feat: manager_agent 추가

llm_utils/agent.py

@@ -0,0 +1,71 @@
+from langchain_core.messages import AIMessage
+from langchain_core.output_parsers import JsonOutputParser
+from langchain_core.messages import SystemMessage
+from .state import QueryMakerState
+from .llm_factory import get_llm
+from prompt.template_loader import get_prompt_template
+
+llm = get_llm()
+
+# JSON 스키마 정의
+main_agent_schema = {
+    "type": "object",
+    "properties": {
+        "intent": {
+            "type": "string",
+            "description": "유저의 의도 (search, end 등)"
+        },
+        "user_input": {
+            "type": "string",
+            "description": "유저의 입력"
+        },
+        "intent_reason": {
+            "type": "string",
+            "description": "유저의 의도 파악 이유"
+        },
+    },
+    "required": ["intent", "user_input"]
+}
+main_agent_parser = JsonOutputParser(schema=main_agent_schema)
+
+
+
+def manager_agent(state: QueryMakerState) -> dict:
+    """
+    가장 처음 시작하는 agent로 질문의 유무를 판단해서 적절한 Agent를 호출합니다.
+    추후, 가드레일 등에 detecting될 경우에도 해당 노드를 통해 대응이 가능합니다
+    """
+    manager_agent_prompt = get_prompt_template("manager_agent_prompt")
+    messages = [SystemMessage(content=manager_agent_prompt), state["messages"][-1]]
+    response = llm.invoke(messages)
+
+    try:
+        parsed_output = main_agent_parser.parse(response.content)
+        state.update({
+            "messages": state["messages"] + [response], # 기록용
+            "intent": parsed_output.get("intent", "end"), # 분기용
+            "user_input": parsed_output.get("user_input", ""), # SQL 쿼리 변환 대상 질문
+            "intent_reason": parsed_output.get("intent_reason", "") # 분기 이유
+        })
+        return state
+
+    except Exception as e:
+        print(f"<<error main-agent: {e} >>")
+        state.update({
+            "messages": state["messages"] + [AIMessage(content=response.content)],
+            "intent": "end",
+            "intent_reason": response.content
+        })
+        return state
+
+
+def manager_agent_edge(state: QueryMakerState) -> str:
+    """
+    Condition for main_agent
+    """
+    print("=== In condition: main_edge ===")
+    if state.get("intent") == "make_query":
+        return "make_query"
+    else:
+        return "end" # end 시 최종 출력 값 반환
+

llm_utils/graph.py

@@ -6,39 +6,43 @@
 from langgraph.graph.message import add_messages
 from langchain.chains.sql_database.prompt import SQL_PROMPTS
 from pydantic import BaseModel, Field
+from .agent import manager_agent, manager_agent_edge
 from .llm_factory import get_llm
-
 from llm_utils.chains import (
     query_refiner_chain,
     query_maker_chain,
 )
-
-from llm_utils.tools import get_info_from_db
 from llm_utils.retrieval import search_tables
+from langchain.schema import AIMessage
+from .state import QueryMakerState
 
 # 노드 식별자 정의
 QUERY_REFINER = "query_refiner"
 GET_TABLE_INFO = "get_table_info"
 TOOL = "tool"
 TABLE_FILTER = "table_filter"
 QUERY_MAKER = "query_maker"
+MANAGER_AGENT = "manager_agent"
+EXCEPTION_END_NODE = "exception_end_node"
 
 
-# 상태 타입 정의 (추가 상태 정보와 메시지들을 포함)
-class QueryMakerState(TypedDict):
-    messages: Annotated[list, add_messages]
-    user_database_env: str
-    searched_tables: dict[str, dict[str, str]]
-    best_practice_query: str
-    refined_input: str
-    generated_query: str
-    retriever_name: str
-    top_n: int
-    device: str
+def exception_end_node(state: QueryMakerState):
+    intent_reason = state.get("intent_reason", "SQL 쿼리 생성을 위한 질문을 해주세요")
+    end_message_prompt = f"""
+다음과 같은 이유로 답변을 할 수 없습니다!  
+```   
+{intent_reason}
+```
+"""
+    return {
+        "messages": state["messages"] + [AIMessage(content=end_message_prompt)],
+    }
+
 
 
 # 노드 함수: QUERY_REFINER 노드
 def query_refiner_node(state: QueryMakerState):
+    # refined_node의 결과값으로 바로 AIMessages 반환
     res = query_refiner_chain.invoke(
         input={
             "user_input": [state["messages"][0].content],
@@ -67,6 +71,7 @@ def get_table_info_node(state: QueryMakerState):
 
 # 노드 함수: QUERY_MAKER 노드
 def query_maker_node(state: QueryMakerState):
+    # sturctured output 사용
     res = query_maker_chain.invoke(
         input={
             "user_input": [state["messages"][0].content],
@@ -105,19 +110,33 @@ def query_maker_node_with_db_guide(state: QueryMakerState):
 
 # StateGraph 생성 및 구성
 builder = StateGraph(QueryMakerState)
-builder.set_entry_point(GET_TABLE_INFO)
-
 # 노드 추가
+builder.add_node(MANAGER_AGENT, manager_agent)
 builder.add_node(GET_TABLE_INFO, get_table_info_node)
 builder.add_node(QUERY_REFINER, query_refiner_node)
 builder.add_node(QUERY_MAKER, query_maker_node)  #  query_maker_node_with_db_guide
+builder.add_node(EXCEPTION_END_NODE, exception_end_node)
 # builder.add_node(
 #     QUERY_MAKER, query_maker_node_with_db_guide
 # )  #  query_maker_node_with_db_guide
 
 # 기본 엣지 설정
+builder.set_entry_point(MANAGER_AGENT)
 builder.add_edge(GET_TABLE_INFO, QUERY_REFINER)
 builder.add_edge(QUERY_REFINER, QUERY_MAKER)
 
+# 조건부 엣지
+builder.add_conditional_edges(
+    MANAGER_AGENT,
+    manager_agent_edge,
+    {
+        "end": EXCEPTION_END_NODE,
+        "make_query": GET_TABLE_INFO,
+    },
+)
+
 # QUERY_MAKER 노드 후 종료
 builder.add_edge(QUERY_MAKER, END)
+
+# EXCEPTION_END_NODE 노드 후 종료
+builder.add_edge(EXCEPTION_END_NODE, END)

llm_utils/state.py

@@ -0,0 +1,15 @@
+from typing_extensions import TypedDict, Annotated
+from langgraph.graph.message import add_messages
+
+
+# 상태 타입 정의 (추가 상태 정보와 메시지들을 포함)
+class QueryMakerState(TypedDict):
+    messages: Annotated[list, add_messages]
+    user_database_env: str
+    searched_tables: dict[str, dict[str, str]]
+    best_practice_query: str
+    refined_input: str
+    generated_query: str
+    retriever_name: str
+    top_n: int
+    device: str

prompt/manager_agent_prompt.md

@@ -0,0 +1,20 @@
+# Role
+
+사용자의 질문을 기반으로, 주어진 테이블과 컬럼 정보를 활용하여 적절한 SQL 쿼리를 생성하는 데 도움을 주는 Agent입니다.
+사용자의 입력을 분석하여 다음 중에서 의도(intent)를 파악하고, 만약 SQL 쿼리나 주어진 DB에 관련된 질문이 아닐 경우, end node를 반환합니다.
+
+1. end: SQL 관련 요청이 아닐 경우 (예: "오늘 날씨가 어때?", "Postgres에 대해 알려줘")
+2. make_query: DB검색 관련 요청
+
+agent는 key로 관리되며 다음과 같은 키가 있습니다.
+intent가 make_query일 경우, 아래와 같은 형태로 결과를 반환해주세요.
+응답 형식:
+  {
+    "intent": "<의도>",
+    "user_input": "<사용자의 입력>",
+    "intent_reason": "<의도 파악 이유>"
+  }
+# 주의사항
+- 서술형 대답이 필요한 경우, Intent에 대한 reason만 입력해주세요.
+- Intent Reason은 최대한 쉽고 간단하게 입력하되, 존댓말을 쓰세요.
+- Json 형식으로만 응답을 해야하며, 추가적인 정보나 문구를 입력하지 마세요.