Minimal Viable Product

C'est moche, bancal, et mal foutu, mais ça compile et ça crache un rapport de stage dans un fichier

AgentReact/agent.py

@@ -1,8 +1,9 @@
 from langgraph.graph import START, END
 from langgraph.graph.state import CompiledStateGraph
 
-from utils.nodes import reponse_question, tool_node, should_continue
+from utils.nodes import call_to_LLM, should_continue, task_ended, BasicToolNode, tool_node
 from utils.state import getState
+from utils.tools import getTools
 
 def getGraph()->CompiledStateGraph:
     """
@@ -14,15 +15,15 @@ def getGraph()->CompiledStateGraph:
     workflow = getState() # State prêt à utiliser
 
     # Définition des sommets du graphe
-    workflow.add_node(reponse_question)
+    workflow.add_node(call_to_LLM)
-    workflow.add_node("tool_node", tool_node) # N'est pas une fonction, mais une classe instanciée, je dois précisier le nom du node
+    workflow.add_node("tool_node", tool_node)# BasicToolNode(tools=getTools())) # N'est pas une fonction, mais une classe instanciée, je dois précisier le nom du node
 
     # Arrêtes
-    workflow.set_entry_point("reponse_question")
+    workflow.set_entry_point("call_to_LLM")
-    workflow.add_edge("tool_node", "reponse_question")
+    workflow.add_edge("tool_node", "call_to_LLM")
-    workflow.add_conditional_edges("reponse_question", should_continue, {
+    workflow.add_conditional_edges("call_to_LLM", should_continue, {
         "tools":"tool_node",
-        END:END
+        "no_tools":END
     })
 
     return workflow.compile()

AgentReact/start.py

@@ -10,6 +10,6 @@ from agent import getGraph
 mlflow.set_experiment("TEST PROJET") # VOIR AVEC LA COMMANDE "MLFLOW SERVER"
 mlflow.langchain.autolog()
 
-out_state = getGraph().invoke({'messages':[HumanMessage("What's the price for bitcoin ?")]})
+out_state = getGraph().invoke({'messages':[HumanMessage("Observe la base de documents, et génère un rapport de stage à partir de celle-ci. Ecris le dans un fichier markdown.")]})
 for message in out_state['messages']:
     message.pretty_print()

AgentReact/utils/nodes.py

@@ -53,6 +53,8 @@ def task_ended(state: MessagesState):
         return END
     return "continue"
 
+tool_node = ToolNode(tools=getTools())
+
 
 class BasicToolNode: # De mon ancien projet, https://github.com/LJ5O/Assistant/blob/main/modules/Brain/src/LLM/graph/nodes/BasicToolNode.py
     """A node that runs the tools requested in the last AIMessage."""

AgentReact/utils/tools.py

@@ -48,13 +48,13 @@ def write_file(file_path:str, content: str, append:bool=True) -> str:
         return f"Erreur lors de l'écriture: {str(e)}"
 
 @tool
-def editTodo(index:int, state:int, state: Annotated[dict, InjectedState])->bool: # https://stackoverflow.com/a/79525434
+def editTodo(index:int, todoState:int, state: Annotated[dict, InjectedState])->bool: # https://stackoverflow.com/a/79525434
     """
     Modifier l'état d'une tâche (TODO)
 
     Args:
         index (int): Index de la tâche à modifier, en commançant à 0 pour la première tâche.
-        state (int): Nouvel état. 0 pour "non commencé, 1 pour "en cours", 2 pour "complété"
+        todoState (int): Nouvel état. 0 pour "non commencé, 1 pour "en cours", 2 pour "complété"
 
     Returns:
         bool: Réussite de l'opération, ou non.
@@ -63,7 +63,7 @@ def editTodo(index:int, state:int, state: Annotated[dict, InjectedState])->bool:
         # Erreur, l'index est trop grand
         return False
 
-    state["todo"][index].state = state # Modification de l'état de cette tâche
+    state["todo"][index].state = todoState # Modification de l'état de cette tâche
 
     # Toutes les tâches complétées ?
     found = False
@@ -168,9 +168,9 @@ def search_in_files(query:str, state: Annotated[dict, InjectedState])->str:
     Returns:
         str: Échantillons de documents correspondants, concaténés en une seule chaîne de caractères.
     """
-    bdd = VectorDatabase() # Récupère l'unique instance de cette BDD, c'est un SIngleton
+    bdd = VectorDatabase.getChroma() # Récupère l'unique instance de cette BDD, c'est un SIngleton
 
-    retrieved_docs = bdd.getChroma().similarity_search(query, k=5) # 5 documents
+    retrieved_docs = bdd.similarity_search(query, k=5) # 5 documents
 
     # Conversion des documents en texte
     docs_content = "\n".join(

roadmap.md

@@ -14,8 +14,9 @@
 - [X] Préparation du `State`
 - [X] Développement des outils de l'agent
 - [X] Préparation des nœuds
-- [ ] Branchement des nœuds entre-eux
+- [X] Branchement des nœuds entre-eux, **MVP**
 - [ ] Human in the loop
+- [ ] Amélioration du workflow
 
 ## Amélioration de l'agent
 - [ ] Cross-encoding sur la sortie du **RAG**