nicolbl95's picture
feat: automated sync update
fcffd8d
Raw History Blame Contribute Delete
5.74 kB
import os
import sys
from pathlib import Path
from dotenv import load_dotenv
from typing import Any, Dict, List, Optional
from typing_extensions import TypedDict
from langgraph.graph import StateGraph, END
# ============================================================
# 0. CHARGEMENT DU .ENV + ALIGNEMENT DES CHEMINS
# ============================================================
PROJECT_ROOT = Path(__file__).resolve().parents[1]
load_dotenv(PROJECT_ROOT / ".env")
if str(PROJECT_ROOT) not in sys.path:
sys.path.append(str(PROJECT_ROOT))
print("ANTHROPIC_API_KEY exists in core.graph:", bool(os.getenv("ANTHROPIC_API_KEY")))
# Import après chargement du .env
from agents.orchestrator import run_agentic_rag
# ============================================================
# 1. ÉTAT PARTAGÉ DU COPILOT
# ============================================================
class CopilotState(TypedDict, total=False):
"""
État partagé entre les nœuds du graphe.
C'est le "plateau" qui circule dans LangGraph :
question -> agentic_rag -> format_response -> END
"""
question: str
session_id: str
chat_history: List[Dict[str, Any]]
response_language: str
context: str
sources: List[str]
steps: List[str]
raw_answer: str
final_answer: str
evaluation: Optional[Dict[str, Any]]
trace_id: Optional[str]
# ============================================================
# 2. HELPERS
# ============================================================
def normalize_response_language(language: str | None) -> str:
"""
Normalise la langue de réponse.
Valeurs acceptées :
- fr
- en
"""
language = (language or "fr").lower().strip()
if language not in ["fr", "en"]:
return "fr"
return language
# ============================================================
# 3. NŒUD PRINCIPAL : ORCHESTRATEUR AGENTIC RAG
# ============================================================
def agentic_rag_node(state: CopilotState) -> CopilotState:
"""
Nœud principal qui appelle l'orchestrateur déjà validé.
agents/orchestrator.py gère :
- retrieval Qdrant
- routage / grading
- génération Claude
- mémoire conversationnelle
- évaluation LLM-as-judge
- langue de réponse FR / EN
"""
question = state.get("question", "")
session_id = state.get("session_id", "default_session")
chat_history = state.get("chat_history", [])
response_language = normalize_response_language(state.get("response_language", "fr"))
result = run_agentic_rag(
question=question,
session_id=session_id,
chat_history=chat_history,
response_language=response_language,
)
return {
**state,
"response_language": response_language,
"context": result.get("context", ""),
"sources": result.get("sources", []),
"steps": result.get("steps", []),
"raw_answer": result.get("answer", ""),
"final_answer": result.get("answer", ""),
"evaluation": result.get("evaluation"),
}
# ============================================================
# 4. NŒUD DE FORMATAGE FINAL
# ============================================================
def format_response_node(state: CopilotState) -> CopilotState:
"""
Nœud de sortie.
Pour l'instant, il ne modifie pas la réponse.
Il prépare surtout l'étape API REST FastAPI :
on pourra y standardiser le JSON retourné à l'API.
"""
final_answer = state.get("final_answer") or state.get("raw_answer") or ""
return {
**state,
"final_answer": final_answer,
}
# ============================================================
# 5. CONSTRUCTION DU GRAPHE
# ============================================================
def build_copilot_graph():
"""
Construit le graphe principal du Copilot.
Structure :
agentic_rag -> format_response -> END
"""
graph = StateGraph(CopilotState)
graph.add_node("agentic_rag", agentic_rag_node)
graph.add_node("format_response", format_response_node)
graph.set_entry_point("agentic_rag")
graph.add_edge("agentic_rag", "format_response")
graph.add_edge("format_response", END)
return graph.compile()
# Instance globale utilisée par FastAPI ou Streamlit
copilot = build_copilot_graph()
# ============================================================
# 6. FONCTION D'APPEL SIMPLE POUR FASTAPI / TESTS
# ============================================================
def run_copilot(
question: str,
session_id: str = "default_session",
chat_history: List[Dict[str, Any]] | None = None,
trace_id: str | None = None,
response_language: str = "fr",
) -> Dict[str, Any]:
"""
Fonction simple à appeler depuis FastAPI.
Elle renvoie une réponse structurée :
- answer
- sources
- steps
- context
- evaluation
- trace_id
- response_language
"""
clean_response_language = normalize_response_language(response_language)
state: CopilotState = {
"question": question,
"session_id": session_id,
"chat_history": chat_history or [],
"trace_id": trace_id,
"response_language": clean_response_language,
}
output = copilot.invoke(state)
return {
"answer": output.get("final_answer", ""),
"sources": output.get("sources", []),
"steps": output.get("steps", []),
"context": output.get("context", ""),
"evaluation": output.get("evaluation"),
"trace_id": output.get("trace_id"),
"response_language": output.get("response_language", clean_response_language),
}