# AI Engineer Test Task
Реализация тестового задания:
- MCP сервер на FastMCP (stdio, 4 инструмента)
- LangGraph агент с mock LLM и custom tools
- FastAPI endpoint для общения с агентом
- Dockerfile + docker-compose
- Набор тестов (3+)
## Стек
- Python 3.11+
- FastMCP
- MCP Python SDK
- LangGraph + langchain-core
- FastAPI + Uvicorn
- Pytest
## Структура проекта
```text
.
├── app
│ ├── agent
│ │ ├── graph.py
│ │ ├── mcp_client.py
│ │ ├── mock_llm.py
│ │ └── tools.py
│ ├── main.py
│ └── schemas.py
├── mcp_server
│ ├── data/products.json
│ └── server.py
├── tests
│ ├── test_agent.py
│ ├── test_api.py
│ └── test_mcp_server.py
├── Dockerfile
├── docker-compose.yml
└── requirements.txt
```
## MCP инструменты
В `mcp_server/server.py` реализованы tools:
1. `list_products(category: str | None = None)`
2. `get_product(product_id: int)`
3. `add_product(name: str, price: float, category: str, in_stock: bool = True)`
4. `get_statistics()`
Особенности:
- transport: `stdio`
- декораторы `@mcp.tool`
- type hints + docstrings
- `ValueError`, если товар не найден
## Агентный flow (LangGraph)
1. Узел `analyze`: mock LLM (rule-based) разбирает запрос и формирует `action + params`.
2. Узел `execute`: вызывает MCP tools через stdio-клиент + custom tools.
3. Узел `respond`: формирует финальный текст пользователю.
Custom tools:
- `calculate_discount`
- форматтеры ответа (`format_products`, `format_statistics`)
## API
- `POST /api/v1/agent/query`
- `GET /health`
Пример запроса:
```bash
curl -X POST "http://localhost:8000/api/v1/agent/query" \
-H "Content-Type: application/json" \
-d '{"query":"Покажи все продукты в категории Электроника"}'
```
## Запуск
### Вариант 1: Docker Compose (рекомендуется)
```bash
docker compose up --build
```
API будет доступен на `http://localhost:8000`.
### Вариант 2: Локально
```bash
python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
uvicorn app.main:app --reload --port 8000
```
## Тесты
```bash
pytest -q
```
Покрытие требований тестами:
- `tests/test_mcp_server.py`:
- добавление продукта
- статистика
- обработка ошибки `ValueError`
- `tests/test_agent.py`:
- вычисление средней цены
- расчет скидки через custom tool
- `tests/test_api.py`:
- проверка `POST /api/v1/agent/query`
## Примеры запросов к агенту
- `Покажи все продукты в категории Электроника`
- `Какая средняя цена продуктов?`
- `Добавь новый продукт: Мышка, цена 1500, категория Электроника`
- `Посчитай скидку 15% на товар с ID 1`
