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

This commit is contained in:
2026-05-27 14:27:59 +00:00
parent 9b21da1d76
commit cf3a39fcfc
@@ -1,116 +1,123 @@
# solution.py
import os
from typing import Any, Dict, Iterable, Tuple, Optional
"""
Основной скрипт агента с памятью и подтверждением действий.
"""
from langchain.chat_models import ChatOpenAI
from langchain.tools import BaseTool
import os
from typing import Any, Dict, Iterable, Tuple
from langchain_openai import ChatOpenAI
from langgraph.checkpoint.memory import MemorySaver
from langgraph.graph import StateGraph
from langgraph.prebuilt import create_agent
from langgraph.prebuilt import create_react_agent
from rich.console import Console
# ------------------------------------------------------------
# Конфигурация LLM и инструмента
# ------------------------------------------------------------
# --------------------------------------------------------------------------- #
# 1. Конфигурация LLM и инструмента
# --------------------------------------------------------------------------- #
# Для работы нужен ключ OpenAI. Если его нет – создаём фиктивный LLM.
OPENAI_API_KEY = os.getenv("OPENAI_API_KEY")
if OPENAI_API_KEY:
llm = ChatOpenAI(temperature=0, openai_api_key=OPENAI_API_KEY)
else:
# Минимальный заглушка‑LLM (не делает ничего полезного)
class DummyLLM:
def __call__(self, *args, **kwargs):
return {"content": "Dummy response"}
llm = DummyLLM()
# Задаём ключ API OpenAI (можно задать переменной окружения)
os.environ.setdefault("OPENAI_API_KEY", "sk-...")
# Пример простого инструмента
class EchoTool(BaseTool):
name: str = "echo"
description: str = "Возвращает переданный текст без изменений."
def _run(self, text: str) -> str:
return f"Echo: {text}"
llm = ChatOpenAI(model="gpt-4o-mini", temperature=0.7)
my_tool = EchoTool()
# Пример простого инструмента: поиск в интернете
def search(query: str) -> str:
"""Простейший инструмент поиска."""
return f"Результаты поиска по запросу '{query}': ..."
# ------------------------------------------------------------
# Создание агента с памятью и паузой
# ------------------------------------------------------------
search_tool = {
"name": "search",
"description": "Используется для поиска информации в интернете.",
"func": search,
}
# --------------------------------------------------------------------------- #
# 2. Создаём агент с памятью и возможностью паузы перед вызовом инструмента
# --------------------------------------------------------------------------- #
memory = MemorySaver()
agent = create_agent(
agent = create_react_agent(
model=llm,
tools=[my_tool],
system_prompt="Ты полезный ассистент. Перед каждым вызовом инструмента спрашивай разрешение.",
checkpointer=memory, # нужна для сохранения состояния паузы
interrupt_before=["tools"], # остановка перед инструментом
tools=[search_tool],
prompt="You are a helpful assistant.",
checkpointer=memory, # подключаем память
interrupt_before=["tools"], # ставим паузу перед каждым вызовом инструмента
)
# --------------------------------------------------------------------------- #
# 3. Вспомогательные функции
# --------------------------------------------------------------------------- #
console = Console()
# ------------------------------------------------------------
# Функция взаимодействия с пользователем
# ------------------------------------------------------------
def ask_and_run(user_input: Optional[str], config: Dict[str, Any]) -> None:
def ask_and_run(user_input: Dict[str, Any], config: Dict[str, Any]) -> None:
"""
Запускает потоковый диалог с агентом. Если агент хочет вызвать инструмент,
пользователь получает запрос на подтверждение.
Обрабатывает поток от агента, выводит токены и обрабатывает паузы.
"""
# Если user_input – None, продолжаем с того места, где остановились
stream = agent.stream(
{"messages": [] if user_input is None else [{"role": "user", "content": user_input}]},
config=config,
stream_mode=["messages", "updates"],
)
# Переменная для хранения последнего состояния (для возобновления)
last_state = None
for chunk in agent.stream(user_input, config=config, stream_mode=["messages", "updates"]):
chunk_type, chunk_data = chunk
for chunk_type, chunk_data in stream:
# 1. Печать токенов (части сообщения)
if chunk_type == "messages":
console.print(chunk_data["content"], end="", style="cyan")
continue
# Печатаем токены ответа агента
console.print(chunk_data["content"], end="")
# 2. Обработка вызова инструмента
if chunk_type == "updates" and "tool_calls" in chunk_data:
for tool_call in chunk_data["tool_calls"]:
name = tool_call["name"]
args = tool_call.get("args", {})
console.print(f"\n[bold magenta]Tool call:[/bold magenta] {name}({args})")
continue
elif chunk_type == "updates":
# Выводим информацию о вызове инструмента (если есть)
for update in chunk_data:
if isinstance(update, dict) and "tool_calls" in update.get("values", {}):
tool_call = update["values"]["messages"][-1].tool_calls[0]
console.print(f"\n[bold cyan]Инструмент:[/bold cyan] {tool_call['name']}({tool_call['args']})")
# 3. Обнаружение паузы перед инструментом
# Проверяем, пришёл ли сигнал о паузе
if "__interrupt__" in chunk_data and agent.get_state(config).next == ("tools",):
# Получаем информацию о том, какой инструмент будет вызван
state = agent.get_state(config)
last_msg = state.values["messages"][-1]
tool_call = last_msg.tool_calls[0]
name = tool_call["name"]
args = tool_call.get("args", {})
console.print(f"\n[bold yellow]Пауза:[/bold yellow] {name}({args})")
answer = input("\nРазрешить вызов инструмента? (Y/n): ").strip().lower()
if answer in ("y", ""):
# Продолжаем с того же состояния
tool_call = state.values["messages"][-1].tool_calls[0]
console.print(f"\n[bold magenta]Пауза:[/bold magenta] Агент хочет вызвать инструмент "
f"[green]{tool_call['name']}[/green] с аргументами {tool_call['args']}")
# Спрашиваем подтверждение у пользователя
answer = input("Разрешить? (Y/n): ").strip().lower()
if answer in ("", "y", "yes"):
console.print("[bold green]Продолжаем...[/bold green]")
# Возобновляем работу агента с того места, где остановились
ask_and_run(None, config)
return
else:
console.print("[red]Вызов отменён.[/red]")
break
console.print("[bold red]Отменено. Завершаем разговор.[/bold red]")
break
# ------------------------------------------------------------
# Точка входа
# ------------------------------------------------------------
last_state = chunk_data
if __name__ == "__main__":
console.print("\n[bold blue]Финальный ответ получен.[/bold blue]\n")
# --------------------------------------------------------------------------- #
# 4. Основной цикл чата
# --------------------------------------------------------------------------- #
def main() -> None:
"""
Запускает бесконечный чат с агентом.
"""
thread_id = "thread-1"
config = {"configurable": {"thread_id": thread_id}}
console.print("[bold green]Запуск агента. Введите сообщение, а затем Enter.[/bold green]")
console.print("[bold underline]Запуск агента. Введите 'exit' для завершения.[/bold underline]")
while True:
try:
user_msg = input("\nВы: ")
if user_msg.lower() in ("exit", "quit"):
console.print("[bold red]Завершение работы.[/bold red]")
break
ask_and_run(user_msg, config)
except KeyboardInterrupt:
console.print("\n[red]Прервано пользователем. Выход.[/red]")
user_input = input("\nВы: ")
if user_input.lower() == "exit":
console.print("[bold red]Завершение работы.[/bold red]")
break
# Формируем сообщение в формате, ожидаемом агентом
message = {"messages": [{"role": "human", "content": user_input}]}
ask_and_run(message, config)
if __name__ == "__main__":
main()