Переделываю систему под агента-планировщика

agent/__init__.py

@@ -1,4 +1,5 @@
 from .developer import DeveloperAgent
 from .reviewer import ReviewerAgent
+from .planner import PlannerAgent
 
-__all__ = ["DeveloperAgent", "ReviewerAgent"]
+__all__ = ["DeveloperAgent", "ReviewerAgent", "PlannerAgent"]

agent/executor.py

@@ -0,0 +1,37 @@
+# executor.py
+from langchain.agents import AgentExecutor, create_tool_calling_agent
+from langchain_ollama import ChatOllama
+from langchain_core.prompts import ChatPromptTemplate
+
+class ToolExecutor:
+    def __init__(self, tools):
+        self.tools = tools
+        self.llm = llm or ChatOllama(
+            model=MODEL_NAME, 
+            temperature=0.0
+        )
+        self.agent = self._create_agent()
+
+    def _create_agent(self):
+        prompt = ChatPromptTemplate.from_messages([
+            ("system", "Ты - исполнитель. У тебя есть доступ к инструментам. Выполняй шаги плана последовательно."),
+            ("human", "{input}"),
+            ("placeholder", "{agent_scratchpad}")
+        ])
+        agent = create_tool_calling_agent(self.llm, self.tools, prompt)
+        return AgentExecutor(agent=agent, tools=self.tools, verbose=True)
+
+    def execute_plan(self, plan: List[Dict]) -> List[Dict]:
+        results = []
+        for step in plan:
+            tool_name = step["tool"]
+            args = step["args"]
+            # Превращаем шаг в текстовую команду для агента
+            command = f"Вызови инструмент {tool_name} с аргументами {args}"
+            result = self.agent.invoke({"input": command})
+            results.append({
+                "step": step,
+                "output": result["output"],
+                "success": True  # можно анализировать ошибки
+            })
+        return results

agent/plan_reviewer.py

@@ -0,0 +1,26 @@
+# reviewer.py
+from langchain_ollama import ChatOllama
+from langchain_core.messages import SystemMessage, HumanMessage
+
+class PlanReviewerAgent:
+    def __init__(self, llm=None):
+        self.llm = llm or ChatOllama(
+            model=MODEL_NAME, 
+            temperature=0.0
+        )
+
+    def review(self, original_task: str, plan: List[Dict], execution_results: List[Dict]) -> dict:
+        system_prompt = """Ты - ревьювер. Оцени, достигнута ли цель задачи на основе выполненного плана.
+Верни JSON с полями:
+  - "status": "approved" / "changes_requested" / "rejected"
+  - "feedback": пояснение
+  - "suggested_plan_correction": если нужно изменить план - предложи новый план (массив шагов)
+"""
+        user_prompt = f"""
+Задача: {original_task}
+План: {json.dumps(plan, indent=2)}
+Результаты выполнения: {json.dumps(execution_results, indent=2)}
+Оцени результат.
+"""
+        response = self.llm.invoke([SystemMessage(content=system_prompt), HumanMessage(content=user_prompt)])
+        return json.loads(response.content)

agent/planner.py

@@ -0,0 +1,40 @@
+# planner.py
+from langchain_ollama import ChatOllama
+from langchain_core.messages import SystemMessage, HumanMessage
+import json
+from typing import List, Dict
+from config import MODEL_NAME
+
+class PlannerAgent:
+    def __init__(self, llm=None):
+        self.llm = llm or ChatOllama(
+            model=MODEL_NAME, 
+            temperature=0.0
+        )
+
+    def create_plan(self, task: str, tools_description: List[Dict]) -> List[Dict]:
+        system_prompt = """Ты - планировщик. Твоя задача - разбить запрос пользователя на последовательность шагов.
+Каждый шаг - это вызов одного из доступных инструментов с конкретными аргументами.
+Верни JSON массив шагов, где каждый шаг содержит:
+  - "tool": имя инструмента (строго из списка)
+  - "args": словарь аргументов для этого инструмента
+  - "description": краткое пояснение, зачем этот шаг
+
+Инструменты и их аргументы:
+{tools_description}
+
+План должен быть линейным (шаг за шагом). Если нужны условия или циклы - разворачивай их в последовательность.
+После выполнения всех шагов задача должна быть решена.
+Верни ТОЛЬКО JSON массив, без лишнего текста."""
+
+        user_prompt = f"Задача: {task}"
+        tools_str = json.dumps(tools_description, indent=2)
+
+        messages = [
+            SystemMessage(content=system_prompt.format(tools_description=tools_str)),
+            HumanMessage(content=user_prompt)
+        ]
+        response = self.llm.invoke(messages)
+        # парсим JSON
+        plan = json.loads(response.content)
+        return plan

orchestrator.py

@@ -1,5 +1,5 @@
 # orchestrator.py
-from typing import Dict, Any, Literal
+from typing import Dict, Any, Literal, TypedDict, List
 from langgraph.graph import StateGraph, END
 from langgraph.checkpoint.memory import MemorySaver
 import uuid
@@ -8,6 +8,14 @@ from models import Task, TaskStatus, CodeSolution, ReviewResult, IterationRecord
 from agent import DeveloperAgent, ReviewerAgent
 from config import MAX_REVIEW_RETRIES
 
+class AgentState(TypedDict):
+    task: str
+    plan: List[Dict]
+    execution_results: List[Dict]
+    review: Dict
+    iteration: int
+    max_iterations: int
+
 class Orchestrator:
     """Оркестратор - управляет процессом разработки"""
     
@@ -19,7 +27,6 @@ class Orchestrator:
         # Создаем граф состояний
         self.workflow = self._build_workflow()
         self.checkpointer = MemorySaver()
-        self.app = self.workflow.compile()
         
     def _add_history(self, task: Task, agent: str, action: str, 
                     input_summary: str = None, output_summary: str = None,
@@ -37,36 +44,72 @@ class Orchestrator:
         )
         task.history.append(record)
     
-    def _build_workflow(self) -> StateGraph:
+    def _build_workflow(self):
         """Строит граф процесса разработки"""
         
         # Определяем состояния
-        workflow = StateGraph(Dict)
+        workflow = StateGraph(AgentState)
         
         # Добавляем узлы
-        workflow.add_node("developer", self._developer_node)
-        workflow.add_node("reviewer", self._reviewer_node)
-        workflow.add_node("finalize", self._finalize_node)
+        workflow.add_node("planner", self._plan_node)
+        workflow.add_node("executor", self._exec_node)
+        workflow.add_node("reviewer", self._review_node)
         
         # Определяем переходы
-        workflow.set_entry_point("developer")
-        workflow.add_edge("developer", "reviewer")
+        workflow.set_entry_point("planner")
+        workflow.add_edge("planner", "executor")
+        workflow.add_edge("executor", "reviewer")
         
-        # Условные переходы после ревью
-        workflow.add_conditional_edges(
-            "reviewer",
-            self._decide_next_step,
-            {
-                "approved": "finalize",
-                "rework": "developer",
-                "rejected": "finalize",
-                "failed": "finalize"
-            }
-        )
+        workflow.add_conditional_edges("reviewer", self._after_review, {
+            "approved": END,
+            "rework": "executor",  # повторить выполнение с тем же планом? или перепланировать?
+            "replan": "planner",
+            "reject": END
+        })
         
-        workflow.add_edge("finalize", END)
+        return workflow.compile()
+    
+    def _plan_node(self, state: AgentState):
+        print(f"\n🔧 [Iteration {state.get('iteration', 0)}] Планировщик начал работу...")
+        # Сначала получим описания инструментов для планировщика
+        tools_desc = [{"name": t.name, "description": t.description, "args": t.args} for t in self.tools]
+        plan = self.planner.create_plan(state["task"], tools_desc)
+        state["plan"] = plan
+        return state
+
+    def _exec_node(self, state: AgentState):
+        """Узел разработчика"""
+        print(f"\n🔧 [Iteration {state.get('iteration', 0)}] Исполнитель начал работу...")
         
-        return workflow
+        # Логируем начало работы разработчика
+        results = self.executor.execute_plan(state["plan"])
+        state["execution_results"] = results
+        return state
+
+    def _review_node(self, state: AgentState):
+        print(f"\n🔧 [Iteration {state.get('iteration', 0)}] Ревьювер начал работу...")
+        
+        review = self.reviewer.review(state["task"], state["plan"], state["execution_results"])
+        state["review"] = review
+        state["iteration"] = state.get("iteration", 0) + 1
+        return state
+    
+    def _after_review(self, state: AgentState):
+        status = state["review"].get("status")
+        if status == "approved":
+            return "approved"
+        elif status == "changes_requested":
+            if state["iteration"] >= state.get("max_iterations", 3):
+                return "reject"
+            # пробуем перевыполнить те же шаги (может, ошибка временная)
+            return "rework"
+        elif status == "rejected":
+            if state["iteration"] >= state.get("max_iterations", 3):
+                return "reject"
+            # нужен новый план
+            return "replan"
+        else:
+            return "reject"
     
     def _developer_node(self, state: Dict) -> Dict:
         """Узел разработчика"""
@@ -244,26 +287,26 @@ class Orchestrator:
                 f.write(test_content)
             print(f"   💾 Сохранен тест: {testpath}")
     
-    def run(self, requirement: str, task_id: str = None) -> Dict:
+    def run(self, task: str, max_iterations:int = None) -> Dict:
         """Запускает процесс разработки"""
         
-        if not task_id:
-            task_id = str(uuid.uuid4())
+        task_id = str(uuid.uuid4())
         
-        initial_task = Task(
-            id=task_id,
-            requirement=requirement,
-            status=TaskStatus.PENDING,
-            iteration=0
-        )
+        initial_state = {
+            "task": task,
+            "plan": [],
+            "execution_results": [],
+            "review": {},
+            "iteration": 0,
+            "max_iterations": max_iterations
+        }
         
         print(f"\n🚀 Запуск мультиагентной системы")
-        print(f"📝 Задача: {requirement}")
+        print(f"📝 Задача: {task}")
         print(f"🆔 ID: {task_id}")
         
         # Запускаем граф
-        initial_state = {"task": initial_task}
-        final_state = self.app.invoke(initial_state)
+        final_state = self.workflow.invoke(initial_state)
         
         return final_state
 

tool/filesystem.py

@@ -0,0 +1,73 @@
+from langchain.tools import tool
+import os
+import subprocess
+import re
+
+@tool
+def read_file(path: str, start_line: int = 0, end_line: int = None) -> str:
+    """Прочитать содержимое файла. Можно указать диапазон строк (1-индекс)."""
+    with open(path, 'r', encoding='utf-8') as f:
+        lines = f.readlines()
+    if start_line > 0:
+        lines = lines[start_line-1:]
+    if end_line:
+        lines = lines[:end_line-start_line+1]
+    return ''.join(lines)
+
+@tool
+def write_file(path: str, content: str) -> str:
+    """Создать или перезаписать файл с указанным содержимым."""
+    os.makedirs(os.path.dirname(path), exist_ok=True)
+    with open(path, 'w', encoding='utf-8') as f:
+        f.write(content)
+    return f"Файл {path} записан"
+
+@tool
+def delete_lines(path: str, start_line: int, end_line: int) -> str:
+    """Удалить строки из файла (1-индекс, включительно)."""
+    with open(path, 'r') as f:
+        lines = f.readlines()
+    del lines[start_line-1:end_line]
+    with open(path, 'w') as f:
+        f.writelines(lines)
+    return f"Удалены строки {start_line}-{end_line} из {path}"
+
+@tool
+def replace_text_in_file(path: str, old: str, new: str) -> str:
+    """Заменить все вхождения old на new в файле."""
+    with open(path, 'r') as f:
+        content = f.read()
+    new_content = content.replace(old, new)
+    with open(path, 'w') as f:
+        f.write(new_content)
+    return f"Заменено {content.count(old)} вхождений"
+
+@tool
+def search_in_files(directory: str, pattern: str, file_pattern: str = "*.py") -> str:
+    """Найти все файлы, содержащие pattern (grep)."""
+    cmd = f"grep -l --include='{file_pattern}' -r '{pattern}' {directory}"
+    result = subprocess.run(cmd, shell=True, capture_output=True, text=True)
+    return result.stdout.strip()
+
+# @tool
+# def run_command(command: str) -> str:
+#     """Выполнить системную команду и вернуть вывод."""
+#     result = subprocess.run(command, shell=True, capture_output=True, text=True)
+#     return f"STDOUT:\n{result.stdout}\nSTDERR:\n{result.stderr}"
+
+# @tool
+# def find_class_definition(file_path: str, class_name: str) -> str:
+#     """Найти в файле определение класса (простой поиск по regex)."""
+#     with open(file_path, 'r') as f:
+#         content = f.read()
+#     pattern = rf'^\s*class\s+{class_name}\s*[:\(]'
+#     match = re.search(pattern, content, re.MULTILINE)
+#     if match:
+#         # найти конец класса по отступам (упрощённо)
+#         lines = content.splitlines()
+#         start_line = content[:match.start()].count('\n') + 1
+#         # грубо ищем до следующего class или def на том же уровне
+#         # для простоты вернём 20 строк после
+#         end_line = start_line + 20
+#         return f"Класс {class_name} найден в {file_path} (строки {start_line}-{end_line})"
+#     return f"Класс {class_name} не найден в {file_path}"