09467568ec
- agent_runtime 模块与 agent_chat API，前端 AgentChat 视图与路由对接 - workflow_engine: code 节点命名空间与 json 引用修复 - llm_service: 工具调用 extra_body（如 DeepSeek） - create_homework_manager_agent / _3 脚本与测试脚本扩展 - frontend: WORKFLOW_EXECUTION_HTTP_TIMEOUT_MS、AgentChatPreview/MainLayout 等 - 文档：架构说明与自主 Agent 改造完成情况 Made-with: Cursor
116 lines
3.5 KiB
Python
116 lines
3.5 KiB
Python
"""
|
||
Agent Runtime ⇄ WorkflowEngine 桥接。
|
||
|
||
让 workflow_engine.execute_node() 通过寥寥几行调用 Agent Runtime。
|
||
"""
|
||
from __future__ import annotations
|
||
|
||
import logging
|
||
from typing import Any, Dict, Optional
|
||
|
||
from app.agent_runtime.core import AgentRuntime
|
||
from app.agent_runtime.schemas import (
|
||
AgentConfig,
|
||
AgentLLMConfig,
|
||
AgentToolConfig,
|
||
)
|
||
|
||
logger = logging.getLogger(__name__)
|
||
|
||
|
||
async def run_agent_node(
|
||
node_data: Dict[str, Any],
|
||
input_data: Dict[str, Any],
|
||
execution_logger: Optional[Any] = None,
|
||
user_id: Optional[str] = None,
|
||
on_tool_executed: Optional[Any] = None,
|
||
) -> Dict[str, Any]:
|
||
"""
|
||
在工作流中执行 Agent 节点。
|
||
|
||
node_data 支持的字段：
|
||
system_prompt — Agent 人格/指令（支持 {{variable}} 模板）
|
||
tools — 可选工具白名单，默认全部
|
||
exclude_tools — 可选工具黑名单
|
||
model — 模型名称
|
||
provider — 提供商（openai/deepseek）
|
||
temperature — 温度
|
||
max_iterations — ReAct 最大步数
|
||
memory — 是否启用长期记忆
|
||
|
||
input_data 中的 "query" 或 "input" 字段作为用户输入。
|
||
"""
|
||
# 1. 解析配置
|
||
query = (
|
||
input_data.get("query")
|
||
or input_data.get("input")
|
||
or input_data.get("text", "")
|
||
)
|
||
if not isinstance(query, str):
|
||
query = str(query) if query else ""
|
||
|
||
if not query:
|
||
return {"output": "错误：Agent 节点未收到用户输入", "status": "error"}
|
||
|
||
# 2. 解析 system_prompt（支持模板变量）
|
||
raw_prompt = node_data.get("system_prompt", "你是一个有用的AI助手。")
|
||
try:
|
||
formatted_prompt = raw_prompt.format(**input_data)
|
||
except (KeyError, ValueError):
|
||
formatted_prompt = raw_prompt
|
||
|
||
# 3. 构建 Agent 配置
|
||
llm_config = AgentLLMConfig(
|
||
provider=node_data.get("provider", "openai"),
|
||
model=node_data.get("model", "gpt-4o-mini"),
|
||
temperature=float(node_data.get("temperature", 0.7)),
|
||
max_iterations=int(node_data.get("max_iterations", 10)),
|
||
)
|
||
# 允许节点内联 api_key/base_url
|
||
if node_data.get("api_key"):
|
||
llm_config.api_key = node_data["api_key"]
|
||
if node_data.get("base_url"):
|
||
llm_config.base_url = node_data["base_url"]
|
||
|
||
agent_config = AgentConfig(
|
||
name=node_data.get("label", "agent_node"),
|
||
system_prompt=formatted_prompt,
|
||
llm=llm_config,
|
||
tools=AgentToolConfig(
|
||
include_tools=node_data.get("tools", []),
|
||
exclude_tools=node_data.get("exclude_tools", []),
|
||
),
|
||
memory={
|
||
"enabled": node_data.get("memory", True),
|
||
"persist_to_db": node_data.get("memory", True),
|
||
},
|
||
user_id=user_id,
|
||
)
|
||
|
||
# 4. 执行 Agent
|
||
runtime = AgentRuntime(
|
||
config=agent_config,
|
||
execution_logger=execution_logger,
|
||
on_tool_executed=on_tool_executed,
|
||
)
|
||
|
||
result = await runtime.run(query)
|
||
|
||
# 5. 返回结果（兼容工作流引擎的输出格式）
|
||
if result.success:
|
||
return {
|
||
"output": result.content,
|
||
"status": "success",
|
||
"agent_meta": {
|
||
"iterations": result.iterations_used,
|
||
"tool_calls": result.tool_calls_made,
|
||
"truncated": result.truncated,
|
||
},
|
||
}
|
||
else:
|
||
return {
|
||
"output": result.content,
|
||
"status": "error",
|
||
"error": result.error,
|
||
}
|