# Практическое задание №3: Память и подтверждение действий

## Описание проекта
В этом задании вы доработаете агента из предыдущих практических работ, добавив:
- **Память разговора** – агент будет помнить все сообщения в рамках одного диалога.
- **Механизм подтверждения** перед вызовом любого инструмента – пользователь сможет согласовать действие.

Для более приятного вывода используется библиотека `rich`.

## Структура проекта
```
project/
├── solution.py          # Основной скрипт с реализацией агента
└── README.md            # Это файл
```

---

## Установка зависимостей

```bash
# Создайте виртуальное окружение (рекомендуется)
python -m venv .venv
source .venv/bin/activate   # Windows: .venv\Scripts\activate

# Установите все необходимые пакеты
pip install rich langgraph langchain-openai langchain-core
```

> **Важно**  
> `langgraph` и `langchain-openai` автоматически подтянут нужные версии OpenAI SDK.  
> Если у вас нет ключа API, создайте переменную окружения `OPENAI_API_KEY`.

```bash
export OPENAI_API_KEY="sk-..."
```

---

## Запуск скрипта

### 1️⃣ Запустите файл напрямую

```bash
python solution.py
```

Скрипт откроет интерактивный чат, где вы можете задавать вопросы. При каждом вызове инструмента агент сначала спросит подтверждение.

> **Пример**  
> ```
> Пользователь: Привет!
> Агент: Здравствуйте! Чем могу помочь?
> Пользователь: Напиши мне список покупок.
> Агент: Вы хотите вызвать инструмент `echo_tool` с аргументом `text="список покупок"`? (y/n)
> y
> Эхо: список покупок
> ```

### 2️⃣ Запуск в режиме потоковой передачи

Если вы хотите видеть ответы по частям, можно запустить скрипт так:

```bash
python solution.py --stream
```

Внутри `solution.py` реализован флаг `--stream`, который переключает режим вывода.

---

## Пример использования кода

```python
from rich.console import Console
from langgraph.checkpoint.memory import MemorySaver
from langgraph.prebuilt import create_chat_agent
from langchain_openai import ChatOpenAI

# 1. Консоль для красивого вывода
console = Console()

# 2. Создаём LLM
llm = ChatOpenAI(model="gpt-3.5-turbo", temperature=0)

# 3. Определяем инструмент
def echo_tool(args: dict) -> str:
    return f"Эхо: {args.get('text', '')}"

# 4. 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'],  # остановка перед каждым инструментом
)

# 5. Запускаем диалог
config = {"configurable": {"thread_id": "разговор-1"}}
for chunk in agent.stream({"messages": [HumanMessage(content="Напиши мне список покупок")]}, config=config):
    console.print(chunk)
```

---

## Что дальше?

- Добавьте собственные инструменты (например, поиск в интернете, работа с файлами и т.д.).
- Изучите другие параметры `create_chat_agent`, такие как `interrupt_after` или `max_output_tokens`.
- Попробуйте использовать разные модели (`gpt-4o-mini`, `claude-3.5-sonnet` и др.) – просто поменяйте аргумент `model`.

---

## Полезные ссылки

| Тема | Ссылка |
|------|--------|
| LangGraph Docs | https://langgraph.org/docs/ |
| LangChain OpenAI | https://python.langchain.com/docs/integrations/providers/openai |
| Rich Library | https://rich.readthedocs.io/en/latest/introduction.html |

---