Первый агент: цикл, состояние и рамка настройки | Курс LangChain урок 11

"""Общая сборка модели для примеров урока 11.

Тот же модуль, что course_model.py уроков 4-10, без изменений: у build_model есть
необязательный первый аргумент с именем модели, а рядом лежит gateway_kwargs()
для примеров, которые собирают модель сами.

Файл .env берётся тот же, что в уроке 0. Положите его рядом с этой папкой или
выше по дереву: load_dotenv() ищет файл начиная с папки этого модуля и поднимается
вверх.
"""

import os

from dotenv import load_dotenv
from langchain.chat_models import init_chat_model

load_dotenv()


def gateway_kwargs():
    """Возвращает аргументы доступа к провайдеру: имя, адрес, ключ.

    Нужны примерам, которые вызывают init_chat_model сами. У настраиваемой модели
    имени модели при создании нет, поэтому build_model ей не подходит.
    """
    base_url = os.getenv("MODEL_BASE_URL")

    if base_url:
        return {
            "model_provider": "openai",
            "base_url": base_url,
            "api_key": os.environ["OPENAI_API_KEY"],
        }

    return {}


def build_model(model_name=None, **kwargs):
    """Собирает модель курса.

    model_name без значения означает модель из переменной MODEL_NAME. Явное имя
    нужно примерам, где моделей в приложении больше одной.

    Все именованные аргументы уходят в init_chat_model как есть: temperature,
    max_tokens, timeout, max_retries, rate_limiter, profile и прочее из раздела
    Parameters.
    """
    model_name = model_name or os.environ["MODEL_NAME"]
    access = gateway_kwargs()

    if access:
        # Путь для любого адреса, совместимого с OpenAI Chat Completions API.
        return init_chat_model(model=model_name, **access, **kwargs)

    # Путь напрямую к провайдеру.
    return init_chat_model(model_name, **kwargs)

"""Пример 1 урока 11: первый агент на create_agent.

Два инструмента, между которыми есть зависимость: город доставки известен только
после поиска заказа. Сколько раз вызвать инструменты и в каком порядке, определяют
ответы модели.

Печатается не только ответ, но и то, что вернул агент целиком: ключи состояния и
вся цепочка сообщений.
"""

from langchain.agents import create_agent

from course_model import build_model

ORDERS = {
    "4412": {"city": "Казань", "item": "наушники"},
    "5190": {"city": "Омск", "item": "клавиатура"},
}

DELIVERY_DAYS = {"Казань": 2, "Омск": 4}


def find_order(number: str) -> str:
    """Находит заказ по номеру и возвращает товар и город доставки."""
    order = ORDERS.get(number)
    if order is None:
        return f"Заказ {number} не найден."
    return f"Заказ {number}: {order['item']}, город доставки {order['city']}."


def delivery_days(city: str) -> str:
    """Возвращает срок доставки в город в днях."""
    days = DELIVERY_DAYS.get(city)
    if days is None:
        return f"Срок доставки в город {city} неизвестен."
    return f"Доставка в город {city} занимает {days} дня."


agent = create_agent(
    model=build_model(temperature=0, max_tokens=512),
    tools=[find_order, delivery_days],
    system_prompt=(
        "Вы оператор службы доставки. Отвечайте по-русски, коротко и по делу. "
        "Номера заказов и сроки берите только из инструментов."
    ),
)

result = agent.invoke(
    {"messages": [{"role": "user", "content": "Когда приедет мой заказ 4412?"}]}
)

print("ТИП РЕЗУЛЬТАТА:", type(result).__name__)
print("КЛЮЧИ СОСТОЯНИЯ:", sorted(result))
print("ОТВЕТ:", result["messages"][-1].text.replace("\n", " "))
print()

print("ЦЕПОЧКА СООБЩЕНИЙ")
model_calls = 0
for number, message in enumerate(result["messages"], start=1):
    kind = type(message).__name__
    if kind == "AIMessage":
        model_calls += 1
    calls = getattr(message, "tool_calls", None)
    if calls:
        names = [f"{call['name']}({call['args']})" for call in calls]
        print(f"  {number}. {kind:<12} вызывает {names}")
        continue
    text = message.text.replace("\n", " ")
    if len(text) > 60:
        text = text[:57] + "..."
    print(f"  {number}. {kind:<12} {text!r}")

print()
print("ВЫЗОВОВ МОДЕЛИ:", model_calls)

# Вывод:
# ТИП РЕЗУЛЬТАТА: dict
# КЛЮЧИ СОСТОЯНИЯ: ['messages']
# ОТВЕТ: Заказ **4412** — **наушники**, доставка в **Казань**. Срок доставки в ваш город составляет **2 дня**.   Чтобы сказать точную дату, подскажите, когда был оформлен заказ?
#
# ЦЕПОЧКА СООБЩЕНИЙ
#   1. HumanMessage 'Когда приедет мой заказ 4412?'
#   2. AIMessage    вызывает ["find_order({'number': '4412'})"]
#   3. ToolMessage  'Заказ 4412: наушники, город доставки Казань.'
#   4. AIMessage    вызывает ["delivery_days({'city': 'Казань'})"]
#   5. ToolMessage  'Доставка в город Казань занимает 2 дня.'
#   6. AIMessage    'Заказ **4412** — **наушники**, доставка в **Казань**. Сро...'
#
# ВЫЗОВОВ МОДЕЛИ: 3

"""Пример 2 урока 11: цикл модель-инструменты по шагам.

Тот же агент, что в примере 1, но запущенный потоком в режиме updates: после
каждого шага графа приходит правка состояния вместе с именем узла, который её
сделал. Видно, из каких узлов собран запуск и на чём он заканчивается.
"""

from langchain.agents import create_agent

from course_model import build_model

ORDERS = {
    "4412": {"city": "Казань", "item": "наушники"},
    "5190": {"city": "Омск", "item": "клавиатура"},
}

DELIVERY_DAYS = {"Казань": 2, "Омск": 4}


def find_order(number: str) -> str:
    """Находит заказ по номеру и возвращает товар и город доставки."""
    order = ORDERS.get(number)
    if order is None:
        return f"Заказ {number} не найден."
    return f"Заказ {number}: {order['item']}, город доставки {order['city']}."


def delivery_days(city: str) -> str:
    """Возвращает срок доставки в город в днях."""
    days = DELIVERY_DAYS.get(city)
    if days is None:
        return f"Срок доставки в город {city} неизвестен."
    return f"Доставка в город {city} занимает {days} дня."


agent = create_agent(
    model=build_model(temperature=0, max_tokens=512),
    tools=[find_order, delivery_days],
    system_prompt=(
        "Вы оператор службы доставки. Отвечайте по-русски, коротко и по делу. "
        "Номера заказов и сроки берите только из инструментов."
    ),
)

step = 0
last_message = None

for chunk in agent.stream(
    {"messages": [{"role": "user", "content": "Когда приедет мой заказ 4412?"}]},
    stream_mode="updates",
    version="v2",
):
    if chunk["type"] != "updates":
        continue

    for node, update in chunk["data"].items():
        step += 1
        # У служебных ключей вроде __interrupt__ правка приходит не словарём.
        messages = update.get("messages", []) if isinstance(update, dict) else []
        if not messages:
            print(f"шаг {step}: узел {node}, правка без сообщений: {update!r}")
            continue
        for message in messages:
            last_message = message
            calls = getattr(message, "tool_calls", None)
            if calls:
                names = [call["name"] for call in calls]
                print(f"шаг {step}: узел {node}, запрошены инструменты {names}")
            else:
                text = message.text.replace("\n", " ")
                if len(text) > 50:
                    text = text[:47] + "..."
                print(f"шаг {step}: узел {node}, {type(message).__name__} {text!r}")

print()
print("ШАГОВ ВСЕГО:", step)
print(
    "ПОСЛЕДНЕЕ СООБЩЕНИЕ ЗАПРОСИЛО ИНСТРУМЕНТЫ:",
    bool(getattr(last_message, "tool_calls", None)),
)

# Вывод:
# шаг 1: узел model, запрошены инструменты ['find_order']
# шаг 2: узел tools, ToolMessage 'Заказ 4412: наушники, город доставки Казань.'
# шаг 3: узел model, запрошены инструменты ['delivery_days']
# шаг 4: узел tools, ToolMessage 'Доставка в город Казань занимает 2 дня.'
# шаг 5: узел model, AIMessage ' Ваш заказ №4412 (наушники) будет доставлен в К...'
#
# ШАГОВ ВСЕГО: 5
# ПОСЛЕДНЕЕ СООБЩЕНИЕ ЗАПРОСИЛО ИНСТРУМЕНТЫ: False

"""Пример 3 урока 11: сценарий и агент на одной задаче.

Одни и те же данные и две сборки. В сценарии порядок шагов задан кодом: найти
номер, взять заказ, взять срок, попросить модель сформулировать ответ. В агенте
порядок выбирает модель.

Два запроса. Первый целиком подходит под сценарий. Во втором номера заказа нет, и
видно, чем сборки отличаются. Рядом с каждым ответом печатается цена: сколько раз
вызвали модель и сколько токенов на это ушло.
"""

import re

from langchain.agents import create_agent
from langchain_core.callbacks import UsageMetadataCallbackHandler

from course_model import build_model

ORDERS = {
    "4412": {"city": "Казань", "item": "наушники"},
    "5190": {"city": "Омск", "item": "клавиатура"},
}

DELIVERY_DAYS = {"Казань": 2, "Омск": 4}


def lookup_order(number):
    """Данные заказа или None. Общий источник для сценария и для инструмента."""
    return ORDERS.get(number)


def lookup_days(city):
    """Срок доставки в днях или None."""
    return DELIVERY_DAYS.get(city)


def find_order(number: str) -> str:
    """Находит заказ по номеру и возвращает товар и город доставки."""
    order = lookup_order(number)
    if order is None:
        return f"Заказ {number} не найден."
    return f"Заказ {number}: {order['item']}, город доставки {order['city']}."


def delivery_days(city: str) -> str:
    """Возвращает срок доставки в город в днях."""
    days = lookup_days(city)
    if days is None:
        return f"Срок доставки в город {city} неизвестен."
    return f"Доставка в город {city} занимает {days} дня."


SYSTEM_PROMPT = (
    "Вы оператор службы доставки. Отвечайте по-русски, коротко и по делу. "
    "Номера заказов и сроки берите только из фактов, которые вам дали."
)

# Агенту факты во входе не дают, он берёт их из инструментов, как в примере 1.
AGENT_PROMPT = (
    "Вы оператор службы доставки. Отвечайте по-русски, коротко и по делу. "
    "Номера заказов и сроки берите только из инструментов."
)

model = build_model(temperature=0, max_tokens=512)

agent = create_agent(
    model=model,
    tools=[find_order, delivery_days],
    system_prompt=AGENT_PROMPT,
)


def run_workflow(question, callback):
    """Порядок шагов задан здесь, в коде, и не зависит от вопроса."""
    calls = 0

    found = re.search(r"\d{4}", question)
    if found is None:
        return "Не вижу номера заказа, уточните его.", calls

    order = lookup_order(found.group())
    if order is None:
        return f"Заказ {found.group()} не найден.", calls

    days = lookup_days(order["city"])
    facts = (
        f"Заказ {found.group()}: {order['item']}, город {order['city']}, "
        f"срок доставки {days} дня."
    )

    calls += 1
    answer = model.invoke(
        [
            {"role": "system", "content": SYSTEM_PROMPT},
            {"role": "user", "content": f"Факты: {facts}\nВопрос: {question}"},
        ],
        config={"callbacks": [callback]},
    )
    return answer.text, calls


def run_agent(question, callback):
    """Порядок шагов выбирает модель, код задаёт только набор инструментов."""
    result = agent.invoke(
        {"messages": [{"role": "user", "content": question}]},
        config={"callbacks": [callback]},
    )
    calls = sum(
        1 for message in result["messages"] if type(message).__name__ == "AIMessage"
    )
    return result["messages"][-1].text, calls


def total_tokens(callback):
    """Сумма токенов по всем моделям, которые вызвали под этим обработчиком."""
    return sum(usage["total_tokens"] for usage in callback.usage_metadata.values())


QUESTIONS = [
    "Когда приедет мой заказ 4412?",
    "Сколько дней идёт доставка в Омск?",
]

for question in QUESTIONS:
    print("=" * 70)
    print("ВОПРОС:", question)

    for title, runner in (("сценарий", run_workflow), ("агент  ", run_agent)):
        callback = UsageMetadataCallbackHandler()
        answer, calls = runner(question, callback)
        print(
            f"  {title} | вызовов модели: {calls} | токенов: {total_tokens(callback)}"
        )
        print(f"           {answer.replace(chr(10), ' ')}")

# Вывод:
# ======================================================================
# ВОПРОС: Когда приедет мой заказ 4412?
#   сценарий | вызовов модели: 1 | токенов: 106
#            Заказ 4412 приедет через 2 дня.
#   агент   | вызовов модели: 3 | токенов: 1537
#             Ваш заказ №4412 (наушники) доставляется в Казань. Срок доставки — 2 дня. Уточните, с какого дня считать, чтобы назвать точную дату.
# ======================================================================
# ВОПРОС: Сколько дней идёт доставка в Омск?
#   сценарий | вызовов модели: 0 | токенов: 0
#            Не вижу номера заказа, уточните его.
#   агент   | вызовов модели: 2 | токенов: 926
#             Доставка в Омск занимает **4 дня**.

"""Пример 4 урока 11: своя схема состояния и редьюсеры полей.

Схема наследуется от AgentState и добавляет три поля: warehouse приходит со
входа и читается инструментом, checked накапливает артикулы редьюсером
operator.add, last_sku хранит последний артикул своим редьюсером.

Запрос сделан так, чтобы модель вызвала инструмент дважды в одном ответе. Правки
от обоих вызовов приходят в одном шаге графа, и видно, как каждый редьюсер их сводит.
"""

import operator
from typing import Annotated

from langchain.agents import AgentState, create_agent
from langchain.messages import ToolMessage
from langchain.tools import ToolRuntime, tool
from langgraph.types import Command

from course_model import build_model

STOCK = {
    "A-100": {"Казань": 7, "Омск": 0},
    "B-200": {"Казань": 0, "Омск": 12},
}


def last_wins(_current: str, update: str) -> str:
    """Редьюсер: в состоянии остаётся та правка, что пришла последней."""
    return update


class StockState(AgentState):
    """Состояние агента склада: к messages добавлены три своих поля."""

    warehouse: str
    checked: Annotated[list[str], operator.add]
    last_sku: Annotated[str, last_wins]


@tool
def check_stock(sku: str, runtime: ToolRuntime[None, StockState]) -> Command:
    """Проверяет остаток товара по артикулу. Артикул вида A-100."""
    warehouse = runtime.state.get("warehouse", "неизвестен")
    left = STOCK.get(sku, {}).get(warehouse)

    if left is None:
        answer = f"Артикул {sku} на складе {warehouse} не заведён."
    else:
        answer = f"Артикул {sku}, склад {warehouse}: остаток {left} шт."

    return Command(
        update={
            "checked": [sku],
            "last_sku": sku,
            "messages": [
                ToolMessage(content=answer, tool_call_id=runtime.tool_call_id)
            ],
        }
    )


agent = create_agent(
    model=build_model(temperature=0, max_tokens=512),
    tools=[check_stock],
    system_prompt=(
        "Вы кладовщик. Остатки берите только из инструмента, по одному вызову на "
        "артикул. Отвечайте по-русски одной строкой."
    ),
    state_schema=StockState,
)

result = agent.invoke(
    {
        "messages": [
            {"role": "user", "content": "Проверьте остатки по артикулам A-100 и B-200."}
        ],
        "warehouse": "Казань",
    }
)

first_call = next(m for m in result["messages"] if getattr(m, "tool_calls", None))

print("КЛЮЧИ СОСТОЯНИЯ:", sorted(result))
print("ОТВЕТ:", result["messages"][-1].text.replace("\n", " "))
print("ВЫЗОВОВ ИНСТРУМЕНТА В ПЕРВОМ ОТВЕТЕ МОДЕЛИ:", len(first_call.tool_calls))
print()
print("warehouse (поле входа):", result.get("warehouse"))
print("checked (operator.add):", result.get("checked"))
print("last_sku (last_wins):  ", result.get("last_sku"))
print()

print("ВЫЗОВЫ ИНСТРУМЕНТА В ИСТОРИИ")
for message in result["messages"]:
    if type(message).__name__ == "ToolMessage":
        print("  ", message.text.replace("\n", " "))

# Вывод:
# КЛЮЧИ СОСТОЯНИЯ: ['checked', 'last_sku', 'messages', 'warehouse']
# ОТВЕТ: Артикул A-100 — 7 шт., артикул B-200 — 0 шт. Оба на складе Казань.
# ВЫЗОВОВ ИНСТРУМЕНТА В ПЕРВОМ ОТВЕТЕ МОДЕЛИ: 2
#
# warehouse (поле входа): Казань
# checked (operator.add): ['A-100', 'B-200']
# last_sku (last_wins):   B-200
#
# ВЫЗОВЫ ИНСТРУМЕНТА В ИСТОРИИ
#    Артикул A-100, склад Казань: остаток 7 шт.
#    Артикул B-200, склад Казань: остаток 0 шт.

"""Пример 5 урока 11: три способа остановить агента.

Один и тот же вопрос задаётся трижды. Первый запуск заканчивается сам: модель
перестаёт просить инструменты. Второму поставлен потолок шагов графа, и он падает
с GraphRecursionError. Третьему поставлен бюджет вызовов модели, и он заканчивается
без исключения, но последнее сообщение в истории добавлено middleware.
"""

from langchain.agents import create_agent
from langchain.agents.middleware import ModelCallLimitMiddleware
from langgraph.errors import GraphRecursionError

from course_model import build_model

ORDERS = {"4412": {"city": "Казань", "item": "наушники"}}
DELIVERY_DAYS = {"Казань": 2}

QUESTION = {"messages": [{"role": "user", "content": "Когда приедет мой заказ 4412?"}]}


def find_order(number: str) -> str:
    """Находит заказ по номеру и возвращает товар и город доставки."""
    order = ORDERS.get(number)
    if order is None:
        return f"Заказ {number} не найден."
    return f"Заказ {number}: {order['item']}, город доставки {order['city']}."


def delivery_days(city: str) -> str:
    """Возвращает срок доставки в город в днях."""
    days = DELIVERY_DAYS.get(city)
    if days is None:
        return f"Срок доставки в город {city} неизвестен."
    return f"Доставка в город {city} занимает {days} дня."


SYSTEM_PROMPT = (
    "Вы оператор службы доставки. Отвечайте по-русски, коротко и по делу. "
    "Номера заказов и сроки берите только из инструментов."
)

model_kwargs = {"temperature": 0, "max_tokens": 512}
tools = [find_order, delivery_days]


def describe(result):
    """Сколько сообщений в истории и чем она закончилась."""
    last = result["messages"][-1]
    text = last.text.replace("\n", " ")
    if len(text) > 70:
        text = text[:67] + "..."
    return f"сообщений: {len(result['messages'])}, последнее: {type(last).__name__} {text!r}"


print("1. БЕЗ ОГРАНИЧЕНИЙ")
plain = create_agent(
    model=build_model(**model_kwargs), tools=tools, system_prompt=SYSTEM_PROMPT
)
print("  ", describe(plain.invoke(QUESTION)))

print()
print("2. ПОТОЛОК ШАГОВ ГРАФА: recursion_limit=2")
try:
    plain.invoke(QUESTION, config={"recursion_limit": 2})
except GraphRecursionError as error:
    print("   отказ:", type(error).__name__)
    print("   текст:", str(error).split("\n")[0])

print()
print("3. БЮДЖЕТ ВЫЗОВОВ МОДЕЛИ: run_limit=1, exit_behavior='end'")
limited = create_agent(
    model=build_model(**model_kwargs),
    tools=tools,
    system_prompt=SYSTEM_PROMPT,
    middleware=[ModelCallLimitMiddleware(run_limit=1, exit_behavior="end")],
)
print("  ", describe(limited.invoke(QUESTION)))

# Вывод:
# 1. БЕЗ ОГРАНИЧЕНИЙ
#    сообщений: 6, последнее: AIMessage 'Ваш заказ №4412 (наушники) будет доставлен в Казань через 2 дня.'
#
# 2. ПОТОЛОК ШАГОВ ГРАФА: recursion_limit=2
#    отказ: GraphRecursionError
#    текст: Recursion limit of 2 reached without hitting a stop condition. You can increase the limit by setting the `recursion_limit` config key.
#
# 3. БЮДЖЕТ ВЫЗОВОВ МОДЕЛИ: run_limit=1, exit_behavior='end'
#    сообщений: 4, последнее: AIMessage 'Model call limits exceeded: run limit (1/1)'

"""Пример 6 урока 11: из чего собирается харнесс.

Два агента на одних и тех же инструментах. Первый голый: модель, инструменты,
системный промпт. Второму добавлены middleware из пяти категорий настройки,
всех, кроме среды исполнения.

Модель здесь не вызывается ни разу, печатается только схема графа: видно, во что
превращается каждый middleware и в каком порядке узлы стоят вокруг цикла.
"""

from langchain.agents import create_agent
from langchain.agents.middleware import (
    HumanInTheLoopMiddleware,
    ModelCallLimitMiddleware,
    PIIMiddleware,
    SummarizationMiddleware,
    TodoListMiddleware,
    ToolRetryMiddleware,
)
from langgraph.checkpoint.memory import InMemorySaver

from course_model import build_model


def find_order(number: str) -> str:
    """Находит заказ по номеру и возвращает товар и город доставки."""
    return f"Заказ {number}: наушники, город доставки Казань."


def refund(number: str, reason: str) -> str:
    """Оформляет возврат денег по заказу. Действие необратимое."""
    return f"Возврат по заказу {number} оформлен, причина: {reason}."


SYSTEM_PROMPT = "Вы оператор службы доставки. Отвечайте по-русски и коротко."

model = build_model(temperature=0, max_tokens=512)
tools = [find_order, refund]

plain = create_agent(model=model, tools=tools, system_prompt=SYSTEM_PROMPT)

configured = create_agent(
    model=model,
    tools=tools,
    system_prompt=SYSTEM_PROMPT,
    middleware=[
        # Управление контекстом: сжать историю, пока она не переполнила окно.
        SummarizationMiddleware(
            model=model, trigger=("tokens", 4000), keep=("messages", 20)
        ),
        # Планирование: список задач, который модель обновляет инструментом write_todos.
        TodoListMiddleware(),
        # Отказоустойчивость: бюджет вызовов модели и повтор упавшего инструмента.
        ModelCallLimitMiddleware(run_limit=8, exit_behavior="end"),
        ToolRetryMiddleware(max_retries=2),
        # Ограждения: почтовый адрес не уходит в модель как есть.
        PIIMiddleware("email", strategy="redact", apply_to_input=True),
        # Вмешательство человека: возврат денег без человека не делается.
        HumanInTheLoopMiddleware(interrupt_on={"refund": True}),
    ],
    checkpointer=InMemorySaver(),
)

print("ГОЛЫЙ АГЕНТ")
print(plain.get_graph().draw_mermaid())
print()
print("АГЕНТ С MIDDLEWARE")
print(configured.get_graph().draw_mermaid())

# Вывод:
# ГОЛЫЙ АГЕНТ
# ---
# config:
#   flowchart:
#     curve: linear
# ---
# graph TD;
#   __start__([<p>__start__</p>]):::first
#   model(model)
#   tools(tools)
#   __end__([<p>__end__</p>]):::last
#   __start__ --> model;
#   model -.-> __end__;
#   model -.-> tools;
#   tools -.-> model;
#   classDef default fill:#f2f0ff,line-height:1.2
#   classDef first fill-opacity:0
#   classDef last fill:#bfb6fc
#
# АГЕНТ С MIDDLEWARE
# ---
# config:
#   flowchart:
#     curve: linear
# ---
# graph TD;
#   __start__([<p>__start__</p>]):::first
#   model(model)
#   tools(tools)
#   SummarizationMiddleware\2ebefore_model(SummarizationMiddleware.before_model)
#   TodoListMiddleware\2eafter_model(TodoListMiddleware.after_model)
#   ModelCallLimitMiddleware\2ebefore_model(ModelCallLimitMiddleware.before_model)
#   ModelCallLimitMiddleware\2eafter_model(ModelCallLimitMiddleware.after_model)
#   PIIMiddleware\5bemail\5d\2ebefore_model(PIIMiddleware[email].before_model)
#   PIIMiddleware\5bemail\5d\2eafter_model(PIIMiddleware[email].after_model)
#   HumanInTheLoopMiddleware\2eafter_model(HumanInTheLoopMiddleware.after_model)
#   __end__([<p>__end__</p>]):::last
#   HumanInTheLoopMiddleware\2eafter_model --> PIIMiddleware\5bemail\5d\2eafter_model;
#   ModelCallLimitMiddleware\2eafter_model --> TodoListMiddleware\2eafter_model;
#   ModelCallLimitMiddleware\2ebefore_model -.-> PIIMiddleware\5bemail\5d\2ebefore_model;
#   ModelCallLimitMiddleware\2ebefore_model -.-> __end__;
#   PIIMiddleware\5bemail\5d\2eafter_model --> ModelCallLimitMiddleware\2eafter_model;
#   PIIMiddleware\5bemail\5d\2ebefore_model -.-> __end__;
#   PIIMiddleware\5bemail\5d\2ebefore_model -.-> model;
#   SummarizationMiddleware\2ebefore_model --> ModelCallLimitMiddleware\2ebefore_model;
#   TodoListMiddleware\2eafter_model -.-> SummarizationMiddleware\2ebefore_model;
#   TodoListMiddleware\2eafter_model -.-> __end__;
#   TodoListMiddleware\2eafter_model -.-> tools;
#   __start__ --> SummarizationMiddleware\2ebefore_model;
#   model --> HumanInTheLoopMiddleware\2eafter_model;
#   tools -.-> SummarizationMiddleware\2ebefore_model;
#   classDef default fill:#f2f0ff,line-height:1.2
#   classDef first fill-opacity:0
#   classDef last fill:#bfb6fc

# Неправильно: редьюсера нет, и за один шаг графа поле примет только одну правку
class StockState(AgentState):
    last_sku: str

# Правильно: редьюсер задан явно и сводит две правки в одно значение
def last_wins(_current: str, update: str) -> str:
    return update


class StockState(AgentState):
    checked: Annotated[list[str], operator.add]   # копить
    last_sku: Annotated[str, last_wins]           # заменять

# Неправильно: ключ спрятан внутрь configurable
agent.invoke(question, config={"configurable": {"recursion_limit": 2}})

# Правильно: ключ стоит на верхнем уровне config, рядом с configurable
agent.invoke(question, config={"recursion_limit": 25})

# Неправильно: ждать, что второй вызов помнит первый
agent.invoke({"messages": [{"role": "user", "content": "Мой заказ 4412."}]})
agent.invoke({"messages": [{"role": "user", "content": "А когда он приедет?"}]})

# Правильно на этом этапе курса: историю передаёт вызывающий код
history = [{"role": "user", "content": "Мой заказ 4412."}]
result = agent.invoke({"messages": history})

history = result["messages"] + [{"role": "user", "content": "А когда он приедет?"}]
result = agent.invoke({"messages": history})