microdao-daarion/NEXT-STEPS.md

DAGI Router + DevTools Agent - План Дій

✅ Що вже є (станом на 15.11.2025)

1. DAGI Router - працює на http://127.0.0.1:9101

   • Підтримує multi-provider routing
   • Інтеграція з Ollama (local_slm)
   • Інтеграція з DeepSeek (cloud)
   • Базова маршрутизація через metadata

2. Ollama + qwen3:8b - локальна модель

   • Модель: qwen3:8b (5.2 GB)
   • Endpoint: http://localhost:11434
   • Статус: ✅ працює

3. Конфігурація

   • .env - environment variables
   • router-config.yml - повна конфігурація роутера
   • Підтримка DevTools Agent профілю

---

🎯 Наступні кроки

Крок 1: Інтеграція router-config.yml

Пріоритет: HIGH

Зараз DAGI Router використовує hardcoded логіку. Потрібно:

# main.py - додати на початок
import yaml

# Завантажити конфігурацію
with open("router-config.yml", "r") as f:
    config = yaml.safe_load(f)

# Використовувати config["llm_profiles"], config["agents"], config["routing"]

Завдання:

• Додати pyyaml в requirements.txt
• Створити функцію load_config() в main.py
• Переписати simple_routing_strategy() для використання rules з YAML
• Додати підтримку agent_id в RoutingContext
• Тестування: запустити ./test-devtools.sh

---

Крок 2: Імплементація DevTools Agent

Пріоритет: HIGH

DevTools Agent потребує інструментів (tools):

agents:
  devtools:
    tools:
      - fs_read      # читання файлів
      - fs_write     # запис файлів  
      - run_tests    # запуск pytest/jest
      - git_diff     # git diff
      - git_commit   # git commit

Варіанти реалізації:

Варіант A: Вбудовані tools в Router

# main.py
def execute_tool(tool_id: str, params: dict) -> dict:
    if tool_id == "fs_read":
        return {"content": Path(params["path"]).read_text()}
    elif tool_id == "fs_write":
        Path(params["path"]).write_text(params["content"])
        return {"status": "ok"}
    # ... інші tools

Варіант B: Окремий DevTools Service (рекомендується)

# Створити окремий FastAPI сервіс
mkdir -p /opt/devtools-agent
cd /opt/devtools-agent

# main.py з endpoints:
# POST /tools/fs/read
# POST /tools/fs/write
# POST /tools/tests/run
# POST /tools/git/diff
# POST /tools/git/commit

Завдання:

• Вибрати варіант реалізації (A або B)
• Імплементувати базові tools (fs_read, fs_write)
• Додати безпеку (sandboxing, path validation)
• Інтегрувати tools в LLM prompts

---

Крок 3: Золоті сценарії (Golden Path)

Пріоритет: MEDIUM

Протестувати 3 основні use cases:

Сценарій 1: Bugfix

# Запит до DevTools Agent
curl -X POST http://127.0.0.1:9101/route \
  -d '{
    "context": {"agent_id": "devtools"},
    "message": "Знайди баг в файлі src/utils.py",
    "metadata": {"task_type": "bugfix"}
  }'

# Очікувана поведінка:
# 1. Router → local_qwen3_8b (згідно з routing rules)
# 2. LLM використовує tool "fs_read" для читання файлу
# 3. Аналізує код
# 4. Повертає опис бага + fix

Сценарій 2: Рефакторинг

# Простий рефакторинг
curl -X POST http://127.0.0.1:9101/route \
  -d '{
    "context": {"agent_id": "devtools"},
    "message": "Рефактор функції calculate() в module.py",
    "metadata": {"task_type": "refactor_simple"}
  }'

# → local_qwen3_8b

Сценарій 3: Архітектурний ревʼю (складний)

# Складна задача
curl -X POST http://127.0.0.1:9101/route \
  -d '{
    "context": {"agent_id": "devtools"},
    "message": "Проаналізуй архітектуру проекту та запропонуй покращення",
    "metadata": {"task_type": "architecture_review"}
  }'

# → cloud_deepseek (більш потужна модель)

Завдання:

• Запустити сценарій 1 (bugfix)
• Запустити сценарій 2 (refactor)
• Перевірити роутинг для сценарію 3 (має йти на DeepSeek якщо є API key)
• Задокументувати результати

---

Крок 4: Моніторинг і телеметрія

Пріоритет: LOW

Згідно з router-config.yml → telemetry enabled:

telemetry:
  metrics:
    - request_count
    - response_time
    - token_usage
    - error_rate

Завдання:

• Додати middleware для збору метрик
• Логувати всі routing decisions
• Створити endpoint /metrics для Prometheus
• Dashboard в Grafana (опціонально)

---

📝 Поточна архітектура

┌─────────────────┐
│   User/Client   │
└────────┬────────┘
         │
         ▼
┌─────────────────────────────┐
│     DAGI Router :9101       │
│                             │
│  ┌─────────────────────┐   │
│  │ Routing Strategy    │   │
│  │ (config-based)      │   │
│  └──────────┬──────────┘   │
│             │               │
│  ┌──────────▼──────────┐   │
│  │  LLM Profile Select │   │
│  │  - local_qwen3_8b   │   │
│  │  - cloud_deepseek   │   │
│  └──────────┬──────────┘   │
└─────────────┼───────────────┘
              │
      ┌───────┴────────┐
      │                │
      ▼                ▼
┌──────────┐    ┌──────────────┐
│  Ollama  │    │  DeepSeek    │
│ qwen3:8b │    │  API         │
└──────────┘    └──────────────┘

---

🔧 Швидкі команди

# Перевірити статус Router
curl -s http://127.0.0.1:9101/health | jq

# Перевірити Ollama моделі
ollama list

# Запустити тестування
./test-devtools.sh

# Переглянути логи Router
tail -f /tmp/dagi-router.log

# Перезапустити Router
pkill -f "uvicorn main:app.*9101"
cd /opt/dagi-router && nohup .venv/bin/uvicorn main:app --host 127.0.0.1 --port 9101 > /tmp/dagi-router.log 2>&1 &

# Перевірити конфігурацію
cat /opt/dagi-router/router-config.yml
cat /opt/dagi-router/.env

---

❓ Відповіді на питання

1. Що далі за планом?

Крок 1 → Інтеграція router-config.yml в код Крок 2 → Реалізація DevTools Agent з інструментами Крок 3 → Тестування золотих сценаріїв

2. DevTools Agent може працювати на qwen3:8b?

Так! Саме для цього створено профіль local_qwen3_8b з routing rule:

devtools_default_local:
  when: {agent: devtools}
  use_llm: local_qwen3_8b

Для складних задач (architecture_review, security_audit) можна використати DeepSeek.

3. Як підключити інші агенти?

Додати в router-config.yml:

agents:
  marketing:
    default_llm: cloud_deepseek
    tools: [...]
  
routing:
  - when: {agent: marketing}
    use_llm: cloud_deepseek

---

📚 Документація

• Конфіг: /opt/dagi-router/router-config.yml
• Env: /opt/dagi-router/.env
• Тести: /opt/dagi-router/test-devtools.sh
• Код: /opt/dagi-router/main.py
• Логи: /tmp/dagi-router.log