from typing import Dict, Any
from core.llm_router import get_llm
from schemas import AgentState, PlanOutput


def planner_node(state: AgentState) -> Dict[str, Any]:
    """
    Tworzy dynamiczny plan sesji i osadza go w Blackboard.
    Uruchamiany jako pierwszy lub wywoływany w przypadku drastycznej zmiany intencji.
    """
    llm = get_llm(task_type="standard", structured_output_schema=PlanOutput)

    prompt = f"""
    Jesteś Planner Agentem. Skonstruuj plan dzialania dla klienta w systemie decyzyjnym dotyczącym dotacji.
    Cel: Na podstawie konwersacji, stwórz listę max 5 kroków, co należy zrobić dalej.
    
    Ostatnia wiadomość od klienta: {state.messages[-1].content if state.messages else 'Nowa sesja'}
    Obecny profil firmy: {state.profile.model_dump() if state.profile else 'Brak'}
    
    Zwróć wynik jako uporządkowaną listę kroków w formacie schematu ustrukturyzowanego. PISZ ZAWSZE I WYŁĄCZNIE W JĘZYKU POLSKIM.
    """

    try:
        response = llm.invoke(prompt)
        steps = response.steps
    except Exception as e:
        print(f"Błąd plannera: {e}")
        steps = []

    # Przełącznik awaryjny - jeśli nie uda się sparsować to używamy domyślnego
    if not steps:
        steps = [
            "Zebrać pełen profil firmy (Profiler)",
            "Znaleźć dopasowane dotacje (Matcher)",
        ]

    return {
        "task_plan": steps,
        "current_agent": "supervisor",  # Handoff back to supervisor
    }