# LangGraph Graphs

Ce dossier contient les différents graphes LangGraph utilisés par l'API.

## Structure

- `base_graph.py`: Graphe conversationnel simple par défaut
- Vous pouvez ajouter d'autres graphes personnalisés ici

## Comment créer un nouveau graphe

1. Créez un nouveau fichier Python dans ce dossier (ex: `custom_graph.py`)
2. Définissez votre `State` avec TypedDict
3. Créez vos fonctions de nœuds
4. Construisez le graphe avec `StateGraph`
5. Compilez le graphe avec `.compile()`
6. Enregistrez votre graphe dans `services/agent_registry.py`

## Exemple de graphe personnalisé

```python
from typing import TypedDict, Annotated, Sequence
from langchain_core.messages import BaseMessage
from langgraph.graph import StateGraph, END
from langgraph.graph.message import add_messages

class CustomState(TypedDict):
    messages: Annotated[Sequence[BaseMessage], add_messages]
    custom_field: str

def create_custom_graph(llm):
    def custom_node(state: CustomState):
        # Votre logique personnalisée
        messages = state["messages"]
        response = llm.invoke(messages)
        return {"messages": [response]}
    
    workflow = StateGraph(CustomState)
    workflow.add_node("custom", custom_node)
    workflow.set_entry_point("custom")
    workflow.add_edge("custom", END)
    
    return workflow.compile()
```

## Graphes disponibles

### Simple Graph (`base_graph.py`)
- Graphe conversationnel basique
- Prend un message, l'envoie au LLM, retourne la réponse
- Pas de mémoire persistante

### Simple Graph with History (`base_graph.py`)
- Graphe conversationnel avec support de l'historique
- Utilise l'historique fourni dans la requête
- Pas de mémoire persistante (stateless)

## Notes

- Tous les graphes sont stateless par défaut
- L'historique de conversation doit être fourni par le client dans chaque requête
- Pour ajouter des outils (RAG, recherche web, etc.), créez un nouveau graphe personnalisé