feat: solution for 'Untitled Task'

README.md

@@ -1 +1,16 @@
-# LangGraph Streaming Agent\n\nThis project demonstrates how to use LangGraph to stream responses from an AI agent in real-time. Instead of waiting for the entire answer, the agent outputs tokens as they are generated, providing a more interactive experience.\n\n## Prerequisites\n\n- Python 3.10 or higher\n- An OpenAI API key (set as `OPENAI_API_KEY` in your environment)\n\n## Installation\n\nbash\npip install -r requirements.txt\n\n\n## Running the Agent\n\nbash\npython src/main.py\n\n\nThe agent will ask a simple math question and stream the answer token by token. You will see a separator when the agent moves to a new step.\n\n## Customization\n\n- Modify the `messages` in `src/main.py` to ask different questions.\n- Add or replace tools in the `tools` list to extend the agent's capabilities.\n
+# Untitled Task
+
+Главная
+Мои задания
+Stream-режим AI-агента
+5Д
+EN
+Stream-режим AI-агента
+
+Цель
+
+Доработать агента из предыдущего задания: заменить единовременный вызов .invoke() на потоковый вывод через .stream(), чтобы ответ появлялся в консоли по мере генерации, а не после полного завершения.
+
+Предыстория
+
+В предыдущем задании агент вызывался через .invoke() — он возвращал результат только после того, как полностью завершал работу. При длинных ответах или нескольких вызовах инструментов это выглядит как зависа

src/main.py

@@ -1 +0,0 @@
-import os\nfrom dotenv import load_dotenv\nfrom langgraph import create_agent\nfrom langchain.chat_models import ChatOpenAI\nfrom langchain.tools import CalculatorTool\n\nload_dotenv()\n\ndef format_message(message) -> str:\n    if message.content:\n        return message.content\n    return f\"{message.tool_calls[0]['name']}({message.tool_calls[0]['args']})\"\n\n\ndef main():\n    llm = ChatOpenAI(temperature=0)\n    tools = [CalculatorTool()]\n    agent = create_agent(llm=llm, tools=tools)\n\n    stream = agent.stream(\n        {\n            \"messages\": [{\"role\": \"human\", \"content\": \"What is 12 * 34?\"}]\n        },\n        stream_mode=['messages', 'updates']\n    )\n\n    step = 1\n    for chunk in stream:\n        chunk_type, chunk_data = chunk\n        if chunk_type == \"messages\":\n            message, meta = chunk_data\n            if meta.get('langgraph_step') != step:\n                step = meta.get('langgraph_step')\n                print('\\n --- --- --- \\n')\n            if message.content:\n                print(message.content, end='', flush=True)\n        elif chunk_type == \"updates\":\n            if chunk_data.get('model'):\n                last_message = chunk_data['model']['messages'][-1]\n                print(format_message(last_message))\n\n    print()  # Final newline\n\n\nif __name__ == \"__main__\":\n    main()\n