# LangGraph human-in-the-loop: подтверждение действий локального агента

Источник: https://modelium.tech/zhurnal/langgraph-human-in-the-loop/

Для подтверждения действия в LangGraph поставьте `interrupt()` перед вызывающим последствия инструментом, сохраните состояние графа с checkpointer и возобновите тот же `thread_id` через `Command(resume=...)`. Отказ должен обходить инструмент, а разрешение — запускать только заранее проверенное действие. Пример ниже исполняет оба пути на синтетической записи; модель Ollama и внешняя CRM в нём не запускались.

**Документация проверена 29 сентября 2026 года.** Синтетическая проверка ниже выполнена с `langgraph==1.0.9` на двух тестовых потоках. Она не использует Ollama, реальные данные или производственную CRM. Полная проверка локального агента требует отдельно испытать выбранную модель, её доступ к сети и настоящий инструмент с ограниченными правами.

## Что именно подтверждает человек, а что остаётся за системой?

Локальная модель может **предложить** вызов инструмента, но не должна исполнять его сама без политики приложения. ChatOllama описывает `bind_tools()` для модели с поддержкой tool calling и возвращаемые структурные `tool_calls`; документация Ollama различает ответ с вызовом и последующее исполнение инструмента приложением [s5](#src-s5)[s6](#src-s6). Передавайте в approval-граф только разобранную заявку с разрешённым именем инструмента и допустимыми аргументами. Текст «я обновил карточку» не является следом вызова [s5](#src-s5)[s6](#src-s6).

В примере ниже действие `mark_demo` относится к **вымышленной** записи `DEMO-1` и вызывает только локальную тестовую функцию. На практике цепочка такова: задача сотрудника → выбранная и проверенная на tools локальная модель → runtime Ollama → предложение структурного вызова → `interrupt()` → решение уполномоченного сотрудника → ограниченный инструмент → проверенный результат. Первая часть — интеграция читателя, а не подтверждённый запуск Modelium. Для подготовки модели см. [общий гайд агента](/zhurnal/kak-sozdat-ii-agenta/) и [проверку tool calling](/zhurnal/tool-calling-lokalnyh-modeley/).

**Точка контроля — до внешнего действия.** LangGraph сохраняет состояние графа при `interrupt()`, показывает сериализуемый payload проверяющему и принимает решение через `Command(resume=...)` в том же `thread_id` [s1](#src-s1)[s2](#src-s2). Отказ не должен попадать в исполнительный узел; разрешение не должно автоматически давать доступ ко всем инструментам. Подтверждение человеком не заменяет allowlist, права пользователя и журнал действий: [отдельно проверьте безопасность MCP-инструментов](/zhurnal/mcp-bezopasnost-instrumentov/).

## Какие предусловия нужны до теста?

Нужны Python с `venv`, установленный `langgraph==1.0.9` и возможность **локально** исполнить безвредную функцию. Для демонстрации Ollama, сеть, скачивание модели, GPU и VRAM не нужны. Это намеренно изолирует механику паузы от качества модели. Если затем подключаете ChatOllama, выбирайте конкретную модель, умеющую tools по её документации, проверяйте версии и условия весов; сам факт установки модели не гарантирует корректность её предложений [s5](#src-s5)[s6](#src-s6). Для чисел памяти или качества этот материал данных не имеет.

python3 -m venv .venv. .venv/bin/activatepython -m pip install 'langgraph==1.0.9'

`InMemorySaver` нужен только для теста в **одном процессе**: при рестарте контрольные точки исчезнут. Для локального восстановления между запусками существует отдельный `langgraph-checkpoint-sqlite`, а для production документация предлагает постоянный backend, например Postgres; выбор backend и доступ к нему нужно спроектировать до реального пилота [s2](#src-s2)[s7](#src-s7).

## Как проверить паузу, отказ и разрешение в исполняемом графе?

Сохраните код как `hitl_demo.py`. Узел `review` не выполняет действия до `interrupt()`. После возобновления он принимает **только** булево `True` как разрешение; любой другой JSON-ответ ведёт к отказу. Две ветки графа ведут к тестовому исполнению либо к отказу. Этот контроль решает только одну заранее составленную заявку, не предлагает автоматически редактировать произвольные аргументы [s1](#src-s1)[s3](#src-s3).

from typing import TypedDictfrom langgraph.checkpoint.memory import InMemorySaverfrom langgraph.graph import StateGraph, START, ENDfrom langgraph.types import Command, interruptclass State(TypedDict, total=False):    proposal: dict[str, str]    approved: bool    result: strdef review(state: State):    decision = interrupt({"question": "Разрешить тестовое действие?", "proposal": state["proposal"]})    return {"approved": decision is True}def route(state: State) -> str:    return "execute" if state["approved"] else "deny"def execute(state: State):    # Безвредный тестовый инструмент вместо настоящей записи в CRM.    assert state["proposal"]["action"] == "mark_demo"    return {"result": "Инструмент mark_demo вызван для " + state["proposal"]["record_id"]}def deny(state: State):    return {"result": "Действие отклонено; инструмент не вызывался"}builder = StateGraph(State)builder.add_node("review", review)builder.add_node("execute", execute)builder.add_node("deny", deny)builder.add_edge(START, "review")builder.add_conditional_edges("review", route, {"execute": "execute", "deny": "deny"})builder.add_edge("execute", END)builder.add_edge("deny", END)graph = builder.compile(checkpointer=InMemorySaver())for thread_id, choice in (("demo-deny", False), ("demo-approve", True)):    config = {"configurable": {"thread_id": thread_id}}    paused = graph.invoke({"proposal": {"action": "mark_demo", "record_id": "DEMO-1"}}, config=config)    assert "__interrupt__" in paused and "result" not in paused    print("PAUSED", thread_id, paused["__interrupt__"][0].value)    final = graph.invoke(Command(resume=choice), config=config)    assert final["approved"] is choice    assert ("вызван" in final["result"]) is choice    print("RESULT", thread_id, final["result"])

Запустите `python hitl_demo.py`. В тесте Modelium для `demo-deny` сначала показана заявка `mark_demo/DEMO-1`, затем сообщение «Действие отклонено; инструмент не вызывался». Для `demo-approve` показана такая же пауза, затем «Инструмент mark_demo вызван для DEMO-1». Оба `assert` прошли; это проверка **кода и ветвления**, а не успешной работы языковой модели или записи в CRM.

## Как довести образец до пилота без обхода контроля?

Оставьте один инструмент с минимальными полномочиями и валидируйте на сервере **тип и содержимое** предложения модели до показа оператору; модельный текст и документы считайте недоверенным вводом. Определите, кто вправе возобновлять конкретный `thread_id`: одного знания ID недостаточно для авторизации. Отдельно фиксируйте заявленное действие, версию записи, идентификатор одобряющего, решение, момент исполнения и его результат. Перед критичным действием проверьте состояние целевой записи повторно; устаревшее одобрение не должно исполняться над изменившимися данными. Это проектные требования безопасности, а не свойства автоматически включённой демонстрации.

При `resume` узел с `interrupt()` **перезапускается с начала**, поэтому запись в БД, отправка письма или вызов API **до** паузы может повториться [s1](#src-s1). Вынесите эффект в отдельный узел после решения, добавьте идемпотентный ключ и серверную проверку прав; даже действие после паузы надо защищать от повторного запуска после сбоя [s1](#src-s1)[s3](#src-s3). Не оборачивайте `interrupt()` широким `try/except`: по документации это мешает механизму остановки [s1](#src-s1). Для готового агента LangChain предлагает `HumanInTheLoopMiddleware` с вариантами `approve`, `edit`, `reject`, `respond`; последний — ответ человеку от имени инструмента, а **не** отказ от побочного действия [s4](#src-s4). В учебном графе выше используется свой строгий boolean-контракт, не этот middleware.

Если заявка возникает при поиске по документам, сперва проверьте [RAG-трассу и цитаты](/zhurnal/langgraph-agentnyy-rag-lokalno/), затем разрешайте действия. Для реального пилота недостаточно двух демонстрационных строк: запустите разрешение и отказ на тестовом стенде, перезапустите процесс с постоянным checkpointer, затем сверяйте журнал, права и реальное состояние целевой записи. **Основной следующий шаг:** [проверьте структурный вызов инструмента выбранной локальной моделью](/zhurnal/tool-calling-lokalnyh-modeley/); без этого одобренное моделью действие остаётся только учебной фикстурой.

## Источники

1. [LangGraph — Interrupts](https://docs.langchain.com/oss/python/langgraph/interrupts) — получено 2026-09-29
2. [LangGraph — Persistence](https://docs.langchain.com/oss/python/langgraph/persistence) — получено 2026-09-29
3. [LangGraph — Graph API overview](https://docs.langchain.com/oss/python/langgraph/graph-api) — получено 2026-09-29
4. [LangChain — Human-in-the-loop middleware](https://docs.langchain.com/oss/python/langchain/human-in-the-loop) — получено 2026-09-29
5. [LangChain — ChatOllama integration](https://docs.langchain.com/oss/python/integrations/chat/ollama) — получено 2026-09-29
6. [Ollama — Tool calling](https://docs.ollama.com/capabilities/tool-calling) — получено 2026-09-29
7. [LangGraph — Checkpointers](https://docs.langchain.com/oss/python/langgraph/checkpointers) — получено 2026-09-29