AgentReact/agent.py

@@ -1,5 +1,6 @@
 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.state import getState
@@ -26,7 +27,7 @@ def getGraph()->CompiledStateGraph:
         "no_tools":END
     })
 
-    return workflow.compile()
+    return workflow.compile(checkpointer=InMemorySaver()) # TODO: Rempalcer par une vrai BDD de prod
 
 if __name__ == "__main__":
     # Affichage du graphe

AgentReact/start.py

@@ -5,11 +5,18 @@ from langchain.messages import HumanMessage, SystemMessage, AIMessage, ToolMessa
 import mlflow
 
 from agent import getGraph
+from utils.InterruptPayload import InterruptPayload
+from utils.StreamGraph import streamGraph
 
 # MLFLOW
 mlflow.set_experiment("TEST PROJET") # VOIR AVEC LA COMMANDE "MLFLOW SERVER"
 mlflow.langchain.autolog()
 
-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.")]})
+initial_input = {
-for message in out_state['messages']:
+        'messages':[HumanMessage("Recherche 'Recette de Monster' sur internet")]
-    message.pretty_print()
+    }
+
+config={"configurable": {"thread_id": 'yes'}}
+
+# Et je lance !
+streamGraph(initial_input, config, getGraph())

AgentReact/utils/InterruptPayload.py

@@ -14,6 +14,18 @@ class InterruptPayload():
         self.__fields = fields
         self.__state = state
 
+    def get(self, key:str)->str:
+        """
+        Récupérer une valeur passée dans la payload
+
+        Args:
+            key (str): Clé de la valeur
+
+        Returns:
+            str: Valeur, en String. Il faudra la reconvertir en int si besoin
+        """
+        return self.__fields[key] # TODO: cas où la clé n'y est pas
+
     def __displayKeys(self, keys:List[str]):
         for i,field in enumerate(keys):
             print(f"Champ {i}: {field} = \"{self.__fields[field]}\"\n")

AgentReact/utils/StreamGraph.py

@@ -0,0 +1,33 @@
+from typing import Dict
+from langgraph.graph.state import CompiledStateGraph
+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):
+    # https://docs.langchain.com/oss/python/langgraph/interrupts#stream-with-human-in-the-loop-hitl-interrupts
+    for mode, state in graphe.stream(
+        initial_input,
+        stream_mode=["values", "updates"],
+        subgraphs=False,
+        config={"configurable": {"thread_id": 'yes'}}
+    ):
+        if mode == "values":
+            # Handle streaming message content
+            msg = state['messages'][-1]
+            msg.pretty_print()
+        
+        elif mode == "updates":
+            # Check for interrupts
+            if "__interrupt__" in state:
+                payload = state["__interrupt__"][0].value
+                
+                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
+                return # Fin de cette fonction récursive
+            
+            else:
+                # Track node transitions
+                current_node = list(state.keys())[0]

AgentReact/utils/tools.py

@@ -4,9 +4,11 @@ from tavily import TavilyClient
 from pathlib import Path
 from typing import List, Dict, Annotated
 import sys
-from .StateElements.TodoElement import TodoElement
+from langgraph.types import interrupt
 
+from .StateElements.TodoElement import TodoElement
 from .VectorDatabase import VectorDatabase
+from .InterruptPayload import InterruptPayload
 
 @tool
 def internet_search(query: str)->dict:
@@ -18,7 +20,16 @@ def internet_search(query: str)->dict:
     Returns:
         dict: Retour de la recherche
     """
-    return TavilyClient().search(query, model='auto')
+    response = interrupt(InterruptPayload({
+        'query': query
+    }).toJSON())
+
+    resp = InterruptPayload.fromJSON(response) # Je reforme mon objet depuis la string json
+
+    if resp.isAccepted():
+        return TavilyClient().search(resp.get("query"), model='auto')
+    else:
+        return {'error': "Utilisation de cet outil refusée par l'utilisateur"}
     
 
 @tool

roadmap.md

@@ -15,7 +15,7 @@
 - [X] Développement des outils de l'agent
 - [X] Préparation des nœuds
 - [X] Branchement des nœuds entre-eux, **MVP**
-- [ ] Human in the loop
+- [X] Human in the loop
 - [ ] Amélioration du workflow
 
 ## Amélioration de l'agent