6. Ajouter un agent

Objectif: créer un agent LangGraph qui comprend une demande en langage naturel, choisit l'action todo à exécuter, collecte seulement les champs vraiment manquants, puis appelle les mêmes ports inbound que l'API et le MCP.

Responsabilités de l'agent

• classifier l'intention: créer une todo, lister les todos, annuler une création en cours ou répondre que la demande n'est pas prise en charge;
• transformer une conversation en TodoDraft;
• conserver draft et pending_field dans l'état LangGraph pendant la phase de questionnement;
• appeler CreateTodoPort ou ListTodosPort.

Il ne connaît pas la persistance. Il ne parle ni à MongoDB ni au repository directement.

message utilisateur
  -> adapter LangGraph
  -> intent-interpreter / parsing local
  -> CreateTodoPort ou ListTodosPort
  -> use case applicatif
  -> Repository[Todo]

Générer les briques agent

Installer les dépendances:

uv add "arclith[langgraph]"

Créer les intent-interpreters:

touch src/todo_list_service/application/intent_interpreters/__init__.py
arclith-cli add-intent-interpreter
arclith-cli add-intent-interpreter

Répondre:

Interpréteur d'intention (ex : IngredientIntent, todo_intent)
  Nom de l'interpréteur: TodoAction

Interpréteur d'intention (ex : IngredientIntent, todo_intent)
  Nom de l'interpréteur: TodoConversation

Créer la configuration LangGraph:

arclith-cli add-adapter --capability agent

Répondre:

① Type d'adapter
   1  langgraph

  Votre choix (numéro ou nom): 1
  Nom du graphe LangGraph (agent): todo_agent
  Confirmer la génération ? [y/n] (y): y

Configurer aussi LM Studio et LangSmith avec les sous-étapes ci-dessous.

Sous-étapes

1. Configurer LM Studio et LangSmith
2. Écrire les intent-interpreters
3. Définir l'état et le parsing local
4. Détecter l'action et collecter le draft
5. Formatter, router et injecter les dépendances
6. Écrire les noeuds et assembler le graphe
7. Tester l'agent

Rôle des fichiers LangGraph

Fichier	Rôle
application/intent_interpreters/todo_action.py	Classe l'action globale: créer, lister, annuler ou inconnu.
application/intent_interpreters/todo_conversation.py	Extrait les champs d'une todo dans un TodoDraft.
adapters/inbound/langgraph/agent.py	Assemble le graphe LangGraph, déclare les noeuds et expose l'objet agent utilisé par langgraph.json.
adapters/inbound/langgraph/state.py	Définit AgentState, lit le dernier message utilisateur, reconstruit un TodoDraft depuis l'état, fabrique les messages assistant.
adapters/inbound/langgraph/dependencies.py	Centralise l'instance Arclith, l'adapter LLM et les ports applicatifs, avec cache local par process.
adapters/inbound/langgraph/nodes.py	Contient les fonctions de noeuds: router l'intention, collecter les champs, créer, lister, annuler, répondre inconnu.
adapters/inbound/langgraph/routing.py	Contient les fonctions de conditional edges LangGraph.
adapters/inbound/langgraph/intent.py	Fait la détection locale haute confiance, puis laisse les cas ambigus au LLM.
adapters/inbound/langgraph/collection.py	Met à jour le draft, applique les défauts, détecte les champs manquants et génère la prochaine question.
adapters/inbound/langgraph/parsing.py	Normalise le français, détecte les dates relatives, les statuts, l'annulation et les titres simples.
adapters/inbound/langgraph/formatters.py	Transforme le résultat de ListTodosUseCase en réponse lisible pour l'utilisateur et en payload JSON.

Étape suivante: configurer LM Studio et LangSmith.