# Самокорректирующийся агент (LangGraph)

## Описание
Проект демонстрирует реализацию **самокорректирующегося агента** на базе `LangGraph`.  
Агент получает задачу, выполняет её через ненадёжный инструмент (`unreliable_tool`), затем LLM‑as‑judge проверяет результат. Если проверка не прошла и количество попыток меньше `max_attempts`, агент повторяет выполнение. Цикл продолжается до получения статуса `success` или исчерпания лимита попыток.

### Состояние графа (`AgentState`)
```python
class AgentState(TypedDict):
    task: str                 # исходная задача
    result: str               # результат выполнения инструмента
    attempts: int             # текущая попытка (начинается с 0)
    status: str               # pending | success | failed | max_attempts
    error: Optional[str]      # текст ошибки, если возникла
    max_attempts: int         # лимит попыток
```

### Узлы графа
| Узел            | Роль                                                                 |
|-----------------|----------------------------------------------------------------------|
| `execute_task`  | Вызывает `unreliable_tool` (с ~30% вероятностью бросает `ValueError`). |
| `verify_result` | LLM‑as‑judge оценивает результат и возвращает строго `"success"` или `"failed"`. |
| `handle_error`  | Увеличивает `attempts`, сохраняет ошибку и готовит к повторному выполнению. |

### Граф
```
START → execute_task → verify_result
                         ↓ success → END
                         ↓ failed & attempts < max → handle_error → execute_task
                         ↓ max_attempts → END
```

## Установка зависимостей
```bash
# Рекомендуется использовать виртуальное окружение
python -m venv venv
source venv/bin/activate   # Windows: venv\Scripts\activate

# Установить необходимые пакеты
pip install langgraph langchain-openai langchain-ollama
```

> **Важно:** Для работы с OpenAI необходимо задать переменную окружения `OPENAI_API_KEY`.  
> Если вы предпочитаете Ollama, установите локальную модель и используйте `ChatOllama` вместо `ChatOpenAI` (см. комментарии в коде).

## Запуск
В проекте единственный исполняемый файл — `main.py`.

```bash
python main.py
```

При запуске скрипт выводит:
- номер текущей попытки,
- результат выполнения инструмента,
- вердикт LLM‑as‑judge,
- финальный статус (`success`, `failed` или `max_attempts`).

### Пример вывода
```
Attempt 0: Result = 42, Judge = failed
Attempt 1: Result = 42, Judge = success
Final status: success
```

Если все попытки исчерпаны:
```
Attempt 0: Result = Error: ..., Judge = failed
Attempt 1: Result = Error: ..., Judge = failed
Attempt 2: Result = Error: ..., Judge = failed
Final status: max_attempts
```

## Как работает пример
1. **`unreliable_tool`** – простая функция, которая с вероятностью ~30% бросает `ValueError`, иначе возвращает фиксированный результат (например, `"42"`).  
2. **LLM‑as‑judge** – запрос к модели (OpenAI GPT‑3.5‑turbo или локальная Ollama) с промптом, требующим ответить **только** словом `success` или `failed` в зависимости от того, совпадает ли результат с ожидаемым значением.  
3. Граф построен через `StateGraph` и скомпилирован в исполняемый объект, который запускается в цикле до достижения терминального узла.

## Настройка
- Изменить `task` и ожидаемый результат в функции `unreliable_tool` внутри `main.py`.  
- Подстроить `max_attempts` в начальном состоянии (по умолчанию `3`).  
- Переключиться между OpenAI и Ollama, заменив импорт и инициализацию LLM:
  ```python
  # Для OpenAI
  llm = ChatOpenAI(model="gpt-3.5-turbo", temperature=0)

  # Для Ollama (убедитесь, что модель запущена: ollama run <model>)
  # from langchain_ollama import ChatOllama
  # llm = ChatOllama(model="llama3", temperature=0)
  ```

## Требования
- Python 3.10+  
- Доступ к интернету (для OpenAI) **или** запущенный локальный Ollama сервер.  

---  

*Это README охватывает только основной файл проекта `main.py`. При добавлении новых файлов достаточно дополнить разделы «Запуск» и «Пример использования» соответствующими инструкциями.*