agent.py

import os
import re
import json
from smolagents import MultiStepAgent, PythonInterpreterTool
from smolagents.agents import ActionOutput
from smolagents.utils import AgentToolExecutionError
from smolagents.memory import ToolCall
from models import ModelManager
from tools import search_web, scrape_website, read_file, get_youtube_transcript


class MonAgent(MultiStepAgent):
    """
    Un agent multi-étapes avec l'implémentation COMPLÈTE de TOUTES les méthodes
    requises et optionnelles pour garantir un fonctionnement sans erreur
    d'implémentation manquante.
    """
    def initialize_system_prompt(self) -> str:
        return """You are a hyper-efficient autonomous agent. Your mission is to answer the user's question with surgical precision and no wasted steps.

**CRITICAL DIRECTIVES - YOU MUST OBEY:**
1.  **NO LOOPS:** Before every action, you MUST review your previous steps. NEVER repeat a `search_web` call with similar keywords. If a search yields no result, formulate a COMPLETELY DIFFERENT query or use a different tool. Repeating actions is a critical failure.
2.  **IMMEDIATE ACTION:** If a search result provides a promising URL, your IMMEDIATE next action MUST be to use `scrape_website` on that URL. DO NOT perform another web search.
3.  **PYTHON FOR LOGIC:** For any task that involves logic, data processing, sorting, strict filtering (like botanical vs. culinary classification), or calculations, your FIRST AND ONLY choice is the `PythonInterpreterTool`. It is more reliable than your own reasoning for these tasks. You MUST use it for such problems.
4.  **FINAL ANSWER IS ONLY THE ANSWER:** Your final answer must be ONLY the value requested. No "The answer is...", no explanations, no context.
    - If asked "Who nominated the article?", the final answer is "Nimbus".
    - If asked "What is the opposite of left?", the final answer is "right".
    - If asked for a list, the final answer is "item1, item2, item3".

**RESPONSE FORMAT:**
You MUST respond with a valid JSON object.
- To act: {"plan": [{"tool": "tool_name", "args": {"arg_name": "value"}}]}
- To provide the final answer: {"plan": [], "final_answer": "TheExactFinalAnswer"}
"""

    def _step_stream(self, memory_step):
        """
        Le cœur de l'agent : décide de la prochaine action.
        """
        memory_messages = self.write_memory_to_messages()
        memory_step.model_input_messages = memory_messages

        try:
            chat_message = self.model.generate(
                memory_messages,
                tools_to_call_from=list(self.tools.values()),
            )
            memory_step.model_output_message = chat_message
            memory_step.token_usage = chat_message.token_usage
        except Exception as e:
            raise Exception(f"Erreur lors de la génération du modèle : {e}")

        chat_tool_calls = chat_message.tool_calls
        if not chat_tool_calls:
            yield ActionOutput(output=chat_message.content, is_final_answer=True)
            return

        # Conversion de ChatMessageToolCall en ToolCall
        tool_calls_for_memory = [
            ToolCall(name=tc.function.name, arguments=tc.function.arguments, id=tc.id)
            for tc in chat_tool_calls
        ]
        memory_step.tool_calls = tool_calls_for_memory
        # ----------------------------------------------------------------

        final_answer = None
        is_final = False
        for i, tool_call in enumerate(chat_tool_calls):
            yield tool_call # On continue de yield l'objet original pour le stream

            tool_name = tool_call.function.name
            tool_arguments = tool_call.function.arguments

            tool_output_value = self.execute_tool_call(tool_name, tool_arguments)

            if tool_name == "final_answer":
                final_answer = tool_output_value
                is_final = True

            observation = self.render_tool_result(tool_output_value)
            
            # On met à jour l'observation dans la mémoire
            if memory_step.observations is None:
                memory_step.observations = ""
            memory_step.observations += f"\nObservation de l'outil '{tool_name}':\n{observation}"
            
            yield {"tool_call_id": tool_call.id, "output": observation}

        yield ActionOutput(output=final_answer, is_final_answer=is_final)


    def execute_tool_call(self, tool_name: str, arguments: any) -> any:
        """
        Exécute un outil avec les arguments fournis, en gérant les arguments
        sous forme de chaîne de caractères ou de dictionnaire.
        """
        if tool_name not in self.tools:
            raise AgentToolExecutionError(f"Outil inconnu '{tool_name}'.", self.logger)

        tool = self.tools[tool_name]
        
        # Gestion des arguments sous forme de chaîne
        parsed_arguments = arguments
        if isinstance(parsed_arguments, str):
            try:
                # Essayer de parser la chaîne comme du JSON
                parsed_arguments = json.loads(parsed_arguments)
            except json.JSONDecodeError:
                # Si ce n'est pas du JSON, on la passe telle quelle
                pass

        try:
            if isinstance(parsed_arguments, dict):
                return tool(**parsed_arguments)
            else:
                # Si ce n'est pas un dictionnaire, on passe l'argument directement
                return tool(parsed_arguments)
        except Exception as e:
            raise AgentToolExecutionError(f"Erreur lors de l'exécution de l'outil '{tool_name}' avec les arguments {arguments}: {type(e).__name__}: {e}", self.logger)


    def parse_plan(self, response: str) -> list[dict]:
        """
        Transforme le texte brut du modèle en une liste d'actions structurées.
        """
        cleaned_response = response.strip().removeprefix("```json").removesuffix("```").strip()
        try:
            parsed_json = json.loads(cleaned_response)
            return parsed_json.get("plan", [])
        except json.JSONDecodeError:
            print(f"⚠️ Erreur de parsing JSON dans `parse_plan`. Réponse reçue:\n{response}")
            return []

    def render_tool_result(self, tool_output: any) -> str:
        """
        Transforme le résultat d'un outil (qui peut être n'importe quel objet Python) en un texte simple que l'IA peut comprendre pour la suite.
        C'était probablement la pièce manquante principale.
        """
        print(f"⚙️  Formatage du résultat de l'outil: {str(tool_output)[:300]}...")
        if isinstance(tool_output, str):
            return tool_output
        if isinstance(tool_output, (list, dict)):
            try:
                return json.dumps(tool_output, indent=2, ensure_ascii=False)
            except TypeError:
                return str(tool_output)
        return str(tool_output)

    def render_final_answer(self, final_context: dict, final_response: str) -> str:
        """
        Est appelée à la toute fin pour formater la réponse finale.
        """
        # Essaye de parser une réponse finale structurée en JSON
        cleaned_response = final_response.strip().removeprefix("```json").removesuffix("```").strip()
        try:
            parsed_json = json.loads(cleaned_response)
            return parsed_json.get("final_answer", final_response)
        except json.JSONDecodeError:
            return final_response


class BasicAgent:
    """
    Classe de compatibilité qui utilise notre nouvel agent complet et robuste.
    Elle gère également la pré-analyse des entrées multimodales.
    """
    def __init__(self):
        print("Initialisation du BasicAgent...")
        try:
            if not os.getenv("HF_TOKEN"):
                print("⚠️  Attention: Le token Hugging Face (HF_TOKEN) n'est pas défini.")

            self.tools_list = [
                search_web, 
                scrape_website, 
                read_file, 
                PythonInterpreterTool(),
                get_youtube_transcript
            ]
            
            self.agent = MonAgent(
                model=ModelManager().get_orchestrator(),
                tools=self.tools_list
            )
            print("BasicAgent initialisé avec succès")

        except Exception as e:
            print(f"❌ Erreur critique lors de l'initialisation: {e}")
            self.agent = None

    
    def __call__(self, question: str, metadata: dict = None, file_content: str = None) -> str:
        """
        Le point d'entrée de l'agent. Gère la pré-analyse en utilisant les métadonnées fournies.
        """
        if self.agent is None:
            return "Erreur: L'agent n'a pas pu être initialisé."
        
        print(f"\n{'='*40}\n🤖 NOUVELLE QUESTION: {question}\n{'='*40}")

        if metadata:
            print(f"🕵️‍♂️ Métadonnées reçues: {metadata}")
        else:
            print("🕵️‍♂️ Aucune métadonnée reçue.")
    
        augmented_prompt = question
        context_to_add = ""

        if file_content:
            print("📄 Contenu de fichier trouvé, ajout au contexte.")
            context_to_add = f"The user has provided the following file content:\n---\n{file_content}\n---\n"

        
        elif metadata:
            url_from_meta = metadata.get("url") or metadata.get("video_url") or metadata.get("image_url")
    
            if url_from_meta:
                print(f"🔗 URL trouvée dans les métadonnées : {url_from_meta}")
                context_from_url = ""
    
                # On vérifie si l'URL est une image
                image_extensions = ['.jpg', '.jpeg', '.png', '.gif', '.bmp', '.webp']
                is_image = any(url_from_meta.lower().endswith(ext) for ext in image_extensions)
    
                # logique images
                if any(url_from_meta.lower().endswith(ext) for ext in image_extensions):
                    print("🖼️ C'est une URL d'image, analyse avec le modèle de vision...")
                    try:
                        vision_model = ModelManager().get_vision_model()
                        # On demande au modèle de vision de décrire l'image en détail
                        # pour aider l'agent principal à répondre à la question.
                        vision_response = vision_model.generate(
                            [{"role": "user", "content": [
                                {"type": "text", "text": f"Describe this image in detail. This description will be used to answer the following question: '{question}'"},
                                {"type": "image_url", "image_url": {"url": url_from_meta}}
                            ]}]
                        )
                        context_from_url = f"Here is a detailed description of the image provided:\n{vision_response.content}"
                        print("✅ Description de l'image obtenue.")
                    except Exception as e:
                        error_msg = f"Erreur lors de l'analyse de l'image : {e}"
                        print(f"❌ {error_msg}")
                        context_from_url = error_msg
                
                # logique vidéos
                elif url_from_meta.startswith("http://googleusercontent.com/youtube.com/") or url_from_meta.startswith("http://youtube.com/"):
                    print("📹 C'est une URL YouTube, récupération de la transcription...")
                    transcript_result = get_youtube_transcript(url_from_meta)
                    if "error" in transcript_result:
                        context_from_url = f"Error getting transcript: {transcript_result['error']}"
                    else:
                        context_from_url = f"Here is the transcript of the video:\n{transcript_result['transcript']}"
                
                # On construit le prompt augmenté pour l'agent
                if context_from_url:
                    augmented_prompt = (
                        f"CONTEXTUAL INFORMATION:\n---\n{context_from_url}\n---\n"
                        f"Based on the context above, please answer the following question:\n{question}"
                    )
                    print(f"✨ Prompt augmenté pour l'agent.")

        # On construit le prompt final si un contexte a été ajouté
        if context_to_add:
            augmented_prompt = (
                f"CONTEXTUAL INFORMATION:\n{context_to_add}"
                f"Based on the context above, please answer the following question:\n{question}"
            )
            print("✨ Prompt augmenté pour l'agent.")
        
        try:
            return self.agent.run(augmented_prompt)
        except Exception as e:
            import traceback
            print(f"❌ Erreur irrécupérable lors du traitement par MonAgent: {e}\n{traceback.format_exc()}")
            return f"Une erreur irrécupérable s'est produite: {e}"