AI Agents Development
מ-0 לפרודקשן

# react_agent.py — ReAct Agent בסיסי עם LangChain
# מקורס AI Agents Development | Automation4MI

from langchain.agents import create_react_agent, AgentExecutor
from langchain_openai import ChatOpenAI
from langchain.tools import tool
from langchain import hub


# ---------------------------------------------------------
# הגדרת כלים (Tools) — הלב של כל Agent
# כל @tool הופך פונקציית Python רגילה ל-Tool שה-LLM יכול לקרוא לה
# ---------------------------------------------------------

@tool
def search_web(query: str) -> str:
    """Search the web for current information."""
    # בקורס מחברים כאן ל-Tavily Search API או SerpAPI
    # לצרכי הדגמה מחזירים תוצאה מדומה
    return f"תוצאות חיפוש עבור: {query} — [נתונים מה-API]"


@tool
def calculate(expression: str) -> str:
    """Evaluate a mathematical expression safely."""
    # eval עם builtins ריק — מניע הרצת קוד זדוני
    # טיפ חשוב: אל תשתמשו ב-eval בלי הגבלה בפרודקשן!
    try:
        result = eval(expression, {"__builtins__": {}}, {})
        return str(result)
    except Exception as e:
        return f"שגיאה: {e}"


# ---------------------------------------------------------
# הגדרת ה-LLM — מוח ה-Agent
# temperature=0 לתוצאות עקביות וצפויות
# ---------------------------------------------------------

llm = ChatOpenAI(model="gpt-4o", temperature=0)
tools = [search_web, calculate]

# טוענים Prompt מוכן מ-LangChain Hub — כולל ReAct format מוכן
# hwchase17/react כולל את ה-Thought/Action/Observation template
prompt = hub.pull("hwchase17/react")


# ---------------------------------------------------------
# בניית ה-Agent
# create_react_agent = מחבר LLM + Tools + Prompt לאובייקט Agent
# AgentExecutor = מריץ את ה-Agent בלופ עד לתשובה סופית
# ---------------------------------------------------------

agent = create_react_agent(llm, tools, prompt)
executor = AgentExecutor(
    agent=agent,
    tools=tools,
    verbose=True,      # verbose=True מדפיס כל Thought/Action — שימושי לדיבאג
    max_iterations=5   # מגביל לופים אינסופיים — תמיד מומלץ!
)

# ---------------------------------------------------------
# הרצה — שאלה שדורשת שני כלים: חיפוש + חישוב
# ---------------------------------------------------------

result = executor.invoke({
    "input": "מה שווי השוק הנוכחי של אנבידיה ומה הם 15% ממנו?"
})
print(result["output"])