mariahberdnikova/dz
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

Практическое задание №3: Память и подтверждение действий: README.md

Browse Source
This commit is contained in:
Мария Бердникова
2026-05-27 14:15:25 +00:00
parent d953945aee
commit 05e69a0d3b
1 changed files with 75 additions and 74 deletions
Download Patch File Download Diff File Expand all files Collapse all files
solutions/69a474cdc46fd26feae69896_Практическое_задание__3__Память_и_подтве/README.md
+75 -74
View File
@@ -3,121 +3,122 @@
## Описание проекта ## Описание проекта
В этом задании вы доработаете агента из предыдущих практических работ, добавив: В этом задании вы доработаете агента из предыдущих практических работ, добавив:
- **Память разговора** – агент будет помнить все сообщения в рамках одного диалога. - **Память разговора** – агент будет помнить все сообщения в рамках одного диалога.
- **Механизм подтверждения** – перед выполнением любого инструмента пользователь получает запрос на подтверждение. - **Механизм подтверждения** перед вызовом любого инструмента – пользователь сможет согласовать действие.
Для красивого вывода в консоли используется библиотека `rich`. Для более приятного вывода используется библиотека `rich`.
## Структура проекта ## Структура проекта
``` ```
project/ project/
├── agent.py # Основной скрипт с реализацией агента ├── solution.py # Основной скрипт с реализацией агента
├── tools.py # Пользовательские инструменты └── README.md # Это файл
└── README.md # Это файл
``` ```
---
## Установка зависимостей ## Установка зависимостей
```bash ```bash
# Создайте виртуальное окружение (необязательно, но рекомендуется) # Создайте виртуальное окружение (рекомендуется)
python -m venv .venv python -m venv .venv
source .venv/bin/activate # Windows: .\.venv\Scripts\activate source .venv/bin/activate # Windows: .venv\Scripts\activate
# Установите все необходимые пакеты # Установите все необходимые пакеты
pip install langgraph rich openai # добавьте другие зависимости при необходимости pip install rich langgraph langchain-openai langchain-core
``` ```
> **Важно** – `rich` нужен только для вывода, но без него скрипт будет работать. > **Важно**
> `langgraph` и `langchain-openai` автоматически подтянут нужные версии OpenAI SDK.
## Как запустить каждый файл > Если у вас нет ключа API, создайте переменную окружения `OPENAI_API_KEY`.
### 1. `tools.py`
Содержит пользовательские инструменты (например, поиск в интернете, вычисления и т.д.).
Запуск не требуется отдельно – он импортируется в `agent.py`.
### 2. `agent.py`
Главный скрипт, который запускает агента.
```bash ```bash
python agent.py export OPENAI_API_KEY="sk-..."
``` ```
При запуске вы увидите интерактивную сессию: ---
1. Введите сообщение. ## Запуск скрипта
2. Агент сформулирует запрос к инструменту и попросит подтвердить действие.
3. После подтверждения (`yes`/`no`) агент выполнит инструмент или отменит его.
### 3. Пример запуска в режиме потоковой печати ### 1️⃣ Запустите файл напрямую
```bash ```bash
python agent.py --stream python solution.py
``` ```
Параметр `--stream` заставляет выводить ответы построчно, как это делает `rich`. Скрипт откроет интерактивный чат, где вы можете задавать вопросы. При каждом вызове инструмента агент сначала спросит подтверждение.
## Пример использования > **Пример**
> ```
> Пользователь: Привет!
> Агент: Здравствуйте! Чем могу помочь?
> Пользователь: Напиши мне список покупок.
> Агент: Вы хотите вызвать инструмент `echo_tool` с аргументом `text="список покупок"`? (y/n)
> y
> Эхо: список покупок
> ```
### 2️⃣ Запуск в режиме потоковой передачи
Если вы хотите видеть ответы по частям, можно запустить скрипт так:
```bash
python solution.py --stream
```
Внутри `solution.py` реализован флаг `--stream`, который переключает режим вывода.
---
## Пример использования кода
```python ```python
# Внутри agent.py (или в интерактивной сессии)
from langgraph.checkpoint.memory import MemorySaver
from rich.console import Console from rich.console import Console
import os from langgraph.checkpoint.memory import MemorySaver
from langgraph.prebuilt import create_chat_agent
from langchain_openai import ChatOpenAI
# 1. Консоль для красивого вывода
console = Console() console = Console()
# Инициализация памяти и агента # 2. Создаём LLM
llm = ChatOpenAI(model="gpt-3.5-turbo", temperature=0)
# 3. Определяем инструмент
def echo_tool(args: dict) -> str:
return f"Эхо: {args.get('text', '')}"
# 4. Память и агент с паузой перед инструментом
memory = MemorySaver() memory = MemorySaver()
agent = create_agent( agent = create_chat_agent(
model=llm, llm=llm,
tools=[my_tool], tools=[echo_tool],
system_prompt="You are a helpful assistant.", system_prompt="Ты — полезный ассистент, который сначала спрашивает подтверждение перед вызовом инструмента.",
checkpointer=memory, checkpointer=memory,
interrupt_before=['tools'] # пауза перед каждым инструментом interrupt_before=['tools'], # остановка перед каждым инструментом
) )
# Конфигурация диалога (thread_id) # 5. Запускаем диалог
config = {"configurable": {"thread_id": "conversation-1"}} config = {"configurable": {"thread_id": "разговор-1"}}
for chunk in agent.stream({"messages": [HumanMessage(content="Напиши мне список покупок")]}, config=config):
# Запуск агента с потоковым выводом console.print(chunk)
for chunk in agent.stream({"messages": [{"role":"user","content":"Расскажи о Python"}]}, config=config):
console.print(chunk, end="")
# После завершения можно продолжить диалог в том же thread_id
``` ```
### Что происходит при запуске ---
1. **Память**: `MemorySaver` сохраняет все сообщения и состояния агента для конкретного `thread_id`. При повторном вызове с тем же ID агент «видит» историю. ## Что дальше?
2. **Подтверждение**: Когда агент планирует вызвать инструмент, он выводит запрос вида:
```
[Agent] Предлагаю использовать инструмент "search". Подтвердить? (yes/no)
```
3. **Пауза** (`interrupt_before=['tools']`): Агент останавливается до подтверждения и ждёт ввода пользователя.
## Как добавить новый инструмент - Добавьте собственные инструменты (например, поиск в интернете, работа с файлами и т.д.).
- Изучите другие параметры `create_chat_agent`, такие как `interrupt_after` или `max_output_tokens`.
- Попробуйте использовать разные модели (`gpt-4o-mini`, `claude-3.5-sonnet` и др.) – просто поменяйте аргумент `model`.
1. Создайте функцию в `tools.py`. ---
2. Зарегистрируйте её в списке `tools=[...]` при создании агента.
3. При необходимости обновите `system_prompt`, чтобы агент знал о новом инструменте.
## Тестирование ## Полезные ссылки
Для проверки работы можно использовать простые тесты: | Тема | Ссылка |
|------|--------|
| LangGraph Docs | https://langgraph.org/docs/ |
| LangChain OpenAI | https://python.langchain.com/docs/integrations/providers/openai |
| Rich Library | https://rich.readthedocs.io/en/latest/introduction.html |
```bash ---
python -m unittest discover tests
```
> Убедитесь, что у вас есть файл `tests/` с соответствующими проверками.
## FAQ
| Вопрос | Ответ |
|--------|-------|
| Как изменить `thread_id`? | Передайте новый ID в `config = {"configurable": {"thread_id": "новый-id"}}`. |
| Что делать, если инструмент не подтверждается? | Агент просто пропускает вызов и продолжает диалог. |
| Можно ли отключить память? | Уберите `checkpointer=memory` при создании агента – тогда каждый запрос будет независимым. |
## Лицензия
MIT © 2026