Практическое задание №3: Память и подтверждение действий: solution.py

This commit is contained in:
2026-05-27 14:22:49 +00:00
parent 05e69a0d3b
commit b3fa39d1ce
@@ -1,102 +1,128 @@
# solution.py
import sys
import os
from typing import Any, Dict, Iterable, Tuple
# 1️⃣ Rich для красивого вывода
from langchain_openai import ChatOpenAI
from langgraph.checkpoint.memory import MemorySaver
from langgraph.graph import StateGraph
from langgraph.prebuilt.tool_executor import ToolExecutor
from rich.console import Console
console = Console()
# 2️⃣ LangGraph и необходимые компоненты
from langgraph.checkpoint.memory import MemorySaver
from langgraph.graph import StateGraph
from langgraph.prebuilt import create_chat_agent
from langchain_openai import ChatOpenAI
from langchain_core.messages import HumanMessage, AIMessage, ToolMessage
# 3️⃣ Определяем простой инструмент (пример)
def echo_tool(args: Dict[str, Any]) -> str:
"""Простейший инструмент, который возвращает переданный текст."""
return f"Эхо: {args.get('text', '')}"
# 4️⃣ Создаём LLM
llm = ChatOpenAI(model="gpt-3.5-turbo", temperature=0)
# 5️⃣ Настраиваем память и агент с паузой перед инструментом
memory = MemorySaver()
agent = create_chat_agent(
llm=llm,
tools=[echo_tool],
system_prompt="Ты — полезный ассистент, который сначала спрашивает подтверждение перед вызовом инструмента.",
checkpointer=memory,
interrupt_before=["tools"], # пауза перед каждым инструментом
# ---------- 1. Настройка модели и инструментов ----------
llm = ChatOpenAI(
model="gpt-4o-mini",
temperature=0,
)
# 6️⃣ Функция для обработки потокового ответа и подтверждения
def echo_tool(args: Dict[str, Any]) -> str:
"""Простейший инструмент для демонстрации."""
return f"Эхо: {args.get('message', '')}"
tools = [echo_tool]
tool_executor = ToolExecutor(tools)
# ---------- 2. Создание графа агента ----------
def create_agent() -> StateGraph:
"""
Возвращает готовый граф агента с памятью и возможностью
прерывания перед вызовом инструмента.
"""
# Состояние: хранит сообщения
def add_message(state: Dict[str, Any], message: Dict[str, str]) -> Dict[str, Any]:
state["messages"].append(message)
return state
graph = StateGraph(add_message)
# Входной узел – пользовательское сообщение
graph.set_entry_point("user")
# Узлы для обработки сообщений и вызова инструментов
graph.add_node("assistant", lambda state: {"messages": [state["messages"][-1]]})
graph.add_node("tools", tool_executor)
# Переходы
graph.set_conditional_edges(
"assistant",
lambda _: "tools" if any(m.get("tool_calls") for m in _["messages"]) else "final",
)
graph.add_edge("tools", "assistant")
graph.add_edge("assistant", "final")
# Конфигурация прерывания
graph.set_interrupt_before(["tools"])
return graph
agent = create_agent()
memory = MemorySaver()
agent.compile(checkpointer=memory)
# ---------- 3. Функция взаимодействия ----------
def ask_and_run(user_input: Dict[str, Any], config: Dict[str, Any]) -> None:
"""
Отправляем запрос агенту, обрабатываем потоковые чанки,
при необходимости запрашиваем у пользователя подтверждение перед вызовом инструмента.
Запускает потоковый ответ агента с возможностью подтверждения
вызова инструмента пользователем.
"""
# Запускаем поток
for chunk in agent.stream(user_input, config=config, stream_mode=["messages", "updates"]):
# Инициализируем сообщение пользователя в состоянии
if user_input is not None:
agent.send(user_input, config=config)
for chunk_type, chunk_data in agent.stream(
{}, config=config, stream_mode=["messages", "updates"]
):
state = agent.get_state(config)
chunk_type, chunk_data = chunk
# 6.1️⃣ Печатаем токены LLM в режиме потока
# 3.1 Вывод токенов LLM
if chunk_type == "messages":
for msg in chunk_data:
if isinstance(msg, AIMessage):
console.print(f"[bold cyan]AI:[/bold cyan] {msg.content}", end="")
elif isinstance(msg, ToolMessage):
# Инструмент уже вызван – выводим результат
console.print(f"\n[green]Tool result:[/green] {msg.content}")
token = chunk_data["content"] or ""
console.print(token, end="", style="cyan")
continue
# 6.2️⃣ Обрабатываем обновления (например, вызовы инструментов)
# 3.2 Обработка обновлений (вызовы инструментов)
if chunk_type == "updates":
for update in chunk_data:
if isinstance(update, dict) and "tool_calls" in update:
console.print("\n[magenta]Инструмент готов к выполнению:[/magenta]")
tool_call = update["tool_calls"][0]
name = tool_call["name"]
args = tool_call.get("args", {})
console.print(f"[yellow]{name}({args})[/yellow]")
console.print(f"\n[bold magenta]Обновление:{update}")
continue
# 6.3️⃣ Проверяем паузу перед инструментом
# 3.3 Пауза перед вызовом инструмента
if "__interrupt__" in chunk_data and state.next == ("tools",):
# Получаем последний вызов инструмента
last_msg = state.values["messages"][-1]
tool_call = last_msg.tool_calls[0]
tool_call = state.values["messages"][-1]["tool_calls"][0]
name = tool_call["name"]
args = tool_call.get("args", {})
console.print("\n\n[bold red]Пауза:[/bold red] Агент хочет вызвать инструмент.")
console.print(f"[yellow]{name}({args})[/yellow]")
answer = input("[green]Разрешить? (Y/n): [/green]").strip().lower()
if answer in ("", "y", "yes"):
# Продолжаем с того же состояния
console.print(f"\n[bold yellow]Пауза: [{name}]({args})")
answer = input("Разрешить? (Y/n): ").strip().lower()
if answer in ("y", ""):
# Возобновляем с того места, где остановились
ask_and_run(None, config)
else:
console.print("[red]Отменено. Конец диалога.[/red]")
sys.exit(0)
console.print("[red]Отменено пользователем.")
break
# 7️⃣ Основной цикл чата
# ---------- 4. Основной цикл ----------
def main() -> None:
thread_id = "thread-1"
config = {"configurable": {"thread_id": thread_id}}
console.print("[bold blue]Запуск агента. Введите 'exit' для завершения.[/bold blue]")
while True:
user_input = input("\n[cyan]Вы:[/cyan] ")
if user_input.lower() == "exit":
console.print("[bold green]До свидания![/bold green]")
break
console.print("[bold green]Запуск агента. Введите 'exit' для выхода.\n")
while True:
user_input = input("\nВы: ")
if user_input.lower() == "exit":
break
ask_and_run(
{"messages": [{"role": "human", "content": user_input}]},
config,
)
console.print("[bold green]До свидания!")
if __name__ == "__main__":
main()