Till-Immer/AI-System
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

agent.py aktualisiert

Browse Source
This commit is contained in:
Till-Immer
2026-07-05 16:07:43 +00:00
parent 072e303d5f
commit 45e741ade3
1 changed files with 52 additions and 46 deletions
Download Patch File Download Diff File Expand all files Collapse all files
agent.py
+52 -46
View File
@@ -1,51 +1,66 @@
from llm.bedrock import BedrockClient
from jarvis_mcp.client import MCPClient # oder wo auch immer dein MCP-Client liegt
from jarvis_mcp.client import MCPClient
from config import MCP_URL
from util.logger import get_logger
import asyncio
from pathlib import Path
# Import des neuen Web-Search Tools
from tools.web_search import web_search_tool, web_search
class Agent:
def __init__(self):
self.logger = get_logger("NORA")
self.llm = BedrockClient()
self.mcp = MCPClient(MCP_URL)
self.tools = []
# System-Prompt als erste User-Nachricht (Nova 2 Lite kompatibel)
# Personality / System-Prompt (als User-Message für Nova 2 Lite)
self.system_prompt = self._load_system_prompt()
self.messages = [
{
"role": "user",
"content": [
{
"text": (
"Du bist N.O.R.A (Neural Operations for Residential Automation), ein freundlicher und kompetenter Smart-Home Assistent. Du bist ähnlich wie die KI Jarvis. höfflich, zielorientiert und leicht zynisch und ironisch. Du antwortest in kurzen Sätzen ausser es wird eine lange Erklärung verlangt. "
"für OpenHAB. Du steuerst Geräte und beantwortest Fragen über das Zuhause. "
"Nutze Tools, wenn sinnvoll. Antworte auf Deutsch und sei hilfreich."
)
}
]
"content": [{"text": self.system_prompt}]
}
]
def _load_system_prompt(self) -> str:
"""Lädt Personality aus externer Datei"""
try:
prompt_path = Path("prompts/nora_system.txt")
if prompt_path.exists():
return prompt_path.read_text(encoding="utf-8").strip()
else:
self.logger.warning("System-Prompt-Datei nicht gefunden. Verwende Standard.")
return (
"Du bist N.O.R.A (Neural Operations for Residential Automation), "
"ein freundlicher, kompetenter und leicht ironischer Smart-Home Assistent. "
"Du antwortest natürlich und auf Deutsch. Nutze Tools wenn sinnvoll."
)
except Exception:
return "Du bist N.O.R.A, ein hilfreicher Smart-Home Assistent."
# -------------------------
# TOOL LOADING
# -------------------------
async def load_tools(self):
try:
# 1. OpenHAB Tools vom MCP Server laden
res = await self.mcp.list_tools()
self.tools = []
for t in res.tools:
schema = t.inputSchema
# Bedrock-kompatibles Format erzwingen
# Bedrock-kompatibles Format
if isinstance(schema, dict) and "json" not in schema:
bedrock_schema = {"json": schema}
else:
bedrock_schema = schema
self.tools.append({
"toolSpec": {
"name": t.name,
@@ -53,36 +68,38 @@ class Agent:
"inputSchema": bedrock_schema
}
})
self.logger.info(f"{len(self.tools)}OpenHAB Tools erfolgreich für Bedrock angepasst und geladen")
# Nach dem Laden der MCP-Tools:
from tools.web_search import web_search_tool, web_search
# Manuell hinzufügen
if web_search_tool not in self.tools:
self.logger.info(f"{len(self.tools)} OpenHAB-Tools erfolgreich geladen")
# 2. Web-Search Tool manuell hinzufügen
if not any(t.get("toolSpec", {}).get("name") == "web_search" for t in self.tools):
self.tools.append(web_search_tool)
self.logger.info(f"{len(self.tools)} Tools geladen (inkl. Web-Suche)")
self.logger.info("Web-Search Tool hinzugefügt (DuckDuckGo)")
self.logger.info(f"Gesamt: {len(self.tools)} Tools geladen")
except Exception as e:
self.logger.error(f"Tool Load Error: {e}")
self.tools = []
# -------------------------
# TOOL EXECUTION
# -------------------------
async def _run_tool(self, tool):
try:
# Robustere Extraktion
tool_use = tool.get("toolUse", tool) # falls schon extrahiert
tool_use = tool.get("toolUse", tool)
name = tool_use.get("name")
args = tool_use.get("input", {}) or {}
self.logger.info(f"Tool Call → {name} | args={args}")
# Web-Search Tool
if name == "web_search":
return await web_search(**args)
# Normale MCP Tools (OpenHAB)
result = await self.mcp.call_tool(name, args)
# MCP result stabilisieren
if hasattr(result, "content"):
return result.content
return result
@@ -90,7 +107,7 @@ class Agent:
except Exception as e:
self.logger.error(f"Tool Error ({name}): {e}")
return f"ERROR: {e}"
# -------------------------
# MAIN LOOP
# -------------------------
@@ -100,18 +117,16 @@ class Agent:
"content": [{"text": user_input}]
})
for iteration in range(10): # etwas mehr Schleifendurchläufe erlaubt
for iteration in range(12):
try:
response = await self.llm.chat(
messages=self.messages,
tools=self.tools if self.tools else None
)
except Exception as e:
self.logger.error(f"LLM Error: {e}")
return f"LLM Fehler: {e}"
# Response-Struktur von Bedrock Converse
output = response.get("output", {})
message = output.get("message", {})
content = message.get("content", [])
@@ -119,28 +134,23 @@ class Agent:
tool_uses = []
final_text = []
# Verbessertes Parsing
for c in content:
if "toolUse" in c:
tool_uses.append(c)
elif "text" in c:
final_text.append(c["text"])
# TOOL EXECUTION PATH
if tool_uses:
self.logger.info(f"{len(tool_uses)} Tool(s) detected")
# Assistant-Nachricht mit Tool-Call speichern
self.messages.append({
"role": "assistant",
"content": content
})
tool_results = []
for tool in tool_uses:
result = await self._run_tool(tool)
tool_results.append({
"toolResult": {
"toolUseId": tool.get("toolUse", tool).get("toolUseId"),
@@ -148,23 +158,19 @@ class Agent:
}
})
# Tool-Ergebnisse zurück an das Modell
self.messages.append({
"role": "user",
"content": tool_results
})
continue
continue # nächste Runde für finale Antwort
# FINAL RESPONSE
# Finale Antwort
if final_text:
text = "\n".join(final_text)
self.messages.append({
"role": "assistant",
"content": [{"text": text}]
})
return text
return "Tool Loop Limit erreicht. Bitte versuche es erneut."