实现前后端分离的agent

graph_builder.py

@@ -0,0 +1,127 @@
+"""
+LangGraph 状态图构建模块 - 完全面向对象风格，无嵌套函数
+"""
+
+import operator
+import asyncio
+from typing import Literal, Annotated, Any
+from langchain_core.language_models import BaseLLM
+from langchain_core.messages import AnyMessage, AIMessage, ToolMessage, SystemMessage
+from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder
+from langgraph.graph import StateGraph, START, END
+from typing_extensions import TypedDict
+
+
+class MessageState(TypedDict):
+    """对话状态类型定义"""
+    messages: Annotated[list[AnyMessage], operator.add]
+    llm_calls: int
+
+
+class GraphBuilder:
+    """LangGraph 状态图构建器 - 所有节点均为类方法"""
+
+    def __init__(self, llm: BaseLLM, tools: list, tools_by_name: dict[str, Any]):
+        """
+        初始化构建器
+        
+        Args:
+            llm: 大语言模型实例
+            tools: 工具列表
+            tools_by_name: 名称到工具函数的映射
+        """
+        self.llm = llm
+        self.tools = tools
+        self.tools_by_name = tools_by_name
+        self._llm_with_tools = llm.bind_tools(tools)
+        self._prompt = self._create_prompt()
+        self._chain = self._prompt | self._llm_with_tools
+
+    @staticmethod
+    def _create_prompt() -> ChatPromptTemplate:
+        """创建系统提示模板（静态方法，无需访问实例）"""
+        return ChatPromptTemplate.from_messages([
+            SystemMessage(content=(
+                "你是一个个人生活助手和数据分析助手。请说中文。"
+                "当用户询问天气或温度时,使用get_current_temperature工具获取信息。"
+                "当用户要求读文本文件时,请使用 read_local_file 工具,只能读取 './user_docs' 目录下的文件。"
+                "当用户要求读PDF文件时,请使用 read_pdf_summary 工具,只能读取 './user_docs' 目录下的文件。"
+                "当用户要求读Excel文件时,请使用 read_excel_as_markdown 工具,只能读取 './user_docs' 目录下的文件。"
+                "当用户要求抓取网页时,请使用 fetch_webpage_content 工具。"
+                "重要:你的回答必须简洁、直接,不要包含任何关于思考过程的描述。"
+            )),
+            MessagesPlaceholder(variable_name="message")
+        ])
+
+    async def call_llm(self, state: MessageState) -> dict:
+        """
+        LLM 调用节点（异步方法）
+        注意：因为 self._chain.invoke 是同步方法，使用 run_in_executor 避免阻塞事件循环
+        """
+        loop = asyncio.get_event_loop()
+        response = await loop.run_in_executor(
+            None, 
+            lambda: self._chain.invoke({"message": state["messages"]})
+        )
+        return {
+            "messages": [response],
+            "llm_calls": state.get('llm_calls', 0) + 1
+        }
+
+    async def call_tools(self, state: MessageState) -> dict:
+        """
+        工具执行节点（异步方法）
+        对于每个工具调用，在线程池中执行同步工具函数
+        """
+        last_message = state['messages'][-1]
+        if not isinstance(last_message, AIMessage) or not last_message.tool_calls:
+            return {"messages": []}
+
+        results = []
+        loop = asyncio.get_event_loop()
+
+        for tool_call in last_message.tool_calls:
+            tool_name = tool_call["name"]
+            tool_args = tool_call["args"]
+            tool_id = tool_call["id"]
+            tool_func = self.tools_by_name.get(tool_name)
+
+            if tool_func is None:
+                results.append(ToolMessage(content=f"Tool {tool_name} not found", tool_call_id=tool_id))
+                continue
+
+            try:
+                # 同步工具函数在线程池中执行
+                observation = await loop.run_in_executor(
+                    None, 
+                    lambda: tool_func.invoke(tool_args)
+                )
+                results.append(ToolMessage(content=str(observation), tool_call_id=tool_id))
+            except Exception as e:
+                results.append(ToolMessage(content=f"Error: {e}", tool_call_id=tool_id))
+
+        return {"messages": results}
+
+    @staticmethod
+    def should_continue(state: MessageState) -> Literal['tool_node', END]:
+        """
+        条件边判断（静态方法）
+        决定下一步是进入工具节点还是结束
+        """
+        last_message = state["messages"][-1]
+        if isinstance(last_message, AIMessage) and bool(last_message.tool_calls):
+            return 'tool_node'
+        return END
+
+    def build(self) -> StateGraph:
+        """
+        构建未编译的状态图（返回 StateGraph 实例）
+        图中节点直接使用实例方法 call_llm, call_tools
+        """
+        builder = StateGraph(MessageState)
+        builder.add_node("llm_call", self.call_llm)
+        builder.add_node("tool_node", self.call_tools)
+        builder.add_edge(START, "llm_call")
+        builder.add_conditional_edges("llm_call", self.should_continue, ["tool_node", END])
+        builder.add_edge("tool_node", "llm_call")
+        return builder