# solution.py import os from typing import Any, Dict, Iterable, Tuple, Optional from langchain.chat_models import ChatOpenAI from langchain.tools import BaseTool from langgraph.checkpoint.memory import MemorySaver from langgraph.graph import StateGraph from langgraph.prebuilt import create_agent from rich.console import Console # ------------------------------------------------------------ # 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() # 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}" my_tool = EchoTool() # ------------------------------------------------------------ # Создание агента с памятью и паузой # ------------------------------------------------------------ memory = MemorySaver() agent = create_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 ) console = Console() # ------------------------------------------------------------ # Функция взаимодействия с пользователем # ------------------------------------------------------------ def ask_and_run(user_input: Optional[str], config: Dict[str, Any]) -> None: """ Запускает потоковый диалог с агентом. Если агент хочет вызвать инструмент, пользователь получает запрос на подтверждение. """ # 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"], ) 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 # 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 # 3. Обнаружение паузы перед инструментом 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 ask_and_run(None, config) else: console.print("[red]Вызов отменён.[/red]") break # ------------------------------------------------------------ # Точка входа # ------------------------------------------------------------ if __name__ == "__main__": thread_id = "thread-1" config = {"configurable": {"thread_id": thread_id}} console.print("[bold green]Запуск агента. Введите сообщение, а затем Enter.[/bold green]") 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]") break