process-gpt-agent-sdk 0.4.4__py3-none-any.whl → 0.4.5__py3-none-any.whl

processgpt_agent_sdk/utils.py

@@ -1,208 +1,208 @@
-import os
-import logging
-import traceback
-from typing import Any, Dict, Optional, List
-from llm_factory import create_llm
-
-
-logger = logging.getLogger(__name__)
-
-
-# ─────────────────────────────
-# Lazy Singleton LLM Client
-# ─────────────────────────────
-_client = None
-_global_agent_model = None
-
-def set_agent_model(agent: Optional[Dict[str, Any]]) -> None:
-    """첫 번째 에이전트의 모델을 글로벌 변수에 설정합니다."""
-    global _global_agent_model
-    
-    if agent:
-        model = agent.get("model")
-        if model:
-            # "openai/gpt-4o" 형식을 파싱하여 provider와 model 분리
-            if "/" in model:
-                provider, model_name = model.split("/", 1)
-                _global_agent_model = {"provider": provider, "model": model_name}
-                logger.info("🤖 글로벌 에이전트 모델 설정: %s/%s", provider, model_name)
-            else:
-                # 벤더사명이 없으면 모델명만 저장
-                _global_agent_model = {"provider": None, "model": model}
-                logger.info("🤖 글로벌 에이전트 모델 설정: %s", model)
-        else:
-            _global_agent_model = None
-            logger.info("🤖 에이전트에 모델 정보가 없음")
-    else:
-        _global_agent_model = None
-        logger.info("🤖 에이전트가 없음")
-
-def get_agent_model() -> Optional[str]:
-    """글로벌 에이전트 모델 정보를 반환합니다."""
-    return _global_agent_model
-
-def get_client():
-    global _client
-    if _client is not None:
-        return _client
-    
-    # 글로벌 에이전트 모델로 클라이언트 생성
-    agent_model = get_agent_model()
-    if agent_model:
-        provider = agent_model["provider"]
-        model_name = agent_model["model"]
-        
-        if provider:
-            # 벤더사가 있으면 provider와 model 모두 전달
-            _client = create_llm(provider=provider, model=model_name, temperature=0)
-            logger.info("🤖 글로벌 에이전트 모델로 LLM 클라이언트 초기화: %s/%s", provider, model_name)
-        else:
-            # 벤더사가 없으면 model만 전달
-            _client = create_llm(model=model_name, temperature=0)
-            logger.info("🤖 글로벌 에이전트 모델로 LLM 클라이언트 초기화: %s", model_name)
-    else:
-        _client = create_llm(model="gpt-4.1-mini", temperature=0)
-        logger.info("🔧 기본 모델로 LLM 클라이언트 초기화: gpt-4.1-mini")
-    return _client
-
-# ─────────────────────────────
-# 공통 LLM 호출 유틸
-# ─────────────────────────────
-async def _llm_request(system: str, user: str) -> str:
-    logger.info("📡 LLM 요청 전송")
-
-    model = get_client()
-    
-    # llm_factory를 사용한 LLM 호출
-    messages = [
-        {"role": "system", "content": system},
-        {"role": "user", "content": user},
-    ]
-    
-    response = await model.ainvoke(messages)
-    
-    # 응답에서 텍스트 추출
-    if hasattr(response, 'content'):
-        text = response.content
-    elif isinstance(response, str):
-        text = response
-    else:
-        raise RuntimeError("No text in LLM response")
-
-    return text.strip()
-
-# ─────────────────────────────
-# 공개 API
-# ─────────────────────────────
-async def summarize_error_to_user(exc: Exception, meta: Dict[str, Any]) -> str:
-    """예외 정보를 바탕으로 사용자 친화적인 5줄 요약을 생성."""
-    logger.info("\n\n🔍 오류 컨텍스트 분석 시작")
-
-    err_text = f"{type(exc).__name__}: {str(exc)}"
-
-    # 가벼운 스택 문자열 (상위 3프레임)
-    try:
-        tb = "".join(traceback.TracebackException.from_exception(exc, limit=3).format())
-    except Exception:
-        tb = traceback.format_exc(limit=3)
-
-    meta_items: List[str] = []
-    for k in ("task_id", "proc_inst_id", "agent_orch", "tool"):
-        v = meta.get(k)
-        if v:
-            meta_items.append(f"{k}={v}")
-    meta_text = ", ".join(meta_items)
-
-    logger.info("📋 오류 컨텍스트 정리 완료 - %s", meta_text)
-
-    system = (
-        "당신은 엔터프라이즈 SDK의 오류 비서입니다. "
-        "사용자(비개발자도 이해 가능)를 위해, 아래 조건을 정확히 지켜 5줄로 한국어 설명을 만드세요.\n"
-        "형식: 각 줄은 1문장씩, 총 5줄.\n"
-        "포함 요소: ①무슨 문제인지(원인 추정) ②어떤 영향이 있는지 ③즉시 할 일(대처) "
-        "④재발 방지 팁 ⑤필요시 지원 요청 경로.\n"
-        "과장 금지, 간결하고 친절하게."
-    )
-    user = (
-        f"[오류요약대상]\n"
-        f"- 컨텍스트: {meta_text}\n"
-        f"- 에러: {err_text}\n"
-        f"- 스택(상위 3프레임):\n{tb}\n"
-        f"위 정보를 바탕으로 5줄 설명을 출력하세요."
-    )
-
-    try:
-        text = await _llm_request(system, user)
-        logger.info("✅ LLM 오류 요약 생성 완료")
-        return text
-    except Exception as e:
-        logger.warning("⚠️ LLM 오류 요약 생성 실패: %s", e, exc_info=True)
-        raise
-
-async def summarize_feedback(feedback_data: List[dict], content_data: dict = {}) -> str:
-    """피드백과 결과물을 바탕으로 통합된 피드백 요약을 생성."""
-    logger.info(
-        "🔍 피드백 요약 처리 시작 | 피드백: %s, 결과물: %s자",
-        feedback_data, content_data)
-
-    system_prompt = _get_feedback_system_prompt()
-    user_prompt = _create_feedback_summary_prompt(feedback_data, content_data)
-
-    try:
-        text = await _llm_request(system_prompt, user_prompt)
-        logger.info("✅ LLM 피드백 요약 생성 완료")
-        return text
-    except Exception as e:
-        logger.error("❌ LLM 피드백 요약 생성 실패: %s", e, exc_info=True)
-        raise
-
-# ─────────────────────────────
-# 프롬프트 유틸
-# ─────────────────────────────
-def _create_feedback_summary_prompt(feedback_data: List[dict], content_data: dict = {}) -> str:
-    """피드백 정리 프롬프트 - 현재 결과물과 피드백을 함께 분석"""
-    blocks: List[str] = ["다음은 사용자의 피드백과 결과물입니다. 이를 분석하여 통합된 피드백을 작성해주세요:"]
-    if feedback_data:
-        blocks.append(f"=== 피드백 내용 ===\n{feedback_data}")
-    if content_data:
-        blocks.append(f"=== 현재 결과물/작업 내용 ===\n{content_data}")
-
-    blocks.append(
-        """**상황 분석 및 처리 방식:**
-- **현재 결과물을 보고 어떤 점이 문제인지, 개선이 필요한지 판단**
-- 피드백이 있다면 그 의도와 요구사항을 정확히 파악
-- 결과물 자체가 마음에 안들어서 다시 작업을 요청하는 경우일 수 있음
-- 작업 방식이나 접근법이 잘못되었다고 판단하는 경우일 수 있음
-- 부분적으로는 좋지만 특정 부분의 수정이나 보완이 필요한 경우일 수 있음
-- 현재 결과물에 매몰되지 말고, 실제 어떤 부분이 문제인지 파악하여 개선 방안을 제시
-
-**피드백 통합 원칙:**
-- **가장 최신 피드백을 최우선으로 반영**
-- 결과물과 피드백을 종합적으로 분석하여 핵심 문제점 파악
-- **시간 흐름을 파악하여 피드백들 간의 연결고리와 문맥을 이해**
-- 구체적이고 실행 가능한 개선사항 제시
-- **자연스럽고 통합된 하나의 완전한 피드백으로 작성**
-- 최대 1000자까지 허용하여 상세히 작성
-- 만약 전달된 피드백 내용이 1000자 미만일 경우 요약하지 않고 하나의 문맥으로 그대로 반환
-
-**중요한 상황별 처리:**
-- 결과물 품질에 대한 불만 → **품질 개선** 요구
-- 작업 방식에 대한 불만 → **접근법 변경** 요구
-- 이전에 저장을 했는데 잘못 저장되었다면 → **수정**이 필요
-- 이전에 조회만 했는데 저장이 필요하다면 → **저장**이 필요
-- 부분적 수정이 필요하다면 → **특정 부분 개선** 요구
-
-출력 형식: 현재 상황을 종합적으로 분석한 완전한 피드백 문장 (다음 작업자가 즉시 이해하고 실행할 수 있도록)"""
-    )
-    return "\n\n".join(blocks)
-
-def _get_feedback_system_prompt() -> str:
-    """피드백 요약용 시스템 프롬프트"""
-    return """당신은 피드백 정리 전문가입니다.
-
-핵심 원칙:
-- 최신 피드백을 최우선으로 하여 시간 흐름을 파악
-- 피드백 간 문맥과 연결고리를 파악하여 하나의 완전한 요청으로 통합
-- 자연스럽고 통합된 피드백으로 작성
-- 구체적인 요구사항과 개선사항을 누락 없이 포함
-- 다음 작업자가 즉시 이해할 수 있도록 명확하게"""
+import os
+import logging
+import traceback
+from typing import Any, Dict, Optional, List
+from llm_factory import create_llm
+
+
+logger = logging.getLogger(__name__)
+
+
+# ─────────────────────────────
+# Lazy Singleton LLM Client
+# ─────────────────────────────
+_client = None
+_global_agent_model = None
+
+def set_agent_model(agent: Optional[Dict[str, Any]]) -> None:
+    """첫 번째 에이전트의 모델을 글로벌 변수에 설정합니다."""
+    global _global_agent_model
+    
+    if agent:
+        model = agent.get("model")
+        if model:
+            # "openai/gpt-4o" 형식을 파싱하여 provider와 model 분리
+            if "/" in model:
+                provider, model_name = model.split("/", 1)
+                _global_agent_model = {"provider": provider, "model": model_name}
+                logger.info("🤖 글로벌 에이전트 모델 설정: %s/%s", provider, model_name)
+            else:
+                # 벤더사명이 없으면 모델명만 저장
+                _global_agent_model = {"provider": None, "model": model}
+                logger.info("🤖 글로벌 에이전트 모델 설정: %s", model)
+        else:
+            _global_agent_model = None
+            logger.info("🤖 에이전트에 모델 정보가 없음")
+    else:
+        _global_agent_model = None
+        logger.info("🤖 에이전트가 없음")
+
+def get_agent_model() -> Optional[str]:
+    """글로벌 에이전트 모델 정보를 반환합니다."""
+    return _global_agent_model
+
+def get_client():
+    global _client
+    if _client is not None:
+        return _client
+    
+    # 글로벌 에이전트 모델로 클라이언트 생성
+    agent_model = get_agent_model()
+    if agent_model:
+        provider = agent_model["provider"]
+        model_name = agent_model["model"]
+        
+        if provider:
+            # 벤더사가 있으면 provider와 model 모두 전달
+            _client = create_llm(provider=provider, model=model_name, temperature=0)
+            logger.info("🤖 글로벌 에이전트 모델로 LLM 클라이언트 초기화: %s/%s", provider, model_name)
+        else:
+            # 벤더사가 없으면 model만 전달
+            _client = create_llm(model=model_name, temperature=0)
+            logger.info("🤖 글로벌 에이전트 모델로 LLM 클라이언트 초기화: %s", model_name)
+    else:
+        _client = create_llm(model="gpt-4.1-mini", temperature=0)
+        logger.info("🔧 기본 모델로 LLM 클라이언트 초기화: gpt-4.1-mini")
+    return _client
+
+# ─────────────────────────────
+# 공통 LLM 호출 유틸
+# ─────────────────────────────
+async def _llm_request(system: str, user: str) -> str:
+    logger.info("📡 LLM 요청 전송")
+
+    model = get_client()
+    
+    # llm_factory를 사용한 LLM 호출
+    messages = [
+        {"role": "system", "content": system},
+        {"role": "user", "content": user},
+    ]
+    
+    response = await model.ainvoke(messages)
+    
+    # 응답에서 텍스트 추출
+    if hasattr(response, 'content'):
+        text = response.content
+    elif isinstance(response, str):
+        text = response
+    else:
+        raise RuntimeError("No text in LLM response")
+
+    return text.strip()
+
+# ─────────────────────────────
+# 공개 API
+# ─────────────────────────────
+async def summarize_error_to_user(exc: Exception, meta: Dict[str, Any]) -> str:
+    """예외 정보를 바탕으로 사용자 친화적인 5줄 요약을 생성."""
+    logger.info("\n\n🔍 오류 컨텍스트 분석 시작")
+
+    err_text = f"{type(exc).__name__}: {str(exc)}"
+
+    # 가벼운 스택 문자열 (상위 3프레임)
+    try:
+        tb = "".join(traceback.TracebackException.from_exception(exc, limit=3).format())
+    except Exception:
+        tb = traceback.format_exc(limit=3)
+
+    meta_items: List[str] = []
+    for k in ("task_id", "proc_inst_id", "agent_orch", "tool"):
+        v = meta.get(k)
+        if v:
+            meta_items.append(f"{k}={v}")
+    meta_text = ", ".join(meta_items)
+
+    logger.info("📋 오류 컨텍스트 정리 완료 - %s", meta_text)
+
+    system = (
+        "당신은 엔터프라이즈 SDK의 오류 비서입니다. "
+        "사용자(비개발자도 이해 가능)를 위해, 아래 조건을 정확히 지켜 5줄로 한국어 설명을 만드세요.\n"
+        "형식: 각 줄은 1문장씩, 총 5줄.\n"
+        "포함 요소: ①무슨 문제인지(원인 추정) ②어떤 영향이 있는지 ③즉시 할 일(대처) "
+        "④재발 방지 팁 ⑤필요시 지원 요청 경로.\n"
+        "과장 금지, 간결하고 친절하게."
+    )
+    user = (
+        f"[오류요약대상]\n"
+        f"- 컨텍스트: {meta_text}\n"
+        f"- 에러: {err_text}\n"
+        f"- 스택(상위 3프레임):\n{tb}\n"
+        f"위 정보를 바탕으로 5줄 설명을 출력하세요."
+    )
+
+    try:
+        text = await _llm_request(system, user)
+        logger.info("✅ LLM 오류 요약 생성 완료")
+        return text
+    except Exception as e:
+        logger.warning("⚠️ LLM 오류 요약 생성 실패: %s", e, exc_info=True)
+        raise
+
+async def summarize_feedback(feedback_data: List[dict], content_data: dict = {}) -> str:
+    """피드백과 결과물을 바탕으로 통합된 피드백 요약을 생성."""
+    logger.info(
+        "🔍 피드백 요약 처리 시작 | 피드백: %s, 결과물: %s자",
+        feedback_data, content_data)
+
+    system_prompt = _get_feedback_system_prompt()
+    user_prompt = _create_feedback_summary_prompt(feedback_data, content_data)
+
+    try:
+        text = await _llm_request(system_prompt, user_prompt)
+        logger.info("✅ LLM 피드백 요약 생성 완료")
+        return text
+    except Exception as e:
+        logger.error("❌ LLM 피드백 요약 생성 실패: %s", e, exc_info=True)
+        raise
+
+# ─────────────────────────────
+# 프롬프트 유틸
+# ─────────────────────────────
+def _create_feedback_summary_prompt(feedback_data: List[dict], content_data: dict = {}) -> str:
+    """피드백 정리 프롬프트 - 현재 결과물과 피드백을 함께 분석"""
+    blocks: List[str] = ["다음은 사용자의 피드백과 결과물입니다. 이를 분석하여 통합된 피드백을 작성해주세요:"]
+    if feedback_data:
+        blocks.append(f"=== 피드백 내용 ===\n{feedback_data}")
+    if content_data:
+        blocks.append(f"=== 현재 결과물/작업 내용 ===\n{content_data}")
+
+    blocks.append(
+        """**상황 분석 및 처리 방식:**
+- **현재 결과물을 보고 어떤 점이 문제인지, 개선이 필요한지 판단**
+- 피드백이 있다면 그 의도와 요구사항을 정확히 파악
+- 결과물 자체가 마음에 안들어서 다시 작업을 요청하는 경우일 수 있음
+- 작업 방식이나 접근법이 잘못되었다고 판단하는 경우일 수 있음
+- 부분적으로는 좋지만 특정 부분의 수정이나 보완이 필요한 경우일 수 있음
+- 현재 결과물에 매몰되지 말고, 실제 어떤 부분이 문제인지 파악하여 개선 방안을 제시
+
+**피드백 통합 원칙:**
+- **가장 최신 피드백을 최우선으로 반영**
+- 결과물과 피드백을 종합적으로 분석하여 핵심 문제점 파악
+- **시간 흐름을 파악하여 피드백들 간의 연결고리와 문맥을 이해**
+- 구체적이고 실행 가능한 개선사항 제시
+- **자연스럽고 통합된 하나의 완전한 피드백으로 작성**
+- 최대 1000자까지 허용하여 상세히 작성
+- 만약 전달된 피드백 내용이 1000자 미만일 경우 요약하지 않고 하나의 문맥으로 그대로 반환
+
+**중요한 상황별 처리:**
+- 결과물 품질에 대한 불만 → **품질 개선** 요구
+- 작업 방식에 대한 불만 → **접근법 변경** 요구
+- 이전에 저장을 했는데 잘못 저장되었다면 → **수정**이 필요
+- 이전에 조회만 했는데 저장이 필요하다면 → **저장**이 필요
+- 부분적 수정이 필요하다면 → **특정 부분 개선** 요구
+
+출력 형식: 현재 상황을 종합적으로 분석한 완전한 피드백 문장 (다음 작업자가 즉시 이해하고 실행할 수 있도록)"""
+    )
+    return "\n\n".join(blocks)
+
+def _get_feedback_system_prompt() -> str:
+    """피드백 요약용 시스템 프롬프트"""
+    return """당신은 피드백 정리 전문가입니다.
+
+핵심 원칙:
+- 최신 피드백을 최우선으로 하여 시간 흐름을 파악
+- 피드백 간 문맥과 연결고리를 파악하여 하나의 완전한 요청으로 통합
+- 자연스럽고 통합된 피드백으로 작성
+- 구체적인 요구사항과 개선사항을 누락 없이 포함
+- 다음 작업자가 즉시 이해할 수 있도록 명확하게"""

process_gpt_agent_sdk-0.4.4.dist-info/RECORD

@@ -1,9 +0,0 @@
-processgpt_agent_sdk/__init__.py,sha256=9Zy0LAGIHoQBvoyW1pSO8RMB0FmsxGdyrT8TV16Z-q8,1072
-processgpt_agent_sdk/database.py,sha256=VzDwDQNUgt_IdmkRrnxYe6rSI6zuLo5Zbe3RiFFn9vg,14215
-processgpt_agent_sdk/processgpt_agent_framework.py,sha256=2OcaP6NvsORw1JJh71d7s0D_vmlB0fgiEimnOknnL9M,21983
-processgpt_agent_sdk/single_run.py,sha256=xI5s4neWQ4WE1Fx5_TiBwEypHRTgBFX1WODj-lZqGaY,1050
-processgpt_agent_sdk/utils.py,sha256=pK7plUKGMIHo5lA0e4442qMAmAtCwKrbewjrXdVbFdE,9228
-process_gpt_agent_sdk-0.4.4.dist-info/METADATA,sha256=GPcQxTkd23k-out2GA6-o3mFte0lJDyL8blI7u1h8ug,6840
-process_gpt_agent_sdk-0.4.4.dist-info/WHEEL,sha256=_zCd3N1l69ArxyTb8rzEoP9TpbYXkqRFSNOD5OuxnTs,91
-process_gpt_agent_sdk-0.4.4.dist-info/top_level.txt,sha256=Xe6zrj3_3Vv7d0pl5RRtenVUckwOVBVLQn2P03j5REo,21
-process_gpt_agent_sdk-0.4.4.dist-info/RECORD,,