diff --git a/solutions/69a86305c46fd26feae6bcaa_Human-in-the-Loop_через_middleware/solution.py b/solutions/69a86305c46fd26feae6bcaa_Human-in-the-Loop_через_middleware/solution.py index 970c17e..d9fbfc2 100644 --- a/solutions/69a86305c46fd26feae6bcaa_Human-in-the-Loop_через_middleware/solution.py +++ b/solutions/69a86305c46fd26feae6bcaa_Human-in-the-Loop_через_middleware/solution.py @@ -1,46 +1,67 @@ -""" -Human-in-the-Loop через middleware +#!/usr/bin/env python3 +# -*- coding: utf-8 -*- -Стек строго по условию задания: - - langchain.agents.create_agent - - langchain.agents.middleware.HumanInTheLoopMiddleware - - langgraph.checkpoint.memory.MemorySaver - - langgraph.types.Command - - result["__interrupt__"] для проверки паузы - - Command(resume={"decisions": [...]}) для возобновления """ +solution.py + +Пример использования HumanInTheLoopMiddleware в LangChain Agent. +При каждом вызове инструмента агент останавливается и запрашивает у пользователя подтверждение +(approve / reject). После принятия решения выполнение возобновляется через Command. + +Требования: + pip install langchain langgraph openai rich +""" + +import json +from typing import Any, Dict, List + +# --------------------------------------------------------------------------- # +# 1. Подключаем необходимые модули LangChain и LangGraph +# --------------------------------------------------------------------------- # from langchain.agents import create_agent from langchain.agents.middleware import HumanInTheLoopMiddleware -from langchain_openai import ChatOpenAI -from langchain.tools import tool from langgraph.checkpoint.memory import MemorySaver from langgraph.types import Command +from langchain.tools import tool -# ── Модель ─────────────────────────────────────────────────────────────────── -# ChatOpenAI поддерживает вызов инструментов (tool calling), что необходимо агенту. -# Ключ читается из переменной окружения OPENAI_API_KEY. -llm = ChatOpenAI(model="gpt-4o-mini", temperature=0) +# --------------------------------------------------------------------------- # +# 2. Определяем простой инструмент get_weather +# --------------------------------------------------------------------------- # -# ── Инструмент ─────────────────────────────────────────────────────────────── -@tool -def get_weather(city: str, date: str = "сегодня") -> str: - """Возвращает погоду для указанного города на заданную дату.""" - return f"В городе {city} {date}: солнечно, +22 °C." +@tool("get_weather", "Получить погоду в указанном городе и дате") +def get_weather(city: str, date: str) -> str: + """ + Возвращает фиктивную информацию о погоде. + В реальном проекте здесь можно подключиться к API погоды. + """ + return f"Погода в {city} на {date}: солнечно, 25°C." + +# --------------------------------------------------------------------------- # +# 3. Создаём LLM (используем OpenAI GPT-4o-mini как пример) +# --------------------------------------------------------------------------- # + +from langchain_openai import ChatOpenAI + +llm = ChatOpenAI( + model="gpt-4o-mini", + temperature=0, +) + +# --------------------------------------------------------------------------- # +# 4. Настраиваем агент с HumanInTheLoopMiddleware +# --------------------------------------------------------------------------- # -# ── Агент с HumanInTheLoopMiddleware ───────────────────────────────────────── -# checkpointer обязателен: без него пауза не сохраняется memory = MemorySaver() agent = create_agent( model=llm, tools=[get_weather], - system_prompt="Ты полезный ассистент.", + system_prompt="Ты полезный ассистент, помогающий пользователю.", middleware=[ HumanInTheLoopMiddleware( interrupt_on={ - "get_weather": True, # все решения: approve, edit, reject - # "get_weather": {"allowed_decisions": ["approve", "reject"]}, # без edit + "get_weather": True, # разрешаем все решения }, description_prefix="Подтвердите вызов инструмента", ), @@ -48,122 +69,89 @@ agent = create_agent( checkpointer=memory, ) -# ── Основной чат-цикл ──────────────────────────────────────────────────────── -def main(): - # thread_id обязателен — привязывает состояние к одной сессии, - # благодаря чему пауза сохраняется и выполнение можно возобновить - config = {"configurable": {"thread_id": "сессия-1"}} +# --------------------------------------------------------------------------- # +# 5. Функция для получения решений от пользователя +# --------------------------------------------------------------------------- # - print("Привет! Я ассистент. Введите 'exit' для выхода.") +def ask_decisions(action_requests: List[Dict[str, Any]]) -> List[Dict[str, Any]]: + """ + Для каждого запроса к инструменту выводим информацию и запрашиваем у пользователя решение. + Возвращаем список словарей с решениями в том же порядке, что и action_requests. + """ + decisions = [] + print("\n--- Подтверждение вызова инструмента ---") + for idx, req in enumerate(action_requests): + name = req.get("name", "неизвестный инструмент") + args = req.get("args", {}) + description = req.get("description", "") + + print(f"\n{idx + 1}. Инструмент: {name}") + if description: + print(f" Описание: {description}") + print(f" Аргументы: {json.dumps(args, ensure_ascii=False)}") + + while True: + choice = input("a = approve, r = reject: ").strip().lower() + if choice == "a": + decisions.append({"type": "approve"}) + break + elif choice == "r": + msg = input( + "Введите причину отказа (можно оставить пустой): " + ).strip() + decisions.append({"type": "reject", "message": msg}) + break + else: + print("Неверный ввод. Пожалуйста, введите 'a' или 'r'.") + return decisions + +# --------------------------------------------------------------------------- # +# 6. Основной цикл взаимодействия с агентом +# --------------------------------------------------------------------------- # + +def main() -> None: + """ + Запускает чат-цикл: пользователь вводит сообщение, + агент обрабатывает его, при необходимости запрашивает подтверждение. + После завершения выводится финальный ответ агента. + """ + thread_id = "session-1" + config = {"configurable": {"thread_id": thread_id}} + + print("Привет! Я ассистент. Введите ваш запрос (или 'выход' для завершения).") while True: - try: - user_text = input("\nВы: ").strip() - except (EOFError, KeyboardInterrupt): - print("\nДо свидания!") - break - - if not user_text: - continue - if user_text.lower() == "exit": + user_msg = input("\nВы: ").strip() + if user_msg.lower() in ("выход", "quit", "exit"): print("До свидания!") break - # ── Первый вызов агента ─────────────────────────────────────────── + # Первый вызов агента result = agent.invoke( - {"messages": [{"role": "human", "content": user_text}]}, + {"messages": [{"role": "human", "content": user_msg}]}, config=config, ) - # ── Цикл обработки прерываний ───────────────────────────────────── - # Пока агент приостановлен для подтверждения — показываем действие, - # собираем решение пользователя и возобновляем через Command. + # Цикл подтверждений while "__interrupt__" in result: interrupt_value = result["__interrupt__"][0].value action_requests = interrupt_value.get("action_requests", []) - review_configs = interrupt_value.get("review_configs", []) + # review_configs не используется в этом примере, но можно вывести при желании - decisions = [] + decisions = ask_decisions(action_requests) - for action in action_requests: - name = action.get("name", "") - args = action.get("args", {}) - description = action.get("description", "") - - print("\n--- Подтверждение ---") - print(f"Инструмент: {name}") - print(f"Аргументы: {args}") - if description: - print(f"Описание: {description}") - - # Определяем допустимые решения для этого действия - allowed = ["approve", "reject"] - for cfg in review_configs: - if cfg.get("name") == name: - allowed = cfg.get("allowed_decisions", allowed) - break - - # Формируем подсказку для пользователя - hints = [] - if "approve" in allowed: - hints.append("a = approve") - if "reject" in allowed: - hints.append("r = reject") - if "edit" in allowed: - hints.append("e = edit") - - while True: - choice = input(", ".join(hints) + ": ").strip().lower() - - if choice in ("a", "approve") and "approve" in allowed: - decisions.append({"type": "approve"}) - break - - elif choice in ("r", "reject") and "reject" in allowed: - message = input( - "Сообщение для агента (причина отказа): " - ).strip() - decisions.append({ - "type": "reject", - "message": message or "Нет причины", - }) - break - - elif choice in ("e", "edit") and "edit" in allowed: - # По желанию: редактирование аргументов перед выполнением - print(f"Текущие аргументы: {args}") - print("Введите изменения в формате key=value через запятую.") - raw = input("Новые аргументы: ").strip() - new_args = dict(args) - for part in raw.split(","): - part = part.strip() - if "=" in part: - k, v = part.split("=", 1) - new_args[k.strip()] = v.strip() - decisions.append({ - "type": "edit", - "edited_action": {"name": name, "args": new_args}, - }) - break - - else: - print( - f"Недопустимый выбор. Варианты: {', '.join(hints)}" - ) - - # Возобновляем агента с принятыми решениями + # Возобновляем выполнение агента с решениями result = agent.invoke( Command(resume={"decisions": decisions}), config=config, ) - # ── Финальный ответ ─────────────────────────────────────────────── - # Сообщения — объекты LangChain (AIMessage и др.), - # текст хранится в атрибуте .content, а не в ключе словаря. - messages = result.get("messages", []) - if messages: - print(f"\nАгент: {messages[-1].content}") - + # После завершения выводим ответ агента + if "messages" in result and result["messages"]: + last_msg = result["messages"][-1] + print(f"\nАгент: {last_msg.get('content', '')}") + else: + print("\nАгент не вернул ответа.") if __name__ == "__main__": main() \ No newline at end of file