Nouveau node inject_preparation_prompt

Ne change rien, mais simplifie le système

.gitignore

@@ -5,6 +5,7 @@ mlflow.db
 # Par sécurité
 documents_projet/
 chroma_db/
+AgentReact/rapports_resumes/
 
 # Python
 __pycache__/

AgentReact/agent.py

@@ -2,7 +2,7 @@ from langgraph.graph import START, END
 from langgraph.graph.state import CompiledStateGraph
 from langgraph.checkpoint.memory import InMemorySaver
 
-from utils.nodes import call_to_LLM, should_continue, task_ended, BasicToolNode, tool_node
+from utils.nodes import *
 from utils.state import getState
 from utils.tools import getTools
 
@@ -17,10 +17,21 @@ def getGraph()->CompiledStateGraph:
 
     # Définition des sommets du graphe
     workflow.add_node(call_to_LLM)
+    workflow.add_node(preparation_docs)
+    workflow.add_node(inject_preparation_prompt)
     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
+    workflow.add_node("weekly_report_tools", weekly_report_tools)
 
     # Arrêtes
-    workflow.set_entry_point("call_to_LLM")
+    workflow.set_entry_point("inject_preparation_prompt")
+    workflow.add_edge("inject_preparation_prompt", "preparation_docs")
+    workflow.add_conditional_edges("preparation_docs", should_continue, {
+        "tools":"weekly_report_tools",
+        "no_tools":"call_to_LLM"
+    })
+
+    #workflow.set_entry_point("call_to_LLM")
+    workflow.add_edge("weekly_report_tools", "preparation_docs")
     workflow.add_edge("tool_node", "call_to_LLM")
     workflow.add_conditional_edges("call_to_LLM", should_continue, {
         "tools":"tool_node",
@@ -31,4 +42,4 @@ def getGraph()->CompiledStateGraph:
 
 if __name__ == "__main__":
     # Affichage du graphe
-    getGraph().get_graph().draw_mermaid_png(output_file_path="agent.png")
+    getGraph().get_graph().draw_mermaid_png(output_file_path="imgs/agent.png")

AgentReact/start.py

@@ -13,7 +13,7 @@ mlflow.set_experiment("TEST PROJET") # VOIR AVEC LA COMMANDE "MLFLOW SERVER"
 mlflow.langchain.autolog()
 
 initial_input = {
-        'messages':[HumanMessage("Recherche 'Recette de Monster' sur internet")]
+        'messages':[SystemMessage("Salut")]
     }
 
 config={"configurable": {"thread_id": 'yes'}}

AgentReact/utils/StreamGraph.py

@@ -5,7 +5,7 @@ from langgraph.types import Command
 from .InterruptPayload import InterruptPayload
 
 # Une fonction pour stream et gérer proprement le graphe
-def streamGraph(initial_input:Dict, config:Dict, graphe:CompiledStateGraph):
+def streamGraph(initial_input:Dict, config:Dict, graphe:CompiledStateGraph, lastMsgIndex=0):
     # https://docs.langchain.com/oss/python/langgraph/interrupts#stream-with-human-in-the-loop-hitl-interrupts
     for mode, state in graphe.stream(
         initial_input,
@@ -15,8 +15,11 @@ def streamGraph(initial_input:Dict, config:Dict, graphe:CompiledStateGraph):
     ):
         if mode == "values":
             # Handle streaming message content
-            msg = state['messages'][-1]
+            i=0
-            msg.pretty_print()
+            for msg in state['messages'][lastMsgIndex:]: # Permet de gérer plusieurs nouveaux messages d'un coup
+                msg.pretty_print()
+                i+=1
+            lastMsgIndex+=i
         
         elif mode == "updates":
             # Check for interrupts
@@ -25,7 +28,7 @@ def streamGraph(initial_input:Dict, config:Dict, graphe:CompiledStateGraph):
                 
                 payload = InterruptPayload.fromJSON(payload) # Chargement de la requête depuis sa version JSON
                 payload.humanDisplay() # L'utilisateur peut accepter/modifier/refuser ici
-                streamGraph(Command(resume=payload.toJSON()), config, graphe) # Je renvois la chaîne JSON, qui sera reconvertie en objet dans l'outil, et je relance le stream récursivement
+                streamGraph(Command(resume=payload.toJSON()), config, graphe, lastMsgIndex) # Je renvois la chaîne JSON, qui sera reconvertie en objet dans l'outil, et je relance le stream récursivement
                 return # Fin de cette fonction récursive
             
             else:

AgentReact/utils/nodes.py

@@ -3,8 +3,12 @@ from langgraph.graph import MessagesState
 from langgraph.prebuilt import ToolNode
 from langchain.chat_models import init_chat_model
 from langgraph.graph import START, END
+from langchain.messages import HumanMessage, AIMessage, SystemMessage
+from langgraph.types import interrupt
 
-from .tools import getTools
+from .tools import getTools, getWeeklyReportTools
+from .state import CustomState
+from .InterruptPayload import InterruptPayload
 
 # LLM principal
 llm = ChatMistralAI( # LLM sans outils
@@ -14,6 +18,21 @@ llm = ChatMistralAI( # LLM sans outils
 )
 
 # NODES
+def inject_preparation_prompt(state: CustomState):
+    """ Noeud qui vise juste à insérer le message indiquant au LLM comment travailler sur les résumés de comptes-rendus """
+    return {'messages': HumanMessage(
+        "Ton but est de lire les fichiers présents dans la base de données en utilisant l'outil 'search_in_files',\
+        afin de générer des rapports sur chaque semaine du stage qui y est décrit. Pour enregistrer chaque semaine du stage, utilise l'outil 'write_week_report'.\
+        Une fois terminé, fais une liste de tous les outils, logiciels, méthodes, entreprises, techniques, ect.. utilisés,\
+        et fais en une liste avec quelques descriptions que tu devras enregistrer avec l'outil 'write_library_tools_details_on_internship'."
+    )}
+
+def preparation_docs(state: CustomState):
+    """Noeud en charge de préparer les résumés pour chaque semaine des rapports, et la liste des outils et méthodes utilisées"""
+    model = llm.bind_tools(getWeeklyReportTools()) # LLM en charge de générer des rapports hebdomadaires sur le stage
+
+    return {'messages': model.invoke(state['messages'])}
+
 def call_to_LLM(state: MessagesState):
     """Noeud qui s'occupe de gérer les appels au LLM"""
     # Initialisation du LLM
@@ -53,6 +72,7 @@ def task_ended(state: MessagesState):
         return END
     return "continue"
 
+weekly_report_tools = ToolNode(tools=getWeeklyReportTools())
 tool_node = ToolNode(tools=getTools())
 
 

AgentReact/utils/tools.py

@@ -4,6 +4,7 @@ from tavily import TavilyClient
 from pathlib import Path
 from typing import List, Dict, Annotated
 import sys
+import os
 from langgraph.types import interrupt
 
 from .StateElements.TodoElement import TodoElement
@@ -194,9 +195,72 @@ def search_in_files(query:str, state: Annotated[dict, InjectedState])->str:
 
     return docs_content # Retourne la liste de documents trouvés
 
+@tool
+def write_week_report(numero_semaine:int, contenu:str)->str:
+    """
+    Écrire un rapport sur une semaine du stage. Sauvegardera ce rapport dans un fichier en mémoire pour un usage futur.
+
+    Args:
+        numero_semaine (int): Semaine du stage. Commence à 1 pour la première semaine
+        contenu (str): Ce qu'il faut écrire dans ce rapport
+
+    Returns:
+        str: CHemin vers le fichier, ou une erreur en cas de problème
+    """
+    try:
+        # Récupérer le chemin vers le point d'entrée
+        base_dir: Path = Path(sys.argv[0]).resolve().parent
+        reports_dir = base_dir / "rapports_resumes" # Chemin du dossier des rapports
+        reports_dir.mkdir(parents=True, exist_ok=True) # Créer le dossier
+
+        file_name = f"rapport_semaine_{numero_semaine}.txt"
+        full_path = reports_dir / file_name
+
+        with open(full_path, "w", encoding="utf-8") as f: # Écrire le contenu
+                f.write(contenu)
+
+        return str(full_path)
+
+    except Exception as e:
+        return f"Erreur lors de l'écriture: {str(e)}"
+
+@tool
+def write_library_tools_details_on_internship(contenu:str)->str:
+    """
+    Enregistrer les détails sur le stage.
+    Utilise cet outil pour enregistrer tous les outils, logiciels, programmes, entreprises, ect.. utilisés pendant le stage.
+
+    Args:
+        contenu (str): Une liste de tous les éléments intéréssants, avec quelques détails sur chacun.
+
+    Returns:
+        str: CHemin vers le fichier, ou une erreur en cas de problème
+    """
+    try:
+        # Récupérer le chemin vers le point d'entrée
+        base_dir: Path = Path(sys.argv[0]).resolve().parent
+        reports_dir = base_dir / "rapports_resumes" # Chemin du dossier des rapports
+        reports_dir.mkdir(parents=True, exist_ok=True) # Créer le dossier
+
+        file_name = f"rapport_outils.txt"
+        full_path = reports_dir / file_name
+
+        with open(full_path, "w", encoding="utf-8") as f: # Écrire le contenu
+                f.write(contenu)
+
+        return str(full_path)
+
+    except Exception as e:
+        return f"Erreur lors de l'écriture: {str(e)}"
 
 def getTools()->List['Tools']:
     """
     Récupérer la liste des tools
     """
     return [internet_search, write_file, editTodo, read_file, ask_human, search_in_files, addTodo, removeTodo]
+
+def getWeeklyReportTools()->List['Tools']:
+    """
+    Récupérer la liste des tools, POUR LE LLM EN CHARGE DE FAIRE LES RAPPORTS DE CHAQUE SEMAINE
+    """
+    return [write_week_report, write_library_tools_details_on_internship, internet_search, search_in_files]

readme.md

@@ -4,6 +4,7 @@
 
 ## Workflow
 ![image](imgs/workflow.png)
+![workflow](imgs/agent.png)
 
 ## Mise en place