Thêm room_id vào state

graph.py

@@ -55,6 +55,7 @@ def run(query: dict) -> AgentState:
         AgentState cuối cùng (có final_answer).
     """
     initial_state: AgentState = {
+        "room_id":      query.get("room_id", ""),
         "sender_id":    query["from"],
         "time":         query.get("time", ""),
         "raw_query":    query["body"],

redis_client.py

@@ -86,6 +86,36 @@ class RedisClient:
             logger.error(f"Redis ping failed: {e}")
             return False
     
+    def save_room_messages(self, room_id: str, messages: list[dict]) -> bool:
+        """Overwrite messages for a room (used for test seeding)."""
+        try:
+            if self._use_local:
+                db = self._load_local()
+                db.setdefault("messages", {})[room_id] = messages
+                self._save_local(db)
+                return True
+
+            key = self._key("room", "messages", room_id)
+            self._client.delete(key)
+            for i, msg in enumerate(messages):
+                msg_id = msg.get("id") or f"{room_id}_{i}"
+                ts = i
+                if "timestamp" in msg:
+                    try:
+                        dt = datetime.fromisoformat(msg["timestamp"].replace("Z", "+00:00"))
+                        ts = int(dt.timestamp() * 1000)
+                    except Exception:
+                        ts = int(time.time() * 1000) + i
+                self._client.zadd(key, {msg_id: ts})
+                self._client.hset(
+                    self._key("msg", msg_id),
+                    mapping={k: str(v) for k, v in msg.items()},
+                )
+            return True
+        except Exception as e:
+            logger.error(f"Failed to save room messages: {e}")
+            return False
+
     def get_room_messages(self, room_id: str, limit: int = 100) -> list[dict]:
         """
         Fetch recent messages from a room.

state.py

@@ -15,6 +15,7 @@ class AgentState(TypedDict):
     """
     Trạng thái duy nhất chạy xuyên suốt graph.
 
+    room_id      : ID phòng/nhóm học tập, ví dụ "room_a20"
     sender_id    : ID người dùng, ví dụ "@NguyenVanA"
     time         : Thời điểm gửi (ISO-8601)
     raw_query    : Nội dung tin nhắn gốc
@@ -24,6 +25,7 @@ class AgentState(TypedDict):
     max_iters    : Giới hạn vòng lặp tool
     final_answer : Câu trả lời cuối cùng
     """
+    room_id:      str
     sender_id:    str
     time:         str
     raw_query:    str

tools/chat_tools.py

@@ -1,57 +1,16 @@
-from langchain_core.tools import tool
+"""
+Re-exports real tools (memory, scheduler, summarizer) as LangChain tools.
+Replaces the previous mock implementations.
+"""
 
-# ── Dữ liệu giả để test ───────────────────────────────────────────────────────
-MOCK_HISTORY = """
-[2024-06-01 09:00] @NguyenVanA : Xin chào! Hôm nay tôi muốn hỏi về Python.
-[2024-06-01 09:01] @Assistant  : Chào bạn! Tôi có thể giúp gì cho bạn về Python?
-[2024-06-01 09:02] @NguyenVanA : Python có dùng được cho AI không?
-[2024-06-01 09:03] @Assistant  : Có, Python là ngôn ngữ phổ biến nhất trong AI/ML.
-                                  Các thư viện nổi bật: TensorFlow, PyTorch, scikit-learn.
-[2024-06-01 09:10] @NguyenVanA : Còn LangChain thì sao?
-[2024-06-01 09:11] @Assistant  : LangChain là framework giúp xây dựng ứng dụng LLM dễ dàng hơn,
-                                  hỗ trợ chain, agent, memory và tool use.
-[2024-06-01 09:15] @NguyenVanA : Cảm ơn bạn!
-[2024-06-01 09:15] @Assistant  : Không có gì! Chúc bạn học vui.
-""".strip()
+# Import modules so register_tool decorators fire and populate base.TOOLS
+from . import memory as _memory_mod  # noqa: F401
+from . import scheduler as _scheduler_mod  # noqa: F401
+from . import summarizer as _summarizer_mod  # noqa: F401
 
+from .base import TOOLS as _REGISTRY, get_langchain_tools
 
-@tool
-def fetch_chat_history(sender_id: str, limit: int = 100) -> str:
-    """
-    Trích xuất lịch sử trò chuyện trước đó của người dùng.
+_ALLOWED = {"save_memory", "get_memories", "get_schedule", "add_event", "summarize_chat"}
 
-    Args:
-        sender_id : ID người dùng, ví dụ "@NguyenVanA".
-        limit     : Số lượng tin nhắn tối đa cần lấy (mặc định 100).
-
-    Returns:
-        Chuỗi văn bản chứa lịch sử chat được định dạng sẵn.
-    """
-    # ── TODO: thay bằng logic thật (DB query, API call...) ──────────────────
-    print(f"    [tool] fetch_chat_history(sender_id={sender_id!r}, limit={limit})")
-    return f"Lịch sử chat của {sender_id} (mock):\n\n{MOCK_HISTORY}"
-
-
-@tool
-def summarize_messages(content: str) -> str:
-    """
-    Tóm tắt nội dung đoạn chat được cung cấp.
-
-    Args:
-        content : Văn bản cần tóm tắt (thường là kết quả của fetch_chat_history).
-
-    Returns:
-        Đoạn tóm tắt ngắn gọn, súc tích.
-    """
-    # ── TODO: thay bằng logic thật (gọi LLM riêng, extractive summary...) ──
-    print(f"    [tool] summarize_messages(content[:50]={content[:50]!r}...)")
-    return (
-        "Tóm tắt (mock): Người dùng hỏi về Python và ứng dụng trong AI. "
-        "Trợ lý giải thích Python là ngôn ngữ phổ biến nhất trong AI/ML, "
-        "giới thiệu các thư viện TensorFlow, PyTorch, scikit-learn và "
-        "framework LangChain dùng để xây dựng ứng dụng LLM."
-    )
-
-
-TOOLS    = [fetch_chat_history, summarize_messages]
+TOOLS    = [t for t in get_langchain_tools() if t.name in _ALLOWED]
 TOOL_MAP = {t.name: t for t in TOOLS}