Передача задач одним агентом в LangChain: создание рабочего процесса службы технической поддержки
Один агент LangChain, который меняет свой промпт и инструменты на каждом шаге: поэтапная служба технической поддержки с проверкой реальной личности, передачей данных через промежуточные компоненты и возможностью выхода за рамки задачи.
Представьте, что вы звоните в службу поддержки ИТ после того, как не можете войти в свой аккаунт. Сотрудник, отвечающий за разговор, не задаёт одни и те же вопросы на каждом этапе, и то, что он может сделать, зависит от того, на какой стадии находится разговор. Сначала он подтверждает вашу личность, обычно посредством идентификационного номера сотрудника или имени руководителя, и не будет заниматься проблемой с аккаунтом, пока это не будет урегулировано. Затем он выясняет, в чём проблема: заблокированный аккаунт, забытый пароль или отсутствующее устройство аутентификации. Только после этого он принимает меры: восстанавливает доступ к аккаунту, отправляет ссылку для сброса пароля или перенаправляет звонок в команду безопасности. Для звонящего всё кажется единым разговором, хотя его объём меняется по мере продвижения разговора.
Передачи данных обеспечивают ИИ-агенту единый формат работы. Агент меняет список действий, которые ему разрешены, в зависимости от текущей стадии взаимодействия. В начале он собирает только идентификационные данные. После этого он задаёт вопросы о реальной проблеме, и как только проблема становится ясной, он принимает меры.
Два способа её создания
- Тип 1 — подход с промежуточным слоем, предполагает использование одного агента, чьи полномочия меняются по мере развития диалога. Можно представить себе сотрудника службы поддержки, который работает по чек-листу.
- Тип 2 — подход с несколькими агентами, предполагает использование нескольких агентов, которые передают друг другу диалог, подобно переносу звонка в другой отдел, когда первый сотрудник не может помочь.
Приведённая ниже реализация соответствует типу 1, который часто называют типом с одним агентом, поскольку код содержит ровно одного агента. Этот агент проверяет личность пользователя, затем диагностирует проблему и после этого её решает. Новый агент не появляется ни на одном этапе. Изменяются лишь его инструкции и набор инструментов с началом каждого этапа. Тип 2 отличается тем, что создаёт отдельных агентов и передаёт им ведение диалога.
Проект
Целью является агент службы технической поддержки в сфере ИТ, и в коде соблюдаются три правила:
- Проблемы с учётными записями обсуждаются только после подтверждения личности пользователя по реальным данным.
- Никаких действий не предпринимается, пока проблема не относится к одной из трёх поддерживаемых категорий.
- Если проблема не подходит ни под одну из категорий, агент сообщает об этом вместо того, чтобы догадываться.
Пример работы
Пользователь обращается в службу поддержки после того, как у него отказались вход в корпоративную учетную запись. Сотрудник службы просит указать идентификатор сотрудника и имя руководителя. При первой попытке найти соответствующую запись сотрудника не удается, поэтому сотрудник службы просит информацию снова, а при второй попытке удается подтвердить личность пользователя. Затем сотрудник спрашивает о проблеме. Сначала пользователь упоминает свой личный онлайн-банковский счет, что сотрудник службы правильно относит к вопросам, не входящим в компетенцию. После того как пользователь уточняет, что проблема связана с корпоративным IT-порталом, сотрудник классифицирует ее как блокировку учетной записи, восстанавливает доступ и завершает разговор после подтверждения решения запроса.
Пошаговый анализ кода
1. Схема состояний
class HelpdeskState(AgentState):
current_step: NotRequired[HelpdeskStep]
identity_verified: NotRequired[bool]
verification_attempts: NotRequired[int]
issue_type: NotRequired[Literal["locked_account", "forgotten_password", "lost_mfa_device"]]
Поле current_step определяет, какая запись из STEP_CONFIG будет формировать следующий ответ, что ещё раз рассматривается в разделе 4. Ещё три поля (identity_verified, verification_attempts и issue_type) хранят информацию, собранную на данный момент в ходе разговора. Они вставляются в промпты с помощью функции .format(), так что промпт для решения может содержать строку вроде EMPLOYEE STATUS: identity_verified = {identity_verified}.
2. Оригинальные данные для верификации
EMPLOYEE_DIRECTORY = {
"EMP-4471": {"name": "Amit Rao", "manager": "Priya Nair", "department": "Finance"},
"EMP-1029": {"name": "Sara Khan", "manager": "David Chen", "department": "Engineering"},
"EMP-3305": {"name": "Neha Verma", "manager": "Priya Nair", "department": "Finance"},
}
MAX_VERIFICATION_ATTEMPTS = 3
def normalize_employee_id(raw_id: str) -> str:
digits = "".join(ch for ch in raw_id if ch.isdigit())
return f"EMP-{digits}" if digits else raw_id.strip().upper()
Модель никогда не принимает решение о том, является ли идентификатор сотрудника действительным. Функция verify_identity сравнивает этот идентификатор с базой EMPLOYEE_DIRECTORY, поэтому ответ получается в результате поиска, а не на основе мнения модели. Нормализатор также учитывает различные способы ввода одного и того же идентификатора: 4471, emp4471 и EMP-4471 приводятся к одному формату перед поиском, что предотвращает отклонение действительных идентификаторов из-за различий в форматировании.
3. Инструменты
Инструменты делятся на два типа. Инструменты перехода возвращают объект Command. Он записывает новые значения в состояние рабочего процесса и переводит current_step на следующую стадию.
@tool
def verify_identity(
employee_id: str,
manager_name: str,
runtime: ToolRuntime[None, HelpdeskState],
) -> Command:
attempts = (runtime.state.get("verification_attempts") or 0) + 1
normalized_id = normalize_employee_id(employee_id)
record = EMPLOYEE_DIRECTORY.get(normalized_id)
verified = bool(record and manager_name.strip().lower() == record["manager"].lower())
if verified:
content = f"Identity verified for {normalized_id} ({record['name']})."
elif attempts >= MAX_VERIFICATION_ATTEMPTS:
content = f"Verification failed {attempts} times. Session locked — visit IT in person."
elif record is None:
content = f"No employee found with ID '{employee_id}'. Please retry."
else:
content = "The manager name doesn't match our records. Please retry."
return Command(
update={
"messages": [ToolMessage(content=content, tool_call_id=runtime.tool_call_id)],
"identity_verified": verified,
"verification_attempts": attempts,
"current_step": "issue_diagnosis" if verified else "identity_verification",
}
)
У проверки есть четыре возможных результата. Она успешна только тогда, когда идентификатор сотрудника, и имя руководителя совпадают с данными в записи. Остальные три результата — это достижение максимального количества попыток, использование идентификатора, который не существует, и указание существующего идентификатора с неверным именем руководителя. Для каждого случая формируется отдельное сообщение. Проверенный пользователь переходит к шагу issue_diagnosis, а все остальные случаи остаются на шаге identity_verification; поэтому ничего не происходит до подтверждения личности.
Инструменты терминала возвращают обычную строку и не изменяют значение current_step, поскольку рабочий процесс достиг своей последней стадии.
@tool
def flag_out_of_scope(reason: str) -> str:
return (
f"This request appears to be about a personal account, not your "
f"company IT account ({reason}). This helpdesk can't assist with "
f"that — please contact the relevant provider directly."
)
flag_out_of_scope имеет такое же значение, как и классификатор. Без него рабочий процесс пытался бы отнести каждый запрос к одному из поддерживаемых типов проблем, даже к несвязанным, в результате чего проблема с личным банковским счётом могла бы быть неправильно отнесена к категории технической поддержки. Этот флаг позволяет оператору чётко распознавать запросы, выходящие за рамки заданного рабочего процесса.
4. Подсказки и настройка шагов
У каждого этапа есть свои подсказки и свой список инструментов, которые хранятся в одном словаре и выбираются в зависимости от текущего значения current_step.
STEP_CONFIG = {
"identity_verification": {"prompt": IDENTITY_VERIFICATION_PROMPT, "tools": [verify_identity], "requires": []},
"issue_diagnosis": {"prompt": ISSUE_DIAGNOSIS_PROMPT, "tools": [record_issue_type, flag_out_of_scope], "requires": ["identity_verified"]},
"resolution": {"prompt": RESOLUTION_PROMPT, "tools": [unlock_account, send_password_reset_link, escalate_mfa_recovery, go_back_to_verification], "requires": ["identity_verified", "issue_type"]},
}
Поле requires выполняет роль защиты для мидлвэра, проверяя наличие необходимых условий перед применением настройок шага.
5. Мидлвэр
@wrap_model_call
def apply_step_config(
request: ModelRequest,
handler: Callable[[ModelRequest], ModelResponse],
) -> ModelResponse:
current_step = request.state.get("current_step", "identity_verification")
step_config = STEP_CONFIG[current_step]
for key in step_config["requires"]:
if request.state.get(key) is None:
raise ValueError(f"'{key}' must be set before reaching '{current_step}'")
system_prompt = step_config["prompt"].format(**request.state)
request = request.override(system_prompt=system_prompt, tools=step_config["tools"])
return handler(request)
Название происходит от места выполнения этого кода: между текущим состоянием рабочего процесса и вызовом модели. Прежде чем модель выдаст ответ, промежуточный слой считывает состояние, заменяет подсказку и инструменты на соответствующие текущему шагу и затем передаёт управление дальше. Он выполняется до каждого вызова модели. Он считывает current_step, загружает соответствующую конфигурацию, проверяет наличие необходимых условий, форматирует подсказку с использованием значений текущего состояния и назначает подходящие инструменты. Именно так меняется поведение агента по мере продвижения рабочего процесса.
6. Создание агента
agent = create_agent(
model,
tools=all_tools,
state_schema=HelpdeskState,
middleware=[apply_step_config],
checkpointer=InMemorySaver(),
)
Индикатор состояния критически важен, поскольку он сохраняет состояние рабочего процесса между сообщениями. Без него current_step сбрасывается при каждом вызове, и агент снова начинает работу с первого шага, так и не продвигаясь дальше.
Решения по проектированию, предотвращающие ошибки
Существует несколько деталей, помогающих избежать распространённых сбоев в таком типе рабочих процессов.
- Проверка подтверждает наличие реальной записи. Если бы
verify_identityзадавал вопрос модели о том, кажутся ли ID и имя руководителя корректными, любой правдоподобный ответ считался бы верным. Поиск вEMPLOYEE_DIRECTORYустраняет необходимость в догадках. - ID приводятся к стандартному виду перед сопоставлением. Требование строгого формата, например EMP-4471, приводит к отклонению допустимых значений вроде 4471 или emp4471 исключительно из-за способа их ввода. Функция нормализации сначала преобразует распространённые форматы в один стандартный вид.
record_issue_type принимает только три категории. Без параметра flag_out_of_scope нерелевантные запросы, такие как вопросы о банковских услугах, принудительно относятся к ближайшей категории.user_input in {"quit", "exit"} сработает только тогда, когда весь текст полностью совпадает с одним из этих слов. Регулярные выражения, определяющие границы слов, позволяют обнаружить их в любом месте предложения, включая фразы вроде «quit and exit».В каждом случае наиболее простая реализация кажется работающей, но терпит неудачу при использовании реалистичных данных входа.
Краткое описание шаблона
Для передачи данных между агентами в одиночку требуется всего три компонента. Поле current_step хранит текущую стадию обработки; инструменты изменяют его значение, а промежуточное программное обеспечение обращается к нему перед каждым вызовом модели. Вместе они определяют ход выполнения рабочего процесса. Правильное функционирование всё равно зависит от деталей: проверки с использованием реальных данных, нормализации идентификаторов, предоставления пути для обработки случаев, выходящих за рамки задачи, и корректного сопоставления слов-триггеров для завершения процесса. Машина состояний контролирует порядок выполнения шагов, а логика проверки обеспечивает правильное поведение каждого этапа.
Связанные материалы
- Практические заметки: создание агента для глубоких исследований с использованием LangChain Deep Agents and — Подробное руководство по созданию агента для глубоких исследований с использованием LangChain Deep Agents and: контракты, проверки и готовые блоки кода для команд, внедряющих эту архитектуру.