# 🤖 Агент решения домашних заданий

Берёт задания из журнала через **MCP**, решает их с помощью LLM, заливает на **git.brojs.ru** и отправляет ссылку преподавателю.
Общаться с агентом можно через чат на `localhost:8123` — так же, как у преподавателя.

## Структура проекта

```
homework_agent/
├── agent.py          # Граф агента + CLI (точка входа для langgraph dev)
├── llm.py            # Фабрика LLM: openai (пары) ↔ gigachat (дома)
├── mcp_clients.py    # Загрузка MCP-инструментов (journal + gitea)
├── gitea_rest.py     # REST fallback для Gitea (если uvx недоступен)
├── langgraph.json    # Конфиг для langgraph dev
├── requirements.txt
├── .env.example
└── .env              # ← создай сам, не коммить!
```

## Установка

```bash
# 1. Виртуальное окружение
python -m venv .venv
.venv\Scripts\activate        # Windows
# source .venv/bin/activate   # Mac/Linux

# 2. Зависимости
pip install -r requirements.txt

# 3. uv (нужен для Gitea MCP, если будешь использовать)
pip install uv
```

## Настройка .env

```bash
cp .env.example .env
# открой .env и заполни значения
```

### Токен журнала — `JOURNAL_MCP_PAT` (самое важное!)

Без него агент не видит задания. Спроси у преподавателя или найди сам:

1. Зайди на `https://platform.brojs.ru` (авторизуйся)
2. Открой DevTools (`F12`) → вкладка **Network**
3. Обнови страницу, кликни на любой запрос к `/jrnl-bh/api/...`
4. В заголовках найди `Authorization: Bearer <токен>` — это и есть `JOURNAL_MCP_PAT`

### Токен Gitea — `GITEA_TOKEN`

1. Зайди на https://git.brojs.ru (авторизуйся)
2. Аватарка → **Settings** → **Applications** → **Generate New Token**
3. Поставь права: `repository: read & write`
4. Скопируй в `.env` как `GITEA_TOKEN`
5. Туда же `GITEA_USERNAME` — твой логин на git.brojs.ru

### Переключение LLM

**На парах (gpt-oss-20b):**
```env
LLM_PROVIDER=openai
OPENAI_BASE_URL=https://89fe241d-b6f4-4e49-b3d5-9ed3c91dbe2f.tunnel4.com/v1
OPENAI_MODEL=openi/gpt-oss-20b
OPENAI_API_KEY=fake
```
> ⚠️ URL туннеля меняется каждый день — спрашивай актуальный у преподавателя

**Дома (GigaChat, бесплатно):**
```env
LLM_PROVIDER=gigachat
GIGACHAT_CREDENTIALS=твои_credentials
GIGACHAT_SCOPE=GIGACHAT_API_B2B
```
Получить credentials: https://developers.sber.ru/studio/workspaces/my-space/get-token/gigachat

## 🚀 Запуск чата (localhost:8123)

```bash
langgraph dev
```

Открой в браузере `http://localhost:8123` — появится чат. Можно писать:
- *«покажи мои задания»*
- *«реши задание с id=abc123»*
- *«какие задания есть в курсе xyz?»*

## Запуск из консоли (без чата)

```bash
# Показать список заданий
python agent.py --list

# Решить конкретное задание
python agent.py --task-id <id>

# Решить задания курса
python agent.py --course-id <id>

# Посмотреть решение без отправки
python agent.py --task-id <id> --dry-run
```

## Как это работает

```
Ты пишешь в чат
  ↓
agent_graph (LangGraph ReAct)
  ↓ читает задания
  mcp__journal-mcp__tasks_list / task_get
  ↓ пишет код (LLM)
  gpt-oss-20b / GigaChat
  ↓ заливает на Gitea
  upload_solution → git.brojs.ru/username/dz
  ↓ отправляет ссылку
  mcp__journal-mcp__submission_teacher_set_status
```

## Частые проблемы

| Ошибка | Решение |
|--------|---------|
| `JOURNAL_MCP_PAT не задан` | Добавь токен в `.env` |
| `FileNotFoundError: uvx` | `pip install uv` или работает REST fallback |
| LLM не отвечает | Проверь `OPENAI_BASE_URL` — URL туннеля мог смениться |
| `langgraph: command not found` | `pip install langgraph-cli[inmem]` |