From 60df5d8d9ed5373267dafb16a08a8d833a1a947c Mon Sep 17 00:00:00 2001
From: vincent <vincent.poupet@gmail.com>
Date: Sun, 12 Apr 2026 20:54:41 +0000
Subject: [PATCH] agentic worflow

---
 multi_agent.py | 73 ++++++++++++++++++++++++++++++++++++++++++++++++++
 1 file changed, 73 insertions(+)
 create mode 100644 multi_agent.py

diff --git a/multi_agent.py b/multi_agent.py
new file mode 100644
index 0000000..1fefaac
--- /dev/null
+++ b/multi_agent.py
@@ -0,0 +1,73 @@
+import os
+from dotenv import load_dotenv
+
+import sys
+import asyncio
+from typing import Annotated, Literal, TypedDict
+from langchain_google_genai import ChatGoogleGenerativeAI
+from langgraph.graph import StateGraph, END, START
+from langchain_core.messages import HumanMessage, SystemMessage, BaseMessage
+from langgraph.prebuilt import create_react_agent
+
+load_dotenv()
+
+
+# 1. Définition de l'état du graphe (ce que les agents se partagent)
+class AgentState(TypedDict):
+    messages: Annotated[list[BaseMessage], "L'historique des échanges"]
+
+# 2. Création des Spécialistes
+llm = ChatGoogleGenerativeAI(model="gemini-2.5-flash")
+
+# Agent Verlant
+agent_verlant = create_react_agent(
+    llm, tools=[], 
+    prompt="Tu es un expert en verlan. Ta seule mission est de traduire les textes qu'on te donne en verlan (ex: bizarre -> zarbi). Sois bref."
+)
+
+# Agent Argo
+agent_argo = create_react_agent(
+    llm, tools=[], 
+    prompt="Tu es un expert en argot parisien. Traduis les textes en utilisant un langage très fleuri et argotique. Sois bref."
+)
+
+# 3. Logique du Coordinateur (Le Routeur)
+def routeur_coordinateur(state: AgentState) -> Literal["agent_verlant", "agent_argo", "__end__"]:
+    dernier_message = state["messages"][-1].content.lower()
+    
+    if "verlan" in dernier_message:
+        return "agent_verlant"
+    elif "argo" in dernier_message or "argot" in dernier_message:
+        return "agent_argo"
+    else:
+        return "__end__" # Il répond directement s'il ne comprend pas la consigne
+
+# 4. Construction du Graphe
+workflow = StateGraph(AgentState)
+
+# Ajout des nœuds
+#workflow.add_node("agent_verlant", lambda state: agent_verlant.ainvoke(state))
+#workflow.add_node("agent_argo", lambda state: agent_argo.ainvoke(state))
+
+# ✅ LangGraph va automatiquement comprendre qu'il doit faire un "await" sur ces agents
+workflow.add_node("agent_verlant", agent_verlant)
+workflow.add_node("agent_argo", agent_argo)
+
+# Logique de départ
+workflow.add_conditional_edges(START, routeur_coordinateur)
+
+# Une fois qu'un spécialiste a répondu, on va vers la fin
+workflow.add_edge("agent_verlant", END)
+workflow.add_edge("agent_argo", END)
+
+# Compilation
+app = workflow.compile()
+
+# --- TEST ---
+async def main():
+    consigne = "Dis moi que cette fête est folle en verlan"
+    async for event in app.astream({"messages": [HumanMessage(content=consigne)]}):
+        print(event)
+
+if __name__ == "__main__":
+    asyncio.run(main())
\ No newline at end of file