에이전트 메모리

from langgraph.graph import MessagesState

# MessagesState는 다음과 동일:
# class MessagesState(TypedDict):
#     messages: Annotated[list[BaseMessage], add_messages]

graph = StateGraph(MessagesState)

from langchain.chat_models import init_chat_model
from langchain_core.messages import HumanMessage, SystemMessage, RemoveMessage

llm = init_chat_model("gpt-4o-mini", temperature=0)

def summarize_messages(state: MessagesState) -> MessagesState:
    """메시지가 많아지면 요약으로 대체"""
    messages = state["messages"]

    if len(messages) <= 10:
        return state  # 메시지 적으면 그대로

    # 오래된 메시지 요약
    old_messages = messages[:-4]  # 최근 4개 제외
    summary = llm.invoke([
        SystemMessage(content="다음 대화 내용을 핵심만 2-3문장으로 요약하세요."),
        *old_messages,
    ])

    # 오래된 메시지 삭제 + 요약으로 대체
    delete_messages = [RemoveMessage(id=m.id) for m in old_messages]
    summary_message = SystemMessage(content=f"이전 대화 요약: {summary.content}")

    return {"messages": delete_messages + [summary_message]}

def filter_messages(state: MessagesState) -> MessagesState:
    """최근 N개의 메시지만 유지"""
    messages = state["messages"]
    if len(messages) > 20:
        # 시스템 메시지 + 최근 10개만 유지
        system_msgs = [m for m in messages if isinstance(m, SystemMessage)]
        recent_msgs = messages[-10:]
        return {"messages": system_msgs + recent_msgs}
    return state

from langgraph.store.memory import InMemoryStore

# Store 생성
store = InMemoryStore()

# 그래프에 Store 연결
app = graph.compile(
    checkpointer=checkpointer,
    store=store,
)

from langgraph.store.base import BaseStore

def agent_with_memory(state: MessagesState, *, store: BaseStore) -> MessagesState:
    """Store에서 사용자 정보를 읽고 저장하는 에이전트"""
    user_id = "user-123"
    namespace = ("preferences", user_id)

    # 저장된 선호도 읽기
    preferences = store.search(namespace)
    pref_text = "\n".join(
        f"- {item.value['key']}: {item.value['content']}"
        for item in preferences
    )

    # 선호도를 포함하여 응답 생성
    messages = state["messages"]
    if pref_text:
        messages = [
            SystemMessage(content=f"사용자 선호도:\n{pref_text}"),
        ] + messages

    response = llm.invoke(messages)

    # 새로운 선호도가 감지되면 저장
    if "좋아" in messages[-1].content or "선호" in messages[-1].content:
        store.put(
            namespace,
            key="latest_preference",
            value={"key": "선호도", "content": messages[-1].content},
        )

    return {"messages": [response]}