76 lines
3.0 KiB
Python
76 lines
3.0 KiB
Python
# solution.py
|
||
# -*- 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
|
||
from langchain_core.messages import ToolMessage
|
||
|
||
|
||
# 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. Основная логика взаимодействия
|
||
def main() -> None:
|
||
config = {"configurable": {"thread_id": "session-1"}}
|
||
while True:
|
||
user_input = input("Вы: ")
|
||
if user_input.lower() in {"выход", "exit", "quit"}:
|
||
print("Завершение работы.")
|
||
break
|
||
# первый вызов агента
|
||
result = agent.invoke(
|
||
{"messages": [{"role": "human", "content": user_input}]},
|
||
config=config,
|
||
)
|
||
# цикл обработки прерываний
|
||
while "__interrupt__" in result:
|
||
last_msg = result["messages"][-1]
|
||
tool_call = last_msg.tool_calls[0] # один вызов инструмента
|
||
name = tool_call["name"]
|
||
args = tool_call["args"]
|
||
print(f"\nИнструмент: {name}")
|
||
print(f"Аргументы: {args}")
|
||
choice = input("a=approve, r=reject: ").strip().lower()
|
||
if choice == "r":
|
||
reason = input("Причина отказа: ")
|
||
# передаем ToolMessage как результат вызова инструмента
|
||
result = agent.invoke(
|
||
{"messages": [ToolMessage(content=reason, tool_call_id=tool_call["id"])]},
|
||
config=config,
|
||
)
|
||
else:
|
||
# approve – просто возобновляем без сообщения
|
||
result = agent.invoke(Command(resume=None), config=config)
|
||
# вывод финального ответа агента
|
||
final_answer = result["messages"][-1].content
|
||
print("\nОтвет агента:\n", final_answer)
|
||
|
||
if __name__ == "__main__":
|
||
main() |