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

This commit is contained in:
2026-05-27 11:06:46 +00:00
parent 94b7738b94
commit ac94d1552d
@@ -1,42 +1,36 @@
"""
Human-in-the-Loop через middleware
Использует: langchain >= 0.3, langgraph >= 0.2
Установка: pip install langchain langchain-openai langgraph
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
"""
import os
import sys
from typing import Any
# ── Импорты ──────────────────────────────────────────────────────────────────
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 InMemorySaver # InMemorySaver, не MemorySaver
from langgraph.checkpoint.memory import MemorySaver
from langgraph.types import Command
# ── Модель ───────────────────────────────────────────────────────────────────
# Ключ читается из переменной окружения OPENAI_API_KEY
if not os.environ.get("OPENAI_API_KEY"):
print(
"Ошибка: переменная окружения OPENAI_API_KEY не задана.\n"
"Задайте её командой: export OPENAI_API_KEY=ваш-ключ",
file=sys.stderr,
)
sys.exit(1)
# 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)
# ── 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."
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."
# ── Агент с HumanInTheLoopMiddleware ─────────────────────────────────────────
memory = InMemorySaver() # обязателен для сохранения паузы
# checkpointer обязателен: без него пауза не сохраняется
memory = MemorySaver()
agent = create_agent(
model=llm,
@@ -45,7 +39,7 @@ agent = create_agent(
middleware=[
HumanInTheLoopMiddleware(
interrupt_on={
"get_weather": True, # все решения: approve, edit, reject, respond
"get_weather": True, # все решения: approve, edit, reject
# "get_weather": {"allowed_decisions": ["approve", "reject"]}, # без edit
},
description_prefix="Подтвердите вызов инструмента",
@@ -54,120 +48,10 @@ agent = create_agent(
checkpointer=memory,
)
# ── Обработка одного прерывания ───────────────────────────────────────────────
def handle_interrupt(interrupts) -> list[dict[str, Any]]:
"""
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.
"""
interrupt_value: dict = interrupts[0].value
action_requests: list = interrupt_value.get("action_requests", [])
review_configs: list = interrupt_value.get("review_configs", [])
decisions: list[dict[str, Any]] = []
for idx, action in enumerate(action_requests):
name: str = action.get("name", "")
# В v2-документации поле называется «arguments», а не «args»
arguments: dict = action.get("arguments", action.get("args", {}))
description: str = action.get("description", "")
print("\n--- Подтверждение ---")
print(f"Инструмент: {name}")
print(f"Аргументы: {arguments}")
if description:
print(f"Описание: {description}")
# Определяем допустимые решения для этого действия
allowed: list[str] = ["approve", "reject"]
for cfg in review_configs:
# Поле называется «action_name», а не «name»
if cfg.get("action_name") == name:
allowed = cfg.get("allowed_decisions", allowed)
break
# 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(", ".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:
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: {', '.join(hints)}")
return decisions
# ── Основная логика: запрос → пауза → цикл resume ────────────────────────────
def ask_and_run(user_text: str, config: dict) -> None:
"""
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»
# ── 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"}}
print("Привет! Я ассистент. Введите 'exit' для выхода.")
@@ -185,7 +69,100 @@ def main() -> None:
print("До свидания!")
break
ask_and_run(user_text, config)
# ── Первый вызов агента ───────────────────────────────────────────
result = agent.invoke(
{"messages": [{"role": "human", "content": user_text}]},
config=config,
)
# ── Цикл обработки прерываний ─────────────────────────────────────
# Пока агент приостановлен для подтверждения — показываем действие,
# собираем решение пользователя и возобновляем через Command.
while "__interrupt__" in result:
interrupt_value = result["__interrupt__"][0].value
action_requests = interrupt_value.get("action_requests", [])
review_configs = interrupt_value.get("review_configs", [])
decisions = []
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
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}")
if __name__ == "__main__":