# Stream‑режим AI‑агента

**Stream‑режим AI‑агента** – проект, демонстрирующий работу LangGraph‑агента в режиме потоковой генерации ответов.  
В отличие от обычного вызова `invoke()`, который возвращает результат только после завершения работы, здесь используется `stream()` и вывод токен за токеном прямо в консоль.

---

## 📦 Установка зависимостей

```bash
# 1️⃣ Клонируйте репозиторий
git clone https://github.com/your-username/stream-agent.git
cd stream-agent

# 2️⃣ Создайте виртуальное окружение (рекомендуется)
python -m venv .venv
source .venv/bin/activate   # Windows: .\.venv\Scripts\activate

# 3️⃣ Установите зависимости из requirements.txt
pip install -r requirements.txt
```

`requirements.txt` содержит:

```text
langchain-core>=0.2.0
langgraph>=0.1.0
langchain-community>=0.2.0
tavily-python>=0.1.0
openai>=1.0.0
python-dotenv>=1.0.0   # для загрузки переменных окружения
```

> **Важно**:  
> - Установите ключ OpenAI в переменную окружения `OPENAI_API_KEY`.  
> - Если используете Tavily, добавьте `TAVILY_API_KEY` (необязательно, если вы не планируете использовать поиск).

```bash
export OPENAI_API_KEY="sk-..."
# export TAVILY_API_KEY="..."   # при необходимости
```

---

## 🚀 Запуск

### 1️⃣ Основной скрипт `stream_agent.py`

```bash
python stream_agent.py
```

Скрипт автоматически:

1. Создаёт LLM‑обёртку для GPT‑4o-mini.
2. Инициализирует инструмент поиска Tavily.
3. Формирует LangGraph‑агента и запускает его в режиме `stream()`.
4. Выводит токены ответа по мере их генерации, а также события об использовании инструментов.

### 2️⃣ Тестовый скрипт (если есть)

Если вы добавили файл `test_stream_agent.py`, запустите:

```bash
pytest test_stream_agent.py
```

---

## 📄 Пример использования

```python
# stream_agent.py
import os
from langchain_community.tools.tavily_search import TavilySearchResults
from langgraph.prebuilt import create_agent_executor
from openai import OpenAI

client = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))
llm = client.chat.completions.create

search_tool = TavilySearchResults(max_results=3)

agent = create_agent_executor(
    llm=llm,
    tools=[search_tool],
    agent_type="openai-functions",
)

# Запускаем в режиме стрима
stream = agent.stream(
    {"messages": [{"role": "human", "content": "Расскажи о последних новостях по искусственному интеллекту"}]},
    stream_mode=["messages", "updates"],
)

for chunk_type, data in stream:
    if chunk_type == "messages":
        print(data["content"], end="", flush=True)
    elif chunk_type == "updates":
        # Можно логировать события использования инструментов
        pass

print("\n--- Конец ответа ---")
```

При запуске вы увидите вывод токен за токеном, а также сообщения о вызове инструмента поиска.

---

## 📚 Что дальше?

- **Добавить обработку ошибок**: если LLM не отвечает или инструмент падает.
- **Интегрировать с UI**: например, в Streamlit для веб‑интерфейса.
- **Расширить набор инструментов**: добавить поиск в Wikipedia, генерацию изображений и т.д.

---

## 📄 Лицензия

MIT © 2026.