Agents IA sémantiques

Objectif: "Quels orateurs ont influencé Victor Hugo ?"

Étape 1: L'agent cherche les relations "influence" dans le graphe
Étape 2: Il trouve Victor Hugo → a été influencé par → François-René de Chateaubriand
Étape 3: Il continue la navigation: Chateaubriand → a influencé → Victor Hugo
Étape 4: Synthèse: "Victor Hugo a été influencé par Chateaubriand"

Le graphe permet de naviguer de relation en relation jusqu'à trouver la réponse.

from langchain.agents import create_agent
from langchain_community.graphs import Neo4jGraph
from langchain_openai import ChatOpenAI
from langchain.tools import Tool

# Connexion au graphe
graph = Neo4jGraph(
    url="bolt://localhost:7687",
    username="neo4j",
    password="password"
)

# Outil pour interroger le graphe
def query_graph(query: str) -> str:
    results = graph.query(query)
    return str(results)

graph_tool = Tool(
    name="query_graph",
    func=query_graph,
    description="Exécute une requête Cypher sur le graphe de connaissances"
)

# Agent
llm = ChatOpenAI(model="gpt-4", temperature=0)
agent = create_agent(
    llm=llm,
    tools=[graph_tool],
    system_prompt="Tu es un expert en histoire des discours. Utilise le graphe pour répondre."
)

# Exécution
result = agent.run("Quels sont les discours de Charles de Gaulle sur la résistance ?")
print(result)

from langchain.memory import ConversationBufferMemory
from langchain.agents import AgentExecutor, create_react_agent

# Mémoire pour suivre la conversation
memory = ConversationBufferMemory(
    memory_key="chat_history",
    return_messages=True
)

# Agent avec planification
agent_executor = AgentExecutor.from_agent_and_tools(
    agent=agent,
    tools=[graph_tool, vector_search_tool],
    memory=memory,
    verbose=True,
    max_iterations=5  # limite le nombre d'étapes
)

result = agent_executor.invoke({
    "input": "Compare les discours de De Gaulle et Macron sur l'Europe"
})

from langgraph.graph import StateGraph, MessageGraph

# Définition du graphe d'états
workflow = StateGraph(AgentState)

# Ajout des nœuds
workflow.add_node("reason", reason_node)    # raisonnement
workflow.add_node("act", act_node)          # action (outil)
workflow.add_node("observe", observe_node)  # observation

# Ajout des transitions
workflow.add_edge("reason", "act")
workflow.add_edge("act", "observe")
workflow.add_conditional_edge("observe", should_continue)

# Compilation et exécution
app = workflow.compile()
result = app.invoke({"input": "Qui a influencé Victor Hugo ?"})