codebuff-agent 2.1.74__py3-none-any.whl

codebuff_core/models/__init__.py

@@ -0,0 +1,111 @@
+"""
+Codebuff Core - Pydantic Models
+
+Shared data models for the Codebuff system.
+"""
+
+from .agent import (
+    DependencyInfo,
+    ExecutionPlan,
+    PlanRequest,
+    PlanResponse,
+    PlanStep,
+    RefineRequest,
+    RefineResponse,
+    ReflectionAdjustment,
+    ReflectionAnalysis,
+    ReflectionEvaluation,
+    ReflectionImpact,
+    ReflectionRecommendations,
+    ReflectionResult,
+    ReflectRequest,
+    ReflectResponse,
+    ReplanRequest,
+    ReplanResponse,
+    ReportExecutionRequest,
+    ReportExecutionResponse,
+    ValidateRequest,
+    ValidateResponse,
+    ValidationIssue,
+    VerifyStateRequest,
+    VerifyStateResponse,
+)
+from .chat import (
+    ChatRequest,
+    ChatResponse,
+    StreamChunk,
+)
+from .common import (
+    APIResponse,
+    ErrorInfo,
+    LLMConfig,
+    NotebookContext,
+    ToolCall,
+    VLLMConfig,
+)
+from .rag import (
+    ChunkingConfig,
+    EmbeddingConfig,
+    IndexStatusResponse,
+    QdrantConfig,
+    RAGConfig,
+    ReindexRequest,
+    ReindexResponse,
+    SearchRequest,
+    SearchResponse,
+    SearchResult,
+    WatchdogConfig,
+    get_default_rag_config,
+)
+
+__all__ = [
+    # Common
+    "APIResponse",
+    "ErrorInfo",
+    "LLMConfig",
+    "NotebookContext",
+    "ToolCall",
+    "VLLMConfig",
+    # Agent
+    "DependencyInfo",
+    "ExecutionPlan",
+    "PlanRequest",
+    "PlanResponse",
+    "PlanStep",
+    "RefineRequest",
+    "RefineResponse",
+    "ReflectRequest",
+    "ReflectResponse",
+    "ReflectionAdjustment",
+    "ReflectionAnalysis",
+    "ReflectionEvaluation",
+    "ReflectionImpact",
+    "ReflectionRecommendations",
+    "ReflectionResult",
+    "ReplanRequest",
+    "ReplanResponse",
+    "ReportExecutionRequest",
+    "ReportExecutionResponse",
+    "ValidateRequest",
+    "ValidateResponse",
+    "ValidationIssue",
+    "VerifyStateRequest",
+    "VerifyStateResponse",
+    # Chat
+    "ChatRequest",
+    "ChatResponse",
+    "StreamChunk",
+    # RAG
+    "ChunkingConfig",
+    "EmbeddingConfig",
+    "IndexStatusResponse",
+    "QdrantConfig",
+    "RAGConfig",
+    "ReindexRequest",
+    "ReindexResponse",
+    "SearchRequest",
+    "SearchResponse",
+    "SearchResult",
+    "WatchdogConfig",
+    "get_default_rag_config",
+]

codebuff_core/models/agent.py

@@ -0,0 +1,306 @@
+"""
+에이전트 API Pydantic 모델
+
+계획 생성, 개선, 재계획, 상태 검증을 위한 모델.
+"""
+
+from typing import Any, Dict, List, Optional
+
+from pydantic import BaseModel, Field
+
+from .common import ErrorInfo, LLMConfig, NotebookContext, ToolCall
+
+# ============ 계획 요청/응답 ============
+
+
+class PlanStep(BaseModel):
+    """실행 계획의 단일 단계"""
+
+    stepNumber: int = Field(description="단계 번호 (1부터 시작)")
+    description: str = Field(description="사람이 읽을 수 있는 단계 설명")
+    toolCalls: List[ToolCall] = Field(
+        default_factory=list, description="이 단계에서 실행할 도구들"
+    )
+    expectedOutput: Optional[str] = Field(default=None, description="예상 출력 설명")
+
+
+class ExecutionPlan(BaseModel):
+    """에이전트가 생성한 실행 계획"""
+
+    goal: str = Field(description="전체 목표 설명")
+    totalSteps: int = Field(description="총 단계 수")
+    steps: List[PlanStep] = Field(description="순서대로 정렬된 실행 단계 목록")
+
+
+class PlanRequest(BaseModel):
+    """계획 생성 요청 본문"""
+
+    request: str = Field(description="사용자의 자연어 요청")
+    notebookContext: NotebookContext = Field(
+        default_factory=NotebookContext, description="현재 노트북 상태"
+    )
+    llmConfig: Optional[LLMConfig] = Field(
+        default=None, description="API 키가 포함된 LLM 설정 (클라이언트 제공)"
+    )
+
+
+class PlanResponse(BaseModel):
+    """계획 생성 응답 본문"""
+
+    plan: ExecutionPlan = Field(description="생성된 실행 계획")
+    reasoning: str = Field(default="", description="에이전트의 추론 설명")
+
+
+# ============ 개선 요청/응답 ============
+
+
+class RefineRequest(BaseModel):
+    """코드 개선 요청 본문"""
+
+    step: Dict[str, Any] = Field(description="개선 중인 현재 단계")
+    error: ErrorInfo = Field(description="개선을 트리거한 오류")
+    attempt: int = Field(default=1, description="현재 시도 횟수")
+    previousCode: Optional[str] = Field(default=None, description="이전에 실행한 코드")
+    llmConfig: Optional[LLMConfig] = Field(
+        default=None, description="API 키가 포함된 LLM 설정 (클라이언트 제공)"
+    )
+
+
+class RefineResponse(BaseModel):
+    """코드 개선 응답 본문"""
+
+    toolCalls: List[ToolCall] = Field(description="개선된 도구 호출")
+    reasoning: str = Field(default="", description="개선 추론")
+
+
+# ============ 재계획 요청/응답 ============
+
+
+class ReplanRequest(BaseModel):
+    """재계획 요청 본문"""
+
+    originalPlan: ExecutionPlan = Field(description="원래 실행 계획")
+    currentStepIndex: int = Field(description="실패한 단계의 인덱스")
+    error: ErrorInfo = Field(description="재계획을 트리거한 오류")
+    executionHistory: List[Dict[str, Any]] = Field(
+        default_factory=list, description="실행된 단계 이력"
+    )
+    # LLM 폴백 관련 필드
+    previousAttempts: int = Field(
+        default=0, description="동일 오류에 대한 이전 시도 횟수"
+    )
+    previousCodes: List[str] = Field(
+        default_factory=list, description="이전에 시도한 코드들"
+    )
+    useLlmFallback: bool = Field(
+        default=True,
+        description="패턴 매칭 실패시 LLM 폴백 사용 여부",
+    )
+
+
+class ReplanResponse(BaseModel):
+    """재계획 응답 본문"""
+
+    decision: str = Field(
+        description="재계획 결정 유형 (refine/insert_steps/replace_step/replan_remaining)"
+    )
+    analysis: Dict[str, Any] = Field(description="오류 분석 세부사항")
+    reasoning: str = Field(default="", description="재계획 추론")
+    changes: Dict[str, Any] = Field(default_factory=dict, description="제안된 변경사항")
+    usedLlm: bool = Field(
+        default=False, description="오류 분석에 LLM 폴백을 사용했는지 여부"
+    )
+    confidence: float = Field(
+        default=1.0,
+        description="분석 신뢰도 (패턴 매칭은 1.0, LLM은 0.0-1.0)",
+    )
+
+
+# ============ 반성 요청/응답 ============
+
+
+class ReflectionEvaluation(BaseModel):
+    """반성 평가 결과"""
+
+    checkpoint_passed: bool = Field(description="체크포인트 기준 통과 여부")
+    output_matches_expected: bool = Field(
+        description="출력이 예상 결과와 일치하는지 여부"
+    )
+    confidence_score: float = Field(description="신뢰도 점수 (0.0-1.0)")
+
+
+class ReflectionAnalysis(BaseModel):
+    """반성 분석 세부사항"""
+
+    success_factors: List[str] = Field(
+        default_factory=list, description="성공에 기여한 요소들"
+    )
+    failure_factors: List[str] = Field(
+        default_factory=list, description="실패를 야기한 요소들"
+    )
+    unexpected_outcomes: List[str] = Field(
+        default_factory=list, description="예상치 못한 결과들"
+    )
+
+
+class ReflectionImpact(BaseModel):
+    """나머지 단계에 대한 영향"""
+
+    affected_steps: List[int] = Field(
+        default_factory=list, description="영향받는 단계 번호들"
+    )
+    severity: str = Field(description="영향 심각도: none, minor, major, critical")
+    description: str = Field(description="영향 설명")
+
+
+class ReflectionAdjustment(BaseModel):
+    """권장 조정사항"""
+
+    step_number: int = Field(description="조정할 단계 번호")
+    change_type: str = Field(
+        description="변경 유형: modify_code, add_step, remove_step, change_approach"
+    )
+    description: str = Field(description="조정 설명")
+    new_content: Optional[str] = Field(
+        default=None, description="해당되는 경우 새 콘텐츠"
+    )
+
+
+class ReflectionRecommendations(BaseModel):
+    """반성 권장사항"""
+
+    action: str = Field(description="권장 작업: continue, adjust, retry, replan")
+    adjustments: List[ReflectionAdjustment] = Field(
+        default_factory=list, description="구체적인 조정사항들"
+    )
+    reasoning: str = Field(description="권장사항에 대한 추론")
+
+
+class ReflectionResult(BaseModel):
+    """완전한 반성 결과"""
+
+    evaluation: ReflectionEvaluation = Field(description="평가 결과")
+    analysis: ReflectionAnalysis = Field(description="분석 세부사항")
+    impact_on_remaining: ReflectionImpact = Field(description="나머지 단계에 대한 영향")
+    recommendations: ReflectionRecommendations = Field(description="권장사항")
+
+
+class ReflectRequest(BaseModel):
+    """단계 반성 요청 본문"""
+
+    stepNumber: int = Field(description="반성 대상 단계 번호")
+    stepDescription: str = Field(description="단계 설명")
+    executedCode: str = Field(description="실행된 코드")
+    executionStatus: str = Field(description="실행 상태 (success/error/warning)")
+    executionOutput: str = Field(description="실행 출력")
+    errorMessage: Optional[str] = Field(
+        default=None, description="있는 경우 오류 메시지"
+    )
+    expectedOutcome: Optional[str] = Field(default=None, description="예상 결과 설명")
+    validationCriteria: Optional[List[str]] = Field(
+        default=None, description="검증 기준"
+    )
+    remainingSteps: Optional[List[Dict[str, Any]]] = Field(
+        default=None, description="계획의 나머지 단계들"
+    )
+
+
+class ReflectResponse(BaseModel):
+    """단계 반성 응답 본문"""
+
+    reflection: ReflectionResult = Field(description="반성 분석 결과")
+
+
+# ============ 상태 검증 ============
+
+
+class VerifyStateRequest(BaseModel):
+    """상태 검증 요청 본문"""
+
+    stepIndex: int = Field(description="검증할 단계 인덱스")
+    expectedChanges: Dict[str, Any] = Field(description="단계에서 예상되는 상태 변경")
+    actualOutput: str = Field(description="실행의 실제 출력")
+    executionResult: Dict[str, Any] = Field(description="전체 실행 결과")
+
+
+class VerifyStateResponse(BaseModel):
+    """상태 검증 응답 본문"""
+
+    verified: bool = Field(description="상태가 예상과 일치하는지 여부")
+    discrepancies: List[str] = Field(
+        default_factory=list, description="발견된 불일치 목록"
+    )
+    confidence: float = Field(default=0.0, description="신뢰도 점수 (0.0-1.0)")
+
+
+# ============ 실행 보고 ============
+
+
+class ReportExecutionRequest(BaseModel):
+    """도구 실행 결과 보고 요청 본문"""
+
+    stepId: str = Field(description="단계 식별자")
+    result: Dict[str, Any] = Field(description="실행 결과 세부사항")
+
+
+class ReportExecutionResponse(BaseModel):
+    """실행 보고 응답 본문"""
+
+    acknowledged: bool = Field(default=True)
+    nextAction: Optional[str] = Field(default=None, description="제안된 다음 작업")
+
+
+# ============ 코드 검증 ============
+
+
+class ValidationIssue(BaseModel):
+    """코드 검증 이슈 (구문, 미정의 이름 등)"""
+
+    severity: str = Field(description="이슈 심각도: error, warning, info")
+    category: str = Field(
+        description="이슈 카테고리: syntax, undefined_name, unused_import, unused_variable, redefined, import_error, type_error"
+    )
+    message: str = Field(description="이슈 설명")
+    line: Optional[int] = Field(default=None, description="줄 번호")
+    column: Optional[int] = Field(default=None, description="열 번호")
+    code_snippet: Optional[str] = Field(default=None, description="코드 스니펫")
+
+
+class DependencyInfo(BaseModel):
+    """코드 의존성 정보"""
+
+    imports: List[str] = Field(default_factory=list, description="import 문")
+    from_imports: Dict[str, List[str]] = Field(
+        default_factory=dict, description="from-import 문"
+    )
+    defined_names: List[str] = Field(
+        default_factory=list, description="정의된 변수/함수 이름"
+    )
+    used_names: List[str] = Field(
+        default_factory=list, description="사용된 변수/함수 이름"
+    )
+    undefined_names: List[str] = Field(
+        default_factory=list, description="미정의 이름 (잠재적 오류)"
+    )
+
+
+class ValidateRequest(BaseModel):
+    """코드 검증 요청 본문"""
+
+    code: str = Field(description="검증할 코드")
+    notebookContext: Optional[NotebookContext] = Field(
+        default=None, description="현재 노트북 컨텍스트 (변수/import 추적용)"
+    )
+
+
+class ValidateResponse(BaseModel):
+    """코드 검증 응답 본문"""
+
+    valid: bool = Field(description="코드가 유효한지 여부 (오류 없음)")
+    issues: List[ValidationIssue] = Field(default_factory=list, description="검증 이슈")
+    dependencies: Optional[DependencyInfo] = Field(
+        default=None, description="코드 의존성"
+    )
+    hasErrors: bool = Field(description="오류가 있는지 여부")
+    hasWarnings: bool = Field(description="경고가 있는지 여부")
+    summary: str = Field(description="검증 요약")

codebuff_core/models/chat.py

@@ -0,0 +1,57 @@
+"""
+채팅 API Pydantic 모델
+
+채팅 메시지 요청 및 응답을 위한 모델.
+"""
+
+from typing import Optional
+
+from pydantic import BaseModel, Field
+
+from .common import LLMConfig
+
+
+class ChatRequest(BaseModel):
+    """채팅 메시지 요청 본문"""
+
+    message: str = Field(description="사용자의 채팅 메시지")
+    conversationId: Optional[str] = Field(
+        default=None, description="컨텍스트 연속성을 위한 대화 ID"
+    )
+    llmConfig: Optional[LLMConfig] = Field(
+        default=None, description="API 키가 포함된 LLM 설정 (클라이언트 제공)"
+    )
+    maxTokens: Optional[int] = Field(
+        default=None,
+        description="LLM 최대 출력 토큰 수 (미지정 시 기본값 4096)",
+    )
+    chatMode: Optional[str] = Field(
+        default=None,
+        description="채팅 모드: 'simple'(도구 없음), 'knowledge'(사내 검색 도구). jupyter_ext 의 Chat 핸들러가 BDP Q&A 가용 여부로 채운다(#183). ChatService 를 직접 부르면 simple 외에는 knowledge 로 돈다.",
+    )
+    workspaceRoot: Optional[str] = Field(
+        default=None,
+        description="`@<경로>` 파일 멘션을 풀 기준 디렉터리. jupyter_ext 의 Chat 핸들러가 채운다(#259). 없으면 서버 cwd.",
+    )
+    fileMentions: bool = Field(
+        default=True,
+        description="`@<경로>` 멘션을 풀지 여부. 셀 버튼·`/review`·노트북 첨부처럼 앱이 만든 프롬프트는 False 다 — 코드 속 `@decorator` 를 파일로 읽지 않는다(#259).",
+    )
+
+
+class ChatResponse(BaseModel):
+    """채팅 메시지 응답 본문"""
+
+    response: str = Field(description="어시스턴트의 응답")
+    conversationId: str = Field(description="이후 메시지를 위한 대화 ID")
+    model: Optional[str] = Field(default=None, description="응답에 사용된 모델")
+
+
+class StreamChunk(BaseModel):
+    """스트리밍 응답의 단일 청크"""
+
+    content: str = Field(description="부분 콘텐츠")
+    done: bool = Field(default=False, description="스트리밍 완료 여부")
+    conversationId: Optional[str] = Field(
+        default=None, description="대화 ID (마지막 청크에서 전송)"
+    )

codebuff_core/models/common.py

@@ -0,0 +1,82 @@
+"""
+Codebuff Core 공통 Pydantic 모델
+
+모든 에이전트 서비스에서 사용되는 공유 데이터 모델.
+"""
+
+from typing import Any, Dict, List, Optional
+
+from pydantic import BaseModel, ConfigDict, Field
+
+
+class ToolCall(BaseModel):
+    """도구 호출 명세"""
+
+    tool: str = Field(description="도구 이름 (예: 'jupyter_cell', 'file_operation')")
+    parameters: Dict[str, Any] = Field(
+        default_factory=dict, description="도구 매개변수"
+    )
+
+
+class ErrorInfo(BaseModel):
+    """오류 정보 구조"""
+
+    type: str = Field(default="runtime", description="오류 유형")
+    message: str = Field(default="", description="오류 메시지")
+    traceback: Optional[List[str]] = Field(
+        default=None, description="스택 트레이스 라인"
+    )
+
+
+class NotebookContext(BaseModel):
+    """노트북 실행 컨텍스트"""
+
+    cellCount: int = Field(default=0, description="노트북의 셀 수")
+    importedLibraries: List[str] = Field(
+        default_factory=list, description="이미 import된 라이브러리"
+    )
+    definedVariables: List[str] = Field(
+        default_factory=list, description="현재 정의된 변수"
+    )
+    recentCells: List[Dict[str, Any]] = Field(
+        default_factory=list, description="최근 셀 내용과 출력"
+    )
+
+
+class APIResponse(BaseModel):
+    """일반 API 응답 래퍼"""
+
+    success: bool = Field(default=True)
+    message: Optional[str] = None
+    data: Optional[Dict[str, Any]] = None
+    error: Optional[str] = None
+
+
+# ============ LLM 설정 (클라이언트 제공) ============
+
+
+class VLLMConfig(BaseModel):
+    """vLLM 프로바이더 설정"""
+
+    endpoint: str = Field(
+        default="http://localhost:8000", description="vLLM 엔드포인트"
+    )
+    apiKey: Optional[str] = Field(default=None, description="선택적 API 키")
+    model: str = Field(default="default", description="모델 이름")
+
+
+class LLMConfig(BaseModel):
+    """
+    클라이언트가 제공하는 LLM 설정.
+    API 키는 클라이언트 측에서 관리되며 각 요청과 함께 전달됩니다.
+    """
+
+    model_config = ConfigDict(populate_by_name=True)
+
+    provider: str = Field(default="vllm", description="LLM 프로바이더 (vllm)")
+    vllm: Optional[VLLMConfig] = Field(default=None, description="vLLM 설정")
+    system_prompt: Optional[str] = Field(
+        default=None,
+        alias="systemPrompt",
+        description="LangChain 시스템 프롬프트 오버라이드",
+    )