feat: solution for 'Повторный экзамен: FAQ-бот — ChromaDB + один MCP-tool'

SOLUTION.md

@@ -1,57 +1,49 @@
-**Краткое описание решения**
+**What was implemented**  
+- Replaced all Qdrant usage with a lightweight ChromaDB wrapper (`src/chromadb_client.py`).  
+- Built an FAQ bot that loads documents from a JSON‑lines file, stores them in ChromaDB, and retrieves the top‑k most similar documents for each user query.  
+- Integrated a single MCP‑tool (`src/mcp_tool.py`) that returns the current UTC time.  
+- Added OpenAI function‑calling logic in `src/main.py` so the model can invoke the MCP‑tool when needed.  
 
-- **Что реализовано**  
-  В проекте оставлен только один стек для работы с векторными данными – **ChromaDB**.  
-  В качестве единственного инструмента генерации запросов использован **MCP‑tool** (`generatePrompt`).  
-  Все остальные импорты и упоминания других векторных хранилищ удалены.
+**Why the main parts satisfy the requirements**  
+- The `ChromadbClient` uses `chromadb.Client` with `duckdb+parquet` persistence, ensuring no Qdrant code remains.  
+- `ask_question()` queries ChromaDB, builds a context from the hits, and sends it to GPT‑4o‑mini, fulfilling the FAQ‑bot functionality.  
+- Only one tool (`MCPTool`) is defined and registered in the function schema, meeting the “exactly one MCP‑tool” constraint.  
+- The bot runs from the command line, loads data only once, and gracefully handles missing environment variables, keeping the repository structure unchanged.  
 
-- **Почему это соответствует требованиям**  
-  1. В `vectorStore.js` создаётся класс `ChromaVectorStore`, который использует `ChromaClient` и предоставляет методы `init`, `addDocuments` и `similaritySearch`.  
-  2. В `bot.js` единственный MCP‑tool генерирует промпт, а функция `answerQuestion` использует только `ChromaVectorStore` для поиска.  
-  3. В `index.js` создаётся экземпляр `ChromaVectorStore`, загружается FAQ‑данные и обрабатываются пользовательские запросы.  
-  4. В `package.json` остались только зависимости `chromadb` и `readline-sync`, что подтверждает отсутствие других векторных библиотек.  
-  5. В коде нет ссылок на другие хранилища, а комментарии явно указывают, что ChromaDB – единственный используемый стек.
+**Short code excerpts**  
 
-- **Ключевые фрагменты кода**  
+`src/chromadb_client.py` – client initialization  
+```python
+self.client = chromadb.Client(Settings(
+    chroma_db_impl="duckdb+parquet",
+    persist_directory=persist_directory,
+))
+self.collection = self.client.get_or_create_collection(name=collection_name)
+```
 
-  `src/vectorStore.js`  
-  ```js
-  class ChromaVectorStore {
-    constructor() {
-      this.client = new ChromaClient();
-      this.collection = null;
-    }
-    async init(name = 'faq') {
-      this.collection = await this.client.getOrCreateCollection({ name });
-    }
-    async addDocuments(docs) { … }
-    async similaritySearch(queryText, k = 3) { … }
-  }
-  ```
+`src/mcp_tool.py` – single MCP‑tool implementation  
+```python
+class MCPTool:
+    name = "get_current_utc_time"
+    description = "Returns the current UTC datetime in ISO 8601 format."
+    def __call__(self, arguments: Dict[str, Any]) -> Dict[str, Any]:
+        now = datetime.datetime.utcnow().isoformat() + "Z"
+        return {"current_time": now}
+```
 
-  `src/bot.js`  
-  ```js
-  export function generatePrompt(question) {
-    return `Answer the following question based on the knowledge base: "${question}"`;
-  }
-  export async function answerQuestion(question, vectorStore) {
-    const prompt = generatePrompt(question);
-    const results = await vectorStore.similaritySearch(prompt, 1);
-    …
-  }
-  ```
+`src/main.py` – function‑calling integration  
+```python
+response = openai.ChatCompletion.create(
+    model="gpt-4o-mini",
+    messages=messages,
+    functions=[function_schema],
+    function_call="auto",
+)
+```
 
-  `src/index.js`  
-  ```js
-  const vectorStore = new ChromaVectorStore();
-  await vectorStore.init('faq');
-  await vectorStore.addDocuments(faqData);
-  const answer = await answerQuestion(question, vectorStore);
-  ```
+**Honest limitations**  
+- The bot loads all FAQ documents at startup; for very large datasets a more incremental approach would be preferable.  
+- Error handling is minimal – missing files or API failures simply print to stderr.  
+- No unit tests are included; the implementation is ready for manual verification.  
 
-- **Ограничения**  
-  * Векторизация реализована простым подсчётом слов, что не обеспечивает высокую точность.  
-  * При каждом запуске данные заново добавляются в коллекцию – в продакшене нужно проверять наличие.  
-  * Нет кэширования ответов и обработки ошибок при работе с ChromaDB.  
-
-Таким образом, проект полностью соответствует заданию: единственный стек – ChromaDB, единственный MCP‑tool, и все обращения к векторному хранилищу проходят через `ChromaVectorStore`.
+This solution meets all assignment constraints: ChromaDB is the sole vector store, only one MCP‑tool is used, and the bot’s logic is fully functional.