프로젝트 1 — 데이터를 찾아 답하는 챗봇

import asyncio
import os
import sys

import pandas as pd
from dotenv import find_dotenv, load_dotenv
from langchain.agents import create_agent
from langchain_core.tools import tool
from langchain_mcp_adapters.client import MultiServerMCPClient
from langchain_openai import ChatOpenAI

load_dotenv(find_dotenv(usecwd=True))
MODEL = os.getenv("OPENAI_MODEL", "gpt-4.1-mini")
model = ChatOpenAI(model=MODEL, temperature=0)

products = pd.read_csv("trip_products.csv")
# 실습 4가 만든 MCP 서버에 붙는다
client = MultiServerMCPClient({
    "trip": {"command": sys.executable, "args": ["out_ch05_server.py"], "transport": "stdio"},
})


@tool
def calc_price(code: str, adults: int, children: int = 0) -> str:
    """상품코드와 인원으로 총 여행 요금(만 원)을 계산한다. 아동 요금은 어른의 80% 이다."""
    rows = products[products["상품코드"] == code]
    if rows.empty:
        return f"없는 상품코드입니다: {code}"
    row = rows.iloc[0]
    total = round(row["가격"] * adults + row["가격"] * 0.8 * children, 1)
    return f"{code} {row['상품명']} · 어른 {adults}명, 아동 {children}명 · {float(total):g}만 원"


# 정답 낱말은 모델이 아니라 표에서 직접 찾아 정한다
busan = products[products["지역"] == "부산"].sort_values("가격")
gangneung = products[(products["지역"] == "강릉") & (products["박수"] == 2)].iloc[0]
g_total = round(gangneung["가격"] * 2 + gangneung["가격"] * 0.8 * 2, 1)
december = products[(products["가격"] <= 30) & products["출발일"].str.startswith("2026-12")]

QUESTIONS = [
    ("부산 상품을 가격이 싼 것부터 알려 주세요.", list(busan["상품코드"])),
    ("여수 밤바다 상품 아직 예약할 수 있어요? 안 되면 어떻게 해요?", ["매진", "대기"]),
    ("강릉 2박 상품에 어른 2명, 아이 2명이면 모두 얼마예요?", [gangneung["상품코드"], f"{float(g_total):g}"]),
    ("어른 1명 30만 원 이하로 12월에 출발하는 상품이 있나요?", list(december["상품코드"])),
]
for no, (q, words) in enumerate(QUESTIONS, start=1):
    print(no, q, "→ 정답 낱말:", words)

SYSTEM = ("너는 구름다리여행의 상담 직원이다. 상품, 가격, 남은 자리, 공지는 반드시 도구로 확인하고 짧게 답한다. "
          "답에는 상품코드를 함께 적는다. 남은 자리가 0 인 매진 상품이면 공지 파일(trip_notice.txt)에서 안내를 찾아 함께 알려 준다.")


async def main():
    # MCP 도구 셋과 직접 만든 도구 하나를 한 목록으로 모은다
    tools = await client.get_tools() + [calc_price]
    print("도구:", [t.name for t in tools])
    agent = create_agent(model, tools=tools, system_prompt=SYSTEM)
    records = []
    for no, (q, words) in enumerate(QUESTIONS, start=1):
        result = await agent.ainvoke({"messages": [{"role": "user", "content": q}]})
        msgs = result["messages"]
        # 부른 도구의 이름을 차례로 모은다
        called = [c["name"] for m in msgs if m.type == "ai" for c in m.tool_calls]
        answer = msgs[-1].content
        records.append({"번호": no, "부른 도구": " → ".join(called), "호출 수": len(called),
                        "정답 낱말": ", ".join(words), "답에 모두 있음": all(w in answer for w in words)})
        print(f"[{no}] {' → '.join(called)}")
        print("   ", answer)
    return records


records = asyncio.run(main())

usage = pd.DataFrame(records)
print(usage.to_string(index=False))

usage.to_csv("out_ch05_tool_usage.csv", index=False, encoding="utf-8-sig")
print("저장: out_ch05_tool_usage.csv")

# 질문마다의 "부른 도구" 글을 다시 이름 목록으로 풀어 모두 잇는다
all_calls = [name for text in usage["부른 도구"] for name in text.split(" → ") if name]
print(pd.Series(all_calls).value_counts().to_string())
print("모두 부른 횟수:", len(all_calls), "/ 정답 확인 통과:", int(usage["답에 모두 있음"].sum()), "/", len(usage))