File size: 2,834 Bytes
8726a6a | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 | import os
from dataclasses import dataclass, field
from typing import List, Dict, Optional
from google import genai
from google.genai import types
# ==========================================
# 1. ONTOLOGÍA DEL ENJAMBRE (Modelos de Datos)
# ==========================================
# Aquí definimos la "anatomía" exacta de un Experto.
# Esto garantiza Fricción Cero: si un experto en tu JSON no tiene estas piezas, el sistema te avisa.
@dataclass
class ExpertoModel:
role: str
instructions: List[str]
objective: str = "Reducir la entropía local y ejecutar la voluntad del Soberano."
def ensamblar_prompt(self) -> str:
"""Fusiona la identidad del experto en una sola directiva de combate."""
instrucciones_txt = " | ".join(self.instructions)
return f"ROL ACTIVO: {self.role}\nOBJETIVO: {self.objective}\nDIRECTIVAS: {instrucciones_txt}"
# ==========================================
# 2. EL MOTOR COGNITIVO (Wrapper del LLM)
# ==========================================
# Encapsulamos la conexión con Google en una sola Clase Maestra.
# Así, tu main.py o tu agent_daemon.py no tienen que lidiar con configuraciones sucias.
class HectronMotor:
def __init__(self, api_key: Optional[str] = None):
"""Inicializa el núcleo cuántico."""
self.api_key = api_key or os.getenv("GEMINI_API_KEY")
if not self.api_key:
raise ValueError("❌ [ERROR CRÍTICO]: Fricción infinita. No se detectó GEMINI_API_KEY.")
self.client = genai.Client(api_key=self.api_key)
self.modelo_base = 'gemini-2.5-flash' # El cerebro actual
def ejecutar_razonamiento(self,
mision: str,
experto: ExpertoModel,
herramientas: list = None,
temperatura: float = 0.3):
"""
Inyecta la misión y la conciencia del experto en la red neuronal.
"""
print(f"⚡ [NÚCLEO ENERGIZADO]: Conectando a {self.modelo_base} como {experto.role}...")
# Preparamos la configuración de disparo
config_disparo = types.GenerateContentConfig(
system_instruction=experto.ensamblar_prompt(),
temperature=temperatura
)
# Si el experto tiene herramientas (como terminal_execute), se las acoplamos
if herramientas:
config_disparo.tools = herramientas
# Disparamos el modelo
try:
respuesta = self.client.models.generate_content(
model=self.modelo_base,
contents=mision,
config=config_disparo
)
return respuesta
except Exception as e:
return f"❌ [FALLO DE CONEXIÓN EN EL NÚCLEO]: {str(e)}"
|