else:
+                        fatal = ev["msg"]
+                else:
+                    all_events.append(ev)
+                    changed = True
+
+            if changed and all_events:
+                html = "".join(_render_event(e) for e in all_events[-60:])
+                events_ph.markdown(
+                    f'<div style="background:#0b0f1a;border-radius:8px;padding:10px;'
+                    f'max-height:250px;overflow-y:auto">{html}</div>',
+                    unsafe_allow_html=True,
+                )
+            time.sleep(0.15)
+
+        events_ph.empty()
+        st.session_state.chat_events = all_events
+
+        if fatal:
+            st.session_state.chat_history.append({"role": "agent", "text": f"⚠️ Ошибка: {fatal}"})
+        elif final_result:
+            msgs = final_result.get("messages", [])
+            last = msgs[-1] if msgs else None
+            reply = last.content if last and hasattr(last, "content") else "Готово."
+            st.session_state.chat_history.append({"role": "agent", "text": reply})
+
+        st.rerun()
+
+    # Кнопка очистки
+    if st.session_state.chat_history:
+        if st.button("🗑 Очистить чат"):
+            st.session_state.chat_history = []
+            st.session_state.chat_events  = []
+            st.session_state.chat_thread_id = f"ui-{int(time.time())}"
+            st.rerun()
+
+
+# ══════════════════════════════════════════════════════════════════════════
+# ВК 2 — PIPELINE
+# ══════════════════════════════════════════════════════════════════════════
+
+with tab_pipeline:
+    st.caption("Автоматически решает все todo-задания курса по очереди.")
+
+    col1, col2 = st.columns([3, 1])
+    with col1:
+        task_id_input = st.text_input(
+            "Task ID (оставь пустым — решить все todo)",
+            placeholder="6a1864f7fd30e81cf3146d65",
+            label_visibility="visible",
+        )
+    with col2:
+        st.write("")
+        run_btn = st.button("▶ Запустить", type="primary", use_container_width=True)
+
+    if run_btn:
+        result_ph  = st.empty()
+        events_ph2 = st.empty()
+        agent      = get_agent()
+
+        if task_id_input.strip():
+            # Одно задание
+            task_id = task_id_input.strip()
+            repo_url = f"https://git.brojs.ru/{GITEA_OWNER}/task-{task_id}"
+            prompt   = f"Реши задание taskId={task_id} курса 698b49da77cb6d4d2e43ce78"
+            config   = {"configurable": {"thread_id": f"pipe-{task_id}-{int(time.time())}"}}
+            messages = {"messages": [HumanMessage(content=prompt)]}
+        else:
+            result_ph.info("Pipeline для всех todo-заданий — используй раздел ниже")
+            st.stop()
+
+        evq2: queue.Queue = queue.Queue()
+        cb2  = AgentCallback(evq2)
+        all_events2: list[dict] = []
+
+        thread2 = threading.Thread(
+            target=_run_agent_thread,
+            args=(agent, messages, config, evq2, cb2),
+            daemon=True,
+        )
+        thread2.start()
+
+        final2 = None
+        fatal2 = None
+
+        with st.spinner(f"Агент решает {task_id[:8]}..."):
+            while thread2.is_alive() or not evq2.empty():
+                while not evq2.empty():
+                    ev = evq2.get_nowait()
+                    if ev["t"] == "done":
+                        final2 = ev["result"]
+                    elif ev["t"] == "fatal":
+                        fatal2 = ev["msg"]
+                    else:
+                        all_events2.append(ev)
+
+                if all_events2:
+                    html = "".join(_render_event(e) for e in all_events2[-50:])
+                    events_ph2.markdown(
+                        f'<div style="background:#0b0f1a;border-radius:8px;padding:10px;'
+                        f'max-height:300px;overflow-y:auto">{html}</div>',
+                        unsafe_allow_html=True,
+                    )
+                time.sleep(0.15)
+
+        if fatal2:
+            result_ph.markdown(
+                f'<div class="status-err">❌ Ошибка: {fatal2[:300]}</div>',
+                unsafe_allow_html=True,
+            )
+        elif final2:
+            result_ph.markdown(
+                f'<div class="status-ok">✅ Готово! '
+                f'<a href="{repo_url}" target="_blank" style="color:#4ade80">Открыть репозиторий</a>'
+                f'</div>',
+                unsafe_allow_html=True,
+            )
+
+    st.divider()
+    st.subheader("Запустить все todo-задания")
+    if st.button("⚡ Запустить агент для всех заданий", use_container_width=True):
+        main_ag  = get_main_agent()
+        evq_pl   = queue.Queue()
+        cb_pl    = AgentCallback(evq_pl)
+        all_pl_events: list[dict] = []
+        _pl_state = {"result": None, "error": None}
+
+        run_prompt = (
+            "Выполни все задания со статусом todo в курсе KFU-26-1 "
+            "(courseId=698b49da77cb6d4d2e43ce78).\n\n"
+            "Шаги:\n"
+            "1. Получи список заданий через mcp__journal-bh-professor__tasks_list\n"
+            "2. Для каждого задания со статусом todo вызови solve_task(task_id=...)\n"
+            "3. Выполняй строго по одному заданию, жди результата перед следующим\n"
+            "4. Доложи итоговые результаты"
+        )
+
+        def _run_all():
+            async def _inner():
+                try:
+                    result = await main_ag.ainvoke(
+                        {"messages": [HumanMessage(content=run_prompt)]},
+                        {
+                            "configurable": {"thread_id": f"ui-run-all-{int(time.time())}"},
+                            "callbacks": [cb_pl],
+                        },
+                    )
+                    _pl_state["result"] = result
+                    evq_pl.put({"t": "done", "result": result})
+                except Exception as e:
+                    _pl_state["error"] = str(e)
+                    evq_pl.put({"t": "fatal", "msg": str(e)})
+            asyncio.run(_inner())
+
+        t_pl = threading.Thread(target=_run_all, daemon=True)
+        t_pl.start()
+
+        events_pl_ph = st.empty()
+        with st.spinner("Агент-оркестратор работает... (LLM управляет всем)"):
+            while t_pl.is_alive() or not evq_pl.empty():
+                while not evq_pl.empty():
+                    ev = evq_pl.get_nowait()
+                    if ev["t"] not in ("done", "fatal"):
+                        all_pl_events.append(ev)
+                if all_pl_events:
+                    html = "".join(_render_event(e) for e in all_pl_events[-60:])
+                    events_pl_ph.markdown(
+                        f'<div style="background:#0b0f1a;border-radius:8px;padding:10px;'
+                        f'max-height:300px;overflow-y:auto">{html}</div>',
+                        unsafe_allow_html=True,
+                    )
+                time.sleep(0.15)
+
+        events_pl_ph.empty()
+
+        if all_pl_events:
+            with st.expander(f"🔍 Лог агента ({len(all_pl_events)} событий)", expanded=False):
+                html = "".join(_render_event(e) for e in all_pl_events[-80:])
+                st.markdown(f'<div style="max-height:300px;overflow-y:auto">{html}</div>',
+                            unsafe_allow_html=True)
+
+        if _pl_state["error"]:
+            st.error(_pl_state["error"])
+        elif _pl_state["result"]:
+            msgs   = _pl_state["result"].get("messages", [])
+            last   = msgs[-1] if msgs else None
+            reply  = last.content if last and hasattr(last, "content") else "Готово."
+            st.markdown(
+                f'<div class="status-ok">✅ Агент завершил работу:<br>{reply[:600]}</div>',
+                unsafe_allow_html=True,
+            )
+
+
+# ══════════════════════════════════════════════════════════════════════════
+# ВК 3 — СТАТУС
+# ══════════════════════════════════════════════════════════════════════════
+
+with tab_status:
+    st.caption("Статусы всех заданий курса KFU-26-1.")
+
+    if st.button("🔄 Обновить статусы", type="primary"):
+        with st.spinner("Загружаю статусы..."):
+            from src.agent.mcp_client import load_journal_toolsets
+
+            async def _fetch():
+                j = load_journal_toolsets()
+                tools = {t.name: t for t in j.tasks_submissions_tools}
+                full_name = "mcp__journal-bh-professor__tasks_list"
+                t = tools.get(full_name) or next(
+                    (v for k, v in tools.items() if "tasks_list" in k), None
+                )
+                if not t:
+                    return [], f"tasks_list не найден. Доступны: {list(tools.keys())}"
+                raw  = await t.ainvoke({"courseId": "698b49da77cb6d4d2e43ce78"})
+                text = next((x["text"] for x in raw if x.get("type") == "text"), str(raw)) if isinstance(raw, list) else str(raw)
+                data = json.loads(text)
+                return (data.get("tasks", data) if isinstance(data, dict) else data), None
+
+            _state = {"items": [], "error": None}
+
+            def _run_fetch():
+                loop = asyncio.new_event_loop()
+                asyncio.set_event_loop(loop)
+                try:
+                    _state["items"], _state["error"] = loop.run_until_complete(_fetch())
+                except Exception as e:
+                    _state["error"] = str(e)
+                finally:
+                    loop.close()
+
+            t = threading.Thread(target=_run_fetch, daemon=True)
+            t.start()
+            t.join()
+
+            if _state["error"]:
+                st.error(_state["error"])
+            else:
+                st.session_state["task_statuses"] = _state["items"]
+                st.rerun()
+
+    items = st.session_state.get("task_statuses", [])
+
+    STATUS_EMOJI = {
+        "done":             "✅",
+        "ready_for_review": "🔍",
+        "in_progress":      "🔄",
+        "todo":             "📋",
+        "rejected":         "❌",
+    }
+
+    if items:
+        counts: dict[str, int] = {}
+        rows = []
+        for item in items:
+            t      = item.get("task", item) if isinstance(item, dict) else {}
+            tid    = t.get("id", "")
+            status = item.get("status", "")
+            title  = t.get("title", t.get("name", ""))
+            counts[status] = counts.get(status, 0) + 1
+            rows.append({
+                "": STATUS_EMOJI.get(status, "❓"),
+                "Статус":   status,
+                "ID":       tid[:12] + "...",
+                "Название": title,
+                "Репо":     f"https://git.brojs.ru/{GITEA_OWNER}/task-{tid}",
+            })
+
+        st.dataframe(rows, use_container_width=True, hide_index=True)
+
+        st.divider()
+        cols = st.columns(len(counts))
+        for col, (s, n) in zip(cols, counts.items()):
+            col.metric(f"{STATUS_EMOJI.get(s,'❓')} {s}", n)
+    else:
+        st.info("Нажми «Обновить статусы» чтобы загрузить данные.")