Construindo Agentes em Casa de Graça: Ferramentas e Modelos Open Source

#!/usr/bin/env python3
"""
Agente de Pesquisa Local usando Ollama + LangChain
Pré-requisitos:
  - ollama serve (rodando em segundo plano)
  - ollama pull mistral
  - pip install langchain langchain-ollama langchain-community duckduckgo-search
"""

import json
from langchain_core.tools import tool
from langchain_core.prompts import ChatPromptTemplate
from langchain_ollama import ChatOllama
from langchain.agents import AgentExecutor, create_react_agent
from duckduckgo_search import DDGS


@tool
def search_web(query: str) -> str:
    """Pesquisa informações na web usando DuckDuckGo."""
    try:
        with DDGS() as ddgs:
            results = list(ddgs.text(query, max_results=5))
        if not results:
            return "Nenhum resultado encontrado."
        return json.dumps([
            {"title": r["title"], "snippet": r["body"], "url": r["href"]}
            for r in results
        ], indent=2)
    except Exception as e:
        return f"Pesquisa falhou: {e}"


@tool
def read_file(filepath: str) -> str:
    """Lê um arquivo local e retorna seu conteúdo."""
    try:
        with open(filepath, "r") as f:
            return f.read()
    except FileNotFoundError:
        return f"Arquivo não encontrado: {filepath}"


@tool
def calculate(expression: str) -> str:
    """Avalia uma expressão aritmética simples com segurança."""
    try:
        result = eval(expression, {"__builtins__": {}}, {})
        return str(result)
    except Exception as e:
        return f"Erro de cálculo: {e}"


llm = ChatOllama(
    model="mistral",
    base_url="http://localhost:11434",
    temperature=0.3,
)

prompt = ChatPromptTemplate.from_messages([
    ("system", """Você é um assistente de pesquisa. Responda perguntas usando suas ferramentas.

Ferramentas disponíveis: {tool_names}
Descrições das ferramentas: {tools}

Siga este formato exatamente:
Thought: O que preciso descobrir?
Action: nome_ferramenta
Action Input: a entrada para a ferramenta
Observation: resultado da ferramenta
... (repita conforme necessário)
Thought: Agora tenho informações suficientes.
Final Answer: sua resposta completa"""),
    ("user", "{input}"),
    ("placeholder", "{agent_scratchpad}"),
])

tools = [search_web, read_file, calculate]
agent = create_react_agent(llm, tools, prompt)
agent_executor = AgentExecutor(
    agent=agent,
    tools=tools,
    verbose=True,
    max_iterations=8,
    handle_parsing_errors=True,
)

if __name__ == "__main__":
    result = agent_executor.invoke({
        "input": "Quais são os três LLMs open source mais populares agora? Dê nomes e uma característica chave de cada um."
    })
    print(f"\nRESPOSTA FINAL:\n{result['output']}")

import sqlite3

@tool
def query_database(sql: str) -> str:
    """Executa uma consulta SQL somente leitura no banco de dados local."""
    try:
        conn = sqlite3.connect("data.db")
        cursor = conn.cursor()
        cursor.execute(sql)
        rows = cursor.fetchall()
        columns = [desc[0] for desc in cursor.description]
        conn.close()
        return json.dumps([dict(zip(columns, row)) for row in rows], indent=2)
    except Exception as e:
        return f"Erro de banco de dados: {e}"

from sentence_transformers import SentenceTransformer
import chromadb

model = SentenceTransformer("all-MiniLM-L6-v2")
client = chromadb.Client()
collection = client.create_collection("docs")

@tool
def search_docs(query: str) -> str:
    """Busca documentos locais por similaridade semântica."""
    results = collection.query(
        query_embeddings=[model.encode(query).tolist()],
        n_results=3
    )
    return json.dumps(results["documents"][0], indent=2)

FROM python:3.12-slim
RUN pip install langchain langchain-ollama langchain-community duckduckgo-search
COPY research_agent.py .
ENV OLLAMA_HOST=host.docker.internal:11434
CMD ["python3", "research_agent.py"]

def run_pipeline(question: str) -> str:
    research_result = researcher.invoke({"input": question})
    final_output = writer.invoke({
        "input": f"Com base nesta pesquisa, escreva um resumo claro:\n{research_result['output']}"
    })
    return final_output["output"]