commit

agent.py

@@ -4,10 +4,12 @@
 # - OpenAI GPT-4o-mini 사용
 # - Wikipedia / Arxiv / DuckDuckGo 검색 도구 포함
 # - HuggingFace Embedding + FAISS Retriever 유지
+# - Tool 무한 루프 차단 (중요)
 # =========================================================
 
 import os
 import pickle
+from typing import TypedDict
 
 # ---------------------------------------------------------
 # LangChain / LangGraph 핵심 구성요소
@@ -23,22 +25,27 @@ from langchain_core.messages import SystemMessage, HumanMessage
 from langchain_core.tools import tool
 from langchain_community.tools import DuckDuckGoSearchRun
 
-from langgraph.graph import START, StateGraph, MessagesState
+from langgraph.graph import START, END, StateGraph
 from langgraph.prebuilt import ToolNode, tools_condition
 
 
+# =========================================================
+# State 정의
+# - tool을 이미 사용했는지 여부를 기록
+# =========================================================
+class AgentState(TypedDict):
+    messages: list
+    used_tools: bool
+
+
 # ---------------------------------------------------------
-# DuckDuckGo 검색 인스턴스
-# - API Key 불필요
-# - Space 환경에서 사용 가능
+# DuckDuckGo 검색 인스턴스 (API Key 불필요)
 # ---------------------------------------------------------
 ddg = DuckDuckGoSearchRun()
 
 
 # =========================================================
 # TOOLS 정의
-# ※ LangChain 최신 버전에서는
-#   @tool 함수에 "docstring"이 반드시 필요함
 # =========================================================
 
 @tool
@@ -47,12 +54,8 @@ def wiki_search(query: str) -> dict:
     Search Wikipedia for factual information related to the query.
     Returns raw page content as text.
     """
-    # Wikipedia에서 최대 2개 문서 로드
     docs = WikipediaLoader(query=query, load_max_docs=2).load()
-
-    # 문서 내용을 하나의 문자열로 병합
     text = "\n\n".join(d.page_content for d in docs)
-
     return {"wiki": text}
 
 
@@ -62,12 +65,8 @@ def arxiv_search(query: str) -> dict:
     Search Arxiv for academic papers related to the query.
     Returns truncated paper content.
     """
-    # Arxiv에서 최대 2개 논문 로드
     docs = ArxivLoader(query=query, load_max_docs=2).load()
-
-    # 논문은 길기 때문에 앞부분만 사용
     text = "\n\n".join(d.page_content[:1000] for d in docs)
-
     return {"arxiv": text}
 
 
@@ -78,21 +77,16 @@ def web_search(query: str) -> dict:
     No API key required. Suitable for Hugging Face Spaces.
     """
     try:
-        # DuckDuckGo 검색 실행
-        result = ddg.run(query)
-        return {"web": result}
+        return {"web": ddg.run(query)}
     except Exception:
-        # 검색 실패 시 빈 결과 반환 (그래프 중단 방지)
         return {"web": ""}
 
 
-# LangGraph에서 사용할 Tool 목록
 TOOLS = [wiki_search, arxiv_search, web_search]
 
 
 # =========================================================
-# SYSTEM PROMPT
-# - GAIA 평가 규칙에 맞게 출력 형식 강제
+# SYSTEM PROMPT (GAIA 규칙 고정)
 # =========================================================
 SYSTEM_PROMPT = """
 You are solving GAIA benchmark questions.
@@ -105,36 +99,27 @@ You MUST:
 - No extra text.
 """.strip()
 
-# SystemMessage 객체로 변환
 SYS_MSG = SystemMessage(content=SYSTEM_PROMPT)
 
 
 # =========================================================
-# RETRIEVER (FAISS + HuggingFace Embeddings)
-# - 이전 질문과 유사한 패턴을 제공하기 위한 용도
+# FAISS Retriever (유지)
 # =========================================================
-
-# 문장 임베딩 모델 (768차원)
 embeddings = HuggingFaceEmbeddings(
     model_name="sentence-transformers/all-mpnet-base-v2"
 )
 
-# FAISS 인덱스가 이미 있으면 로드
 if os.path.exists("faiss.pkl"):
     with open("faiss.pkl", "rb") as f:
         vector_store = pickle.load(f)
 else:
-    # 최초 실행 시 기본 시드 문서 생성
     seed_docs = [
         Document(page_content="GAIA questions require factual exact answers."),
     ]
     vector_store = FAISS.from_documents(seed_docs, embeddings)
-
-    # 다음 실행을 위해 저장
     with open("faiss.pkl", "wb") as f:
         pickle.dump(vector_store, f)
 
-# Retriever Tool (현재 그래프에서는 보조 역할)
 retriever_tool = create_retriever_tool(
     retriever=vector_store.as_retriever(),
     name="question_retriever",
@@ -143,73 +128,93 @@ retriever_tool = create_retriever_tool(
 
 
 # =========================================================
-# LANGGRAPH 그래프 빌더
+# LangGraph 빌더
 # =========================================================
 def build_agent():
     """
-    LangGraph StateGraph를 구성하여
-    - System Prompt 주입
-    - LLM → Tool → LLM 반복 흐름을 생성
+    Tool을 최대 1회만 사용하도록 강제한 LangGraph.
+    무한 루프 / recursion 에러 원천 차단.
     """
 
-    # OpenAI GPT-4o-mini (Space에서 안정적으로 사용 가능)
     llm = ChatOpenAI(
         model="gpt-4o-mini",
-        temperature=0,      # deterministic
+        temperature=0,
         max_tokens=128,
     )
 
-    # LLM에 Tool 사용 권한 부여
     llm_with_tools = llm.bind_tools(TOOLS)
 
     # ---------------------
-    # Graph Node 정의
+    # Nodes
     # ---------------------
-    def retriever(state: MessagesState):
-        # 시스템 프롬프트를 항상 메시지 맨 앞에 삽입
-        return {"messages": [SYS_MSG] + state["messages"]}
+    def inject_system(state: AgentState):
+        return {
+            "messages": [SYS_MSG] + state["messages"],
+            "used_tools": state.get("used_tools", False),
+        }
+
+    def assistant(state: AgentState):
+        msg = llm_with_tools.invoke(state["messages"])
+        return {
+            "messages": [msg],
+            "used_tools": state.get("used_tools", False),
+        }
+
+    def tools_node(state: AgentState):
+        # Tool을 사용한 순간 used_tools = True
+        return {
+            "messages": state["messages"],
+            "used_tools": True,
+        }
 
-    def assistant(state: MessagesState):
-        # LLM 실행 (Tool 호출 여부는 tools_condition이 판단)
-        return {"messages": [llm_with_tools.invoke(state["messages"])]}
+    # ---------------------
+    # Conditional (핵심)
+    # ---------------------
+    def tool_condition_once(state: AgentState):
+        """
+        Tool은 딱 한 번만 허용.
+        이미 사용했다면 무조건 END.
+        """
+        if state.get("used_tools"):
+            return END
+        return tools_condition(state)
 
     # ---------------------
-    # Graph 구성
+    # Graph
     # ---------------------
-    builder = StateGraph(MessagesState)
+    builder = StateGraph(AgentState)
 
-    builder.add_node("retriever", retriever)
+    builder.add_node("inject_system", inject_system)
     builder.add_node("assistant", assistant)
     builder.add_node("tools", ToolNode(TOOLS))
 
-    # START → retriever → assistant
-    builder.add_edge(START, "retriever")
-    builder.add_edge("retriever", "assistant")
+    builder.add_edge(START, "inject_system")
+    builder.add_edge("inject_system", "assistant")
 
-    # assistant가 tool 호출을 원하면 tools로 분기
-    builder.add_conditional_edges("assistant", tools_condition)
+    builder.add_conditional_edges(
+        "assistant",
+        tool_condition_once
+    )
 
-    # tool 실행 후 다시 assistant로 복귀
     builder.add_edge("tools", "assistant")
 
-    return builder.compile()
+    # recursion_limit은 안전장치
+    return builder.compile(recursion_limit=10)
 
 
 # =========================================================
-# 외부에서 사용하는 PUBLIC API
-# - app.py에서 이 클래스만 import
+# Public API (app.py에서 사용)
 # =========================================================
 class BasicAgent:
     def __init__(self):
-        # LangGraph 컴파일
         self.graph = build_agent()
-        print("✅ LangGraph GPT-4o-mini Agent initialized")
+        print("✅ LangGraph GPT-4o-mini Agent initialized (tool loop fixed)")
 
     def __call__(self, question: str) -> str:
-        # 질문을 HumanMessage로 감싸 Graph 실행
         result = self.graph.invoke(
-            {"messages": [HumanMessage(content=question)]}
+            {
+                "messages": [HumanMessage(content=question)],
+                "used_tools": False,
+            }
         )
-
-        # 최종 assistant 메시지만 반환
         return result["messages"][-1].content.strip()

requirements.txt

@@ -1,18 +1,15 @@
-gradio==5.25.2
-requests>=2.31.0
-
-langgraph>=0.2.40
-langchain-core>=0.3.30
-langchain-community>=0.3.15
-langchain-openai>=0.3.0
-langchain-huggingface>=0.1.2
-
-sentence-transformers>=3.0.0
-
-duckduckgo-search>=6.3.0
-ddgs>=6.1.0
-
-faiss-cpu>=1.8.0
-
-wikipedia>=1.4.0
-arxiv>=2.1.0
+gradio
+requests
+langgraph
+langchain
+langchain_core
+langchain-community
+langchain_openai
+langchain-huggingface
+sentence-transformers
+faiss-cpu
+ddgs
+duckduckgo-search
+wikipedia
+arxiv
+pymupdf