Human-in-the-Loop через middleware: README.md

2026-05-27 10:18:19 +00:00
parent cf225e1325
commit c1d6d746d1
1 changed files with 96 additions and 0 deletions
@@ -0,0 +1,96 @@
+# Human‑in‑the‑Loop via Middleware  
+
+## 📖 Описание  
+В этом проекте реализован агент на базе LangChain, который при каждом вызове инструмента останавливается и запрашивает подтверждение пользователя.  
+* **HumanInTheLoopMiddleware** автоматически формирует запрос к пользователю (в терминале) с описанием того, что планирует сделать агент.  
+* Пользователь вводит одно из решений: `approve`, `reject` или `edit`. После этого выполнение возобновляется через команду `Command(resume={"decisions": [...]})`.  
+
+Таким образом, пользователь всегда контролирует действия агента и может корректировать их в реальном времени.
+
+## 📦 Установка зависимостей  
+```bash
+# Создайте виртуальное окружение (рекомендовано)
+python -m venv .venv
+source .venv/bin/activate   # Windows: .venv\Scripts\activate
+
+# Установите зависимости из requirements.txt
+pip install -r requirements.txt
+```
+
+`requirements.txt`
+```txt
+langchain==0.2.*
+langgraph==0.1.*
+openai==1.*
+python-dotenv==1.*
+```
+
+> **Важно**:  
+> * `checkpointer=MemorySaver()` нужен для сохранения состояния паузы, иначе агент не сможет возобновиться после подтверждения.  
+> * Убедитесь, что переменная окружения `OPENAI_API_KEY` установлена (или используйте `.env` файл).
+
+## 🚀 Запуск файлов  
+
+| Файл | Что делает | Как запустить |
+|------|------------|---------------|
+| `agent.py` | Создаёт агента с middleware и инструментом `get_weather`. | `python agent.py` |
+| `run_agent.py` | Демонстрирует взаимодействие: задаётся вопрос, агент вызывает инструмент, пользователь подтверждает. | `python run_agent.py` |
+
+### Пример запуска
+```bash
+# 1️⃣ Запустите агента
+python agent.py
+
+# 2️⃣ В другом терминале запустите сценарий взаимодействия
+python run_agent.py
+```
+
+## 🧪 Пример использования  
+
+```python
+from langchain.agents import create_agent
+from langgraph.checkpoint.memory import MemorySaver
+from langchain.agents.middleware import HumanInTheLoopMiddleware
+
+# Инициализация памяти для сохранения состояния паузы
+memory = MemorySaver()
+
+agent = create_agent(
+    model=llm,
+    tools=[get_weather],
+    system_prompt="Ты полезный ассистент",
+    middleware=[
+        HumanInTheLoopMiddleware(
+            interrupt_on={
+                "get_weather": True,  # разрешаем все решения: approve, edit, reject
+            },
+            description_prefix="Подтвердите вызов инструмента",
+        ),
+    ],
+    checkpointer=memory,
+)
+
+# Запрос к агенту
+response = agent.run("Какая погода в Москве?")
+print(response)
+```
+
+При выполнении агента вы увидите в терминале запрос вида:
+
+```
+[HumanInTheLoop] Подтвердите вызов инструмента:
+Agent wants to call tool 'get_weather' with arguments: {"location": "Moscow"}
+Enter decision (approve/reject/edit):
+```
+
+Введите `approve`, и агент продолжит работу, возвращая результат.  
+Если ввести `reject` – запрос будет отменён, а если `edit` – можно изменить аргументы перед повторным вызовом.
+
+---
+
+## 📚 Дополнительные ресурсы  
+
+* [Документация Human‑in‑the‑Loop — LangChain](https://docs.langchain.com/oss/python/langchain/human-in-the-loop)  
+* [LangGraph Checkpointing](https://langgraph.org/docs/checkpoints)
+
+---