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

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

@@ -1,49 +1,52 @@
+"""
+Human-in-the-Loop через middleware
+Использует: langchain >= 0.3, langgraph >= 0.2
+Установка: pip install langchain langchain-openai langgraph
+"""
+
+import os
 import sys
-from typing import List, Dict, Any
+from typing import Any
 
-# ────────────────────────  Импорт библиотек  ────────────────────────
+# ── Импорты ──────────────────────────────────────────────────────────────────
-try:
+from langchain.agents import create_agent
-    from langchain.agents import create_agent
+from langchain.agents.middleware import HumanInTheLoopMiddleware
-    from langchain.agents.middleware import HumanInTheLoopMiddleware
+from langchain_openai import ChatOpenAI
-    from langgraph.checkpoint.memory import MemorySaver
+from langchain.tools import tool
-    from langgraph.types import Command
+from langgraph.checkpoint.memory import InMemorySaver   # InMemorySaver, не MemorySaver
-except Exception as exc:  # pragma: no cover
+from langgraph.types import Command
-    print("Не удалось импортировать необходимые библиотеки. Убедитесь, что установлены langchain и langgraph.", file=sys.stderr)
-    raise exc
 
-# ────────────────────────  Настройка модели и инструментов  ────────────────────────
+# ── Модель ───────────────────────────────────────────────────────────────────
-# Для примера используем простую модель из LangChain (OpenAI). Если у вас нет ключа,
+# Ключ читается из переменной окружения OPENAI_API_KEY
-# замените на DummyLLM или другую доступную модель.
+if not os.environ.get("OPENAI_API_KEY"):
-try:
+    print(
-    from langchain_community.llms import OpenAI
+        "Ошибка: переменная окружения OPENAI_API_KEY не задана.\n"
+        "Задайте её командой: export OPENAI_API_KEY=ваш-ключ",
+        file=sys.stderr,
+    )
+    sys.exit(1)
 
-    llm = OpenAI(temperature=0.7)
+llm = ChatOpenAI(model="gpt-4o-mini", temperature=0)
-except Exception:  # pragma: no cover
-    # В случае отсутствия OpenAI создаём заглушку, которая просто возвращает фиксированный ответ
-    class DummyLLM:
-        def __call__(self, *args, **kwargs):
-            return "Dummy response"
 
-    llm = DummyLLM()
+# ── Инструмент ───────────────────────────────────────────────────────────────
+@tool
+def get_weather(city: str) -> str:
+    """Возвращает текущую погоду для указанного города."""
+    # Заглушка — в реальном проекте здесь был бы API-вызов
+    return f"В городе {city} сегодня солнечно, +22 °C."
 
-# Пример простого инструмента: получение погоды (заглушка)
+# ── Агент с HumanInTheLoopMiddleware ─────────────────────────────────────────
-def get_weather(location: str) -> str:
+memory = InMemorySaver()   # обязателен для сохранения паузы
-    """Возвращает фиктивную погоду для указанного места."""
-    return f"Погода в {location} сегодня солнечная."
-
-tools = [get_weather]
-
-# ────────────────────────  Создание агента с HumanInTheLoopMiddleware  ────────────────────────
-memory = MemorySaver()
 
 agent = create_agent(
     model=llm,
-    tools=tools,
+    tools=[get_weather],
-    system_prompt="Ты полезный ассистент",
+    system_prompt="Ты полезный ассистент.",
     middleware=[
         HumanInTheLoopMiddleware(
             interrupt_on={
-                "get_weather": True,  # все решения: approve, edit, reject
+                "get_weather": True,  # все решения: approve, edit, reject, respond
+                # "get_weather": {"allowed_decisions": ["approve", "reject"]},  # без edit
             },
             description_prefix="Подтвердите вызов инструмента",
         ),
@@ -51,76 +54,139 @@ agent = create_agent(
     checkpointer=memory,
 )
 
-# ────────────────────────  Функция взаимодействия с пользователем  ────────────────────────
+# ── Обработка одного прерывания ───────────────────────────────────────────────
-def ask_and_run(user_input: Dict[str, Any], config: Dict[str, Any]) -> None:
+def handle_interrupt(interrupts) -> list[dict[str, Any]]:
     """
-    Выполняет запрос к агенту, обрабатывает паузу Human‑in‑the‑Loop и возвращает результат.
+    Показывает пользователю запросы на подтверждение и собирает список решений.
+
+    interrupts — кортеж объектов Interrupt из result.interrupts (GraphOutput, version="v2").
+    Возвращает список решений в том же порядке, что и action_requests.
     """
-    # Первый вызов агента
+    interrupt_value: dict = interrupts[0].value
-    result = agent.invoke(user_input, config=config)
+    action_requests: list = interrupt_value.get("action_requests", [])
+    review_configs: list  = interrupt_value.get("review_configs", [])
 
-    while "__interrupt__" in result:
+    decisions: list[dict[str, Any]] = []
-        interrupt_value = result["__interrupt__"][0].value
-        action_requests: List[Dict[str, Any]] = interrupt_value.get("action_requests", [])
-        review_configs: List[Dict[str, Any]] = interrupt_value.get("review_configs", [])
 
-        decisions: List[Dict[str, Any]] = []
-
-        # Для каждого запроса инструмента запрашиваем у пользователя решение
     for idx, action in enumerate(action_requests):
-            name = action.get("name")
+        name: str        = action.get("name", "")
-            args = action.get("args", {})
+        # В v2-документации поле называется «arguments», а не «args»
-            description = action.get("description")
+        arguments: dict  = action.get("arguments", action.get("args", {}))
+        description: str = action.get("description", "")
 
-            print("\n--- Запрос на подтверждение ---")
+        print("\n--- Подтверждение ---")
         print(f"Инструмент: {name}")
-            print(f"Аргументы: {args}")
+        print(f"Аргументы:  {arguments}")
         if description:
             print(f"Описание:   {description}")
 
-            # Определяем допустимые решения
+        # Определяем допустимые решения для этого действия
-            allowed_decisions = ["approve", "reject"]
+        allowed: list[str] = ["approve", "reject"]
         for cfg in review_configs:
-                if cfg.get("name") == name:
+            # Поле называется «action_name», а не «name»
-                    allowed_decisions = cfg.get("allowed_decisions", allowed_decisions)
+            if cfg.get("action_name") == name:
+                allowed = cfg.get("allowed_decisions", allowed)
                 break
 
-            # Запрашиваем ввод от пользователя
+        # Формируем подсказку
+        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")
+
+        # Запрашиваем решение пользователя
         while True:
-                choice = input(f"Выберите действие ({'/'.join(allowed_decisions)}): ").strip().lower()
+            choice = input(", ".join(hints) + ": ").strip().lower()
-                if choice in ("a", "approve") and "approve" in allowed_decisions:
+
+            if choice in ("a", "approve") and "approve" in allowed:
                 decisions.append({"type": "approve"})
                 break
-                elif choice in ("r", "reject") and "reject" in allowed_decisions:
+
-                    msg = input("Введите причину отказа: ").strip() or "Нет причины"
+            elif choice in ("r", "reject") and "reject" in allowed:
-                    decisions.append({"type": "reject", "message": msg})
+                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:
+                print(f"Текущие аргументы: {arguments}")
+                print("Введите новые аргументы в формате ключ=значение (например: city=Москва).")
+                new_args = dict(arguments)  # копируем оригинал
+                raw = input("Новые аргументы: ").strip()
+                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. Допустимые варианты: {allowed_decisions}")
+                print(f"Недопустимый выбор. Допустимые варианты: {', '.join(hints)}")
 
-        # Возобновляем работу агента с полученными решениями
+    return decisions
-        result = agent.invoke(Command(resume={"decisions": decisions}), config=config)
 
-    # После завершения (без паузы) выводим финальный ответ
-    if "messages" in result:
-        for msg in result["messages"]:
-            role = msg.get("role", "")
-            content = msg.get("content", "")
-            print(f"\n{role.capitalize()}: {content}")
 
-# ────────────────────────  Основной цикл чата  ────────────────────────
+# ── Основная логика: запрос → пауза → цикл resume ────────────────────────────
-def main():
+def ask_and_run(user_text: str, config: dict) -> None:
-    config = {"configurable": {"thread_id": "session-1"}}
+    """
-    print("Привет! Я ассистент. Введите 'exit' для завершения.")
+    Отправляет сообщение агенту, обрабатывает все прерывания HITL
+    и выводит финальный ответ.
+    """
+    # Первый вызов агента
+    # version="v2" — обязателен для получения GraphOutput с .interrupts
+    result = agent.invoke(
+        {"messages": [{"role": "human", "content": user_text}]},
+        config=config,
+        version="v2",
+    )
+
+    # Цикл: пока агент хочет подтверждения — спрашиваем и возобновляем
+    while result.interrupts:
+        decisions = handle_interrupt(result.interrupts)
+
+        result = agent.invoke(
+            Command(resume={"decisions": decisions}),
+            config=config,
+            version="v2",
+        )
+
+    # Финальный ответ — последнее сообщение в истории
+    # Сообщения — объекты LangChain (AIMessage, HumanMessage …), не словари.
+    # Доступ к тексту — через атрибут .content
+    messages = result.value.get("messages", [])
+    if messages:
+        last = messages[-1]
+        print(f"\nАгент: {last.content}")
+
+
+# ── Чат-цикл ─────────────────────────────────────────────────────────────────
+def main() -> None:
+    # thread_id обязателен — привязывает состояние к одной «сессии»
+    config = {"configurable": {"thread_id": "сессия-1"}}
+
+    print("Привет! Я ассистент. Введите 'exit' для выхода.")
+
     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":
             print("До свидания!")
             break
-        ask_and_run(
+
-            {"messages": [{"role": "human", "content": user_text}]},
+        ask_and_run(user_text, config)
-            config=config,
+
-        )
 
 if __name__ == "__main__":
     main()