Agent ส่งข้อมูลไปยัง Frontend ยังไง ?

from typing import TypedDict
from langgraph.graph import StateGraph, START, END

# 1. กำหนด State (หน่วยความจำส่วนกลาง)
class State(TypedDict):
    topic: str
    joke: str

# 2. สร้าง Node (ฟังก์ชันการทำงานของเอเจนต์)
def generate_joke(state: State):
    topic = state["topic"]
    # ในการใช้งานจริงตรงนี้จะเป็นการเรียกใช้ LLM
    new_joke = f"ทำไม {topic} ถึงไปโรงเรียน? เพราะอยากมีความรู้ไงล่ะ!"
    return {"joke": new_joke}

# 3. สร้าง StateGraph และประกอบร่าง (Wire it together)
builder = StateGraph(State)

# เพิ่ม Node ลงไปในกราฟ
builder.add_node("generate_joke", generate_joke)

# กำหนดเส้นทางเดินของกราฟ
builder.add_edge(START, "generate_joke")
builder.add_edge("generate_joke", END)

# 4. Compile เพื่อให้กราฟพร้อมใช้งาน
graph = builder.compile()

from fastapi import FastAPI, HTTPException
from pydantic import BaseModel
from langgraph_sdk import get_client

# กำหนด URL ของ LangGraph Server ที่ได้จากคำสั่ง `langgraph dev`
LANGGRAPH_URL = "http://localhost:2024"

# สร้าง FastAPI App
app = FastAPI(title="Joke Agent API", description="API สำหรับเรียกใช้งาน LangGraph Agent")

# สร้าง LangGraph Client เพื่อติดต่อกับ Server
client = get_client(url=LANGGRAPH_URL)

# สร้าง Request Model
class JokeRequest(BaseModel):
    topic: str

# สร้าง Response Model
class JokeResponse(BaseModel):
    topic: str
    joke: str

@app.post("/generate_joke", response_model=JokeResponse)
async def generate_joke(request: JokeRequest):
    try:
        # ชื่อของ graph ที่ตั้งไว้ใน langgraph.json
        assistant_name = "my_joke_agent"

        # 1. สร้าง Thread ใหม่สำหรับการรัน Agent ครั้งนี้
        thread = await client.threads.create()
        thread_id = thread["thread_id"]

        # 2. เตรียมข้อมูลเริ่มต้น (Input State)
        input_data = {"topic": request.topic}

        # 3. รัน Agent (ใช้ wait เพื่อรอจนจบการทำงาน)
        await client.runs.wait(
            thread_id=thread_id,
            assistant_id=assistant_name,
            input=input_data
        )

        # 4. ดึงข้อมูล State ล่าสุดออกจาก Thread เมื่อการทำงานเสร็จสิ้น
        state = await client.threads.get_state(thread_id)

        # ผลลัพธ์สุดท้ายจะอยู่ใน state["values"]
        result_joke = state["values"].get("joke", "ไม่สามารถสร้างมุกตลกได้")

        return JokeResponse(topic=request.topic, joke=result_joke)

    except Exception as e:
        raise HTTPException(status_code=500, detail=str(e))

if __name__ == "__main__":
    import uvicorn
    # รัน FastAPI Server ด้วย uvicorn บน port 8000
    uvicorn.run(app, host="0.0.0.0", port=8000)

import asyncio
from langgraph.pregel.remote import RemoteGraph

async def main():
    # 1. ชี้ URL ไปที่ LangGraph Dev Server
    url = "http://localhost:2024"

    # 2. อ้างอิงชื่อกราฟให้ตรงกับที่ตั้งไว้ใน langgraph.json
    remote_graph = RemoteGraph("my_joke_agent", url=url)

    # 3. กำหนด Input โดย Key ต้องตรงกับที่นิยามไว้ใน `State` ของคุณ
    inputs = {"topic": "ไดโนเสาร์"}

    print("=== ทดสอบแบบเรียกครั้งเดียว (Invoke) ===")
    result = await remote_graph.ainvoke(inputs)
    print("ผลลัพธ์:", result)

    print("\n=== ทดสอบแบบสตรีม (Stream) ===")
    # สตรีมผลลัพธ์ทีละสเต็ปการทำงานของกราฟ
    async for chunk in remote_graph.astream(inputs):
        print("Chunk:", chunk)

if __name__ == "__main__":
    asyncio.run(main())

from fastapi import FastAPI, HTTPException
from pydantic import BaseModel
from langgraph.pregel.remote import RemoteGraph
import uvicorn

app = FastAPI(title="RemoteGraph API", description="API สำหรับเรียกใช้งาน LangGraph ผ่าน RemoteGraph")

# 1. ชี้ URL ไปที่ LangGraph Dev Server
url = "http://localhost:2024"

# 2. อ้างอิงชื่อกราฟให้ตรงกับที่ตั้งไว้ใน langgraph.json
remote_graph = RemoteGraph("my_joke_agent", url=url)

# สร้าง Request Model
class JokeRequest(BaseModel):
    topic: str

# สร้าง Response Model
class JokeResponse(BaseModel):
    topic: str
    joke: str

@app.post("/invoke", response_model=JokeResponse)
async def invoke_joke_api(request: JokeRequest):
    try:
        # 3. กำหนด Input โดย Key ต้องตรงกับที่นิยามไว้ใน `State` ของคุณ
        inputs = {"topic": request.topic}

        # เรียกกราฟให้ทำงานจนจบทีเดียวและคืนค่าออกมา
        result = await remote_graph.ainvoke(inputs)

        # ค่าจะอยู่ใน object `result`
        joke = result.get("joke", "ไม่สามารถสร้างมุกตลกได้")

        return JokeResponse(topic=request.topic, joke=joke)

    except Exception as e:
        raise HTTPException(status_code=500, detail=str(e))

if __name__ == "__main__":
    # รัน FastAPI Server ด้วย uvicorn บน port 8001 เผื่อหลีกเลี่ยงพอร์ตชนกับตัวอื่น
    uvicorn.run(app, host="0.0.0.0", port=8000)

from langchain.agents import create_agent
from langchain_google_genai import ChatGoogleGenerativeAI

# 1. กำหนด System Prompt สำหรับ Agent มุกตลก
SYSTEM_PROMPT = """คุณคือ AI นักเดี่ยวไมโครโฟนมืออาชีพและผู้เชี่ยวชาญด้านการคิดมุกตลก
หน้าที่ของคุณคือการตอบคำถามและสนทนากับผู้ใช้ด้วยอารมณ์ขัน มุกแป้ก มุกคำผวน หรือการเล่นมุกตลกที่สร้างสรรค์เสมอ"""

# 2. เริ่มต้นใช้งานโมเดล
model = ChatGoogleGenerativeAI(model="gemini-2.5-flash-lite")

# 3. สร้าง Agent โดยส่ง system_prompt เข้าไป
agent = create_agent(
    model=model,
    system_prompt=SYSTEM_PROMPT
)

{
  "dependencies": ["."],
  "graphs": {
    "my_joke_agent_langchain": "./agent-langchain.py:agent"
  },
  "env": ".env"
}

from fastapi import FastAPI, HTTPException
from pydantic import BaseModel
from langgraph.pregel.remote import RemoteGraph
import uvicorn

LANGGRAPH_URL = "http://localhost:2024"

app = FastAPI(title="Joke Agent API", description="API สำหรับเรียกใช้งาน LangGraph Agent")

remote_graph = RemoteGraph("my_joke_gemini", url=LANGGRAPH_URL)

# สร้าง Request Model
class JokeRequest(BaseModel):
    topic: str

# สร้าง Response Model
class JokeResponse(BaseModel):
    topic: str
    joke: str

@app.post("/invoke", response_model=JokeResponse)
async def invoke_joke_api(request: JokeRequest):
    try:
        inputs = {
            "messages": [("user", f"ช่วยคิดมุกตลกเกี่ยวกับ: {request.topic}")]
        }

        result = await remote_graph.ainvoke(inputs)

        final_answer = result["messages"][-1]["content"]

        return JokeResponse(topic=request.topic, joke=final_answer)

    except Exception as e:
        raise HTTPException(status_code=500, detail=str(e))


if __name__ == "__main__":
    # รัน FastAPI Server ด้วย uvicorn บน port 8000
    uvicorn.run(app, host="0.0.0.0", port=8000)

{"topic":"ไก่ทอด","response":"โอ้โห! ไก่ทอดนี่มันเป็นอะไรที่... ทอดแล้วทอดอีก! (แป้ก!)\n\nเอาล่ะ มาเข้าเรื่องกันดีกว่า\n\n*   **ไก่ทอดอะไรที่ชอบไปทะเล?**\n    ... ไก่ทอด \"เกลือ\" ไง! (ฮ่า... ฮ่า... ฮ่า... เงียบ)\n\n*   **ทำไมไก่ถึงข้ามถนน?**\n    ... ก็เพราะว่ามันเห็นร้านไก่ทอดอยู่อีกฝั่งไง! (อันนี้พอได้!)\n\n*   **ถ้าไก่ทอดไปเรียนหนังสือ จะเรียนวิชาอะไรเก่งที่สุด?**\n    ... วิชา \"ทอด\" สะพาน! (อุ๊ย! เกินคาด!)\n\n*   **ไก่ทอดอะไรที่พูดไม่เก่ง?**\n    ... ไก่ทอด \"เงียบ\" (แป้กอีกแล้ว!)\n\n*   **เคยได้ยินเรื่องไก่ทอดที่โดนจับมั้ย?**\n    ... โดนข้อหา \"ทอด\" ทิ้งความอร่อย! (อันนี้ก็พอได้นะ!)\n\n*   **ไก่ทอดอะไรที่ชอบกินน้ำ?**\n    ... ไก่ทอด \"น้ำจิ้ม\" ไง! (เอ่อ... มันก็ใช่นะ)\n\n*   **ถ้าไก่ทอดมีโซเชียลมีเดีย จะโพสต์อะไร?**\n    ... \"วันนี้อร่อยนะ... กรอบนอกนุ่มใน... พร้อมเสิร์ฟ!\" (อันนี้เห็นภาพเลย!)\n\n*   **สุดท้าย... ทำไมไก่ถึงไม่ชอบไปโรงหนัง?**\n    ... เพราะกลัวโดน \"ทอด\" ในโรง! (โอ้โห... เล่นใหญ่ไปหน่อย!)\n\nเป็นไงบ้างครับ? พอจะทำให้ท้องร้องได้บ้างมั้ย? ถ้ายังไม่หนำใจ บอกมาเลยนะ ผมยังมีไก่ทอดอีกเป็นเข่ง! (หมายถึงมุกนะ ไม่ใช่ไก่จริงๆ เดี๋ยวจะหาว่าไม่เตือน!)"}

from fastapi import FastAPI
from fastapi.responses import StreamingResponse
from pydantic import BaseModel
from langgraph.pregel.remote import RemoteGraph
import uvicorn
import json

app = FastAPI(
    title="RemoteGraph API (Langchain Agent)",
    description="API สำหรับเรียกใช้งาน Langchain Agent ผ่าน RemoteGraph",
)

url = "http://localhost:2024"
remote_graph = RemoteGraph("my_joke_agent_langchain", url=url)

class JokeRequest(BaseModel):
    topic: str

class JokeResponse(BaseModel):
    topic: str
    response: str

@app.post("/stream")
async def stream_joke_api(request: JokeRequest):
    async def event_generator():
        inputs = {"messages": [("user", f"ช่วยคิดมุกตลกเกี่ยวกับ: {request.topic}")]}

        try:
            # 1. เปลี่ยนเป็น stream_mode="messages" และระบุ version="v2" [3, 4]
            async for chunk in remote_graph.astream(
                inputs, stream_mode="messages", version="v2"
            ):
                # 2. ตรวจสอบว่าประเภทของ chunk คือ messages
                if chunk.get("type") == "messages":
                    # 3. ข้อมูล Message จะถูกเก็บอยู่ในคีย์ "data" ตำแหน่งที่ 0
                    message_chunk = chunk["data"][0]
                    content = message_chunk.get("content", "")

                    if content:
                        data_to_send = {"token": content}
                        yield f"data: {json.dumps(data_to_send, ensure_ascii=False)}\n\n"

        except Exception as e:
            yield f"data: {json.dumps({'error': str(e)}, ensure_ascii=False)}\n\n"

    return StreamingResponse(event_generator(), media_type="text/event-stream")

if __name__ == "__main__":
    uvicorn.run(app, host="0.0.0.0", port=8002)

data: {"token": "ได้"}

data: {"token": "เลย! โปรแกรมเมอร์เนี่ยนะ... เป็นอาชีพที่น่าสนใจสุด"}

data: {"token": "ๆ ไปเลย\n\nว่าแต่... คุณเคยได้ยินเรื่องโปรแกรมเมอร์คนนั้นไหม?\n\nเขาไปหาหมอ แล้วบอกว่า \"หมอครับ ผมรู้สึกเหมือนตัวเองเป็นเครื่องคิดเลขเลยครับ\"\n\nหมอก็เลย"}

data: {"token": "ถามว่า \"ทำไมคุณถึงคิดแบบนั้นล่ะ?\"\n\nโปรแกรมเมอร์ก็ตอบว่า \"ก็... ผมรู้สึกว่าผมกำลัง **คำนวณ** อะไรบางอย่างตลอดเวลาเลยครับ!\"\n\n(เสียงหัวเราะแห"}

data: {"token": "้งๆ)\n\nหรืออีกมุกนะ...\n\nทำไมโปรแกรมเมอร์ถึงชอบไปทะเล?\n\nเพราะที่นั่นมี **คลื่น** ที่เขาคุ้นเคย! (Waves! เหมือนกับคลื่นในโค้ดน"}

data: {"token": "่ะ ฮิ้วววว)\n\nเอ้า... เอาไปอีกอัน!\n\nโปรแกรมเมอร์กับนักคณิตศาสตร์เดินเข้าไปในบาร์...\n\nนักคณิตศาสตร์สั่งเครื่องดื่ม 1 แก้ว\nโปรแกรมเม"}

data: {"token": "อร์สั่งเครื่องดื่ม 0 แก้ว\nนักคณิตศาสตร์สงสัย เลยถามว่า \"ทำไมคุณไม่สั่งล่ะ?\"\nโปรแกรมเมอร์ตอบว่า \"ผมสั่ง **null** ไปแล้วครับ!\"\n\n(เงียบก"}

data: {"token": "ริบ)\n\nหวังว่าจะถูกใจนะครับ! ถ้าอยากได้มุกเกี่ยวกับโปรแกรมเมอร์อีก บอกมาได้เลยนะ! ผมมีคลังมุกแป้กพร้อมเสิร์ฟเสมอ! 😉"}

import asyncio
import dotenv
from typing import TypedDict
from langgraph.graph import StateGraph, START, END
from langchain_google_genai import ChatGoogleGenerativeAI

dotenv.load_dotenv()

# 1. กำหนด State (เพิ่มช่องเก็บมุกที่ขยี้แล้ว)
class State(TypedDict):
    topic: str
    joke: str
    final_joke: str

# 2. เริ่มต้นโมเดล LLM
model = ChatGoogleGenerativeAI(model="gemini-2.5-flash-lite")

# 3. สร้าง Nodes การทำงาน (แนะนำให้ใช้ async def คู่กับ .ainvoke เพื่อให้สตรีมทำงานได้ลื่นไหล)
async def write_joke(state: State):
    topic = state["topic"]
    # ให้ LLM คิดมุกตลกร่างแรก
    response = await model.ainvoke([
        {"role": "user", "content": f"ช่วยคิดมุกตลกสั้นๆ เกี่ยวกับ '{topic}' หน่อย"}
    ])
    return {"joke": response.content}

async def polish_joke(state: State):
    joke = state["joke"]
    # นำมุกตลกร่างแรกไปขยี้ต่อ
    response = await model.ainvoke([
        {"role": "user", "content": f"จากมุกตลกนี้ ช่วยขยี้ให้มันตลกขึ้นหรือหักมุมแบบกวนๆ หน่อย:\n{joke}"}
    ])
    return {"final_joke": response.content}

# 4. ประกอบร่าง StateGraph แบบมีหลายขั้นตอน
builder = StateGraph(State)

builder.add_node("write_joke", write_joke)
builder.add_node("polish_joke", polish_joke)

builder.add_edge(START, "write_joke")
builder.add_edge("write_joke", "polish_joke")
builder.add_edge("polish_joke", END)

# Compile กราฟให้พร้อมใช้งาน
graph = builder.compile()

from fastapi import FastAPI
from fastapi.responses import StreamingResponse
from pydantic import BaseModel
from langgraph.pregel.remote import RemoteGraph
import uvicorn
import json

app = FastAPI(
    title="RemoteGraph API (Custom Prompt Chaining Agent)",
    description="API สำหรับเรียกใช้งาน LangGraph Agent ผ่าน RemoteGraph",
)

# 1. ชี้ URL ไปที่ LangGraph Dev Server
url = "http://localhost:2024"

# 2. ระบุชื่อกราฟให้ตรงกับที่ตั้งไว้ใน langgraph.json
remote_graph = RemoteGraph("my_joke_agent_langgraph", url=url)

class JokeRequest(BaseModel):
    topic: str

@app.post("/stream")
async def stream_joke_api(request: JokeRequest):
    async def event_generator():
        # 3. เปลี่ยน Input ให้ตรงกับ State Schema ของ Agent ตัวใหม่ (ส่งแค่ topic)
        inputs = {"topic": request.topic}

        try:
            # 4. เรียกใช้ .astream() โดยขอข้อมูลทั้ง "messages" (ทีละคำ) และ "updates" (ตอนจบโหนด) [1]
            async for chunk in remote_graph.astream(
                inputs, stream_mode=["messages", "updates"], version="v2"
            ):
                # กรณีที่ 1: ดักจับข้อมูล Stream แบบทีละคำ (Token) [2]
                if chunk.get("type") == "messages":
                    # ผ่าน RemoteGraph ข้อมูล tuple จะถูกแปลงเป็น JSON list [message_chunk, metadata]
                    message_chunk = chunk["data"][0]
                    content = message_chunk.get("content", "")

                    if content:
                        data_to_send = {"type": "token", "content": content}
                        yield f"data: {json.dumps(data_to_send, ensure_ascii=False)}\n\n"

                # กรณีที่ 2: ดักจับข้อมูลตอนจบแต่ละ Node (Updates)
                elif chunk.get("type") == "updates":
                    # ข้อมูลใน updates จะอยู่ในรูปแบบ { "ชื่อโหนด": { ข้อมูล State ที่อัปเดต } }
                    for node_name, state in chunk["data"].items():
                        # ดึงข้อมูลตามโหนด เช่น โหนด write_joke จะได้คีย์ "joke", polish_joke จะได้ "final_joke"
                        update_content = state.get("final_joke") or state.get("joke", "")

                        if update_content:
                            data_to_send = {
                                "type": "node_complete",
                                "node": node_name,
                                "content": update_content
                            }
                            yield f"data: {json.dumps(data_to_send, ensure_ascii=False)}\n\n"

        except Exception as e:
            yield f"data: {json.dumps({'error': str(e)}, ensure_ascii=False)}\n\n"

    return StreamingResponse(event_generator(), media_type="text/event-stream")

if __name__ == "__main__":
    uvicorn.run(app, host="0.0.0.0", port=8002)

data: {"type": "token", "content": "แน่นอนครับ"}

data: {"type": "token", "content": " นี่คือมุกตลกสั้นๆ เกี่ยวกับ \"ความรัก\" ครับ"}

data: {"type": "token", "content": ":\n\n---\n\n**มุก 1:**\n\n> ถาม: ทำไมความรักถึงเหมือนกับ Wi-Fi?\n> ตอบ: เพราะบางทีก็หาไม่เจอ... แล้วบางทีก็เจอแต่สัญญาณอ่อน!\n\n---\n\n**มุก"}

data: {"type": "token", "content": " 2:**\n\n> ผู้ชาย: ฉันรักเธอเหมือนหมูรักไข่เจียวเลยนะ!\n> ผู้หญิง: แปลว่าอะไร?\n> ผู้ชาย: ก็... จะกินทุกเมื่อที่หิว!\n\n---\n\n**ม"}

data: {"type": "token", "content": "ุก 3:**\n\n> คุณครู: นักเรียนรู้ไหมว่าความรักคืออะไร?\n> เด็กชาย: ความรักก็คือ... เวลาที่เรายอมให้คนอื่นกินชิ้นเค้กชิ้นสุดท้ายก่อนเราครับ"}

data: {"type": "token", "content": "!\n\n---\n\n**มุก 4:**\n\n> แฟน: ที่รัก... เธอคิดว่าฉันฉลาดไหม?\n> อีกฝ่าย: ก็... ฉลาดพอที่จะทำให้ฉันรักเธอได้นะ!\n\n---\n\n**"}

from fastapi import FastAPI, HTTPException
from fastapi.responses import StreamingResponse
from pydantic import BaseModel
from agentLangchain import agent
import uvicorn
import json

app = FastAPI(title="Joke Agent API", description="API สำหรับเรียกใช้งาน LangGraph Agent")

# สร้าง Request Model
class JokeRequest(BaseModel):
    topic: str

# สร้าง Response Model
class JokeResponse(BaseModel):
    topic: str
    joke: str

@app.post("/invoke", response_model=JokeResponse)
async def invoke_joke_api(request: JokeRequest):
    try:
        inputs = {
            "messages": [("user", f"ช่วยคิดมุกตลกเกี่ยวกับ: {request.topic}")]
        }

        result = await agent.ainvoke(inputs)

        final_answer = result["messages"][-1].content

        return JokeResponse(topic=request.topic, joke=final_answer)

    except Exception as e:
        raise HTTPException(status_code=500, detail=str(e))


@app.post("/stream")
async def stream_joke_api(request: JokeRequest):
    async def event_generator():
        inputs = {"messages": [("user", f"ช่วยคิดมุกตลกเกี่ยวกับ: {request.topic}")]}

        try:
            # 1. เปลี่ยนเป็น stream_mode="messages" และระบุ version="v2" [3, 4]
            async for chunk in agent.astream(
                inputs, stream_mode="messages", version="v2"
            ):
                # 2. ตรวจสอบว่าประเภทของ chunk คือ messages
                if chunk.get("type") == "messages":
                    # 3. ข้อมูล Message จะถูกเก็บอยู่ในคีย์ "data" ตำแหน่งที่ 0
                    message_chunk = chunk["data"][0]
                    content = message_chunk.content

                    if content:
                        data_to_send = {"token": content}
                        yield f"data: {json.dumps(data_to_send, ensure_ascii=False)}\n\n"

        except Exception as e:
            yield f"data: {json.dumps({'error': str(e)}, ensure_ascii=False)}\n\n"

    return StreamingResponse(event_generator(), media_type="text/event-stream")


if __name__ == "__main__":
    # รัน FastAPI Server ด้วย uvicorn บน port 8000
    uvicorn.run(app, host="0.0.0.0", port=8000)

import uvicorn
import dotenv
import json
from fastapi import FastAPI
from pydantic import BaseModel
from agentLangGraph import agent
from fastapi.responses import StreamingResponse

dotenv.load_dotenv()

# 2. เริ่มต้นแอป FastAPI
app = FastAPI(title="Joke Agent REST API")

# กำหนด Schema สำหรับรับข้อมูลจากผู้ใช้ให้สอดคล้องกับ Agent
class JokeRequest(BaseModel):
    topic: str

# 3. สร้าง Endpoint สำหรับรับ Request และส่งคำตอบกลับแบบ REST API
@app.post("/chat")
async def chat_endpoint(request: JokeRequest):
    inputs = {"topic": request.topic}

    response = await agent.ainvoke(inputs)

    answer = response.get("final_joke") or response.get("joke", "")

    return {
        "response": answer
    }

@app.post("/stream")
async def stream_joke_api(request: JokeRequest):
    async def event_generator():
        # 3. เปลี่ยน Input ให้ตรงกับ State Schema ของ Agent ตัวใหม่ (ส่งแค่ topic)
        inputs = {"topic": request.topic}

        try:
            # 4. เรียกใช้ .astream() โดยขอข้อมูลทั้ง "messages" (ทีละคำ) และ "updates" (ตอนจบโหนด) [1]
            async for chunk in agent.astream(
                inputs, stream_mode=["messages", "updates"], version="v2"
            ):
                # กรณีที่ 1: ดักจับข้อมูล Stream แบบทีละคำ (Token) [2]
                if chunk.get("type") == "messages":
                    # ผ่าน RemoteGraph ข้อมูล tuple จะถูกแปลงเป็น JSON list [message_chunk, metadata]
                    message_chunk = chunk["data"][0]
                    content = message_chunk.get("content", "")

                    if content:
                        data_to_send = {"type": "token", "content": content}
                        yield f"data: {json.dumps(data_to_send, ensure_ascii=False)}\n\n"

                # กรณีที่ 2: ดักจับข้อมูลตอนจบแต่ละ Node (Updates)
                elif chunk.get("type") == "updates":
                    # ข้อมูลใน updates จะอยู่ในรูปแบบ { "ชื่อโหนด": { ข้อมูล State ที่อัปเดต } }
                    for node_name, state in chunk["data"].items():
                        # ดึงข้อมูลตามโหนด เช่น โหนด write_joke จะได้คีย์ "joke", polish_joke จะได้ "final_joke"
                        update_content = state.get("final_joke") or state.get("joke", "")

                        if update_content:
                            data_to_send = {
                                "type": "node_complete",
                                "node": node_name,
                                "content": update_content
                            }
                            yield f"data: {json.dumps(data_to_send, ensure_ascii=False)}\n\n"

        except Exception as e:
            yield f"data: {json.dumps({'error': str(e)}, ensure_ascii=False)}\n\n"

    return StreamingResponse(event_generator(), media_type="text/event-stream")

if __name__ == "__main__":
    # สั่งรันเซิร์ฟเวอร์ด้วย Uvicorn ที่พอร์ต 8000
    uvicorn.run(app, host="0.0.0.0", port=8000)