Практическое задание №3: Память и подтверждение действий: solution.py

solutions/69a474cdc46fd26feae69896_Практическое_задание__3__Память_и_подтве/solution.py

@@ -1,123 +1,84 @@
-# solution.py
-
-"""
-Основной скрипт агента с памятью и подтверждением действий.
-"""
-
 import os
-from typing import Any, Dict, Iterable, Tuple
+from typing import Any, Dict, Iterable
 
-from langchain_openai import ChatOpenAI
+# Библиотеки для вывода и работы с агентом
-from langgraph.checkpoint.memory import MemorySaver
-from langgraph.graph import StateGraph
-from langgraph.prebuilt import create_react_agent
 from rich.console import Console
+from langgraph.checkpoint.memory import MemorySaver
+from langchain_openai import ChatOpenAI
+from langchain_core.messages import AIMessage, HumanMessage, SystemMessage
+from langgraph.prebuilt import create_react_agent
 
-# --------------------------------------------------------------------------- #
+# Инициализация консоли для красивого вывода
-# 1. Конфигурация LLM и инструмента
-# --------------------------------------------------------------------------- #
-
-# Задаём ключ API OpenAI (можно задать переменной окружения)
-os.environ.setdefault("OPENAI_API_KEY", "sk-...")
-
-llm = ChatOpenAI(model="gpt-4o-mini", temperature=0.7)
-
-# Пример простого инструмента: поиск в интернете
-def search(query: str) -> str:
-    """Простейший инструмент поиска."""
-    return f"Результаты поиска по запросу '{query}': ..."
-
-search_tool = {
-    "name": "search",
-    "description": "Используется для поиска информации в интернете.",
-    "func": search,
-}
-
-# --------------------------------------------------------------------------- #
-# 2. Создаём агент с памятью и возможностью паузы перед вызовом инструмента
-# --------------------------------------------------------------------------- #
-
-memory = MemorySaver()
-
-agent = create_react_agent(
-    model=llm,
-    tools=[search_tool],
-    prompt="You are a helpful assistant.",
-    checkpointer=memory,          # подключаем память
-    interrupt_before=["tools"],   # ставим паузу перед каждым вызовом инструмента
-)
-
-# --------------------------------------------------------------------------- #
-# 3. Вспомогательные функции
-# --------------------------------------------------------------------------- #
-
 console = Console()
 
-def ask_and_run(user_input: Dict[str, Any], config: Dict[str, Any]) -> None:
+# Настройка модели LLM (потребуется переменная окружения OPENAI_API_KEY)
-    """
+llm = ChatOpenAI(temperature=0.7)
-    Обрабатывает поток от агента, выводит токены и обрабатывает паузы.
-    """
-    # Переменная для хранения последнего состояния (для возобновления)
-    last_state = None
 
-    for chunk in agent.stream(user_input, config=config, stream_mode=["messages", "updates"]):
+# Простой инструмент – эхо‑ответ
+def echo_tool(text: str) -> str:
+    """Возвращает введённый текст."""
+    return text
+
+# Создаём агент с памятью и возможностью паузы перед вызовом инструмента
+memory = MemorySaver()
+agent = create_react_agent(
+    model=llm,
+    tools=[echo_tool],
+    prompt="You are a helpful assistant. Use the echo tool when needed.",
+    checkpointer=memory,          # обязательно для памяти и паузы
+    interrupt_before=["tools"],   # остановка перед каждым вызовом инструмента
+)
+
+# Конфигурация разговора (thread_id)
+config = {"configurable": {"thread_id": "chat-1"}}
+
+def ask_and_run(user_input: Dict[str, Any] | None, cfg: Dict[str, Any]) -> None:
+    """
+    Отправляем запрос агенту и обрабатываем потоковые ответы.
+    Если агент останавливается перед вызовом инструмента – спрашиваем подтверждение.
+    """
+    # Запускаем поток
+    for chunk in agent.stream(
+        user_input,
+        config=cfg,
+        stream_mode=["messages", "updates"],
+    ):
+        state = agent.get_state(cfg)
         chunk_type, chunk_data = chunk
 
         if chunk_type == "messages":
-            # Печатаем токены ответа агента
+            # Печатаем токены ответа LLM
-            console.print(chunk_data["content"], end="")
+            for msg in chunk_data:
+                if isinstance(msg, AIMessage):
+                    console.print(msg.content, end="")
 
         elif chunk_type == "updates":
-            # Выводим информацию о вызове инструмента (если есть)
+            # Выводим информацию о вызовах инструментов (если они произошли)
-            for update in chunk_data:
+            for upd in chunk_data:
-                if isinstance(update, dict) and "tool_calls" in update.get("values", {}):
+                console.print(f"[bold cyan]Tool call:{upd}")
-                    tool_call = update["values"]["messages"][-1].tool_calls[0]
-                    console.print(f"\n[bold cyan]Инструмент:[/bold cyan] {tool_call['name']}({tool_call['args']})")
 
-        # Проверяем, пришёл ли сигнал о паузе
+        # Обнаруживаем паузу перед инструментом
-        if "__interrupt__" in chunk_data and agent.get_state(config).next == ("tools",):
+        if "__interrupt__" in chunk_data and state.next == ("tools",):
-            # Получаем информацию о том, какой инструмент будет вызван
+            # Получаем детали последнего вызова инструмента
-            state = agent.get_state(config)
             tool_call = state.values["messages"][-1].tool_calls[0]
-            console.print(f"\n[bold magenta]Пауза:[/bold magenta] Агент хочет вызвать инструмент "
+            name, args = tool_call["name"], tool_call["args"]
-                          f"[green]{tool_call['name']}[/green] с аргументами {tool_call['args']}")
+            console.print(f"\n\n[bold yellow]Пауза: агент хочет вызвать инструмент {name}({args})")
-            # Спрашиваем подтверждение у пользователя
             answer = input("Разрешить? (Y/n): ").strip().lower()
             if answer in ("", "y", "yes"):
-                console.print("[bold green]Продолжаем...[/bold green]")
+                # Возобновляем работу с того места, где остановились
-                # Возобновляем работу агента с того места, где остановились
+                ask_and_run(None, cfg)
-                ask_and_run(None, config)
-                return
             else:
-                console.print("[bold red]Отменено. Завершаем разговор.[/bold red]")
+                console.print("[bold red]Отменено пользователем.")
                 break
 
-        last_state = chunk_data
+# Основной цикл чата
-
-    console.print("\n[bold blue]Финальный ответ получен.[/bold blue]\n")
-
-# --------------------------------------------------------------------------- #
-# 4. Основной цикл чата
-# --------------------------------------------------------------------------- #
-
-def main() -> None:
-    """
-    Запускает бесконечный чат с агентом.
-    """
-    thread_id = "thread-1"
-    config = {"configurable": {"thread_id": thread_id}}
-
-    console.print("[bold underline]Запуск агента. Введите 'exit' для завершения.[/bold underline]")
-    while True:
-        user_input = input("\nВы: ")
-        if user_input.lower() == "exit":
-            console.print("[bold red]Завершение работы.[/bold red]")
-            break
-
-        # Формируем сообщение в формате, ожидаемом агентом
-        message = {"messages": [{"role": "human", "content": user_input}]}
-        ask_and_run(message, config)
-
-
 if __name__ == "__main__":
-    main()
+    console.print("[bold green]Запуск агента. Введите 'exit' для выхода.\n")
+    while True:
+        user_text = input("\nВы: ")
+        if user_text.lower() == "exit":
+            console.print("[bold magenta]До свидания!")
+            break
+        # Формируем сообщение пользователя
+        msg = {"messages": [{"role": "human", "content": user_text}]}
+        ask_and_run(msg, config)