🌍 Travel Planner Agent

Travel Planner Agent — это интеллектуальный сервис для планирования путешествий.
Он объединяет поиск отелей, прогноз погоды и диалог с чат-агентом в одном API.

Проект реализован на FastAPI и интегрирует современные технологии RAG, LLM и LangGraph, чтобы выдавать полезные ответы в формате «одним кликом».

• 💬 Чат с агентом — задайте вопрос, и агент предложит отели и прогноз погоды.
• 🏨 Поиск отелей — подборка отелей по выбранному городу.
• ☀️ Прогноз погоды — до 7 дней вперёд.
• 🔎 RAG-пайплайн — векторный поиск по данным отелей.

• Python 3.12
• FastAPI — веб-фреймворк для API
• Pydantic v2 — валидация и схемы данных
• Uvicorn — ASGI сервер
• Requests + httpx — HTTP-запросы
• python-dotenv — переменные окружения
• pytest — тестирование

• LangChain (core, community, text-splitters, openai, huggingface)
• LangGraph — агентные графы
• Transformers — HuggingFace модели
• Sentence-Transformers (all-MiniLM-L6-v2) — эмбеддинги
• ChromaDB — векторное хранилище
• OpenRouter API (GPT-4o) — LLM для чата

TravelPlannerAgent/
│── app.py # Точка входа FastAPI 
│── docs/ # OpenAPI спецификация
│── src/ # Исходный код 
│ ├── agents/ # Агент + инструменты (RAG, погода) 
│ ├── api/ # Роуты и схемы FastAPI 
│ ├── graph/ # LangGraph агент 
│ ├── retrieval/ # Векторный поиск 
│ ├── utils/ # Конфиги, загрузка данных, промпты 
│ └── logs/ # Логирование
│── tests/ # Unit и integration тесты
│── chroma_db/ # Векторная база (ChromaDB) в .gitignore
│── models_cache/ # Кэш моделей (SentenceTransformers) в .gitignore
│── requirements.txt # Зависимости 
│── LICENSE # Лицензия
│── README.md # Документация проекта

1. Клонировать репозиторий:

   git clone https://github.com/zachhew/travel-planner-agent.git
   cd travel-planner-agent

2. Создать виртуальное окружение:

   python3 -m venv .venv
   source .venv/bin/activate # Linux / Mac
   .venv\Scripts\activate # Windows

3. Установить зависимости:

   pip install -r requirements.txt

4. Создать файл .env:

    USER_CSV_FOLDER=./data/raw/hotels-2.csv
    EMBEDDING_DEVICE=mps # cuda/cpu
    EMBEDDING_MODEL_NAME=all-MiniLM-L6-v2
    LLM_MODEL_NAME=openai/gpt-4o
    LLM_API_KEY=sk-xxxxxx
    LLM_BASE_URL=https://openrouter.ai/api/v1
    LOG_LEVEL=INFO
    # Дополнительные параметры (по умолчанию)
    TEMPERATURE=0.2
    MAX_TOKENS=200
    CHUNK_SIZE=800
    CHUNK_OVERLAP=50
    RETRIEVER_K=5
    PERSIST_DIRECTORY=./chroma_db
    CACHE_FOLDER=./models_cache
    LOG_FILE=app.log
    PROMPT_PATH=./src/utils/prompts.json
   

5. Запуск сервера

   uvicorn app:app --reload
   

После запуска Swagger-документация доступна по адресу:
👉 http://127.0.0.1:8000/docs

Подробности смотри в docs/docs.yaml

curl -X POST "http://127.0.0.1:8000/chat" \
 -H "Content-Type: application/json" \
 -d '{
 "question": "Хочу слетать в Сочи на 3 дня"
 }'

{
 "answer": "Прогноз погоды в Сочи на ближайшие три дня:\n
 Дата | Tmin | Tmax | Осадки (мм)\n
 2025年09月07日 | 18 | 25 | 0.0\n
 2025年09月08日 | 19 | 26 | 0.1\n
 2025年09月09日 | 20 | 27 | 0.0\n\n
 Вот подборка отелей в Сочи:\n
 - Hyatt Regency Sochi, *описание*\n
 - Radisson Blu Resort & Congress Centre, *описание*\n
 - Pullman Sochi Centre, *описание*"
}

Запуск unit и integration тестов:

PYTHONPATH=./ pytest -v

Пример интеграционного теста (файл tests/integration/test_routes.py):

@pytest.mark.asyncio
async def test_chat_endpoint(monkeypatch):
 async def fake_invoke(_):
 return {"recent_messages": [{"role": "assistant", "content": "Hello test!"}]}
 ...

MIT — свободно используйте и модифицируйте проект.