hdsp-jupyter-extension 2.0.5__py3-none-any.whl → 2.0.7__py3-none-any.whl

agent_server/langchain/ARCHITECTURE.md

@@ -0,0 +1,1193 @@
+# LangChain Agent Architecture
+
+## 목차
+1. [개요](#개요)
+2. [전체 구조](#전체-구조)
+3. [디렉토리 구조](#디렉토리-구조)
+4. [핵심 컴포넌트](#핵심-컴포넌트)
+5. [데이터 흐름](#데이터-흐름)
+6. [미들웨어 시스템](#미들웨어-시스템)
+7. [도구 시스템](#도구-시스템)
+8. [실행 흐름](#실행-흐름)
+
+---
+
+## 개요
+
+이 시스템은 LangChain을 기반으로 Jupyter 노트북 환경에서 동작하는 데이터 분석 에이전트입니다. 주요 특징:
+
+- **Human-in-the-Loop (HITL)**: 코드 실행 전 사용자 승인 필요
+- **TodoList 기반 작업 관리**: 작업을 단계별로 추적
+- **스트리밍 응답**: 실시간으로 에이전트 상태 전달
+- **멀티 모델 지원**: Gemini, OpenAI, vLLM
+- **커스텀 미들웨어**: 빈 응답 처리, continuation 프롬프트 주입 등
+
+---
+
+## 전체 구조
+
+```
+┌─────────────────────────────────────────────────────────────┐
+│                    Jupyter Extension (Frontend)              │
+│  - AgentPanel.tsx: UI 컴포넌트                               │
+│  - ApiService.ts: API 통신                                   │
+└──────────────────────┬──────────────────────────────────────┘
+                       │ HTTP/SSE
+┌──────────────────────▼──────────────────────────────────────┐
+│              Jupyter Extension (Backend)                     │
+│  - handlers.py: HTTP 핸들러                                  │
+│    - ChatStreamHandler: 에이전트 스트리밍                    │
+│    - ExecuteCommandHandler: 쉘 명령 실행                     │
+│    - CheckResourceHandler: 리소스 확인                       │
+└──────────────────────┬──────────────────────────────────────┘
+                       │ HTTP POST
+┌──────────────────────▼──────────────────────────────────────┐
+│                Agent Server (FastAPI)                        │
+│  - langchain_agent.py: 라우터                                │
+│    - stream_agent(): 초기 요청 처리                          │
+│    - resume_agent(): 인터럽트 재개                           │
+└──────────────────────┬──────────────────────────────────────┘
+                       │
+┌──────────────────────▼──────────────────────────────────────┐
+│              LangChain Agent (agent.py)                      │
+│  - create_simple_chat_agent(): 에이전트 생성                 │
+│  - Middleware 체인                                           │
+│  - Tools 등록                                                │
+└──────────────────────┬──────────────────────────────────────┘
+                       │
+         ┌─────────────┼─────────────┐
+         │             │             │
+┌────────▼────────┐ ┌─▼──────────┐ ┌▼─────────────┐
+│   Middleware    │ │   Tools    │ │ LLM Factory  │
+│                 │ │            │ │              │
+│ - Empty Response│ │ - Jupyter  │ │ - Gemini     │
+│ - Continuation  │ │ - File I/O │ │ - OpenAI     │
+│ - HITL          │ │ - Search   │ │ - vLLM       │
+│ - TodoList      │ │ - Shell    │ │              │
+└─────────────────┘ └────────────┘ └──────────────┘
+```
+
+---
+
+## 디렉토리 구조
+
+### `agent_server/langchain/`
+
+```
+langchain/
+├── __init__.py                 # 모듈 초기화
+├── agent.py                    # 에이전트 생성 및 설정
+├── custom_middleware.py        # 커스텀 미들웨어 정의
+├── hitl_config.py              # HITL 설정
+├── llm_factory.py              # LLM 인스턴스 생성
+├── logging_utils.py            # 로깅 유틸리티
+├── prompts.py                  # 시스템 프롬프트 및 스키마
+├── state.py                    # 상태 정의 (TypedDict, dataclass)
+├── executors/
+│   ├── __init__.py
+│   └── notebook_searcher.py   # 노트북 검색 기능
+└── tools/
+    ├── __init__.py
+    ├── file_tools.py           # 파일 읽기/쓰기/목록
+    ├── jupyter_tools.py        # Jupyter 셀 실행, 마크다운, final_answer
+    ├── resource_tools.py       # 리소스 확인 (파일 크기, 메모리)
+    ├── search_tools.py         # 워크스페이스 검색, 노트북 검색
+    └── shell_tools.py          # 쉘 명령 실행
+```
+
+### `agent_server/routers/`
+
+```
+routers/
+└── langchain_agent.py          # FastAPI 라우터
+    - stream_agent()            # POST /agent/langchain/stream
+    - resume_agent()            # POST /agent/langchain/resume
+    - search_workspace()        # POST /agent/search/workspace
+    - clear_agent_cache()       # POST /agent/langchain/clear
+```
+
+### `extensions/jupyter/jupyter_ext/`
+
+```
+jupyter_ext/
+└── handlers.py                 # Jupyter Extension 핸들러
+    - ChatStreamHandler         # GET /hdsp-agent/chat/stream
+    - ExecuteCommandHandler     # POST /hdsp-agent/execute/command
+    - CheckResourceHandler      # POST /hdsp-agent/check-resource
+    - WriteFileHandler          # POST /hdsp-agent/write-file
+    - (기타 핸들러)
+```
+
+---
+
+## 핵심 컴포넌트
+
+### 1. Agent (`agent.py`)
+
+#### `create_simple_chat_agent()`
+에이전트 인스턴스를 생성하고 설정합니다.
+
+**주요 작업**:
+1. LLM 생성 (`llm_factory.create_llm()`)
+2. Tools 등록 (`_get_all_tools()`)
+3. Middleware 체인 구성
+4. Checkpointer 설정 (InMemorySaver)
+5. 시스템 프롬프트 설정 (Gemini-2.5-flash 전용 프롬프트 추가)
+
+**Middleware 순서**:
+```python
+1. handle_empty_response        # 빈 응답 처리
+2. limit_tool_calls             # 한 번에 1개 도구만 호출
+3. inject_continuation          # non-HITL 도구 후 continuation 프롬프트
+4. patch_tool_calls             # dangling tool call 수정
+5. TodoListMiddleware           # 작업 목록 관리
+6. HumanInTheLoopMiddleware     # 코드 실행 전 사용자 승인
+7. ModelCallLimitMiddleware     # LLM 호출 횟수 제한 (30회)
+8. ToolCallLimitMiddleware      # 특정 도구 호출 제한
+9. SummarizationMiddleware      # 대화 요약
+```
+
+**Tools**:
+```python
+- jupyter_cell_tool            # Python 코드 실행
+- markdown_tool                # 마크다운 셀 추가
+- final_answer_tool            # 작업 완료 및 요약
+- read_file_tool               # 파일 읽기
+- write_file_tool              # 파일 쓰기
+- list_files_tool              # 디렉토리 목록
+- search_workspace_tool        # 워크스페이스 검색 (grep/rg)
+- search_notebook_cells_tool   # 노트북 셀 검색
+- execute_command_tool         # 쉘 명령 실행
+- check_resource_tool          # 리소스 확인
+```
+
+---
+
+### 2. Router (`langchain_agent.py`)
+
+FastAPI 라우터로, 클라이언트 요청을 받아 에이전트를 실행합니다.
+
+#### `stream_agent()` - POST `/agent/langchain/stream`
+초기 요청을 처리하고 SSE 스트리밍으로 응답합니다.
+
+**흐름**:
+```
+1. AgentRequest 파싱
+2. 설정 준비 (LLM config, workspace root, thread_id)
+3. 에이전트 생성 (create_simple_chat_agent)
+4. Checkpointer 생성/조회 (InMemorySaver)
+5. 스트리밍 시작 (agent.stream)
+6. 이벤트 처리 루프:
+   - todos: TodoList 업데이트
+   - messages: AIMessage/ToolMessage 처리
+   - interrupt: HITL 인터럽트 발생
+7. SSE 이벤트 전송:
+   - event: todos           # Todo 리스트 업데이트
+   - event: token           # LLM 응답 토큰
+   - event: debug           # 디버그 메시지
+   - event: tool_call       # 도구 호출 요청
+   - event: interrupt       # HITL 인터럽트
+   - event: complete        # 완료
+```
+
+**주요 처리**:
+- **ToolMessage (final_answer_tool)**: `final_answer` 추출, `summary` 필드에서 `next_items` JSON 추출 후 마크다운 코드 블록으로 변환
+- **AIMessage**: tool_calls 확인, 빈 content는 필터링, 중복 제거
+- **Interrupt**: HITL 도구 호출 시 스트리밍 일시 중지, 클라이언트로 interrupt 이벤트 전송
+
+#### `resume_agent()` - POST `/agent/langchain/resume`
+HITL 인터럽트 이후 사용자 결정(승인/거부)을 받아 에이전트를 재개합니다.
+
+**흐름**:
+```
+1. ResumeRequest 파싱 (thread_id, decision, execution_result)
+2. Checkpointer에서 기존 상태 조회
+3. 인터럽트 메시지 찾기
+4. 사용자 결정에 따라 업데이트:
+   - approved: execution_result를 ToolMessage arguments에 주입
+   - rejected: rejection_reason 추가
+5. 에이전트 재개 (agent.stream)
+6. SSE 이벤트 전송 (stream_agent와 동일)
+```
+
+---
+
+### 3. Handlers (`handlers.py`)
+
+Jupyter Extension의 백엔드 핸들러로, 클라이언트 요청을 Agent Server로 전달합니다.
+
+#### `ChatStreamHandler` - GET `/hdsp-agent/chat/stream`
+에이전트와의 대화를 스트리밍합니다.
+
+**흐름**:
+```
+1. GET 파라미터 파싱 (message, sessionId, mode 등)
+2. Agent Server로 POST 요청
+   - URL: {AGENT_SERVER_URL}/agent/langchain/stream
+   - Body: AgentRequest
+3. SSE 스트리밍 응답 전달
+4. event: tool_call 감지 시:
+   - jupyter_cell_tool: 클라이언트에 전달 (HITL)
+   - execute_command_tool: 서버에서 실행 후 결과 반환
+   - check_resource_tool: 서버에서 실행 후 결과 반환
+5. interrupt 이벤트 수신 시: 클라이언트로 전달, 대기
+```
+
+#### `ExecuteCommandHandler` - POST `/hdsp-agent/execute/command`
+쉘 명령을 실행하고 결과를 반환합니다.
+
+**흐름**:
+```
+1. POST body 파싱 (command, stdin, cwd, timeout)
+2. subprocess로 명령 실행
+3. stdout/stderr 수집
+4. 결과 반환 (success, output, error)
+```
+
+#### `CheckResourceHandler` - POST `/hdsp-agent/check-resource`
+파일 크기 및 DataFrame 메모리 사용량을 확인합니다.
+
+**흐름**:
+```
+1. POST body 파싱 (files, dataframes)
+2. 파일 크기 확인 (subprocess: du -sh)
+3. DataFrame 메모리 확인 (jupyter_cell_tool 호출)
+4. 결과 반환 (file_sizes, dataframe_memory)
+```
+
+---
+
+## 데이터 흐름
+
+### 초기 요청 흐름
+
+```
+[Client]
+   │
+   ├─ message: "타이타닉 데이터 분석해줘"
+   │
+   ▼
+[Jupyter Extension: ChatStreamHandler]
+   │
+   ├─ POST /agent/langchain/stream
+   │  {
+   │    request: "타이타닉 데이터 분석해줘",
+   │    threadId: "uuid",
+   │    workspaceRoot: "/path/to/workspace",
+   │    llmConfig: { provider: "gemini", ... }
+   │  }
+   │
+   ▼
+[Agent Server: stream_agent()]
+   │
+   ├─ create_simple_chat_agent(llm_config, workspace_root)
+   │  │
+   │  ├─ create_llm() → ChatGoogleGenerativeAI
+   │  ├─ _get_all_tools() → [jupyter_cell_tool, ...]
+   │  ├─ middleware 체인 구성
+   │  └─ create_agent(model, tools, middleware, checkpointer)
+   │
+   ├─ agent.stream(input, config)
+   │  │
+   │  ├─ [TodoListMiddleware] → write_todos 호출
+   │  │  → todos: [
+   │  │      {content: "데이터 로드", status: "pending"},
+   │  │      {content: "EDA", status: "pending"},
+   │  │      {content: "다음 단계 제시", status: "pending"}
+   │  │    ]
+   │  │
+   │  ├─ [LLM] → AIMessage with tool_calls
+   │  │  → tool_calls: [{
+   │  │      name: "check_resource_tool",
+   │  │      args: {files: ["titanic.csv"]}
+   │  │    }]
+   │  │
+   │  ├─ [HumanInTheLoopMiddleware] → interrupt (non-HITL이면 통과)
+   │  │
+   │  ├─ [Tool Execution] → check_resource_tool()
+   │  │  → {status: "pending_execution", ...}
+   │  │
+   │  └─ [Stream] → SSE 이벤트 전송
+   │     - event: todos
+   │     - event: debug (🔧 Tool 실행: check_resource_tool)
+   │     - event: tool_call
+   │
+   ▼
+[Jupyter Extension: ChatStreamHandler]
+   │
+   ├─ tool_call 수신 (check_resource_tool)
+   │  → CheckResourceHandler 호출
+   │  → execution_result 획득
+   │
+   ├─ POST /agent/langchain/resume
+   │  {
+   │    threadId: "uuid",
+   │    decision: "approved",
+   │    execution_result: {...}
+   │  }
+   │
+   ▼
+[Agent Server: resume_agent()]
+   │
+   ├─ 인터럽트 메시지 업데이트 (execution_result 주입)
+   │
+   ├─ agent.stream(None, config) → 재개
+   │  │
+   │  ├─ [LLM] → ToolMessage 처리
+   │  │  → "파일 크기: 60KB"
+   │  │
+   │  ├─ [inject_continuation] → continuation 프롬프트 주입
+   │  │  → "[SYSTEM] Tool 'check_resource_tool' completed. Continue..."
+   │  │
+   │  ├─ [LLM] → AIMessage with tool_calls
+   │  │  → tool_calls: [{
+   │  │      name: "jupyter_cell_tool",
+   │  │      args: {code: "import pandas as pd\ndf = pd.read_csv('titanic.csv')"}
+   │  │    }]
+   │  │
+   │  ├─ [HumanInTheLoopMiddleware] → interrupt (HITL)
+   │  │
+   │  └─ [Stream] → SSE 이벤트 전송
+   │     - event: interrupt
+   │
+   ▼
+[Jupyter Extension: ChatStreamHandler]
+   │
+   ├─ interrupt 수신 (jupyter_cell_tool)
+   │  → 클라이언트로 전달 (UI에서 사용자 승인 대기)
+   │
+   ├─ 사용자 승인 후
+   │  → Jupyter 커널에서 코드 실행
+   │  → execution_result 획득
+   │
+   ├─ POST /agent/langchain/resume
+   │
+   ▼
+... (반복)
+```
+
+### final_answer_tool 처리 흐름
+
+```
+[LLM]
+   │
+   ├─ AIMessage with tool_calls
+   │  → tool_calls: [{
+   │      name: "final_answer_tool",
+   │      args: {
+   │        answer: "분석 완료",
+   │        summary: '{"next_items": [...]}'  // JSON 문자열
+   │      }
+   │    }]
+   │
+   ▼
+[Tool Execution]
+   │
+   ├─ final_answer_tool(answer, summary)
+   │  → {
+   │      tool: "final_answer",
+   │      parameters: {answer: "...", summary: "..."},
+   │      status: "complete"
+   │    }
+   │
+   ▼
+[Router: stream_agent()]
+   │
+   ├─ ToolMessage 수신
+   │  │
+   │  ├─ tool_result.get("answer")
+   │  ├─ summary = tool_result.get("summary")
+   │  │
+   │  ├─ summary가 JSON 문자열이면:
+   │  │  │
+   │  │  ├─ summary_json = json.loads(summary)
+   │  │  ├─ if "next_items" in summary_json:
+   │  │  │    next_items_block = f"\n\n```json\n{json.dumps(summary_json)}\n```"
+   │  │  │    final_answer = answer + next_items_block
+   │  │  │
+   │  │  └─ yield {"event": "token", "data": {"content": final_answer}}
+   │  │
+   │  ├─ yield {"event": "todos", "data": {"todos": _complete_todos(todos)}}
+   │  ├─ yield {"event": "debug_clear"}
+   │  └─ yield {"event": "complete"}
+   │
+   └─ return (스트림 종료)
+```
+
+---
+
+## 미들웨어 시스템
+
+### 1. `handle_empty_response`
+빈 응답 또는 text-only 응답을 처리합니다.
+
+**동작**:
+1. LLM 응답 확인:
+   - `tool_calls` 있으면 → 정상 응답, 통과
+   - `content`에 JSON이 있으면 → 파싱하여 tool_call 생성
+2. 마지막 메시지가 `final_answer_tool` 결과이면 → 그대로 반환 (에이전트 자연 종료)
+3. 빈 응답이면 → JSON 스키마 프롬프트로 재시도 (최대 2회)
+4. 재시도 실패 시 → synthetic `final_answer_tool` 생성
+
+**Gemini 2.5 Flash 대응**:
+- content가 리스트인 경우 처리 (`parse_json_tool_call`)
+- multimodal 응답 지원
+
+### 2. `inject_continuation`
+non-HITL 도구 실행 후 continuation 프롬프트를 주입합니다.
+
+**대상 도구**:
+```python
+NON_HITL_TOOLS = {
+    "markdown_tool",
+    "read_file_tool",
+    "list_files_tool",
+    "search_workspace_tool",
+    "search_notebook_cells_tool",
+    "write_todos",
+}
+```
+
+**동작**:
+1. 마지막 메시지가 non-HITL 도구의 ToolMessage인지 확인
+2. todos 상태 확인:
+   - pending/in_progress 있으면 → "Continue with pending tasks: ..."
+   - 모두 완료이면 → "Call final_answer_tool with a summary NOW."
+3. HumanMessage로 프롬프트 주입
+
+### 3. `limit_tool_calls`
+한 번에 1개 도구만 호출하도록 제한합니다.
+
+**동작**:
+1. AIMessage의 `tool_calls` 개수 확인
+2. 2개 이상이면 → 첫 번째만 유지, 나머지 제거
+3. 로그 출력
+
+### 4. `patch_tool_calls`
+Dangling tool call (실행되지 않은 도구 호출)을 수정합니다.
+
+**동작**:
+1. 마지막 메시지가 AIMessage with tool_calls인지 확인
+2. 그 다음 메시지가 ToolMessage가 아니면 → dangling
+3. synthetic ToolMessage 생성하여 주입
+
+### 5. `TodoListMiddleware` (LangChain 내장)
+작업 목록을 관리합니다.
+
+**동작**:
+1. `write_todos` 도구 등록
+2. LLM이 `write_todos` 호출하면 → state에 todos 저장
+3. 시스템 프롬프트에 todo 관리 지침 추가
+
+### 6. `HumanInTheLoopMiddleware` (LangChain 내장)
+사용자 승인이 필요한 도구 실행 전 인터럽트를 발생시킵니다.
+
+**대상 도구**:
+```python
+HITL_TOOLS = {
+    "jupyter_cell_tool",
+    "execute_command_tool",
+    "write_file_tool",
+}
+```
+
+**동작**:
+1. AIMessage with tool_calls 감지
+2. tool_calls 중 HITL 도구가 있으면 → interrupt 발생
+3. 에이전트 일시 중지, 클라이언트로 제어 반환
+
+### 7. `ModelCallLimitMiddleware` (LangChain 내장)
+LLM 호출 횟수를 제한합니다.
+
+**설정**:
+- `run_limit=30`: 최대 30회 LLM 호출
+- `exit_behavior="end"`: 제한 도달 시 에이전트 종료
+
+### 8. `ToolCallLimitMiddleware` (LangChain 내장)
+특정 도구의 호출 횟수를 제한합니다.
+
+**설정**:
+```python
+- write_todos: run_limit=5, exit_behavior="continue"
+- list_files_tool: run_limit=5, exit_behavior="continue"
+```
+
+### 9. `SummarizationMiddleware` (LangChain 내장)
+대화가 길어지면 요약합니다.
+
+**설정**:
+- `trigger`: tokens=8000 또는 messages=30
+- `keep`: 최근 10개 메시지 유지
+- `summary_prefix`: "[이전 대화 요약]\n"
+
+---
+
+## 도구 시스템
+
+### Jupyter Tools (`jupyter_tools.py`)
+
+#### `jupyter_cell_tool`
+Python 코드를 Jupyter 셀에서 실행합니다.
+
+**파라미터**:
+- `code`: Python 코드
+- `description`: 코드 설명 (선택)
+- `execution_result`: 클라이언트에서 실행한 결과 (HITL 후)
+
+**반환**:
+```python
+{
+    "tool": "jupyter_cell",
+    "parameters": {"code": "...", "description": "..."},
+    "status": "pending_execution",  # 또는 "complete"
+    "message": "Code cell queued for execution...",
+    "execution_result": {...}  # HITL 후
+}
+```
+
+**특징**:
+- 마크다운 코드 블록 래퍼 제거
+- HITL 대상 (사용자 승인 필요)
+
+#### `markdown_tool`
+마크다운 셀을 추가합니다.
+
+**파라미터**:
+- `content`: 마크다운 내용
+
+**반환**:
+```python
+{
+    "tool": "markdown",
+    "parameters": {"content": "..."},
+    "status": "completed",
+    "message": "Markdown cell added successfully."
+}
+```
+
+**특징**:
+- non-HITL (즉시 실행)
+
+#### `final_answer_tool`
+작업을 완료하고 요약을 제공합니다.
+
+**파라미터**:
+- `answer`: 최종 답변
+- `summary`: 요약 (선택, `next_items` JSON 포함 가능)
+
+**반환**:
+```python
+{
+    "tool": "final_answer",
+    "parameters": {"answer": "...", "summary": "..."},
+    "status": "complete",
+    "message": "Task completed successfully"
+}
+```
+
+**특징**:
+- 에이전트 종료 신호
+- `summary` 필드에 `next_items` JSON 포함 가능 (Gemini)
+
+---
+
+### File Tools (`file_tools.py`)
+
+#### `read_file_tool`
+파일을 읽습니다.
+
+**파라미터**:
+- `path`: 파일 경로
+
+**반환**:
+```python
+{
+    "tool": "read_file",
+    "parameters": {"path": "..."},
+    "status": "completed",
+    "content": "파일 내용..."
+}
+```
+
+**특징**:
+- workspace_root 기준 상대 경로
+- 경로 벗어나기 방지 (`_validate_path`)
+
+#### `write_file_tool`
+파일을 씁니다.
+
+**파라미터**:
+- `path`: 파일 경로
+- `content`: 내용
+- `overwrite`: 덮어쓰기 여부 (기본 False)
+
+**반환**:
+```python
+{
+    "tool": "write_file",
+    "parameters": {"path": "...", "content": "...", "overwrite": False},
+    "status": "pending_execution",  # HITL
+    "message": "File write queued..."
+}
+```
+
+**특징**:
+- HITL 대상 (사용자 승인 필요)
+
+#### `list_files_tool`
+디렉토리 목록을 가져옵니다.
+
+**파라미터**:
+- `path`: 디렉토리 경로 (기본 ".")
+- `recursive`: 재귀 탐색 여부 (기본 False)
+
+**반환**:
+```python
+{
+    "tool": "list_files",
+    "parameters": {"path": ".", "recursive": False},
+    "status": "completed",
+    "files": ["file1.py", "file2.csv", ...]
+}
+```
+
+---
+
+### Search Tools (`search_tools.py`)
+
+#### `search_workspace_tool`
+워크스페이스에서 패턴을 검색합니다 (grep/ripgrep).
+
+**파라미터**:
+- `pattern`: 정규식 패턴
+- `file_types`: 파일 타입 필터 (예: ["py", "md"])
+- `path`: 검색 경로 (기본 ".")
+
+**반환**:
+```python
+{
+    "tool": "search_workspace",
+    "parameters": {"pattern": "...", "file_types": ["py"], "path": "."},
+    "status": "completed",
+    "results": [
+        {"file": "file1.py", "line_number": 10, "line": "..."},
+        ...
+    ],
+    "command": "rg ... (또는 grep ...)"
+}
+```
+
+**특징**:
+- ripgrep 우선 사용 (속도)
+- 없으면 grep 사용
+
+#### `search_notebook_cells_tool`
+Jupyter 노트북 셀에서 패턴을 검색합니다.
+
+**파라미터**:
+- `pattern`: 정규식 패턴
+- `notebook_path`: 노트북 경로 (선택, 없으면 전체)
+
+**반환**:
+```python
+{
+    "tool": "search_notebook_cells",
+    "parameters": {"pattern": "...", "notebook_path": "..."},
+    "status": "completed",
+    "results": [
+        {
+            "notebook": "analysis.ipynb",
+            "cell_index": 3,
+            "cell_type": "code",
+            "source": "...",
+            "matches": [...]
+        },
+        ...
+    ]
+}
+```
+
+---
+
+### Shell Tools (`shell_tools.py`)
+
+#### `execute_command_tool`
+쉘 명령을 실행합니다.
+
+**파라미터**:
+- `command`: 쉘 명령
+- `stdin`: 인터랙티브 프롬프트 입력 (기본 "y\n")
+- `timeout`: 타임아웃 (밀리초, 기본 600000)
+- `execution_result`: 클라이언트에서 실행한 결과 (HITL 후)
+
+**반환**:
+```python
+{
+    "tool": "execute_command_tool",
+    "parameters": {"command": "...", "stdin": "y\n", "timeout": 600000},
+    "status": "pending_execution",  # 또는 "complete"
+    "message": "Shell command queued...",
+    "execution_result": {...}  # HITL 후
+}
+```
+
+**특징**:
+- HITL 대상 (사용자 승인 필요)
+- 장시간 실행 명령 금지 (프롬프트에 명시)
+
+---
+
+### Resource Tools (`resource_tools.py`)
+
+#### `check_resource_tool`
+파일 크기 및 DataFrame 메모리 사용량을 확인합니다.
+
+**파라미터**:
+- `files`: 파일 경로 리스트
+- `dataframes`: DataFrame 변수명 리스트
+
+**반환**:
+```python
+{
+    "tool": "check_resource_tool",
+    "parameters": {"files": ["titanic.csv"], "dataframes": ["df"]},
+    "status": "pending_execution",  # 클라이언트에서 실행
+    "message": "Resource check queued...",
+    "execution_result": {
+        "file_sizes": {"titanic.csv": "60KB"},
+        "dataframe_memory": {"df": "2.5MB"}
+    }
+}
+```
+
+**특징**:
+- 클라이언트에서 실행 (Jupyter Extension의 CheckResourceHandler)
+- 대용량 파일 로드 전 확인
+
+---
+
+## 실행 흐름
+
+### 1. 초기화 흐름
+
+```python
+# 1. 라우터에서 에이전트 생성
+agent = create_simple_chat_agent(
+    llm_config=llm_config,
+    workspace_root=workspace_root,
+    enable_hitl=True,
+    enable_todo_list=True,
+    checkpointer=checkpointer,
+    system_prompt_override=None
+)
+
+# 2. create_simple_chat_agent 내부
+llm = create_llm(llm_config)  # Gemini/OpenAI/vLLM
+tools = _get_all_tools()
+
+# 3. Middleware 체인 구성
+middleware = [
+    handle_empty_response,
+    limit_tool_calls,
+    inject_continuation,
+    patch_tool_calls,
+    TodoListMiddleware(...),
+    HumanInTheLoopMiddleware(...),
+    ModelCallLimitMiddleware(run_limit=30),
+    ToolCallLimitMiddleware(...),
+    SummarizationMiddleware(...)
+]
+
+# 4. 시스템 프롬프트 설정
+system_prompt = DEFAULT_SYSTEM_PROMPT
+if "gemini-2.5-flash" in llm_config.get("gemini", {}).get("model", ""):
+    system_prompt += GEMINI_CONTENT_PROMPT
+
+# 5. 에이전트 생성
+agent = create_agent(
+    model=llm,
+    tools=tools,
+    middleware=middleware,
+    checkpointer=checkpointer,
+    system_prompt=system_prompt
+)
+```
+
+### 2. 스트리밍 흐름
+
+```python
+# 1. 라우터에서 스트리밍 시작
+async for step in agent.stream(agent_input, config):
+    # 2. step은 딕셔너리 {"messages": [...], "todos": [...]}
+
+    # 3. todos 처리
+    if "todos" in step:
+        todos = step["todos"]
+        yield {"event": "todos", "data": json.dumps({"todos": todos})}
+
+    # 4. messages 처리
+    if "messages" in step:
+        last_message = step["messages"][-1]
+
+        # 5. ToolMessage 처리
+        if isinstance(last_message, ToolMessage):
+            tool_name = last_message.name
+
+            if tool_name == "final_answer_tool":
+                # 6. final_answer 추출
+                tool_result = json.loads(last_message.content)
+                final_answer = tool_result.get("answer")
+                summary = tool_result.get("summary")
+
+                # 7. summary에서 next_items 추출
+                if summary:
+                    summary_json = json.loads(summary)
+                    if "next_items" in summary_json:
+                        next_items_block = f"\n\n```json\n{json.dumps(summary_json)}\n```"
+                        final_answer += next_items_block
+
+                # 8. 응답 전송
+                yield {"event": "token", "data": {"content": final_answer}}
+                yield {"event": "complete", "data": {"success": True}}
+                return
+
+        # 9. AIMessage 처리
+        elif isinstance(last_message, AIMessage):
+            # 10. tool_calls 확인
+            if last_message.tool_calls:
+                for tool_call in last_message.tool_calls:
+                    # 11. 디버그 이벤트
+                    yield {"event": "debug", "data": {"status": f"🔧 Tool 실행: {tool_call['name']}"}}
+
+                    # 12. HITL 도구이면 tool_call 이벤트
+                    if tool_call["name"] in HITL_TOOLS:
+                        yield {"event": "tool_call", "data": tool_call}
+
+            # 13. content 전송
+            if last_message.content:
+                yield {"event": "token", "data": {"content": last_message.content}}
+```
+
+### 3. HITL 인터럽트 흐름
+
+```python
+# 1. HumanInTheLoopMiddleware에서 인터럽트 발생
+# LangGraph는 interrupt를 state에 저장하고 스트리밍 종료
+
+# 2. 라우터에서 인터럽트 감지
+if "__interrupt__" in step:
+    interrupt_data = step["__interrupt__"]
+    yield {"event": "interrupt", "data": interrupt_data}
+    return  # 스트리밍 종료
+
+# 3. 클라이언트에서 사용자 결정 대기
+# - jupyter_cell_tool: UI에서 승인/거부
+# - execute_command_tool/check_resource_tool: 서버에서 실행
+
+# 4. 클라이언트가 resume_agent() 호출
+POST /agent/langchain/resume
+{
+    "threadId": "uuid",
+    "decision": "approved",
+    "execution_result": {...}
+}
+
+# 5. resume_agent에서 인터럽트 메시지 업데이트
+interrupt_message.args["execution_result"] = execution_result
+
+# 6. 에이전트 재개
+agent.stream(None, config)  # None은 새 입력 없음을 의미
+```
+
+### 4. 에이전트 종료 흐름
+
+```python
+# 1. LLM이 final_answer_tool 호출
+AIMessage(tool_calls=[{
+    "name": "final_answer_tool",
+    "args": {"answer": "...", "summary": "..."}
+}])
+
+# 2. final_answer_tool 실행
+result = {
+    "tool": "final_answer",
+    "parameters": {...},
+    "status": "complete"
+}
+
+# 3. ToolMessage 생성
+ToolMessage(name="final_answer_tool", content=json.dumps(result))
+
+# 4. LangGraph가 ToolMessage를 LLM에 전달
+# LLM이 빈 응답 반환 (도구 호출 없음)
+
+# 5. handle_empty_response 미들웨어
+# 마지막 메시지가 final_answer_tool이면 → 그대로 반환
+# synthetic answer 생성하지 않음
+
+# 6. LangGraph가 도구 호출 없는 응답 받고 종료
+# agent.stream() 루프 종료
+
+# 7. 라우터에서 complete 이벤트 전송
+yield {"event": "complete", "data": {"success": True}}
+return
+```
+
+---
+
+## 주요 설계 결정 사항
+
+### 1. Gemini 2.5 Flash 대응
+- **문제**: content 빈값, multimodal 응답 (리스트)
+- **해결**:
+  - 시스템 프롬프트에 content 포함 지시 추가
+  - `parse_json_tool_call`에서 리스트 처리
+
+### 2. final_answer_tool 반복 호출 방지
+- **문제**: `final_answer_tool` 호출 후에도 에이전트 계속 실행
+- **해결**:
+  - `ToolCallLimitMiddleware` 제거 (스레드 전체 카운트 문제)
+  - `handle_empty_response`에서 `final_answer_tool` 후 synthetic answer 생성 안함
+  - 에이전트가 자연스럽게 종료
+
+### 3. next_items UI 누락 문제
+- **문제**: Gemini가 `summary` 필드에 JSON 문자열로 `next_items` 전달
+- **해결**:
+  - 라우터에서 `summary` 필드 파싱
+  - `next_items` JSON을 마크다운 코드 블록으로 변환
+  - UI의 `extractNextItemsBlock` 함수가 파싱
+
+### 4. HITL 도구 vs non-HITL 도구
+- **HITL**: 사용자 승인 필요
+  - `jupyter_cell_tool`, `execute_command_tool`, `write_file_tool`
+- **non-HITL**: 즉시 실행
+  - `markdown_tool`, `read_file_tool`, `list_files_tool`, `search_*_tool`
+- **클라이언트 실행**: 서버에서 실행하지 않음
+  - `check_resource_tool`: CheckResourceHandler에서 처리
+
+### 5. Checkpointer (InMemorySaver)
+- 스레드별로 대화 상태 저장
+- HITL 인터럽트 재개에 필수
+- 메모리 기반 (서버 재시작 시 초기화)
+
+### 6. SSE 스트리밍 이벤트
+- `todos`: TodoList 업데이트
+- `token`: LLM 응답 토큰
+- `debug`: 디버그 메시지 (도구 실행 상태)
+- `tool_call`: HITL 도구 호출 요청
+- `interrupt`: HITL 인터럽트 발생
+- `complete`: 완료
+- `debug_clear`: 디버그 메시지 클리어
+
+---
+
+## 디버깅 가이드
+
+### 로그 확인
+
+#### Agent Server
+```bash
+# 전체 로그
+tail -f agent-server.log
+
+# LLM 호출 로그
+grep "AGENT -> LLM PROMPT" agent-server.log
+
+# 미들웨어 로그
+grep "Middleware:" agent-server.log
+
+# 도구 실행 로그
+grep "Tool 실행:" agent-server.log
+```
+
+#### Jupyter Extension
+```bash
+# Jupyter 서버 로그
+jupyter lab --debug
+```
+
+### 주요 로그 패턴
+
+#### 1. LLM 프롬프트
+```
+================================================================================================
+AGENT -> LLM PROMPT SYSTEM (1521 chars)
+================================================================================================
+You are an expert Python data scientist...
+
+================================================================================================
+AGENT -> LLM PROMPT USER MESSAGES (batch=0)
+================================================================================================
+[0] HumanMessage
+  "타이타닉 데이터 분석해줘"
+```
+
+#### 2. LLM 응답
+```
+================================================================================================
+AGENT <- LLM RESPONSE
+================================================================================================
+AIMessage
+{
+  "content": "데이터를 로드하겠습니다.",
+  "tool_calls": [
+    {
+      "name": "jupyter_cell_tool",
+      "args": {"code": "import pandas as pd\ndf = pd.read_csv('titanic.csv')"}
+    }
+  ]
+}
+```
+
+#### 3. 미들웨어 실행
+```
+Middleware: handle_empty_response [START]
+handle_empty_response: attempt=1, type=AIMessage, content=True, tool_calls=True
+Middleware: handle_empty_response [FINISH]
+
+Middleware: inject_continuation_after_non_hitl_tool [START]
+Injecting continuation prompt after non-HITL tool: write_todos
+Middleware: inject_continuation_after_non_hitl_tool [FINISH]
+```
+
+#### 4. 도구 호출
+```
+SSE: Emitting debug event for tool: jupyter_cell_tool
+🔧 Tool 실행: jupyter_cell_tool
+```
+
+#### 5. HITL 인터럽트
+```
+SimpleAgent interrupt detected with value: {...}
+SSE: Sending interrupt event
+```
+
+### 트러블슈팅
+
+#### 문제: 에이전트가 빈 응답만 반환
+- **원인**: Gemini 2.5 Flash의 빈 content
+- **확인**: `handle_empty_response` 로그에서 `content=False, tool_calls=False`
+- **해결**: 시스템 프롬프트에 content 포함 지시 추가됨
+
+#### 문제: final_answer_tool이 반복 호출
+- **원인**: `handle_empty_response`가 synthetic answer 생성
+- **확인**: 로그에서 `"Synthesizing final_answer response."`
+- **해결**: `final_answer_tool` 후 synthetic answer 생성 안하도록 수정됨
+
+#### 문제: next_items UI가 표시되지 않음
+- **원인**: Gemini가 `summary` 필드에 JSON 문자열로 전달
+- **확인**: ToolMessage content에서 `"summary": "{\"next_items\": [...]}"` 확인
+- **해결**: 라우터에서 `summary` 파싱 로직 추가됨
+
+#### 문제: HITL 인터럽트 후 재개되지 않음
+- **원인**: Checkpointer에 상태 없음
+- **확인**: `resume_agent`에서 "No existing state for thread" 로그
+- **해결**: `stream_agent`에서 Checkpointer 생성 확인
+
+---
+
+## 확장 가이드
+
+### 새 도구 추가
+
+1. `tools/` 디렉토리에 파일 생성 (예: `custom_tools.py`)
+2. `@tool` 데코레이터로 함수 정의
+3. `tools/__init__.py`에서 export
+4. `agent.py`의 `_get_all_tools()`에 추가
+
+```python
+# tools/custom_tools.py
+from langchain_core.tools import tool
+from pydantic import BaseModel, Field
+
+class MyToolInput(BaseModel):
+    param: str = Field(description="Parameter description")
+
+@tool(args_schema=MyToolInput)
+def my_tool(param: str) -> Dict[str, Any]:
+    """Tool description for LLM."""
+    return {
+        "tool": "my_tool",
+        "parameters": {"param": param},
+        "status": "completed",
+        "result": "..."
+    }
+
+# tools/__init__.py
+from .custom_tools import my_tool
+
+# agent.py
+def _get_all_tools():
+    return [
+        jupyter_cell_tool,
+        markdown_tool,
+        final_answer_tool,
+        my_tool,  # 추가
+        ...
+    ]
+```
+
+### 새 미들웨어 추가
+
+```python
+# custom_middleware.py
+def create_my_middleware(wrap_model_call):
+    @wrap_model_call
+    @_with_middleware_logging("my_middleware")
+    def my_middleware(request, handler):
+        # 전처리
+        logger.info("Before LLM call")
+
+        # LLM 호출
+        response = handler(request)
+
+        # 후처리
+        logger.info("After LLM call")
+
+        return response
+
+    return my_middleware
+
+# agent.py
+def create_simple_chat_agent(...):
+    ...
+    my_middleware = create_my_middleware(wrap_model_call)
+    middleware.append(my_middleware)
+    ...
+```
+
+### 새 LLM Provider 추가
+
+```python
+# llm_factory.py
+def _create_custom_llm(llm_config: Dict[str, Any], callbacks):
+    from custom_llm_package import CustomLLM
+
+    custom_config = llm_config.get("custom", {})
+    api_key = custom_config.get("apiKey")
+    model = custom_config.get("model", "default-model")
+
+    return CustomLLM(
+        model=model,
+        api_key=api_key,
+        temperature=0.0,
+        callbacks=callbacks
+    )
+
+def create_llm(llm_config: Dict[str, Any]):
+    provider = llm_config.get("provider", "gemini")
+
+    if provider == "custom":
+        return _create_custom_llm(llm_config, callbacks)
+    ...
+```
+
+---
+
+## 참고 자료
+
+- [LangChain Documentation](https://python.langchain.com/docs/get_started/introduction)
+- [LangGraph Documentation](https://langchain-ai.github.io/langgraph/)
+- [LangChain Agent Middleware](https://python.langchain.com/docs/modules/agents/middleware/)
+- [FastAPI SSE](https://fastapi.tiangolo.com/advanced/custom-response/#streamingresponse)
+- [Jupyter Server Extension](https://jupyter-server.readthedocs.io/en/latest/developers/extensions.html)