.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 call_to_LLM, should_continue, task_ended, BasicToolNode, tool_node, preparation_docs, weekly_report_tools
 from utils.state import getState
 from utils.tools import getTools
 
@@ -17,10 +17,19 @@ def getGraph()->CompiledStateGraph:
 
     # Définition des sommets du graphe
     workflow.add_node(call_to_LLM)
+    workflow.add_node(preparation_docs)
     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("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",

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]
-            msg.pretty_print()
+            i=0
+            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 +3,10 @@ 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 .tools import getTools
+from .tools import getTools, getWeeklyReportTools
+from .state import CustomState
 
 # LLM principal
 llm = ChatMistralAI( # LLM sans outils
@@ -14,6 +16,22 @@ llm = ChatMistralAI( # LLM sans outils
 )
 
 # NODES
+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
+    print(len(state['messages']))
+    messages = [m for m in state['messages']] # Tous les messages du stage
+
+    if 'documentsGenerationStarted' not in state.keys():
+        # Si ce noeud en est à son premier lancement, je lui donne la consigne de départ
+        messages.append(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'."))
+
+    messages.append(model.invoke(messages)) # Invocation LLM
+    return {'messages': messages, 'documentsGenerationStarted':True} # Je passe une liste de messages, ce qui ne devrait pas ajouter un message mais redéfinir toute la liste
+
 def call_to_LLM(state: MessagesState):
     """Noeud qui s'occupe de gérer les appels au LLM"""
     # Initialisation du LLM
@@ -53,6 +71,7 @@ def task_ended(state: MessagesState):
         return END
     return "continue"
 
+weekly_report_tools = ToolNode(tools=getWeeklyReportTools())
 tool_node = ToolNode(tools=getTools())
 
 

AgentReact/utils/state.py

@@ -10,6 +10,8 @@ class CustomState(MessagesState):
     ragQuery: str # Requête envoyée au RAG, pour le cross-encodeur
     ragDocuments: List[str] # Documents retrouvés par le RAG, pour le cross-encodeur
 
+    documentsGenerationStarted:bool# Permet d'indiquer que la consigne de génération des documents a été envoyée
+
     # TODO: Ajouter la source des documents sélectionnés pour la fin du rapport ?
 
 

AgentReact/utils/tools.py

@@ -263,4 +263,4 @@ 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]
+    return [write_week_report, write_library_tools_details_on_internship, internet_search, search_in_files]