app.py

import gradio as gr
from langgraphe_app import app  # importe ton graphe déjà compilé



def print_stream(stream):
    """Affiche le flux de messages de manière lisible"""
    print("\n" + "="*60)
    for s in stream:
        message = s["messages"][-1]
        if hasattr(message, 'pretty_print'):
            message.pretty_print()
        else:
            print(message)
        print("-"*60)

# def run_research(user_query: str):
#     """Fonction helper pour lancer une recherche"""
#     inputs = {"messages": [("user", user_query)]}
#     print_stream(app.stream(inputs, stream_mode="values"))

def run_research(user_query: str) -> str:
    """Exécute le graphe et renvoie le texte final pour Gradio."""
    
    inputs = {"messages": [("user", user_query)]}
    stream = app.stream(inputs, stream_mode="values")

    last_state = None

    # on lit le stream mais on n'affiche pas dans le terminal
    for s in stream:
        last_state = s

    # le message final
    final_message = last_state["messages"][-1]

    # Retourne le texte pour l’UI Gradio
    try:
        return final_message.content
    except:
        return str(final_message)


with gr.Blocks(title="AI Research Assistant") as demo:
    gr.Markdown("# 🔍 AI Research Assistant\nPipeline LangGraph pour la recherche automatisée")
    
    input_box = gr.Textbox(
        label="Votre sujet de recherche",
        placeholder="Ex : Impact de l'IA sur le marché du travail"
    )
    
    output_box = gr.TextArea(
        label="Rapport généré",
        lines=20
    )
    
    run_button = gr.Button("Lancer la recherche")
    run_button.click(run_research, inputs=input_box, outputs=output_box)

if __name__ == "__main__":
    # demo.launch(server_name="0.0.0.0", server_port=8000)
    # demo.launch(debug=True, share=True)
    demo.launch(debug=True)

# p-:8P^AduGVf2hU