"""
app.py — GAIA Agent Evaluation Runner
Para executar no HuggingFace Spaces (ou local).
"""
 
import os
import gradio as gr
import requests
import pandas as pd
 
from agent import GAIAAgent
 
DEFAULT_API_URL = "https://agents-course-unit4-scoring.hf.space"
 
 
def run_and_submit_all(profile: gr.OAuthProfile | None):
    """
    Busca as 20 perguntas, executa o agente em cada uma, 
    submete as respostas e exibe o resultado.
    """
    space_id = os.getenv("SPACE_ID", "")
 
    if profile:
        username = profile.username
        print(f"Usuário logado: {username}")
    else:
        return "⚠️ Faça login com o botão do Hugging Face antes de continuar.", None
 
    api_url    = DEFAULT_API_URL
    questions_url = f"{api_url}/questions"
    submit_url    = f"{api_url}/submit"
 
    # ── 1. Instanciar agente ──────────────────────────────────────────────────
    try:
        agent = GAIAAgent()
    except Exception as e:
        return f"❌ Erro ao inicializar o agente: {e}", None
 
    agent_code = f"https://huggingface.co/spaces/{space_id}/tree/main"
    print(f"Agent code link: {agent_code}")
 
    # ── 2. Buscar perguntas ───────────────────────────────────────────────────
    print(f"Buscando perguntas em: {questions_url}")
    try:
        resp = requests.get(questions_url, timeout=15)
        resp.raise_for_status()
        questions_data = resp.json()
        if not questions_data:
            return "A lista de perguntas está vazia.", None
        print(f"✅ {len(questions_data)} perguntas recebidas.")
    except Exception as e:
        return f"❌ Erro ao buscar perguntas: {e}", None
 
    # ── 3. Rodar o agente ─────────────────────────────────────────────────────
    results_log    = []
    answers_payload = []
 
    for i, item in enumerate(questions_data):
        task_id       = item.get("task_id")
        question_text = item.get("question")
        if not task_id or question_text is None:
            print(f"Pulando item inválido: {item}")
            continue
 
        print(f"\n[{i+1}/{len(questions_data)}] task_id={task_id}")
        try:
            answer = agent(question_text, task_id=task_id)
            answers_payload.append({"task_id": task_id, "submitted_answer": answer})
            results_log.append({
                "Task ID":         task_id,
                "Question":        question_text[:120],
                "Submitted Answer": answer,
            })
        except Exception as e:
            err = f"AGENT ERROR: {e}"
            print(err)
            answers_payload.append({"task_id": task_id, "submitted_answer": err})
            results_log.append({
                "Task ID":         task_id,
                "Question":        question_text[:120],
                "Submitted Answer": err,
            })
 
    if not answers_payload:
        return "O agente não produziu respostas.", pd.DataFrame(results_log)
 
    # ── 4. Submeter respostas ─────────────────────────────────────────────────
    submission = {
        "username":   username.strip(),
        "agent_code": agent_code,
        "answers":    answers_payload,
    }
    print(f"\nEnviando {len(answers_payload)} respostas para {submit_url}...")
    try:
        resp = requests.post(submit_url, json=submission, timeout=120)
        resp.raise_for_status()
        result = resp.json()
        status = (
            f"✅ Submissão concluída!\n"
            f"Usuário: {result.get('username')}\n"
            f"Pontuação: {result.get('score', 'N/A')}% "
            f"({result.get('correct_count', '?')}/{result.get('total_attempted', '?')} corretas)\n"
            f"Mensagem: {result.get('message', '')}"
        )
        print(status)
        return status, pd.DataFrame(results_log)
 
    except requests.exceptions.HTTPError as e:
        detail = f"HTTP {e.response.status_code}"
        try:
            detail += f" — {e.response.json().get('detail', e.response.text)}"
        except Exception:
            detail += f" — {e.response.text[:300]}"
        return f"❌ Submissão falhou: {detail}", pd.DataFrame(results_log)
    except Exception as e:
        return f"❌ Erro inesperado na submissão: {e}", pd.DataFrame(results_log)
 
 
# ── Interface Gradio ──────────────────────────────────────────────────────────
with gr.Blocks(title="GAIA Agent — Final Assignment") as demo:
    gr.Markdown("# 🤖 GAIA Agent — HuggingFace Agents Course Final Assignment")
    gr.Markdown(
        """
        **Como usar:**
        1. Faça login com sua conta Hugging Face usando o botão abaixo.
        2. Clique em **Rodar Avaliação & Submeter** para executar o agente nas 20 perguntas.
        3. Aguarde — o agente usa ferramentas (busca, Python, Wikipedia) para responder.
 
        > ⏳ O processo pode levar alguns minutos. Cada pergunta é processada com até 25 passos de raciocínio.
        """
    )
 
    gr.LoginButton()
 
    run_btn = gr.Button("🚀 Rodar Avaliação & Submeter", variant="primary")
 
    status_out = gr.Textbox(label="Status / Resultado da Submissão", lines=6, interactive=False)
    results_df = gr.DataFrame(label="Perguntas e Respostas do Agente", wrap=True)
 
    run_btn.click(fn=run_and_submit_all, outputs=[status_out, results_df])
 
 
if __name__ == "__main__":
    print("\n" + "─" * 50)
    print("Iniciando GAIA Agent App...")
 
    space_host = os.getenv("SPACE_HOST")
    space_id   = os.getenv("SPACE_ID")
    if space_host:
        print(f"✅ SPACE_HOST: {space_host}")
    if space_id:
        print(f"✅ SPACE_ID: {space_id}")
        print(f"   Repo: https://huggingface.co/spaces/{space_id}")
    else:
        print("ℹ️  Rodando localmente (SPACE_ID não definido).")
 
    anthropic_key = os.getenv("ANTHROPIC_API_KEY")
    if anthropic_key:
        print("✅ ANTHROPIC_API_KEY encontrada.")
    else:
        print("⚠️  ANTHROPIC_API_KEY não encontrada! Configure-a antes de rodar.")
 
    print("─" * 50)
    demo.launch(debug=True, share=False)