"""MeetSpotAgent - 智能会面地点推荐 Agent 基于 ReAct 模式实现的智能推荐代理，通过工具调用完成地点推荐任务。 """ import json from typing import Any, Dict, List, Optional from pydantic import Field from app.agent.base import BaseAgent from app.agent.tools import ( CalculateCenterTool, GeocodeTool, GenerateRecommendationTool, SearchPOITool, ) from app.llm import LLM from app.logger import logger from app.schema import AgentState, Message from app.tool.tool_collection import ToolCollection SYSTEM_PROMPT = """你是 MeetSpot 智能会面助手，帮助用户找到最佳会面地点。 ## 你的能力 你可以使用以下工具来完成任务： 1. **geocode** - 地理编码 - 将地址转换为经纬度坐标 - 支持大学简称（北大、清华）、地标、商圈等 - 返回坐标和格式化地址 2. **calculate_center** - 计算中心点 - 计算多个位置的几何中心 - 作为最佳会面位置的参考点 - 使用球面几何确保精确 3. **search_poi** - 搜索场所 - 在中心点附近搜索各类场所 - 支持咖啡馆、餐厅、图书馆、健身房等 - 返回名称、地址、评分、距离等 4. **generate_recommendation** - 生成推荐 - 分析搜索结果 - 根据评分、距离、用户需求排序 - 生成个性化推荐理由 ## 工作流程 请按以下步骤执行： 1. **理解任务** - 分析用户提供的位置和需求 2. **地理编码** - 依次对每个地址使用 geocode 获取坐标 3. **计算中心** - 使用 calculate_center 计算最佳会面点 4. **搜索场所** - 使用 search_poi 在中心点附近搜索 5. **生成推荐** - 使用 generate_recommendation 生成最终推荐 ## 输出要求 - 推荐 3-5 个最佳场所 - 为每个场所说明推荐理由（距离、评分、特色） - 考虑用户的特殊需求（停车、安静、商务等） - 使用中文回复 ## 注意事项 - 确保在调用工具前已获取所有必要参数 - 如果地址解析失败，提供具体的错误信息和建议 - 如果搜索无结果，尝试调整搜索关键词或扩大半径 """ class MeetSpotAgent(BaseAgent): """MeetSpot 智能会面推荐 Agent 基于 ReAct 模式的智能代理，通过 think() -> act() 循环完成推荐任务。 """ name: str = "MeetSpotAgent" description: str = "智能会面地点推荐助手" system_prompt: str = SYSTEM_PROMPT next_step_prompt: str = "请继续执行下一步，或者如果已完成所有工具调用，请生成最终推荐结果。" max_steps: int = 15 # 允许更多步骤以完成复杂任务 # 工具集合 available_tools: ToolCollection = Field(default=None) # 当前工具调用 tool_calls: List[Any] = Field(default_factory=list) # 存储中间结果 geocode_results: List[Dict] = Field(default_factory=list) center_point: Optional[Dict] = None search_results: List[Dict] = Field(default_factory=list) class Config: arbitrary_types_allowed = True extra = "allow" def __init__(self, **data): super().__init__(**data) # 初始化工具集合 if self.available_tools is None: self.available_tools = ToolCollection( GeocodeTool(), CalculateCenterTool(), SearchPOITool(), GenerateRecommendationTool() ) async def step(self) -> str: """执行一步: think + act Returns: 步骤执行结果的描述 """ # Think: 决定下一步行动 should_continue = await self.think() if not should_continue: self.state = AgentState.FINISHED return "任务完成" # Act: 执行工具调用 result = await self.act() return result async def think(self) -> bool: """思考阶段 - 决定下一步行动 使用 LLM 分析当前状态，决定是否需要调用工具以及调用哪个工具。 Returns: 是否需要继续执行 """ # 构建消息 messages = self.memory.messages.copy() # 添加提示引导下一步 if self.next_step_prompt and self.current_step > 1: messages.append(Message.user_message(self.next_step_prompt)) # 调用 LLM 获取响应 response = await self.llm.ask_tool( messages=messages, system_msgs=[Message.system_message(self.system_prompt)], tools=self.available_tools.to_params(), tool_choice="auto" ) if response is None: logger.warning("LLM 返回空响应") return False # 提取工具调用和内容 self.tool_calls = response.tool_calls or [] content = response.content or "" logger.info(f"Agent 思考: {content[:200]}..." if len(content) > 200 else f"Agent 思考: {content}") if self.tool_calls: tool_names = [tc.function.name for tc in self.tool_calls] logger.info(f"选择工具: {tool_names}") # 保存 assistant 消息到记忆 if self.tool_calls: # 带工具调用的消息 tool_calls_data = [ { "id": tc.id, "type": "function", "function": { "name": tc.function.name, "arguments": tc.function.arguments } } for tc in self.tool_calls ] self.memory.add_message(Message( role="assistant", content=content, tool_calls=tool_calls_data )) elif content: # 纯文本消息（可能是最终回复） self.memory.add_message(Message.assistant_message(content)) # 如果没有工具调用且有内容，可能是最终回复 if "推荐" in content and len(content) > 100: return False # 结束循环 return bool(self.tool_calls) or bool(content) async def act(self) -> str: """行动阶段 - 执行工具调用 执行思考阶段决定的工具调用，并将结果添加到记忆。 Returns: 工具执行结果的描述 """ if not self.tool_calls: # 没有工具调用，返回最后一条消息的内容 return self.memory.messages[-1].content or "无操作" results = [] for call in self.tool_calls: tool_name = call.function.name tool_args = call.function.arguments try: # 解析参数 args = json.loads(tool_args) if isinstance(tool_args, str) else tool_args # 执行工具 logger.info(f"执行工具: {tool_name}, 参数: {args}") result = await self.available_tools.execute(name=tool_name, tool_input=args) # 保存中间结果 self._save_intermediate_result(tool_name, result, args) # 将工具结果添加到记忆 result_str = str(result) self.memory.add_message(Message.tool_message( content=result_str, tool_call_id=call.id, name=tool_name )) logger.info(f"工具 {tool_name} 完成") results.append(f"{tool_name}: 成功") except Exception as e: error_msg = f"工具执行失败: {str(e)}" logger.error(f"{tool_name} {error_msg}") # 添加错误消息到记忆 self.memory.add_message(Message.tool_message( content=error_msg, tool_call_id=call.id, name=tool_name )) results.append(f"{tool_name}: 失败 - {str(e)}") return " | ".join(results) def _save_intermediate_result(self, tool_name: str, result: Any, args: Dict) -> None: """保存工具执行的中间结果 Args: tool_name: 工具名称 result: 工具执行结果 args: 工具参数 """ try: # 解析结果 if hasattr(result, 'output') and result.output: data = json.loads(result.output) if isinstance(result.output, str) else result.output else: return if tool_name == "geocode" and data: self.geocode_results.append({ "address": args.get("address", ""), "lng": data.get("lng"), "lat": data.get("lat"), "formatted_address": data.get("formatted_address", "") }) elif tool_name == "calculate_center" and data: self.center_point = data.get("center") elif tool_name == "search_poi" and data: places = data.get("places", []) self.search_results.extend(places) except Exception as e: logger.debug(f"保存中间结果时出错: {e}") async def recommend( self, locations: List[str], keywords: str = "咖啡馆", requirements: str = "" ) -> Dict: """执行推荐任务 这是 Agent 的主要入口方法，接收用户输入并返回推荐结果。 Args: locations: 参与者位置列表 keywords: 搜索关键词（场所类型） requirements: 用户特殊需求 Returns: 包含推荐结果的字典 """ # 重置状态 self.geocode_results = [] self.center_point = None self.search_results = [] self.current_step = 0 self.state = AgentState.IDLE self.memory.clear() # 构建任务描述 locations_str = "、".join(locations) task = f"""请帮我找到适合会面的地点： **参与者位置**：{locations_str} **想找的场所类型**：{keywords} **特殊需求**：{requirements or "无特殊需求"} 请按照工作流程执行： 1. 先用 geocode 工具获取每个位置的坐标 2. 用 calculate_center 计算中心点 3. 用 search_poi 搜索附近的 {keywords} 4. 用 generate_recommendation 生成推荐 最后请用中文总结推荐结果。""" # 执行任务 result = await self.run(task) # 格式化返回结果 return self._format_result(result) def _format_result(self, raw_result: str) -> Dict: """格式化最终结果 Args: raw_result: Agent 执行的原始结果 Returns: 格式化的结果字典 """ # 获取最后一条 assistant 消息作为最终推荐 final_recommendation = "" for msg in reversed(self.memory.messages): if msg.role == "assistant" and msg.content: final_recommendation = msg.content break return { "success": self.state == AgentState.IDLE, # IDLE 表示正常完成 "recommendation": final_recommendation, "geocode_results": self.geocode_results, "center_point": self.center_point, "search_results": self.search_results[:10], # 限制返回数量 "steps_executed": self.current_step, "raw_output": raw_result } # 创建默认 Agent 实例的工厂函数 def create_meetspot_agent() -> MeetSpotAgent: """创建 MeetSpotAgent 实例 Returns: 配置好的 MeetSpotAgent 实例 """ return MeetSpotAgent()