feat: solution for '8. Самописный поисковый агент на основе deep agents from scratch'

SOLUTION.md

@@ -1,55 +1,63 @@
-**What was implemented**  
-- Added the required dependencies (`langchain-openai` and `langchain-community`) to `package.json`.  
-- Re‑implemented the search agent using LangChain’s `DeepAgent` instead of the previous custom logic.  
-- Configured the OpenAI LLM through the `langchain-openai` wrapper, reading the key from `OPENAI_API_KEY`.  
-- Integrated the built‑in `SearchTool` from `langchain-community` so the agent can perform web searches automatically.  
-- Exposed a simple `ask()` helper that invokes the agent and returns the output, and a CLI demo in `src/index.js`.
+**Что реализовано**  
+- Добавлены пакеты `langchain-openai` и `langchain-community` в `package.json`.  
+- Создан класс `DeepAgent` в `src/index.js`, реализующий шаблон «Deep Agents from Scratch».  
+- Внутри агента реализован **планировщик** (`LLMChain` + `PromptTemplate`), который принимает запрос пользователя и возвращает JSON‑объект с типом действия (`search` или `answer`).  
+- В зависимости от плана агент либо вызывает инструмент `SerpAPI` для веб‑поиска, либо возвращает готовый ответ.  
+- Добавлена простая память (`BufferMemory`) для хранения истории диалога.  
+- В `main()` инициализируются LLM, инструмент поиска, память и агент, а затем агент обрабатывает запрос, переданный в командной строке.
 
-**Why the main parts satisfy the requirements**  
-- **LangChain usage** – `DeepAgent` is instantiated directly (`src/agent.js`), meeting the “use LangChain’s Deep Agent API” constraint.  
-- **OpenAI API via langchain-openai** – The LLM is created with `new OpenAI({...})` from `langchain-openai`, ensuring all calls go through that package.  
-- **Dependencies added** – `langchain-openai` and `langchain-community` are listed in `package.json`, satisfying the dependency requirement.  
-- **No reliance on old code** – The previous custom agent logic is completely replaced; only the new LangChain components are used.  
-- **Search capability** – `SearchTool` is passed to the agent, allowing it to decide when to query the web, fulfilling the “search agent” goal.
+**Почему это соответствует требованиям**  
+- **LangChain**: все взаимодействия с LLM и инструментами построены через `langchain`‑объекты (`OpenAI`, `SerpAPI`, `LLMChain`, `PromptTemplate`).  
+- **OpenAI API**: используется `OpenAI` из `langchain-openai` с ключом из переменной окружения `OPENAI_API_KEY`.  
+- **Deep Agent**: класс `DeepAgent` полностью соответствует шаблону «Deep Agents from Scratch» – отдельный планировщик, исполнитель и память.  
+- **Поиск**: при выборе `search` агент вызывает `SerpAPI.run(query)` и возвращает результат.  
+- **Ответ**: при выборе `answer` агент просто возвращает строку из плана.
 
-**Key code excerpts**
+**Ключевые фрагменты кода**
 
 `package.json`  
 ```json
 "dependencies": {
-  "langchain": "^0.0.112",
-  "langchain-openai": "^0.0.112",
-  "langchain-community": "^0.0.112"
+  "langchain": "^0.0.0",
+  "langchain-openai": "^0.0.0",
+  "langchain-community": "^0.0.0",
+  "dotenv": "^16.0.0"
 }
 ```
 
-`src/agent.js`  
+`src/index.js` – планировщик  
 ```js
-import { DeepAgent } from "langchain/agents";
-import { OpenAI } from "langchain-openai";
-import { SearchTool } from "langchain-community/tools/search";
-
-const llm = new OpenAI({ temperature: 0, modelName: "gpt-3.5-turbo" });
-const searchTool = new SearchTool();
-
-const agent = new DeepAgent({
-  llm,
-  tools: [searchTool],
-  verbose: true
+this.planner = new LLMChain({
+  llm: this.llm,
+  prompt: new PromptTemplate({
+    inputVariables: ["input"],
+    template: `You are a helpful assistant. Given the user query: "{input}"
+Decide whether you need to perform a web search or can answer directly.
+Respond in JSON format:
+{
+  "type": "search" | "answer",
+  "query": "<search query>" | null,
+  "answer": "<answer>" | null
+}
+If you choose "search", provide the search query in "query". If you choose "answer", provide the answer in "answer".`,
+  }),
 });
 ```
 
-`src/index.js` (invocation)  
+`src/index.js` – выполнение плана  
 ```js
-export async function ask(query) {
-  const result = await agent.invoke({ input: query });
-  return result.output;
+if (plan.type === "search" && plan.query) {
+  const searchTool = this.tools.find((t) => t.name === "SerpAPI");
+  const searchResult = await searchTool.run(plan.query);
+  return searchResult;
+} else if (plan.type === "answer" && plan.answer) {
+  return plan.answer;
 }
 ```
 
-**Honest limitations**  
-- The implementation assumes `OPENAI_API_KEY` is set; no fallback or user prompt is provided.  
-- No custom error handling beyond the basic try/catch in the CLI demo.  
-- The agent uses the default `SearchTool`; if a different search provider is needed, additional configuration would be required.  
+**Ограничения**  
+- Планировщик возвращает JSON, но не проверяет корректность ключей `type`, `query`, `answer` более глубоко.  
+- В случае ошибки в ответе LLM (невалидный JSON) агент выбрасывает исключение.  
+- Параметры модели и инструмента заданы статически; для гибкой конфигурации можно добавить CLI‑параметры.  
 
-Overall, the project now fully complies with the assignment: it uses LangChain, integrates OpenAI via the dedicated package, and rebuilds the search agent with the Deep Agent API.
+Таким образом, проект теперь содержит полноценного Deep Agent, использующего LangChain и OpenAI API, способного выполнять поисковые запросы и выдавать ответы.