process-gpt-agent-sdk 0.2.7__py3-none-any.whl → 0.2.9__py3-none-any.whl

processgpt_agent_sdk/tools/knowledge_tools.py

@@ -1,206 +1,206 @@
-import os
-from typing import Optional, List, Type
-from pydantic import BaseModel, Field, PrivateAttr, field_validator
-from crewai.tools import BaseTool
-from dotenv import load_dotenv
-from mem0 import Memory
-import requests
-from ..utils.logger import write_log_message, handle_application_error
-
-# ============================================================================
-# 설정 및 초기화
-# ============================================================================
-
-load_dotenv()
-
-DB_USER = os.getenv("DB_USER")
-DB_PASSWORD = os.getenv("DB_PASSWORD")
-DB_HOST = os.getenv("DB_HOST")
-DB_PORT = os.getenv("DB_PORT")
-DB_NAME = os.getenv("DB_NAME")
-
-CONNECTION_STRING = None
-if all([DB_USER, DB_PASSWORD, DB_HOST, DB_PORT, DB_NAME]):
-	CONNECTION_STRING = f"postgresql://{DB_USER}:{DB_PASSWORD}@{DB_HOST}:{DB_PORT}/{DB_NAME}"
-else:
-	write_log_message("mem0 연결 문자열이 설정되지 않았습니다(DB_* env). 기능은 제한될 수 있습니다.")
-
-# ============================================================================
-# 스키마 정의
-# ============================================================================
-
-class KnowledgeQuerySchema(BaseModel):
-	query: str = Field(..., description="검색할 지식 쿼리")
-	
-	@field_validator('query', mode='before')
-	@classmethod
-	def validate_query(cls, v):
-		import json
-		if isinstance(v, dict):
-			for k in ("description", "query", "q", "text", "message"):
-				if k in v and v[k]:
-					return str(v[k])
-			return "" if not v else json.dumps(v, ensure_ascii=False)
-		return v if isinstance(v, str) else str(v)
-
-# ============================================================================
-# 지식 검색 도구
-# ============================================================================
-
-class Mem0Tool(BaseTool):
-	"""Supabase 기반 mem0 지식 검색 도구 - 에이전트별"""
-	name: str = "mem0"
-	description: str = (
-		"🧠 에이전트별 개인 지식 저장소 검색 도구\n\n"
-		"🚨 필수 검색 순서: 작업 전 반드시 피드백부터 검색!\n\n"
-		"저장된 정보:\n"
-		"🔴 과거 동일한 작업에 대한 피드백 및 교훈 (최우선 검색 대상)\n"
-		"🔴 과거 실패 사례 및 개선 방안\n"
-		"• 객관적 정보 (사람명, 수치, 날짜, 사물 등)\n"
-		"검색 목적:\n"
-		"- 작업지시사항을 올바르게 수행하기 위해 필요한 정보(매개변수, 제약, 의존성)와\n"
-		"  안전 수행을 위한 피드백/주의사항을 찾기 위함\n"
-		"- 과거 실패 경험을 통한 실수 방지\n"
-		"- 정확한 객관적 정보 조회\n\n"
-		"사용 지침:\n"
-		"- 현재 작업 맥락(사용자 요청, 시스템/도구 출력, 최근 단계)을 근거로 자연어의 완전한 문장으로 질의하세요.\n"
-		"- 핵심 키워드 + 엔터티(고객명, 테이블명, 날짜 등) + 제약(환경/범위)을 조합하세요.\n"
-		"- 동의어/영문 용어를 섞어 2~3개의 표현으로 재질의하여 누락을 줄이세요.\n"
-		"- 필요한 경우 좁은 쿼리 → 넓은 쿼리 순서로 반복 검색하세요. (필요 시 기간/버전 범위 명시)\n"
-		"- 동일 정보를 다른 표현으로 재질의하며, 최신/가장 관련 결과를 우선 검토하세요.\n\n"
-		"⚡ 핵심: 어떤 작업이든 시작 전에, 해당 작업을 안전하게 수행하기 위한 피드백/주의사항과\n"
-		"  필수 매개변수를 먼저 질의하여 확보하세요!"
-	)
-	args_schema: Type[KnowledgeQuerySchema] = KnowledgeQuerySchema
-	_tenant_id: Optional[str] = PrivateAttr()
-	_user_id: Optional[str] = PrivateAttr()
-	_namespace: Optional[str] = PrivateAttr()
-	_memory: Optional[Memory] = PrivateAttr(default=None)
-
-	def __init__(self, tenant_id: str = None, user_id: str = None, **kwargs):
-		super().__init__(**kwargs)
-		self._tenant_id = tenant_id
-		self._user_id = user_id
-		self._namespace = user_id
-		self._memory = self._initialize_memory()
-		write_log_message(f"Mem0Tool 초기화: user_id={self._user_id}, namespace={self._namespace}")
-
-	def _initialize_memory(self) -> Optional[Memory]:
-		"""Memory 인스턴스 초기화 - 에이전트별"""
-		if not CONNECTION_STRING:
-			return None
-		config = {
-			"vector_store": {
-				"provider": "supabase",
-				"config": {
-					"connection_string": CONNECTION_STRING,
-					"collection_name": "memories",
-					"index_method": "hnsw",
-					"index_measure": "cosine_distance"
-				}
-			}
-		}
-		return Memory.from_config(config_dict=config)
-
-	def _run(self, query: str) -> str:
-		"""지식 검색 및 결과 반환 - 에이전트별 메모리에서"""
-		if not query:
-			return "검색할 쿼리를 입력해주세요."
-		if not self._user_id:
-			return "개인지식 검색 비활성화: user_id 없음"
-		if not self._memory:
-			return "mem0 비활성화: DB 연결 정보(DB_*)가 설정되지 않았습니다."
-		
-		try:
-			write_log_message(f"에이전트별 검색 시작: user_id={self._user_id}, query='{query}'")
-			results = self._memory.search(query, user_id=self._user_id)
-			hits = results.get("results", [])
-			
-			THRESHOLD = 0.5
-			MIN_RESULTS = 5
-			hits_sorted = sorted(hits, key=lambda x: x.get("score", 0), reverse=True)
-			filtered_hits = [h for h in hits_sorted if h.get("score", 0) >= THRESHOLD]
-			if len(filtered_hits) < MIN_RESULTS:
-				filtered_hits = hits_sorted[:MIN_RESULTS]
-			hits = filtered_hits
-
-			write_log_message(f"에이전트별 검색 결과: {len(hits)}개 항목 발견")
-			
-			if not hits:
-				return f"'{query}'에 대한 개인 지식이 없습니다."
-			
-			return self._format_results(hits)
-			
-		except Exception as e:
-			handle_application_error("지식검색오류", e, raise_error=False)
-			return f"지식검색오류: {e}"
-
-	def _format_results(self, hits: List[dict]) -> str:
-		"""검색 결과 포맷팅"""
-		items = []
-		for idx, hit in enumerate(hits, start=1):
-			memory_text = hit.get("memory", "")
-			score = hit.get("score", 0)
-			items.append(f"개인지식 {idx} (관련도: {score:.2f})\n{memory_text}")
-		
-		return "\n\n".join(items)
-
-# ============================================================================
-# 사내 문서 검색 (memento) 도구
-# ============================================================================
-
-class MementoQuerySchema(BaseModel):
-	query: str = Field(..., description="검색 키워드 또는 질문")
-
-class MementoTool(BaseTool):
-	"""사내 문서 검색을 수행하는 도구"""
-	name: str = "memento"
-	description: str = (
-		"🔒 보안 민감한 사내 문서 검색 도구\n\n"
-		"저장된 정보:\n"
-		"• 보안 민감한 사내 기밀 문서\n"
-		"• 대용량 사내 문서 및 정책 자료\n"
-		"• 객관적이고 정확한 회사 내부 지식\n"
-		"• 업무 프로세스, 규정, 기술 문서\n\n"
-		"검색 목적:\n"
-		"- 작업지시사항을 올바르게 수행하기 위한 회사 정책/규정/프로세스/매뉴얼 확보\n"
-		"- 최신 버전의 표준과 가이드라인 확인\n\n"
-		"사용 지침:\n"
-		"- 현재 작업/요청과 직접 연결된 문맥을 담아 자연어의 완전한 문장으로 질의하세요.\n"
-		"- 문서 제목/버전/담당조직/기간/환경(프로덕션·스테이징·모듈 등) 조건을 명확히 포함하세요.\n"
-		"- 약어·정식명칭, 한·영 용어를 함께 사용해 2~3회 재질의하며 누락을 줄이세요.\n"
-		"- 처음엔 좁게, 필요 시 점진적으로 범위를 넓혀 검색하세요.\n\n"
-		"⚠️ 보안 민감 정보 포함 - 적절한 권한과 용도로만 사용"
-	)
-	args_schema: Type[MementoQuerySchema] = MementoQuerySchema
-	_tenant_id: str = PrivateAttr()
-
-	def __init__(self, tenant_id: str = "localhost", **kwargs):
-		super().__init__(**kwargs)
-		self._tenant_id = tenant_id
-		write_log_message(f"MementoTool 초기화: tenant_id={self._tenant_id}")
-
-	def _run(self, query: str) -> str:
-		try:
-			write_log_message(f"Memento 문서 검색 시작: tenant_id='{self._tenant_id}', query='{query}'")
-			response = requests.post(
-				"http://memento.process-gpt.io/retrieve",
-				json={"query": query, "options": {"tenant_id": self._tenant_id}}
-			)
-			if response.status_code != 200:
-				return f"API 오류: {response.status_code}"
-			data = response.json()
-			if not data.get("response"):
-				return f"테넌트 '{self._tenant_id}'에서 '{query}' 검색 결과가 없습니다."
-			results = []
-			docs = data.get("response", [])
-			write_log_message(f"Memento 검색 결과 개수: {len(docs)}")
-			for doc in docs:
-				fname = doc.get('metadata', {}).get('file_name', 'unknown')
-				idx = doc.get('metadata', {}).get('chunk_index', 'unknown')
-				content = doc.get('page_content', '')
-				results.append(f"📄 파일: {fname} (청크 #{idx})\n내용: {content}\n---")
-			return f"테넌트 '{self._tenant_id}'에서 '{query}' 검색 결과:\n\n" + "\n".join(results)
-		except Exception as e:
-			handle_application_error("문서검색오류", e, raise_error=False)
-			return f"문서검색오류: {e}"
+import os
+from typing import Optional, List, Type
+from pydantic import BaseModel, Field, PrivateAttr, field_validator
+from crewai.tools import BaseTool
+from dotenv import load_dotenv
+from mem0 import Memory
+import requests
+from ..utils.logger import write_log_message, handle_application_error
+
+# ============================================================================
+# 설정 및 초기화
+# ============================================================================
+
+load_dotenv()
+
+DB_USER = os.getenv("DB_USER")
+DB_PASSWORD = os.getenv("DB_PASSWORD")
+DB_HOST = os.getenv("DB_HOST")
+DB_PORT = os.getenv("DB_PORT")
+DB_NAME = os.getenv("DB_NAME")
+
+CONNECTION_STRING = None
+if all([DB_USER, DB_PASSWORD, DB_HOST, DB_PORT, DB_NAME]):
+	CONNECTION_STRING = f"postgresql://{DB_USER}:{DB_PASSWORD}@{DB_HOST}:{DB_PORT}/{DB_NAME}"
+else:
+	write_log_message("mem0 연결 문자열이 설정되지 않았습니다(DB_* env). 기능은 제한될 수 있습니다.")
+
+# ============================================================================
+# 스키마 정의
+# ============================================================================
+
+class KnowledgeQuerySchema(BaseModel):
+	query: str = Field(..., description="검색할 지식 쿼리")
+	
+	@field_validator('query', mode='before')
+	@classmethod
+	def validate_query(cls, v):
+		import json
+		if isinstance(v, dict):
+			for k in ("description", "query", "q", "text", "message"):
+				if k in v and v[k]:
+					return str(v[k])
+			return "" if not v else json.dumps(v, ensure_ascii=False)
+		return v if isinstance(v, str) else str(v)
+
+# ============================================================================
+# 지식 검색 도구
+# ============================================================================
+
+class Mem0Tool(BaseTool):
+	"""Supabase 기반 mem0 지식 검색 도구 - 에이전트별"""
+	name: str = "mem0"
+	description: str = (
+		"🧠 에이전트별 개인 지식 저장소 검색 도구\n\n"
+		"🚨 필수 검색 순서: 작업 전 반드시 피드백부터 검색!\n\n"
+		"저장된 정보:\n"
+		"🔴 과거 동일한 작업에 대한 피드백 및 교훈 (최우선 검색 대상)\n"
+		"🔴 과거 실패 사례 및 개선 방안\n"
+		"• 객관적 정보 (사람명, 수치, 날짜, 사물 등)\n"
+		"검색 목적:\n"
+		"- 작업지시사항을 올바르게 수행하기 위해 필요한 정보(매개변수, 제약, 의존성)와\n"
+		"  안전 수행을 위한 피드백/주의사항을 찾기 위함\n"
+		"- 과거 실패 경험을 통한 실수 방지\n"
+		"- 정확한 객관적 정보 조회\n\n"
+		"사용 지침:\n"
+		"- 현재 작업 맥락(사용자 요청, 시스템/도구 출력, 최근 단계)을 근거로 자연어의 완전한 문장으로 질의하세요.\n"
+		"- 핵심 키워드 + 엔터티(고객명, 테이블명, 날짜 등) + 제약(환경/범위)을 조합하세요.\n"
+		"- 동의어/영문 용어를 섞어 2~3개의 표현으로 재질의하여 누락을 줄이세요.\n"
+		"- 필요한 경우 좁은 쿼리 → 넓은 쿼리 순서로 반복 검색하세요. (필요 시 기간/버전 범위 명시)\n"
+		"- 동일 정보를 다른 표현으로 재질의하며, 최신/가장 관련 결과를 우선 검토하세요.\n\n"
+		"⚡ 핵심: 어떤 작업이든 시작 전에, 해당 작업을 안전하게 수행하기 위한 피드백/주의사항과\n"
+		"  필수 매개변수를 먼저 질의하여 확보하세요!"
+	)
+	args_schema: Type[KnowledgeQuerySchema] = KnowledgeQuerySchema
+	_tenant_id: Optional[str] = PrivateAttr()
+	_user_id: Optional[str] = PrivateAttr()
+	_namespace: Optional[str] = PrivateAttr()
+	_memory: Optional[Memory] = PrivateAttr(default=None)
+
+	def __init__(self, tenant_id: str = None, user_id: str = None, **kwargs):
+		super().__init__(**kwargs)
+		self._tenant_id = tenant_id
+		self._user_id = user_id
+		self._namespace = user_id
+		self._memory = self._initialize_memory()
+		write_log_message(f"Mem0Tool 초기화: user_id={self._user_id}, namespace={self._namespace}")
+
+	def _initialize_memory(self) -> Optional[Memory]:
+		"""Memory 인스턴스 초기화 - 에이전트별"""
+		if not CONNECTION_STRING:
+			return None
+		config = {
+			"vector_store": {
+				"provider": "supabase",
+				"config": {
+					"connection_string": CONNECTION_STRING,
+					"collection_name": "memories",
+					"index_method": "hnsw",
+					"index_measure": "cosine_distance"
+				}
+			}
+		}
+		return Memory.from_config(config_dict=config)
+
+	def _run(self, query: str) -> str:
+		"""지식 검색 및 결과 반환 - 에이전트별 메모리에서"""
+		if not query:
+			return "검색할 쿼리를 입력해주세요."
+		if not self._user_id:
+			return "개인지식 검색 비활성화: user_id 없음"
+		if not self._memory:
+			return "mem0 비활성화: DB 연결 정보(DB_*)가 설정되지 않았습니다."
+		
+		try:
+			write_log_message(f"에이전트별 검색 시작: user_id={self._user_id}, query='{query}'")
+			results = self._memory.search(query, user_id=self._user_id)
+			hits = results.get("results", [])
+			
+			THRESHOLD = 0.5
+			MIN_RESULTS = 5
+			hits_sorted = sorted(hits, key=lambda x: x.get("score", 0), reverse=True)
+			filtered_hits = [h for h in hits_sorted if h.get("score", 0) >= THRESHOLD]
+			if len(filtered_hits) < MIN_RESULTS:
+				filtered_hits = hits_sorted[:MIN_RESULTS]
+			hits = filtered_hits
+
+			write_log_message(f"에이전트별 검색 결과: {len(hits)}개 항목 발견")
+			
+			if not hits:
+				return f"'{query}'에 대한 개인 지식이 없습니다."
+			
+			return self._format_results(hits)
+			
+		except Exception as e:
+			handle_application_error("지식검색오류", e, raise_error=False)
+			return f"지식검색오류: {e}"
+
+	def _format_results(self, hits: List[dict]) -> str:
+		"""검색 결과 포맷팅"""
+		items = []
+		for idx, hit in enumerate(hits, start=1):
+			memory_text = hit.get("memory", "")
+			score = hit.get("score", 0)
+			items.append(f"개인지식 {idx} (관련도: {score:.2f})\n{memory_text}")
+		
+		return "\n\n".join(items)
+
+# ============================================================================
+# 사내 문서 검색 (memento) 도구
+# ============================================================================
+
+class MementoQuerySchema(BaseModel):
+	query: str = Field(..., description="검색 키워드 또는 질문")
+
+class MementoTool(BaseTool):
+	"""사내 문서 검색을 수행하는 도구"""
+	name: str = "memento"
+	description: str = (
+		"🔒 보안 민감한 사내 문서 검색 도구\n\n"
+		"저장된 정보:\n"
+		"• 보안 민감한 사내 기밀 문서\n"
+		"• 대용량 사내 문서 및 정책 자료\n"
+		"• 객관적이고 정확한 회사 내부 지식\n"
+		"• 업무 프로세스, 규정, 기술 문서\n\n"
+		"검색 목적:\n"
+		"- 작업지시사항을 올바르게 수행하기 위한 회사 정책/규정/프로세스/매뉴얼 확보\n"
+		"- 최신 버전의 표준과 가이드라인 확인\n\n"
+		"사용 지침:\n"
+		"- 현재 작업/요청과 직접 연결된 문맥을 담아 자연어의 완전한 문장으로 질의하세요.\n"
+		"- 문서 제목/버전/담당조직/기간/환경(프로덕션·스테이징·모듈 등) 조건을 명확히 포함하세요.\n"
+		"- 약어·정식명칭, 한·영 용어를 함께 사용해 2~3회 재질의하며 누락을 줄이세요.\n"
+		"- 처음엔 좁게, 필요 시 점진적으로 범위를 넓혀 검색하세요.\n\n"
+		"⚠️ 보안 민감 정보 포함 - 적절한 권한과 용도로만 사용"
+	)
+	args_schema: Type[MementoQuerySchema] = MementoQuerySchema
+	_tenant_id: str = PrivateAttr()
+
+	def __init__(self, tenant_id: str = "localhost", **kwargs):
+		super().__init__(**kwargs)
+		self._tenant_id = tenant_id
+		write_log_message(f"MementoTool 초기화: tenant_id={self._tenant_id}")
+
+	def _run(self, query: str) -> str:
+		try:
+			write_log_message(f"Memento 문서 검색 시작: tenant_id='{self._tenant_id}', query='{query}'")
+			response = requests.post(
+				"http://memento.process-gpt.io/retrieve",
+				json={"query": query, "options": {"tenant_id": self._tenant_id}}
+			)
+			if response.status_code != 200:
+				return f"API 오류: {response.status_code}"
+			data = response.json()
+			if not data.get("response"):
+				return f"테넌트 '{self._tenant_id}'에서 '{query}' 검색 결과가 없습니다."
+			results = []
+			docs = data.get("response", [])
+			write_log_message(f"Memento 검색 결과 개수: {len(docs)}")
+			for doc in docs:
+				fname = doc.get('metadata', {}).get('file_name', 'unknown')
+				idx = doc.get('metadata', {}).get('chunk_index', 'unknown')
+				content = doc.get('page_content', '')
+				results.append(f"📄 파일: {fname} (청크 #{idx})\n내용: {content}\n---")
+			return f"테넌트 '{self._tenant_id}'에서 '{query}' 검색 결과:\n\n" + "\n".join(results)
+		except Exception as e:
+			handle_application_error("문서검색오류", e, raise_error=False)
+			return f"문서검색오류: {e}"