Agent 구성요소와 State Model 설계

from typing import Annotated, List, Sequence, Optional
from typing_extensions import TypedDict
from pydantic import BaseModel, Field
import operator
from langchain_core.messages import BaseMessage

# 1. Pydantic을 이용한 LLM 출력 검증용 스키마 (Router 및 Validator 용도)
class RouteDecision(BaseModel):
    next_action: str = Field(description="다음에 실행할 액션: 'search', 'execute_tool', 'respond', 'retry'")
    reason: str = Field(description="해당 액션을 선택한 이유")
    tool_name: Optional[str] = Field(default=None, description="실행할 도구의 이름")
    tool_args: Optional[dict] = Field(default=None, description="도구 실행에 필요한 파라미터")

# 2. TypedDict를 이용한 LangGraph 전역 State 스키마
class AgentState(TypedDict):
    # Annotated와 operator.add를 사용하면 노드가 메시지를 반환할 때 기존 리스트에 '추가(Append)' 됩니다.
    messages: Annotated[Sequence[BaseMessage], operator.add]
    
    # 사용자의 원본 요청
    user_query: str
    
    # Planner가 쪼갠 하위 작업 리스트
    sub_tasks: List[str]
    
    # 현재 실행 중인 도구와 그 결과
    current_tool: Optional[str]
    tool_results: List[dict]
    
    # Validator가 판단한 에러 및 피드백 루프 카운트
    errors: List[str]
    iteration_count: int

from langgraph.graph import StateGraph, END

# 1. 그래프 초기화 (정의한 AgentState를 주입)
workflow = StateGraph(AgentState)

# 2. 노드 추가 (각 함수는 AgentState를 입력받아 수정된 부분집합을 반환)
workflow.add_node("planner", plan_tasks_node)
workflow.add_node("router", routing_node)
workflow.add_node("tool_executor", execute_tool_node)
workflow.add_node("validator", validate_result_node)

# 3. 엣지 연결 (실행 흐름 정의)
workflow.set_entry_point("planner")
workflow.add_edge("planner", "router")

# 4. 조건부 엣지 (Router의 결정에 따라 동적으로 분기)
def route_condition(state: AgentState) -> str:
    # Router 노드가 결정한 next_action 값을 읽어 분기
    last_message = state["messages"][-1].content
    if "execute_tool" in last_message:
        return "tool_executor"
    elif "respond" in last_message:
        return "validator"
    return END

workflow.add_conditional_edges(
    "router",
    route_condition,
    {
        "tool_executor": "tool_executor",
        "validator": "validator",
        END: END
    }
)

# Tool 실행 후에는 결과를 들고 다시 Router(또는 LLM)로 돌아가서 다음 행동을 결정 (순환 구조)
workflow.add_edge("tool_executor", "router")

# Validator에서 통과하면 END, 실패하면 다시 Router로 피드백 전달
def validation_condition(state: AgentState) -> str:
    if state["errors"]: # 에러가 있다면
        return "router"
    return END

workflow.add_conditional_edges(
    "validator",
    validation_condition,
    {
        "router": "router",
        END: END
    }
)

# 5. 그래프 컴파일 (Durable Runtime 완성)
app = workflow.compile()