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

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

@@ -2,84 +2,89 @@
 
 """
 Пример агента с Human-in-the-Loop через middleware.
-Запускается из командной строки и демонстрирует работу интерактивного подтверждения вызова инструмента.
+При каждом вызове инструмента агент останавливается,
+выводит информацию и ожидает решения пользователя:
+approve / reject (с возможностью указать причину отказа).
 """
 
-from langgraph.prebuilt import create_react_agent
+from langchain import ChatOpenAI
 from langchain.tools import tool
 from langgraph.checkpoint.memory import MemorySaver
-from langgraph.types import Command, StateGraph
-from langgraph.moderation import HumanInTheLoopMiddleware
+from langchain.agents.middleware import HumanInTheLoopMiddleware
+from langchain.agents import create_react_agent
+from langgraph.types import Command
 
-# ------------------------------------------------------------
-# 1. Определяем простой инструмент
-# ------------------------------------------------------------
+# 1. Модель LLM (замените на нужную модель и укажите ключ API)
+llm = ChatOpenAI(
+    model="gpt-4o-mini",   # пример модели, можно заменить
+    temperature=0.7,
+)
+
+# 2. Простой инструмент
 @tool
 def get_weather(city: str, date: str) -> str:
     """Возвращает погоду в городе на указанную дату."""
     return f"Погода в {city} на {date}: солнечно 25°C."
 
-# ------------------------------------------------------------
-# 2. Создаём агент с HumanInTheLoopMiddleware
-# ------------------------------------------------------------
+# 3. Хранилище памяти для чекпоинтера
 memory = MemorySaver()
 
+# 4. Создание агента с HumanInTheLoopMiddleware
 agent = create_react_agent(
     tools=[get_weather],
+    llm=llm,
     system_prompt="Ты полезный ассистент, отвечай точно.",
+    checkpointer=memory,
     middleware=[
         HumanInTheLoopMiddleware(
-            interrupt_on={"get_weather": True},  # прерываем только при вызове get_weather
+            interrupt_on={"get_weather": True},  # прерывать на каждом вызове
             description_prefix="Подтвердите вызов инструмента",
         ),
     ],
-    checkpointer=memory,
 )
 
-# ------------------------------------------------------------
-# 3. Запускаем агент и обрабатываем интерактивный цикл
-# ------------------------------------------------------------
 def run_agent():
     """
-    Вводим сообщение от пользователя, запускаем агента,
-    обрабатываем прерывания и продолжаем работу до завершения.
+    Запускает агента, обрабатывает прерывания и выводит финальный ответ.
     """
-    # Инициализируем конфиг с thread_id
     config = {"configurable": {"thread_id": "session-1"}}
-
-    # Запрашиваем ввод от пользователя
-    user_input = input("Введите запрос: ")
-
-    # Первый вызов агента
+    # Инициализируем запрос
     result = agent.invoke(
-        {"messages": [{"role": "human", "content": user_input}]},
+        {"messages": [{"role": "human", "content": "Какая погода в Казани сегодня?"}]},
         config=config,
     )
 
-    # Цикл обработки прерываний
+    # 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 = []
-        for req in action_requests:
-            print("\nИнструмент:", req["name"])
-            print("Аргументы:", req["args"])
 
-            # Запрашиваем решение пользователя
-            decision = input("a=approve, r=reject: ").strip().lower()
-            if decision == "r":
-                reason = input("Причина отказа: ").strip()
-                decisions.append({"type": "reject", "message": reason})
+        for req in action_requests:
+            name = req.get("name")
+            args = req.get("args", {})
+            print("\nИнструмент:", name)
+            print("Аргументы:", args)
+
+            allowed = review_configs.get(name, {}).get(
+                "allowed_decisions", ["approve", "reject"]
+            )
+            print("Разрешённые решения:", allowed)
+
+            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 работу агента
+        # Возобновляем выполнение агента
         result = agent.invoke(Command(resume={"decisions": decisions}), config=config)
 
-    # Выводим финальный ответ агента
-    final_message = result["messages"][-1]["content"]
-    print("\nОтвет агента:", final_message)
+    # Финальный ответ агента
+    final_answer = result["messages"][-1].content
+    print("\nОтвет агента:\n", final_answer)
 
 
 if __name__ == "__main__":