64 lines
2.3 KiB
Python
64 lines
2.3 KiB
Python
# -*- coding: utf-8 -*-
|
||
"""
|
||
Пример агента с Human‑in‑the‑loop, реализованный в LangGraph.
|
||
"""
|
||
|
||
from langchain_openai import ChatOpenAI
|
||
from langgraph.prebuilt import create_react_agent
|
||
from langgraph.checkpoint.memory import MemorySaver
|
||
from langgraph.types import Command
|
||
from langchain.tools import tool
|
||
|
||
# 1. Модель LLM (пример с OpenAI‑совместимым API)
|
||
llm = ChatOpenAI(
|
||
model="gpt-4o-mini", # замените на нужную модель
|
||
temperature=0.7,
|
||
)
|
||
|
||
# 2. Простой инструмент
|
||
@tool
|
||
def get_weather(city: str, date: str) -> str:
|
||
"""Возвращает погоду в городе на указанную дату."""
|
||
return f"Погода в {city} на {date}: солнечно 25°C."
|
||
|
||
# 3. Хранилище памяти для чекпоинтера
|
||
memory = MemorySaver()
|
||
|
||
# 4. Создание агента с interrupt_before=["tools"]
|
||
agent = create_react_agent(
|
||
tools=[get_weather],
|
||
model=llm,
|
||
system_prompt="Ты полезный ассистент, отвечай точно.",
|
||
checkpointer=memory,
|
||
interrupt_before=["tools"], # включаем human‑in‑the‑loop
|
||
)
|
||
|
||
# 5. Запуск и цикл обработки прерываний
|
||
config = {"configurable": {"thread_id": "session-1"}}
|
||
result = agent.invoke(
|
||
{"messages": [{"role": "human", "content": "Какая погода в Казани сегодня?"}]},
|
||
config=config,
|
||
)
|
||
|
||
while "__interrupt__" in result:
|
||
# Последнее сообщение содержит вызов инструмента
|
||
last_msg = result["messages"][-1]
|
||
tool_call = last_msg.tool_calls[0] # предполагаем один вызов
|
||
name = tool_call["name"]
|
||
args = tool_call.get("args", {})
|
||
print(f"\nИнструмент: {name}")
|
||
print(f"Аргументы: {args}")
|
||
|
||
choice = input("a=approve, r=reject: ").strip().lower()
|
||
if choice == "r":
|
||
msg = input("Причина отказа: ")
|
||
decisions = [{"type": "reject", "message": msg}]
|
||
else:
|
||
decisions = [{"type": "approve"}]
|
||
|
||
# Возобновляем выполнение
|
||
result = agent.invoke(Command(resume=decisions), config=config)
|
||
|
||
# 6. Финальный ответ
|
||
final_answer = result["messages"][-1].content
|
||
print("\nОтвет агента:\n", final_answer) |