🐘 DBA — агент

Интеллектуальный агент на базе LangGraph, предназначенный для автоматизации задач DBA. Разработан командой R4C.Support.Всадники апокалипсиса.

Возможности

• Оценка фрагментации таблиц (
  get_table_bloat
  ) — показывает таблицы с мёртвыми строками и даёт рекомендации по VACUUM.
• Размеры баз данных (
  get_db_sizes
  ) — выводит размер всех БД на хосте.
• Текущее время (
  get_current_time
  ) — быстрое получение времени.
• Калькулятор (
  calculate
  ) — безопасные арифметические вычисления.
• Поиск в таблице решений (
  get_solution_db
  ) — пример работы с пользовательской таблицей.
• Список инструментов (
  list_available_tools
  ) — показывает все доступные возможности агента.

Агент построен на LangGraph с использованием LLM (GigaChat через OpenAI‑совместимый API) и умеет самостоятельно выбирать, какой инструмент вызвать.

Добавление нового инструмента (общий подход)

Все инструменты находятся в папке

и автоматически регистрируются в агенте. Чтобы добавить новый инструмент, выполните три шага:

1. Создайте новый файл в

tools/

(например,

my_tool.py

)

2. Добавьте импорт в tools/init.py

3. Обновите системное сообщение в dba_agent.py

В узле llm_node добавьте строчку в описание инструментов:

Принципы разработки инструментов

• Документация — docstring обязательно, LLM будет его читать для выбора инструмента.
• Типизация — используйте аннотации типов (str, int, bool и т.д.) для ясности.
• Логирование — вызывайте logger.info при вызове инструмента для отладки.*
• Обработка ошибок — перехватывайте исключения и возвращайте понятный текст ошибки.
• Безопасность — избегайте прямого выполнения пользовательского кода без валидации; для SQL используйте параметризованные запросы.
• После добавления инструмента он автоматически станет доступен для вызова LLM. Агент сам решит, когда его использовать, на основе описания.

Установка и настройка

1. Клонируйте репозиторий

2. Создайте виртуальное окружение и установите зависимости

Файл requirements.txt должен содержать:

3. Настройте подключение к базе данных и LLM

Создайте файл .env (скопируйте .env.example) и укажите:

4. Запустите LangGraph‑сервер

Сервер будет доступен по адресу http://127.0.0.1:2024.

Структура проекта

Использование

Запуск веб‑интерфейса (Streamlit)

В отдельном терминале:

Откройте http://localhost:8501 и общайтесь с агентом. Примеры запросов:

• "Покажи фрагментацию таблиц на хосте vm-"

• "Размеры баз данных на хосте vm-"

• "Сколько времени?"

• "Что ты умеешь?"

Запуск Gradio (альтернатива)

Интерфейс появится по адресу http://127.0.0.1:7860.

Тестирование через curl

Инструменты (Tools)

• Инструмент Описание
• get_current_time() Возвращает текущее время.
• calculate(expression) Выполняет арифметические выражения.
• get_solution_db(query) Ищет данные в таблице django.listdb_solution.
• get_table_bloat(host, databases) Анализирует фрагментацию таблиц на указанном хосте.
• get_db_sizes(host) Показывает размеры всех баз данных.
• list_available_tools() Выводит список всех доступных инструментов.

Требования

Python 3.13+

Возможные проблемы

• Ошибка подключения к БД: убедитесь, что хост, порт и учётные данные верны.
• LLM не отвечает: проверьте токен и интернет‑соединение.
• WebUI не показывает ответ: убедитесь, что LangGraph‑сервер запущен и эндпоинт /runs/stream доступен.

Лицензия