feat: add action validation and sanitization in AIPlanner to ensure only allowed actions are processed

README.md

@@ -144,6 +144,7 @@ planner.set_goal(
 - AI가 "move 먼저 → 작업" 패턴을 학습하도록 프롬프트가 설계되어 있습니다
 - `ai_planner.py`의 Ollama/LM Studio 호출은 서버 스키마 차이를 자동으로 맞추기 위해 payload 후보를 순차 재시도합니다. 먼저 `messages` 기반(legacy chat)으로 시도하고, 400(`unrecognized_keys`/`input required`)이면 `input` 중심 최소 payload로 재시도합니다.
 - LM Studio `input-only` 모드에서 `output[].type=reasoning` 형태로 응답이 오는 경우도 파서가 처리하며, 응답 텍스트에 JSON 앞뒤 설명이 섞이면 `{...}` 구간을 복구 추출해 파싱을 시도합니다(복구 불가 시 기존 휴리스틱 폴백).
+- 파싱된 계획은 `actions` 스키마와 지원 action 화이트리스트를 통과한 경우에만 채택합니다. 유효 액션이 없거나 형식이 깨지면 LLM 출력을 버리고 상태 기반 휴리스틱 폴백으로 전환해 `알 수 없는 행동` 루프를 줄입니다.
 - `ai_planner.py`는 LLM이 move 순서를 놓쳐 `place_entity`/`insert_to_entity`/`set_recipe`가 건설 거리 제한으로 실패하는 경우를 줄이기 위해, 해당 액션 직전에 최근 `move`가 같은 좌표가 아니면 자동으로 `move`를 끼워 넣습니다
 - `agent_log.jsonl`에 모든 행동과 타임스탬프가 기록됩니다
 - `ai_planner.py`는 GLM 응답이 잘리거나(중괄호/대괄호 불일치) 마크다운이 섞여도 JSON 파싱을 복구하도록 `{} / []` 균형 추적과 보정 로직을 사용합니다. 또한 최상위에서 JSON 배열(`[...]`)로 답하는 경우도 `actions`로 래핑해 처리합니다. (추가) `finish_reason=length` 등으로 `message.content`가 비거나(또는 JSON 형태가 아니면) `message.reasoning_content`를 우선 사용합니다. 그리고 응답 안에 여러 개의 `{...}`가 섞여 있어도 그중 `actions`를 포함한 계획 객체를 우선 선택합니다. 또한 JSON 파싱 실패가 감지되면 다음 재시도에는 `JSON-only repair` 프롬프트를 덧붙여 모델이 스키마를 다시 따르도록 유도합니다.

ai_planner.py

@@ -24,6 +24,19 @@ import httpx
 
 OLLAMA_MODEL = os.environ.get("OLLAMA_MODEL", "qwen3.5:9b")
 OLLAMA_HOST  = os.environ.get("OLLAMA_HOST",  "http://192.168.50.61:1234")
+ALLOWED_ACTIONS = {
+    "explore",
+    "move",
+    "mine_resource",
+    "craft_item",
+    "place_entity",
+    "build_smelting_line",
+    "place_belt_line",
+    "insert_to_entity",
+    "set_recipe",
+    "start_research",
+    "wait",
+}
 
 
 SYSTEM_PROMPT = """당신은 팩토리오 게임을 순수하게 플레이하는 AI 에이전트입니다.
@@ -167,6 +180,8 @@ class AIPlanner:
                 traceback.print_exc()
             plan = self._fallback_plan_from_summary(state_summary, last_error=str(e))
 
+        plan = self._sanitize_plan(plan)
+
         thinking = plan.get("thinking", "")
         if thinking:
             print(f"\n[AI] 판단:\n{thinking}\n")
@@ -244,13 +259,10 @@ class AIPlanner:
         print(f"[AI] 응답 수신 ({dt:.2f}s, {len(content)}자)")
         if _debug_enabled():
             print(f"[AI][디버그] raw={content[:300]}")
-        try:
+        plan = self._parse_plan_json(content)
-            return json.loads(content)
+        if plan is None:
-        except json.JSONDecodeError:
+            raise ValueError("유효한 계획 JSON을 찾지 못했습니다.")
-            repaired = self._extract_json_object_text(content)
+        return plan
-            if repaired is None:
-                raise
-            return json.loads(repaired)
 
     @staticmethod
     def _build_chat_payload(user_message: str) -> dict:
@@ -380,6 +392,96 @@ class AIPlanner:
                     return text[start:i + 1]
         return None
 
+    @staticmethod
+    def _iter_json_object_texts(text: str) -> list[str]:
+        out: list[str] = []
+        i = 0
+        while i < len(text):
+            start = text.find("{", i)
+            if start < 0:
+                break
+            depth = 0
+            in_str = False
+            esc = False
+            end = -1
+            for j in range(start, len(text)):
+                ch = text[j]
+                if in_str:
+                    if esc:
+                        esc = False
+                    elif ch == "\\":
+                        esc = True
+                    elif ch == '"':
+                        in_str = False
+                    continue
+                if ch == '"':
+                    in_str = True
+                elif ch == "{":
+                    depth += 1
+                elif ch == "}":
+                    depth -= 1
+                    if depth == 0:
+                        end = j
+                        break
+            if end >= 0:
+                out.append(text[start:end + 1])
+                i = end + 1
+            else:
+                break
+        return out
+
+    @classmethod
+    def _parse_plan_json(cls, content: str) -> dict | None:
+        try:
+            obj = json.loads(content)
+            if cls._looks_like_plan(obj):
+                return obj
+        except Exception:
+            pass
+        for obj_text in cls._iter_json_object_texts(content):
+            try:
+                obj = json.loads(obj_text)
+            except Exception:
+                continue
+            if cls._looks_like_plan(obj):
+                return obj
+        return None
+
+    @staticmethod
+    def _looks_like_plan(obj: object) -> bool:
+        if not isinstance(obj, dict):
+            return False
+        actions = obj.get("actions")
+        return isinstance(actions, list)
+
+    @staticmethod
+    def _sanitize_plan(plan: dict) -> dict:
+        if not isinstance(plan, dict):
+            return {"thinking": "", "current_goal": "", "actions": [], "after_this": ""}
+        actions = plan.get("actions")
+        if not isinstance(actions, list):
+            actions = []
+        valid_actions: list[dict] = []
+        for a in actions:
+            if not isinstance(a, dict):
+                continue
+            act = a.get("action")
+            if not isinstance(act, str) or act not in ALLOWED_ACTIONS:
+                continue
+            params = a.get("params")
+            if not isinstance(params, dict):
+                params = {}
+            reason = a.get("reason")
+            if not isinstance(reason, str):
+                reason = ""
+            valid_actions.append({"action": act, "params": params, "reason": reason})
+        return {
+            "thinking": str(plan.get("thinking", "")),
+            "current_goal": str(plan.get("current_goal", "")),
+            "actions": valid_actions,
+            "after_this": str(plan.get("after_this", "")),
+        }
+
     @staticmethod
     def _ensure_move_before_build_actions(actions: list[dict]) -> list[dict]:
         """

docs/plan.md

@@ -51,6 +51,24 @@
 
 ---
 
+## 2026-03-27 LM Studio 비JSON/잘못된 action 방어 계획
+
+### 문제 요약
+- LM Studio가 reasoning 텍스트를 길게 반환하면, JSON 복구가 불완전해 임의 객체가 계획으로 채택될 수 있음.
+- 그 결과 executor에서 `알 수 없는 행동` 실패가 발생해 루프가 생김.
+
+### 구현 계획
+1. 응답 텍스트에서 `{...}` 후보를 모두 스캔해 `actions`를 포함한 계획 객체만 채택한다.
+2. 액션명을 화이트리스트로 검증해 지원되지 않는 action은 제거한다.
+3. 유효 액션이 0개면 LLM 결과를 버리고 즉시 상태 기반 휴리스틱 폴백으로 전환한다.
+4. README에 “유효 계획 검증 후 채택” 동작을 반영한다.
+
+### 검증 계획
+- `python -m py_compile ai_planner.py`
+- 런타임 로그에서 `알 수 없는 행동` 반복이 사라지는지 확인
+
+---
+
 ## 채굴 시 mining_state 반복 설정 제거 (우클릭 유지)
 
 ### 문제