Human-in-the-Loop через middleware: README.md

solutions/69a86305c46fd26feae6bcaa_Human-in-the-Loop_через_middleware/README.md

@@ -1,120 +1,109 @@
-# Human‑in‑the‑Loop Agent via Middleware
+# Human‑in‑the‑Loop через Middleware
 
-This repository contains a minimal example of an **LLM agent** that pauses every time it wants to call an external tool and asks the user for confirmation (`approve` or `reject`).  
+Пример реализации агента на LangGraph с встроенным `HumanInTheLoopMiddleware`.  
-The pause is implemented with LangChain’s built‑in `HumanInTheLoopMiddleware`, which automatically generates the prompt, captures the user input, and resumes execution via a `Command`.
+При каждом вызове инструмента агент останавливается и выводит в терминал запрос
-
+на подтверждение (`approve` / `reject`). После ответа пользователь может
-> **Why use middleware?**  
+продолжить выполнение, а агент продолжит работу.
-> Unlike the `interrupt_before=['tools']` approach that requires manual handling of interruptions, the middleware handles everything internally: it creates the confirmation request, processes the response, and resumes the agent with the chosen decision.
 
 ---
 
-## 📦 Installation
+## 📦 Установка зависимостей
 
 ```bash
-# Create a virtual environment (optional but recommended)
+# Создайте виртуальное окружение (рекомендуется)
 python -m venv .venv
 source .venv/bin/activate   # Windows: .venv\Scripts\activate
 
-# Install required packages
+# Установите необходимые пакеты
-pip install langchain langgraph openai rich
+pip install langgraph langchain-core langchain-openai openai tqdm
 ```
 
-> **OpenAI API key**  
+> **Важно**  
-> The example uses an OpenAI model. Set your key in the environment:
+> Для работы с OpenAI API понадобится переменная окружения `OPENAI_API_KEY`.  
+> ```bash
+> export OPENAI_API_KEY="sk-..."
+> ```
 
-```bash
+---
-export OPENAI_API_KEY="sk-…"
+
+## 📁 Структура проекта
+
+```text
+.
+├── solution.py          # Основной скрипт, реализующий агент
+└── README.md            # Текущий файл
 ```
 
 ---
 
-## 📁 Project Structure
+## ▶️ Запуск
 
-| File | Purpose |
+### 1. Запустите скрипт из командной строки
-|------|---------|
-| `solution.py` | Main script that creates the agent, defines a simple tool (`get_weather`), and runs an interactive loop. |
-
-> The repository contains only one Python file for clarity.
-
----
-
-## 🚀 Running the Example
 
 ```bash
 python solution.py
 ```
 
-You will see something like:
+> Скрипт автоматически создаст агента, подключит middleware и начнет диалог с пользователем.
+
+### 2. Взаимодействие в терминале
+
+После каждого вызова инструмента вы увидите сообщение вида:
 
 ```
-User: What's the weather in London?
+⚠️ Инструмент: get_weather
-Agent: (pauses) Подтвердите вызов инструмента get_weather
+Запрос: "Какая погода в Москве на 2024‑06‑01?"
-  - approve
+Нужно подтвердить действие (approve/reject):
-  - reject
-Your choice: 
 ```
 
-Type `approve` to let the agent call the tool, or `reject` to skip it.  
+- Введите `approve` – инструмент будет выполнен и результат вернётся агенту.
-After your decision, the agent continues its reasoning and eventually returns a final answer.
+- Введите `reject` – вызов инструмента отменяется, агент продолжит работу без него.
 
 ---
 
-## 🛠️ Customizing
+## 📄 Пример использования
-
-### Changing the Tool
-
-Replace the `get_weather` function with any other LangChain tool:
 
 ```python
+from langgraph.prebuilt import create_react_agent
+from langchain.tools import tool
+from langgraph.checkpoint.memory import MemorySaver
+from langgraph.types import Command
+from langgraph.moderation import HumanInTheLoopMiddleware
+
+# 1. Определяем инструмент
 @tool
-def get_time() -> str:
+def get_weather(city: str, date: str) -> str:
-    """Return current UTC time."""
+    """Возвращает погоду в городе на указанную дату."""
-    return datetime.utcnow().isoformat()
+    return f"Погода в {city} на {date}: солнечно 25°C."
+
+# 2. Создаём агент с middleware
+memory = MemorySaver()
+agent = create_react_agent(
+    tools=[get_weather],
+    memory=memory,
+    middleware=[HumanInTheLoopMiddleware()],
+)
+
+# 3. Запускаем диалог
+config = {"thread_id": "session-1"}
+state = agent.invoke({"messages": [{"role": "user", "content": "Какая погода в Москве на 2024‑06‑01?"}]}, config=config)
+print(state["messages"][-1]["content"])
 ```
 
-Add it to the `tools` list when creating the agent.
+> После запуска вы увидите запрос подтверждения и сможете взаимодействовать с агентом, как описано выше.
-
-### Adjusting Middleware Settings
-
-- **Interrupt on specific decisions**  
-  ```python
-  interrupt_on={
-      "get_weather": {"allowed_decisions": ["approve", "reject"]}  # no edit option
-  }
-  ```
-
-- **Custom prompt prefix**  
-  ```python
-  description_prefix="Please confirm the tool call:"
-  ```
-
-### Using a Different LLM
-
-Swap `llm` for any LangChain-compatible model (e.g., GPT‑4o, Claude, etc.):
-
-```python
-from langchain_openai import ChatOpenAI
-llm = ChatOpenAI(model_name="gpt-4o-mini")
-```
 
 ---
 
-## 📖 Example Interaction
+## 📚 Полезные ссылки
 
-```
+- [Документация LangChain – Human‑in‑the‑Loop](https://docs.langchain.com/oss/python/langchain/human-in-the-loop)
-User: Tell me the weather in Paris.
+- [LangGraph GitHub репозиторий](https://github.com/run-llama/langgraph)
-Agent: (pauses) Подтвердите вызов инструмента get_weather
-  - approve
-  - reject
-Your choice: approve
-Agent: The current temperature in Paris is 18°C with clear skies.
-Final answer: It’s sunny and mild in Paris today.
-```
 
 ---
 
-## 📜 License
+## 🤝 Вклад
 
-This project is provided under the MIT license. Feel free to adapt it for your own experiments.
+Если вы нашли ошибки или хотите добавить новые инструменты, создайте pull request.  
+Пожалуйста, придерживайтесь стиля кода из `solution.py` и добавляйте комментарии.
 
----
+---```