Human-in-the-Loop через middleware: README.md
This commit is contained in:
@@ -1,96 +1,123 @@
|
||||
# Human‑in‑the‑Loop via Middleware
|
||||
# Human‑in‑the‑Loop через 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": [...]})`.
|
||||
## Описание проекта
|
||||
В этом проекте реализован агент на базе LangChain, который использует **HumanInTheLoopMiddleware** для ручного подтверждения вызовов инструментов. Каждый раз, когда агент планирует использовать инструмент (например, `get_weather`), он останавливается и выводит в терминал сообщение с просьбой подтвердить действие. Пользователь вводит одно из решений (`approve`, `reject` или `edit`) и только после этого выполнение возобновляется.
|
||||
|
||||
Таким образом, пользователь всегда контролирует действия агента и может корректировать их в реальном времени.
|
||||
> **Преимущество**: Middleware сам формирует запрос на подтверждение, обрабатывает ответ и управляет переходом к следующему шагу через `Command(resume={…})`. Это упрощает интеграцию Human‑in‑the‑Loop по сравнению с ручным использованием `interrupt_before=['tools']`.
|
||||
|
||||
## Структура проекта
|
||||
```
|
||||
├── solution.py # Основной скрипт, реализующий агента
|
||||
└── README.md # Текущий файл
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## Установка зависимостей
|
||||
|
||||
## 📦 Установка зависимостей
|
||||
```bash
|
||||
# Создайте виртуальное окружение (рекомендовано)
|
||||
# Создайте виртуальное окружение (рекомендуется)
|
||||
python -m venv .venv
|
||||
source .venv/bin/activate # Windows: .venv\Scripts\activate
|
||||
|
||||
# Установите зависимости из requirements.txt
|
||||
pip install -r requirements.txt
|
||||
# Установите необходимые библиотеки
|
||||
pip install langchain langgraph langchain-community openai
|
||||
```
|
||||
|
||||
`requirements.txt`
|
||||
```txt
|
||||
langchain==0.2.*
|
||||
langgraph==0.1.*
|
||||
openai==1.*
|
||||
python-dotenv==1.*
|
||||
```
|
||||
> **Важно**
|
||||
> * Если у вас нет ключа OpenAI, замените `OpenAI` на любой другой LLM (например, `DummyLLM`, который возвращает фиксированный ответ).
|
||||
> * Для работы с `HumanInTheLoopMiddleware` требуется версия LangChain ≥ 0.2 и LangGraph ≥ 0.1.
|
||||
|
||||
> **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
|
||||
## Запуск проекта
|
||||
|
||||
| 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
|
||||
python solution.py
|
||||
```
|
||||
|
||||
## 🧪 Пример использования
|
||||
### Что происходит при запуске?
|
||||
|
||||
```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:
|
||||
1. Инициализируется LLM (по умолчанию OpenAI).
|
||||
2. Создаётся инструмент `get_weather`.
|
||||
3. Агент создаётся с Middleware, который перехватывает вызовы инструмента и запрашивает подтверждение у пользователя.
|
||||
4. В терминале выводятся сообщения вида:
|
||||
|
||||
```
|
||||
[HumanInTheLoop] Подтвердите вызов инструмента:
|
||||
Agent wants to call tool 'get_weather' with arguments: {"location": "Moscow"}
|
||||
Enter decision (approve/reject/edit):
|
||||
- get_weather
|
||||
Введите решение (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.
|
||||
5. После ввода решения агент продолжает работу.
|
||||
|
||||
---
|
||||
|
||||
## 📚 Дополнительные ресурсы
|
||||
## Пример использования
|
||||
|
||||
* [Документация Human‑in‑the‑Loop — LangChain](https://docs.langchain.com/oss/python/langchain/human-in-the-loop)
|
||||
* [LangGraph Checkpointing](https://langgraph.org/docs/checkpoints)
|
||||
```bash
|
||||
$ python solution.py
|
||||
> Какую погоду в Москве сегодня?
|
||||
|
||||
[HumanInTheLoop] Подтвердите вызов инструмента:
|
||||
- get_weather
|
||||
Введите решение (approve/reject/edit): approve
|
||||
|
||||
Ответ агента: Сегодня в Москве солнечно, температура 22°C.
|
||||
```
|
||||
|
||||
Если пользователь введёт `reject`, агент отменит вызов и попытается найти другой способ ответа. В случае `edit` можно изменить параметры запроса к инструменту.
|
||||
|
||||
---
|
||||
|
||||
## Как добавить собственный инструмент
|
||||
|
||||
1. Определите функцию‑инструмент:
|
||||
|
||||
```python
|
||||
def get_time(location: str) -> str:
|
||||
# Возвращает текущее время в указанном месте
|
||||
```
|
||||
|
||||
2. Добавьте её в список `tools` при создании агента и настройте Middleware:
|
||||
|
||||
```python
|
||||
agent = create_agent(
|
||||
model=llm,
|
||||
tools=[get_weather, get_time],
|
||||
middleware=[
|
||||
HumanInTheLoopMiddleware(
|
||||
interrupt_on={"get_time": True},
|
||||
description_prefix="Подтвердите вызов инструмента",
|
||||
),
|
||||
],
|
||||
)
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## Тестирование
|
||||
|
||||
Для быстрой проверки можно использовать `DummyLLM`, который всегда возвращает один и тот же ответ. Это удобно, если у вас нет доступа к OpenAI.
|
||||
|
||||
```python
|
||||
class DummyLLM:
|
||||
def __call__(self, *args, **kwargs):
|
||||
return "dummy response"
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## FAQ
|
||||
|
||||
| Вопрос | Ответ |
|
||||
|--------|-------|
|
||||
| Как отключить Human‑in‑the‑Loop? | Удалите Middleware из списка `middleware` при создании агента. |
|
||||
| Можно ли задать только `approve` и `reject`, без `edit`? | Да, передайте в `interrupt_on`: `{"get_weather": {"allowed_decisions": ["approve", "reject"]}}`. |
|
||||
| Что делать, если агент не сохраняет состояние после паузы? | Убедитесь, что вы передали `checkpointer=MemorySaver()` при создании агента. |
|
||||
|
||||
---
|
||||
|
||||
## Лицензия
|
||||
|
||||
MIT © 2026
|
||||
Reference in New Issue
Block a user