Human-in-the-Loop через middleware: solution.py

solutions/69a86305c46fd26feae6bcaa_Human-in-the-Loop_через_middleware/solution.py

@@ -1,22 +1,17 @@
-# solution.py
-
+# -*- coding: utf-8 -*-
 """
-Пример агента с Human-in-the-Loop через middleware.
-При каждом вызове инструмента агент останавливается,
-выводит информацию и ожидает решения пользователя:
-approve / reject (с возможностью указать причину отказа).
+Пример агента с Human‑in‑the‑loop, реализованный в LangGraph.
 """
 
-from langchain import ChatOpenAI
-from langchain.tools import tool
+from langchain_openai import ChatOpenAI
+from langgraph.prebuilt import create_react_agent
 from langgraph.checkpoint.memory import MemorySaver
-from langchain.agents.middleware import HumanInTheLoopMiddleware
-from langchain.agents import create_react_agent
 from langgraph.types import Command
+from langchain.tools import tool
 
-# 1. Модель LLM (замените на нужную модель и укажите ключ API)
+# 1. Модель LLM (пример с OpenAI‑совместимым API)
 llm = ChatOpenAI(
-    model="gpt-4o-mini",   # пример модели, можно заменить
+    model="gpt-4o-mini",  # замените на нужную модель
     temperature=0.7,
 )
 
@@ -29,63 +24,41 @@ def get_weather(city: str, date: str) -> str:
 # 3. Хранилище памяти для чекпоинтера
 memory = MemorySaver()
 
-# 4. Создание агента с HumanInTheLoopMiddleware
+# 4. Создание агента с interrupt_before=["tools"]
 agent = create_react_agent(
     tools=[get_weather],
-    llm=llm,
+    model=llm,
     system_prompt="Ты полезный ассистент, отвечай точно.",
     checkpointer=memory,
-    middleware=[
-        HumanInTheLoopMiddleware(
-            interrupt_on={"get_weather": True},  # прерывать на каждом вызове
-            description_prefix="Подтвердите вызов инструмента",
-        ),
-    ],
+    interrupt_before=["tools"],  # включаем human‑in‑the‑loop
 )
 
-def run_agent():
-    """
-    Запускает агента, обрабатывает прерывания и выводит финальный ответ.
-    """
-    config = {"configurable": {"thread_id": "session-1"}}
-    # Инициализируем запрос
-    result = agent.invoke(
-        {"messages": [{"role": "human", "content": "Какая погода в Казани сегодня?"}]},
-        config=config,
-    )
+# 5. Запуск и цикл обработки прерываний
+config = {"configurable": {"thread_id": "session-1"}}
+result = agent.invoke(
+    {"messages": [{"role": "human", "content": "Какая погода в Казани сегодня?"}]},
+    config=config,
+)
 
-    # Обрабатываем прерывания до тех пор, пока они не исчезнут
-    while "__interrupt__" in result:
-        interrupt_payload = result["__interrupt__"][0].value
-        action_requests = interrupt_payload.get("action_requests", [])
-        review_configs = interrupt_payload.get("review_configs", {})
-        decisions = []
+while "__interrupt__" in result:
+    # Последнее сообщение содержит вызов инструмента
+    last_msg = result["messages"][-1]
+    tool_call = last_msg.tool_calls[0]  # предполагаем один вызов
+    name = tool_call["name"]
+    args = tool_call.get("args", {})
+    print(f"\nИнструмент: {name}")
+    print(f"Аргументы: {args}")
 
-        for req in action_requests:
-            name = req.get("name")
-            args = req.get("args", {})
-            print("\nИнструмент:", name)
-            print("Аргументы:", args)
+    choice = input("a=approve, r=reject: ").strip().lower()
+    if choice == "r":
+        msg = input("Причина отказа: ")
+        decisions = [{"type": "reject", "message": msg}]
+    else:
+        decisions = [{"type": "approve"}]
 
-            allowed = review_configs.get(name, {}).get(
-                "allowed_decisions", ["approve", "reject"]
-            )
-            print("Разрешённые решения:", allowed)
+    # Возобновляем выполнение
+    result = agent.invoke(Command(resume=decisions), config=config)
 
-            choice = input("a=approve, r=reject: ").strip().lower()
-            if choice == "r":
-                msg = input("Причина отказа: ")
-                decisions.append({"type": "reject", "message": msg})
-            else:
-                decisions.append({"type": "approve"})
-
-        # Возобновляем выполнение агента
-        result = agent.invoke(Command(resume={"decisions": decisions}), config=config)
-
-    # Финальный ответ агента
-    final_answer = result["messages"][-1].content
-    print("\nОтвет агента:\n", final_answer)
-
-
-if __name__ == "__main__":
-    run_agent()
+# 6. Финальный ответ
+final_answer = result["messages"][-1].content
+print("\nОтвет агента:\n", final_answer)