add: main.py

main.py

@@ -0,0 +1,106 @@
+import os
+import json
+import asyncio
+from dotenv import load_dotenv
+from langchain_openai import ChatOpenAI
+from langchain_core.prompts import PromptTemplate
+from langchain_core.output_parsers import PydanticOutputParser
+from pydantic import BaseModel, Field
+from langchain.tools import tool
+from deepagents import create_deep_agent
+from deepagents.backends import FilesystemBackend
+from langchain_core.messages import HumanMessage
+
+# Загрузим переменные окружения (ключ OpenRouter)
+load_dotenv()
+
+# 1. Модель карточки задания
+class TaskCard(BaseModel):
+    title: str = Field(description="Title of the assignment.")
+    subject: str = Field(description="Subject or topic.")
+    deadline_hint: str = Field(description="Short hint about the deadline.")
+    deliverable_type: str = Field(description="What to submit (report, code, presentation, etc.).")
+    grading_hints: list[str] = Field(description="List of hints about grading criteria.")
+
+# 2. Парсер
+parser = PydanticOutputParser(pydantic_object=TaskCard)
+
+# 3. Шаблон промпта
+prompt = PromptTemplate(
+    template="""Extract the following fields from the task description:
+title: the title of the assignment
+subject: the subject or topic
+deadline_hint: a short hint about deadline (e.g., 'by Friday')
+deliverable_type: what to submit (report, code, presentation, etc.)
+grading_hints: list of hints about grading criteria
+
+Return the data in JSON format as follows:
+{format_instructions}
+The description: {description}
+""",
+    input_variables=["description"],
+    partial_variables={"format_instructions": parser.get_format_instructions()},
+)
+
+# 4. LLM (OpenRouter)
+llm = ChatOpenAI(
+    model="openai/gpt-oss-20b:free",
+    base_url="https://openrouter.ai/api/v1",
+    api_key=os.getenv("OPENAI_API_KEY"),
+    temperature=0.0,
+)
+
+# 5. Цепочка: промпт → LLM → парсер
+chain = prompt | llm | parser
+
+# 6. Инструмент для парсинга
+@tool
+def parse_task(description: str) -> TaskCard:
+    """Parse a task description into structured fields."""
+    return chain.invoke({"description": description})
+
+# 7. Бэкенд и агент
+backend = FilesystemBackend()
+agent = create_deep_agent(
+    model=llm,
+    tools=[parse_task],
+    backend=backend,
+    system_prompt="You are a task parsing agent. Use the parse_task tool to extract structured data from the assignment description.",
+)
+
+# 8. Основная функция
+async def main():
+    description = (
+        "Сдайте к пятнице мини-отчёт по LangChain: 2 страницы, упор на агентов. "
+        "Оценка: за полноту и за пример кода."
+    )
+
+    # Вызов агента
+    result = await agent.ainvoke(
+        {"messages": [HumanMessage(content=description)]},
+        {"configurable": {"thread_id": "session-1"}},
+    )
+
+    # Последнее сообщение содержит вывод инструмента
+    output_text = result["messages"][-1].content
+
+    # Попытка распарсить JSON
+    try:
+        parsed_dict = json.loads(output_text)
+        parsed = TaskCard(**parsed_dict)
+    except json.JSONDecodeError:
+        # Если вывод не в JSON, используем eval (не рекомендуется в продакшене)
+        parsed = eval(output_text)
+
+    # Вывод валидированного объекта
+    print("Валидированный объект:")
+    print(parsed.model_dump())
+    print("\nКраткая сводка:")
+    print(f"Задание: {parsed.title}")
+    print(f"Тема: {parsed.subject}")
+    print(f"Срок: {parsed.deadline_hint}")
+    print(f"Сдача: {parsed.deliverable_type}")
+    print(f"Критерии оценки: {', '.join(parsed.grading_hints)}")
+
+if __name__ == "__main__":
+    asyncio.run(main())