5a044a3882
EVMS 완전 자동화: - 공기 지연 AI 예측 (SPI 기반 준공일 예측) - 기성청구 가능 금액 자동 산출 - 매일 자정 EVMS 스냅샷 자동 생성 (APScheduler) - 매일 07:00 GONGSA 아침 브리핑 자동 생성 준공도서 패키지: - 준공 요약 + 품질시험 목록 + 검측 이력 + 인허가 현황 → ZIP 번들 - 준공 준비 체크리스트 API - 4종 HTML 템플릿 (WeasyPrint PDF 출력) Vision AI Level 3: - 설계 도면 vs 현장 사진 비교 보조 판독 (Claude Vision) - 철근 배근, 거푸집 치수 1차 분석 설계도서 파싱: - PDF 이미지/텍스트에서 공종·수량·규격 자동 추출 - Pandoc HWP 출력 지원 발주처 전용 포털: - 토큰 기반 읽기 전용 API - 공사 현황 대시보드, 공정률 추이 차트 에이전트 협업 고도화: - 협업 시나리오 (concrete_pour, excavation, weekly_report) - GONGSA→PUMJIL→ANJEON 순차 처리 Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
114 lines
3.8 KiB
Python
114 lines
3.8 KiB
Python
"""
|
|
에이전트 협업 고도화 — Phase 3
|
|
복수 에이전트가 순차적으로 하나의 시나리오를 처리합니다.
|
|
|
|
예시: 콘크리트 타설 당일 시나리오
|
|
07:00 GONGSA → 공정 브리핑 + 날씨 체크
|
|
07:05 PUMJIL → 타설 전 품질 체크리스트
|
|
07:10 ANJEON → TBM 자료 + 안전 체크
|
|
"""
|
|
from datetime import date
|
|
from sqlalchemy.ext.asyncio import AsyncSession
|
|
from sqlalchemy import select
|
|
|
|
from app.models.agent import AgentConversation, AgentMessage, AgentType
|
|
from .gongsa import gongsa_agent
|
|
from .pumjil import pumjil_agent
|
|
from .anjeon import anjeon_agent
|
|
from .gumu import gumu_agent
|
|
from .base import BaseAgent
|
|
|
|
|
|
SCENARIO_AGENTS = {
|
|
"concrete_pour": [
|
|
(AgentType.GONGSA, "콘크리트 타설 예정입니다. 날씨와 공정 현황을 브리핑해주세요."),
|
|
(AgentType.PUMJIL, "오늘 콘크리트 타설 전 품질 체크리스트를 발송해주세요."),
|
|
(AgentType.ANJEON, "콘크리트 타설 작업 TBM 자료를 작성해주세요."),
|
|
],
|
|
"excavation": [
|
|
(AgentType.GONGSA, "굴착 작업 예정입니다. 공정 현황을 브리핑해주세요."),
|
|
(AgentType.ANJEON, "굴착 작업 안전 사전 경보와 TBM 자료를 작성해주세요."),
|
|
(AgentType.PUMJIL, "굴착 작업 품질 관리 체크리스트를 발송해주세요."),
|
|
],
|
|
"weekly_report": [
|
|
(AgentType.GONGSA, "이번 주 공정 현황을 요약해주세요."),
|
|
(AgentType.PUMJIL, "이번 주 품질시험 및 검측 현황을 요약해주세요."),
|
|
(AgentType.GUMU, "이번 주 행정 처리 현황과 다음 주 예정 사항을 정리해주세요."),
|
|
],
|
|
}
|
|
|
|
|
|
async def run_scenario(
|
|
db: AsyncSession,
|
|
project_id,
|
|
user_id,
|
|
scenario: str,
|
|
) -> list[dict]:
|
|
"""
|
|
협업 시나리오 실행.
|
|
반환: [{"agent": "gongsa", "content": "...", "message_id": "..."}, ...]
|
|
"""
|
|
import uuid
|
|
pid = uuid.UUID(str(project_id))
|
|
|
|
steps = SCENARIO_AGENTS.get(scenario)
|
|
if not steps:
|
|
raise ValueError(f"알 수 없는 시나리오: {scenario}. 가능한 값: {list(SCENARIO_AGENTS.keys())}")
|
|
|
|
results = []
|
|
agent_map: dict[AgentType, BaseAgent] = {
|
|
AgentType.GONGSA: gongsa_agent,
|
|
AgentType.PUMJIL: pumjil_agent,
|
|
AgentType.ANJEON: anjeon_agent,
|
|
AgentType.GUMU: gumu_agent,
|
|
}
|
|
|
|
# 이전 에이전트 응답을 컨텍스트에 누적
|
|
prev_responses: list[str] = []
|
|
|
|
for agent_type, prompt_base in steps:
|
|
agent = agent_map[agent_type]
|
|
context = await agent.build_context(db, str(pid))
|
|
|
|
# 이전 에이전트 응답을 프롬프트에 추가
|
|
prompt = prompt_base
|
|
if prev_responses:
|
|
prompt += "\n\n이전 에이전트 응답 요약:\n" + "\n---\n".join(prev_responses[-2:])
|
|
|
|
# 대화 세션 생성
|
|
conv = AgentConversation(
|
|
project_id=pid,
|
|
user_id=uuid.UUID(str(user_id)),
|
|
agent_type=agent_type,
|
|
title=f"{scenario} 협업 시나리오 ({date.today()})",
|
|
)
|
|
db.add(conv)
|
|
await db.flush()
|
|
|
|
reply = await agent.chat(
|
|
messages=[{"role": "user", "content": prompt}],
|
|
context=context,
|
|
)
|
|
|
|
msg = AgentMessage(
|
|
conversation_id=conv.id,
|
|
role="assistant",
|
|
content=reply,
|
|
is_proactive=True,
|
|
metadata={"scenario": scenario, "step": agent_type.value},
|
|
)
|
|
db.add(msg)
|
|
await db.flush()
|
|
|
|
prev_responses.append(f"[{agent_type.value.upper()}] {reply[:300]}")
|
|
results.append({
|
|
"agent": agent_type.value,
|
|
"agent_name": agent.name_ko,
|
|
"content": reply,
|
|
"conversation_id": str(conv.id),
|
|
"message_id": str(msg.id),
|
|
})
|
|
|
|
await db.commit()
|
|
return results
|