from langgraph.graph import StateGraph, MessagesState, START, END
from langchain_openai import ChatOpenAI
from langchain_core.tools import tool

@tool
def search(query: str) -> str:
    """搜索网络获取最新信息"""
    return f"搜索结果: {query}"

@tool
def calculator(expression: str) -> str:
    """执行数学计算"""
    return str(eval(expression))

llm = ChatOpenAI(model="gpt-4o").bind_tools([search, calculator])

# 定义 Agent 节点
def agent_node(state: MessagesState):
    response = llm.invoke(state["messages"])
    return {"messages": [response]}

# 构建图
graph = StateGraph(MessagesState)
graph.add_node("agent", agent_node)
graph.add_node("search", search)
graph.add_node("code", calculator)

graph.add_edge(START, "agent")
graph.add_edge("search", "agent")
graph.add_edge("code", "agent")
graph.add_conditional_edges("agent", route_tools, {"search": "search", "code": "code", END: END})

app = graph.compile()

from crewai import Agent, Task, Crew

# 定义角色
researcher = Agent(
    role='高级数据分析师',
    goal='分析用户提供的数据集',
    backstory='你是一名有 10 年经验的数据分析师，擅长统计分析和数据可视化',
    tools=[search_tool],
    verbose=True
)

writer = Agent(
    role='技术写作者',
    goal='将分析结果转化为清晰的报告',
    backstory='你是一名技术写作者，擅长将复杂的数据分析结果用简洁语言表述',
    verbose=True
)

# 定义任务
research_task = Task(
    description='分析 2025 年 AI 推理市场的规模、主要玩家和增长趋势',
    agent=researcher
)

write_task = Task(
    description='基于研究结果写一份市场分析报告',
    agent=writer
)

# 组建 Crew
crew = Crew(
    agents=[researcher, writer],
    tasks=[research_task, write_task],
    verbose=True
)

result = crew.kickoff()

决策器（Decision Maker）: 下一步做什么？
推理器（Reasoner）: 当前信息足够吗？需要更多数据吗？
生成器（Generator）: 如何组织最终回答？

# Agent 可用工具的典型集合
tools = [
    # 信息获取
    web_search,        # 网络搜索
    database_query,    # SQL 查询
    file_reader,       # 文件读取
    api_call,          # REST API 调用

    # 计算与分析
    python_repl,       # Python 代码执行
    calculator,        # 数学计算
    data_analysis,     # Pandas 分析

    # 输出生成
    file_writer,       # 写入文件
    email_sender,      # 发送邮件
    chart_generator,   # 生成图表

    # Agent 间通信
    agent_message,     # 向其他 Agent 发消息
    task_delegate,     # 委托子任务
]

Agent 1 (研究员) → Agent 2 (分析师) → Agent 3 (写作者)

Manager Agent
  ├─ Research Agent
  ├─ Analysis Agent
  └─ Review Agent

Agent A (正方) ←→ Agent B (反方) → Agent C (裁判)