# 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 выполнением любого инструмента пользователь получает запрос на подтверждение.

Для красивого вывода в консоли используется библиотека `rich`.

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

## Установка зависимостей

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

# Установите все необходимые пакеты
pip install langgraph rich openai  # добавьте другие зависимости при необходимости
```

> **Важно** – `rich` нужен только для вывода, но без него скрипт будет работать.

## Как запустить каждый файл

### 1. `tools.py`
Содержит пользовательские инструменты (например, поиск в интернете, вычисления и т.д.).  
Запуск не требуется отдельно – он импортируется в `agent.py`.

### 2. `agent.py`
Главный скрипт, который запускает агента.

```bash
python agent.py
```

При запуске вы увидите интерактивную сессию:

1. Введите сообщение.
2. Агент сформулирует запрос к инструменту и попросит подтвердить действие.
3. После подтверждения (`yes`/`no`) агент выполнит инструмент или отменит его.

### 3. Пример запуска в режиме потоковой печати

```bash
python agent.py --stream
```

Параметр `--stream` заставляет выводить ответы построчно, как это делает `rich`.

## Пример использования

```python
# Внутри agent.py (или в интерактивной сессии)
from langgraph.checkpoint.memory import MemorySaver
from rich.console import Console
import os

console = Console()

# Инициализация памяти и агента
memory = MemorySaver()
agent = create_agent(
    model=llm,
    tools=[my_tool],
    system_prompt="You are a helpful assistant.",
    checkpointer=memory,
    interrupt_before=['tools']  # пауза перед каждым инструментом
)

# Конфигурация диалога (thread_id)
config = {"configurable": {"thread_id": "conversation-1"}}

# Запуск агента с потоковым выводом
for chunk in agent.stream({"messages": [{"role":"user","content":"Расскажи о Python"}]}, config=config):
    console.print(chunk, end="")

# После завершения можно продолжить диалог в том же thread_id
```

### Что происходит при запуске

1. **Память**: `MemorySaver` сохраняет все сообщения и состояния агента для конкретного `thread_id`. При повторном вызове с тем же ID агент «видит» историю.
2. **Подтверждение**: Когда агент планирует вызвать инструмент, он выводит запрос вида:
   ```
   [Agent] Предлагаю использовать инструмент "search". Подтвердить? (yes/no)
   ```
3. **Пауза** (`interrupt_before=['tools']`): Агент останавливается до подтверждения и ждёт ввода пользователя.

## Как добавить новый инструмент

1. Создайте функцию в `tools.py`.
2. Зарегистрируйте её в списке `tools=[...]` при создании агента.
3. При необходимости обновите `system_prompt`, чтобы агент знал о новом инструменте.

## Тестирование

Для проверки работы можно использовать простые тесты:

```bash
python -m unittest discover tests
```

> Убедитесь, что у вас есть файл `tests/` с соответствующими проверками.

## FAQ

| Вопрос | Ответ |
|--------|-------|
| Как изменить `thread_id`? | Передайте новый ID в `config = {"configurable": {"thread_id": "новый-id"}}`. |
| Что делать, если инструмент не подтверждается? | Агент просто пропускает вызов и продолжает диалог. |
| Можно ли отключить память? | Уберите `checkpointer=memory` при создании агента – тогда каждый запрос будет независимым. |

## Лицензия

MIT © 2026