Update app.py

app.py

@@ -132,9 +132,10 @@ def validar_plan_de_afiliado(plan: str, practica: str) -> Dict[str, Any]:
     }
 
 
+
 APP_NAME = "predoc_app"
 
-# Definición del agente
+# Definir agente raíz
 root_agent = LlmAgent(
     model=LiteLlm(model="openai/gpt-4.1"),
     generate_content_config=types.GenerateContentConfig(temperature=0.0),
@@ -146,16 +147,14 @@ root_agent = LlmAgent(
 
 session_service = InMemorySessionService()
 
-# Función principal con state
-def respond(message, history, state):
-    # Inicializamos state si es la primera vez
+# Esta función se conecta a ChatInterface
+def wrapped_respond(message, history, state=None):
     if state is None:
         user_id = str(uuid.uuid4())
         session_id = str(uuid.uuid4())
         state = {"user_id": user_id, "session_id": session_id}
         print(f"🔄 Nueva sesión: {session_id}")
 
-        # Crear sesión ADK de forma asíncrona
         async def create_session():
             await session_service.create_session(
                 app_name=APP_NAME,
@@ -206,7 +205,7 @@ def respond(message, history, state):
                 return event.content.parts[0].text
         return "No se obtuvo respuesta."
 
-    # Dispatcher según tipo de input
+    # Dispatcher
     if message['text'] != '' and len(message['files']) > 0:
         return call_agent_both(message['files'], message['text']), state
     elif message['text'] == '' and len(message['files']) > 0:
@@ -216,6 +215,7 @@ def respond(message, history, state):
     else:
         return "Escribe algo para que pueda contestarte.", state
 
-# Gradio interface con estado
-demo = gr.ChatInterface(fn=respond, title="Agente Revisor", multimodal=True, state=gr.State())
+# Inicializamos demo sin el argumento state
+demo = gr.ChatInterface(fn=wrapped_respond, title="Agente Revisor", multimodal=True)
+
 demo.launch(debug=True)