import os
import gradio as gr
from tavily import TavilyClient
from openai import OpenAI
import requests  # Para MCP fallback

# =======================================================
# CONFIGURACIÓN (Secrets)
# =======================================================
TAVILY_API_KEY = os.getenv("TAVILY_API_KEY")
OPENAI_API_KEY = os.getenv("OPENAI_API_KEY")

if not TAVILY_API_KEY:
    raise gr.Error("Falta TAVILY_API_KEY en Secrets (usa tvly-...)")
if not OPENAI_API_KEY:
    raise gr.Error("Falta OPENAI_API_KEY en Secrets (obtén en openai.com)")

# Cliente Tavily (tu ejemplo exacto)
tavily_client = TavilyClient(api_key=TAVILY_API_KEY)

# Cliente OpenAI
openai_client = OpenAI(api_key=OPENAI_API_KEY)

# MCP endpoint de Tavily (de tu paste, para queries expert)
MCP_URL = "https://mcp.tavily.com/mcp/?tavilyApiKey=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"  # Tu dev key; cambia si es prod

# =======================================================
# Función LLM: OpenAI GPT-3.5-turbo (sustituye HF)
# =======================================================
def query_openai(prompt):
    try:
        response = openai_client.chat.completions.create(
            model="gpt-3.5-turbo",
            messages=[{"role": "user", "content": prompt}],
            max_tokens=500,
            temperature=0.7
        )
        return response.choices[0].message.content.strip()
    except Exception as e:
        return f"[Error OpenAI] {str(e)}"

# =======================================================
# Fallback MCP: Usa Tavily Expert via endpoint (de tu paste)
# =======================================================
def query_mcp(query, instructions="Summarize key facts"):
    try:
        payload = {"query": query, "instructions": instructions}
        response = requests.post(MCP_URL, json=payload, timeout=30)
        if response.status_code == 200:
            return response.json().get("summary", "[MCP vacío]")
        return "[Error MCP 404/500]"
    except Exception as e:
        return f"[Error MCP] {str(e)}"

# =======================================================
# Agente: Búsqueda Tavily + LLM OpenAI
# =======================================================
def agente_inteligente(pregunta):
    if not pregunta.strip():
        return "Escribe una pregunta."

    # 1. Búsqueda con Tavily (tu ejemplo: como "Who is Leo Messi?")
    try:
        resultados = tavily_client.search(query=pregunta, max_results=3)
        contexto = "\n\n".join([
            f"Título: {r['title']}\nContenido: {r['content'][:600]}...\nURL: {r['url']}"
            for r in resultados.get("results", [])
        ])
    except Exception as e:
        # Fallback a MCP si Tavily falla
        contexto = query_mcp(pregunta, "Extrae hechos clave de búsqueda web")
        if "Error" in contexto:
            return f"No se pudo buscar: {contexto}\n\nPregunta: {pregunta}"

    # 2. Prompt para OpenAI (claro, emocional, basado en búsqueda)
    prompt = f"""Eres un asistente experto y carismático. Usa SOLO la información de los resultados de búsqueda para responder de forma clara, interesante y emocionalmente rica. Hazlo vívido, como si contaras una historia cautivadora.

Pregunta del usuario: {pregunta}

Resultados de búsqueda:
{contexto}

Respuesta:"""

    # 3. Genera respuesta con OpenAI
    respuesta = query_openai(prompt)
    return respuesta

# =======================================================
# Interfaz Gradio
# =======================================================
with gr.Blocks(theme=gr.themes.Soft(), title="Bat_Tavily_OpenAI") as demo:
    gr.Markdown("# Bat_Tavily_OpenAI\n**Tavily + GPT-3.5. Sin HF. Respuestas correctas y rápidas.**")

    inp = gr.Textbox(
        label="Tu pregunta",
        placeholder="Ej: ¿Quién es Leo Messi? (prueba tu ejemplo de Tavily)",
        lines=3
    )
    out = gr.Textbox(
        label="Respuesta",
        interactive=False,
        lines=12,
        show_copy_button=True
    )

    gr.Examples(
        examples=[
            "¿Quién es Leo Messi?",  # Tu ejemplo exacto
            "¿Cuáles son las últimas noticias sobre inteligencia artificial?",
            "Explica la relatividad de Einstein"
        ],
        inputs=inp
    )

    gr.Row([
        gr.Button("Enviar").click(agente_inteligente, inputs=inp, outputs=out),
        gr.Button("Limpiar").click(lambda: ("", ""), outputs=[inp, out])
    ])

if __name__ == "__main__":
    demo.launch(debug=True)