homework-solutions/solutions/69a86305c46fd26feae6bcaa_Human_in_the_Loop_через_middleware

Human‑in‑the‑Loop через Middleware

Описание

В этом проекте реализован агент на базе LangChain с встроенным middleware HumanInTheLoopMiddleware.
При каждом вызове инструмента агент останавливается и выводит в терминал сообщение вида:

> Инструмент: get_weather
> Запрос: Какая погода сегодня в Москве?
> Выберите действие: [approve / reject]

Пользователь вводит approve или reject. После этого выполнение агента возобновляется, а результат инструмента (или отказ) возвращается в цепочку.

Мiddleware автоматически формирует запрос на подтверждение и обрабатывает ответ через Command(resume={"decisions": [...]}).

Важно: для корректной работы паузы нужен чекпоинтер (MemorySaver). Без него агент не сможет сохранить состояние между остановками.

---

Структура проекта

├── agent.py          # Создание агента с HumanInTheLoopMiddleware
├── run_agent.py      # Запуск интерактивного диалога с пользователем
└── requirements.txt # Зависимости

---

Установка зависимостей

# 1. Клонируйте репозиторий (или скопируйте файлы)
git clone https://github.com/your-username/human-in-loop-middleware.git
cd human-in-loop-middleware

# 2. Создайте виртуальное окружение (рекомендовано)
python -m venv .venv
source .venv/bin/activate   # Windows: .\.venv\Scripts\activate

# 3. Установите зависимости
pip install -r requirements.txt

requirements.txt содержит:

langchain==0.*          # актуальная версия LangChain
langgraph==0.*          # для MemorySaver и middleware
openai==1.*             # если используете OpenAI LLM
python-dotenv==1.*      # для загрузки переменных окружения (API‑ключи)

Примечание: Если вы хотите использовать другой LLM, замените langchain на нужный пакет и настройте llm в agent.py.

---

Запуск

1. Создание агента (agent.py)

python agent.py

Файл создаёт объект agent, но не запускает диалог. Он нужен для импорта при запуске основного скрипта.

2. Интерактивный запуск (run_agent.py)

python run_agent.py

После запуска вы увидите приглашение:

> Какой вопрос у вас есть? (напишите 'exit' чтобы выйти)

Пример взаимодействия:

> Какую погоду сегодня в Москве?
> Инструмент: get_weather
> Запрос: Какая погода сегодня в Москве?
> Выберите действие: [approve / reject] > approve
> Погода в Москве сегодня 22°C, ясно.

Если пользователь вводит reject, агент сообщает об отказе и предлагает задать другой вопрос.

---

Пример использования

from langchain.agents import create_agent
from langchain.agents.middleware import HumanInTheLoopMiddleware
from langgraph.checkpoint.memory import MemorySaver
import os
from dotenv import load_dotenv
from langchain_openai import ChatOpenAI

load_dotenv()  # загружает переменные из .env (OPENAI_API_KEY)

# Инициализация LLM
llm = ChatOpenAI(model="gpt-4o-mini", temperature=0.7)

# Пример инструмента
def get_weather(location: str) -> str:
    """Возвращает погоду в указанном месте."""
    # В реальном проекте здесь будет запрос к API погоды
    return f"Погода в {location} сегодня 22°C, ясно."

get_weather_tool = {
    "name": "get_weather",
    "description": "Получить текущую погоду по местоположению.",
    "func": get_weather,
}

memory = MemorySaver()

agent = create_agent(
    model=llm,
    tools=[get_weather_tool],
    system_prompt="Ты полезный ассистент, который может получать погоду.",
    middleware=[
        HumanInTheLoopMiddleware(
            interrupt_on={"get_weather": True},
            description_prefix="Подтвердите вызов инструмента",
        ),
    ],
    checkpointer=memory,
)

# Запуск диалога
while True:
    user_input = input("> Какой вопрос у вас есть? (exit) ")
    if user_input.lower() == "exit":
        break
    response = agent.invoke({"input": user_input})
    print(response["output"])

---

Что дальше?

• Добавить больше инструментов – просто расширьте список tools и настройте interrupt_on.
• Настроить разрешённые решения – в HumanInTheLoopMiddleware можно указать allowed_decisions=["approve", "reject"], чтобы убрать вариант редактирования.
• Сохранить историю – используйте более продвинутый чекпоинтер (SQLiteSaver) для долгосрочного хранения сессий.

---

Ссылки

• Документация LangChain: Human‑in‑the‑Loop
• GitHub репозиторий LangChain

---