mas/services/backend/agents/research_agent.py

"""
Research Agent (Groq)
정보 수집 및 문서/코드베이스 검색
"""
from langchain_openai import ChatOpenAI
from langchain_core.messages import SystemMessage, HumanMessage
from .state import AgentState
from tools.bash_tool import bash_tools
import os
import json


# Groq 모델 초기화 (OpenAI 호환)
groq_research = ChatOpenAI(
    model="llama-3.3-70b-versatile",
    api_key=os.getenv("GROQ_API_KEY"),
    base_url="https://api.groq.com/openai/v1",
    temperature=0.3
)


RESEARCH_PROMPT = """당신은 Multi-Agent System의 **Research Agent**입니다.

## ⚠️ 중요: 실행 환경 이해

당신은 **Docker 컨테이너 내부(/app/)**에서 실행되고 있습니다.

### 환경 구분:
```
[컨테이너 내부] /app/
├── agents/
├── tools/
└── chainlit_app.py

[호스트 서버] ubuntu@172.17.0.1:/home/ubuntu/
├── Projects/
│   ├── mas/
│   ├── cluster-infrastructure/
│   └── ... (기타 레포지토리)
└── Kubernetes 클러스터 (kubectl 사용 가능)
```

## 역할
- 호스트 시스템 정보 수집 (nsenter 사용)
- Kubernetes 클러스터 상태 조회
- PostgreSQL 데이터베이스 탐색
- Git 레포지토리 분석
- 파일 시스템 검색
- Prometheus 메트릭 수집

## 사용 가능한 도구

### 1. execute_host (호스트 접근용) ⭐ 주로 사용
nsenter를 통해 호스트 네임스페이스에 직접 접근합니다. SSH보다 빠르고 효율적입니다.

**Kubernetes 조회:**
- execute_host("kubectl get pods -n mas", use_sudo=True)
- execute_host("kubectl get deployments -A", use_sudo=True)
- execute_host("kubectl describe pod mas-xxx -n mas", use_sudo=True)
- execute_host("kubectl logs mas-xxx -n mas --tail=50", use_sudo=True)

**Projects 폴더 탐색:**
- execute_host("ls -la /home/ubuntu/Projects")
- execute_host("find /home/ubuntu/Projects -name '*.git' -type d")
- execute_host("cat /home/ubuntu/Projects/mas/README.md")

**Git 작업:**
- execute_host("cd /home/ubuntu/Projects/mas && git log -10 --oneline")
- execute_host("cd /home/ubuntu/Projects/mas && git status")
- execute_host("cd /home/ubuntu/Projects/cluster-infrastructure && git branch -a")

**PostgreSQL 조회 (호스트에서):**
- execute_host("psql -U bluemayne -h postgresql-primary.postgresql.svc.cluster.local -d postgres -c 'SELECT version()'")
- execute_host("psql -U bluemayne -h postgresql-primary.postgresql.svc.cluster.local -d postgres -c '\\dt'")

### 2. execute_bash (컨테이너 내부용)
컨테이너 내부 작업에만 사용합니다.

**컨테이너 내부 파일 조회:**
- execute_bash("ls -la /app")
- execute_bash("cat /app/chainlit_app.py")
- execute_bash("find /app -name '*.py'")

**외부 API 호출:**
- execute_bash("curl -s http://prometheus:9090/api/v1/query?query=up")

## 출력 형식 (JSON)
수집한 정보를 JSON 형식으로 정리하세요:
```json
{
  "summary": "수집한 정보 요약",
  "findings": [
    {"category": "카테고리", "data": "발견한 데이터"},
    {"category": "카테고리", "data": "발견한 데이터"}
  ],
  "recommendations": ["추천 사항 1", "추천 사항 2"]
}
```

## 주의사항
- 여러 명령어를 실행하여 충분한 정보 수집
- 에러 발생 시 대안 명령어 시도
- 보안에 민감한 정보는 마스킹
"""


def research_node(state: AgentState) -> AgentState:
    """
    Research 노드: 정보 수집
    """
    messages = state["messages"]
    task_plan = state.get("task_plan", {})
    research_needed = task_plan.get("research_needed", [])

    # Groq에 bash 도구 바인딩
    groq_with_tools = groq_research.bind_tools(bash_tools)

    # 연구 요청 구성
    research_request = f"다음 정보를 수집해주세요:\n" + "\n".join(f"- {item}" for item in research_needed)

    # Groq 호출
    response = groq_with_tools.invoke([
        SystemMessage(content=RESEARCH_PROMPT),
        HumanMessage(content=research_request)
    ])

    # Tool calls 처리
    tool_outputs = []
    if hasattr(response, 'tool_calls') and response.tool_calls:
        for tool_call in response.tool_calls:
            tool_name = tool_call['name']
            tool_args = tool_call.get('args', {})

            # 도구 실행
            try:
                tool_func = bash_tools[0]  # execute_bash
                tool_result = tool_func.invoke(tool_args)
                tool_outputs.append(f"\n🔧 **{tool_name}({tool_args.get('command', '')})**:\n{tool_result}")
            except Exception as e:
                tool_outputs.append(f"\n❌ **{tool_name}** failed: {str(e)}")

        # Tool 결과와 함께 재호출
        if tool_outputs:
            tool_context = "\n".join(tool_outputs)
            response = groq_research.invoke([
                SystemMessage(content=RESEARCH_PROMPT),
                HumanMessage(content=research_request),
                HumanMessage(content=f"도구 실행 결과:\n{tool_context}\n\n이제 JSON 형식으로 정리해주세요.")
            ])

    content = response.content

    # Tool outputs를 content에 포함
    if tool_outputs:
        content = "\n".join(tool_outputs) + "\n\n" + content

    # JSON 파싱 시도
    try:
        if "```json" in content:
            json_str = content.split("```json")[1].split("```")[0].strip()
        elif "```" in content:
            json_str = content.split("```")[1].split("```")[0].strip()
        else:
            json_str = content

        research_data = json.loads(json_str)
    except Exception:
        research_data = {
            "summary": "정보 수집 완료",
            "findings": [{"category": "raw", "data": content}],
            "recommendations": []
        }

    # 상태 업데이트
    state["research_data"] = research_data
    state["messages"].append({
        "role": "research",
        "content": content
    })
    state["current_agent"] = "orchestrator"

    return state