Update app.py

app.py

@@ -1,185 +1,220 @@
 import os
 import gradio as gr
 import requests
-import inspect
 import pandas as pd
-from agent import GaiaAgent
-
-# --- Constants ---
+# from dotenv import load_dotenv # Opzionale per test locali
+
+# Carica variabili d'ambiente da .env se presente (per test locali)
+# load_dotenv()
+
+# Importa il tuo agente
+try:
+    from agent import GaiaAgent
+except ImportError as e:
+    print(f"ERRORE: agent.py non trovato o errore nell'importazione di GaiaAgent: {e}")
+    # Definisci un fallback o gestisci l'errore come preferisci
+    class GaiaAgent: # Fallback BasicAgent se l'import fallisce
+        def __init__(self, model_name="gpt-4o"):
+            print("Fallback BasicAgent inizializzato perché l'import di GaiaAgent è fallito.")
+            self.model_name = model_name
+        def __call__(self, question: str) -> str:
+            return f"Errore: GaiaAgent (modello: {self.model_name}) non caricato. Questa è una risposta di fallback."
+
+
+# --- Costanti ---
 DEFAULT_API_URL = "https://agents-course-unit4-scoring.hf.space"
 
-# --- Build Agent ---
+
 def run_and_submit_all(profile: gr.OAuthProfile | None):
     """
-    Fetches all questions, runs the GaiaAgent on them, submits all answers,
-    and displays the results.
+    Recupera tutte le domande, esegue GaiaAgent su di esse, invia tutte le risposte,
+    e visualizza i risultati.
     """
-    # --- Determine HF Space Runtime URL and Repo URL ---
-    space_id = os.getenv("SPACE_ID") # Get the SPACE_ID for sending link to the code
+    space_id = os.getenv("SPACE_ID")
 
     if profile:
-        username= f"{profile.username}"
-        print(f"User logged in: {username}")
+        username = f"{profile.username}"
+        print(f"Utente loggato: {username}")
     else:
-        print("User not logged in.")
-        return "Please Login to Hugging Face with the button.", None
+        print("Utente non loggato.")
+        return "Per favore, effettua il login a Hugging Face con il pulsante.", None
+
+    if not os.getenv("OPENAI_API_KEY"):
+        warning_message = "ATTENZIONE: Il segreto OPENAI_API_KEY non è impostato in questo Space. L'agente probabilmente fallirà."
+        print(warning_message)
+        # Potresti voler restituire un errore qui o lasciare che l'agente lo gestisca
+        # return warning_message, pd.DataFrame([{"Task ID": "N/A", "Question": "Configurazione mancante", "Submitted Answer": warning_message}])
+
 
     api_url = DEFAULT_API_URL
     questions_url = f"{api_url}/questions"
     submit_url = f"{api_url}/submit"
 
-    # 1. Instantiate Agent
+    # 1. Istanzia l'Agente
     try:
-        agent = GaiaAgent()
+        # Qui istanzi il tuo GaiaAgent. Puoi cambiare model_name se necessario.
+        # "gpt-4.1" potrebbe non essere un identificatore di modello valido.
+        # Usa "gpt-4o", "gpt-4-turbo", "gpt-4-0125-preview", o un altro modello a cui hai accesso.
+        agent = GaiaAgent(model_name="gpt-4o")
     except Exception as e:
-        print(f"Error instantiating agent: {e}")
-        return f"Error initializing agent: {e}", None
-    # In the case of an app running as a hugging Face space, this link points toward your codebase
-    agent_code = f"https://huggingface.co/spaces/{space_id}/tree/main"
-    print(agent_code)
-
-    # 2. Fetch Questions
-    print(f"Fetching questions from: {questions_url}")
+        print(f"Errore durante l'istanziazione dell'agente: {e}")
+        return f"Errore durante l'inizializzazione dell'agente: {e}", None
+
+    agent_code = f"https://huggingface.co/spaces/{space_id}/tree/main" if space_id else "Link al codice non disponibile (SPACE_ID non impostato)"
+    print(f"Link al codice dell'agente: {agent_code}")
+
+    # 2. Recupera le Domande
+    print(f"Recupero domande da: {questions_url}")
     try:
-        response = requests.get(questions_url, timeout=15)
+        response = requests.get(questions_url, timeout=30)
         response.raise_for_status()
         questions_data = response.json()
         if not questions_data:
-             print("Fetched questions list is empty.")
-             return "Fetched questions list is empty or invalid format.", None
-        print(f"Fetched {len(questions_data)} questions.")
+            print("La lista delle domande recuperate è vuota.")
+            return "La lista delle domande recuperate è vuota o in formato non valido.", None
+        print(f"Recuperate {len(questions_data)} domande.")
     except requests.exceptions.RequestException as e:
-        print(f"Error fetching questions: {e}")
-        return f"Error fetching questions: {e}", None
+        print(f"Errore durante il recupero delle domande: {e}")
+        return f"Errore durante il recupero delle domande: {e}", None
     except requests.exceptions.JSONDecodeError as e:
-         print(f"Error decoding JSON response from questions endpoint: {e}")
-         print(f"Response text: {response.text[:500]}")
-         return f"Error decoding server response for questions: {e}", None
+        print(f"Errore nella decodifica della risposta JSON dall'endpoint delle domande: {e}")
+        print(f"Testo della risposta (primi 500 caratteri): {response.text[:500]}")
+        return f"Errore nella decodifica della risposta del server per le domande: {e}", None
     except Exception as e:
-        print(f"An unexpected error occurred fetching questions: {e}")
-        return f"An unexpected error occurred fetching questions: {e}", None
+        print(f"Errore imprevisto durante il recupero delle domande: {e}")
+        return f"Errore imprevisto durante il recupero delle domande: {e}", None
 
-    # 3. Run your Agent
+    # 3. Esegui il tuo Agente
     results_log = []
     answers_payload = []
-    print(f"Running agent on {len(questions_data)} questions...")
-    for item in questions_data:
+    print(f"Esecuzione dell'agente su {len(questions_data)} domande...")
+    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"Skipping item with missing task_id or question: {item}")
+            print(f"Salto l'elemento con task_id o domanda mancante: {item}")
             continue
         try:
+            print(f"\nElaborazione Domanda {i+1}/{len(questions_data)} - Task ID: {task_id}, Domanda: {question_text[:100]}...")
             submitted_answer = agent(question_text)
             answers_payload.append({"task_id": task_id, "submitted_answer": submitted_answer})
             results_log.append({"Task ID": task_id, "Question": question_text, "Submitted Answer": submitted_answer})
+            print(f"Task ID: {task_id} - Risposta (primi 100 caratteri): {str(submitted_answer)[:100]}")
         except Exception as e:
-             print(f"Error running agent on task {task_id}: {e}")
-             results_log.append({"Task ID": task_id, "Question": question_text, "Submitted Answer": f"AGENT ERROR: {e}"})
+            error_message = f"ERRORE AGENTE sul task {task_id}: {e}"
+            print(error_message)
+            answers_payload.append({"task_id": task_id, "submitted_answer": error_message}) # Invia l'errore come risposta
+            results_log.append({"Task ID": task_id, "Question": question_text, "Submitted Answer": error_message})
 
     if not answers_payload:
-        print("Agent did not produce any answers to submit.")
-        return "Agent did not produce any answers to submit.", pd.DataFrame(results_log)
+        print("L'agente non ha prodotto alcuna risposta da inviare.")
+        return "L'agente non ha prodotto alcuna risposta da inviare.", pd.DataFrame(results_log if results_log else [])
 
-    # 4. Prepare Submission 
+    # 4. Prepara l'Invio
     submission_data = {"username": username.strip(), "agent_code": agent_code, "answers": answers_payload}
-    status_update = f"Agent finished. Submitting {len(answers_payload)} answers for user '{username}'..."
+    status_update = f"Agente terminato. Invio di {len(answers_payload)} risposte per l'utente '{username}'..."
     print(status_update)
 
-    # 5. Submit
-    print(f"Submitting {len(answers_payload)} answers to: {submit_url}")
+    # 5. Invia
+    print(f"Invio di {len(answers_payload)} risposte a: {submit_url}")
     try:
-        response = requests.post(submit_url, json=submission_data, timeout=60)
+        response = requests.post(submit_url, json=submission_data, timeout=180) # Timeout aumentato
         response.raise_for_status()
         result_data = response.json()
         final_status = (
-            f"Submission Successful!\n"
-            f"User: {result_data.get('username')}\n"
-            f"Overall Score: {result_data.get('score', 'N/A')}% "
-            f"({result_data.get('correct_count', '?')}/{result_data.get('total_attempted', '?')} correct)\n"
-            f"Message: {result_data.get('message', 'No message received.')}"
+            f"Invio Riuscito!\n"
+            f"Utente: {result_data.get('username')}\n"
+            f"Punteggio Complessivo: {result_data.get('score', 'N/A')}% "
+            f"({result_data.get('correct_count', '?')}/{result_data.get('total_attempted', '?')} corrette)\n"
+            f"Messaggio: {result_data.get('message', 'Nessun messaggio ricevuto.')}"
         )
-        print("Submission successful.")
+        print("Invio riuscito.")
         results_df = pd.DataFrame(results_log)
         return final_status, results_df
     except requests.exceptions.HTTPError as e:
-        error_detail = f"Server responded with status {e.response.status_code}."
+        error_detail = f"Il server ha risposto con stato {e.response.status_code}."
         try:
             error_json = e.response.json()
-            error_detail += f" Detail: {error_json.get('detail', e.response.text)}"
+            error_detail += f" Dettaglio: {error_json.get('detail', e.response.text)}"
         except requests.exceptions.JSONDecodeError:
-            error_detail += f" Response: {e.response.text[:500]}"
-        status_message = f"Submission Failed: {error_detail}"
+            error_detail += f" Risposta: {e.response.text[:500]}"
+        status_message = f"Invio Fallito: {error_detail}"
         print(status_message)
         results_df = pd.DataFrame(results_log)
         return status_message, results_df
     except requests.exceptions.Timeout:
-        status_message = "Submission Failed: The request timed out."
+        status_message = "Invio Fallito: La richiesta è scaduta (timeout)."
         print(status_message)
         results_df = pd.DataFrame(results_log)
         return status_message, results_df
     except requests.exceptions.RequestException as e:
-        status_message = f"Submission Failed: Network error - {e}"
+        status_message = f"Invio Fallito: Errore di rete - {e}"
         print(status_message)
         results_df = pd.DataFrame(results_log)
         return status_message, results_df
     except Exception as e:
-        status_message = f"An unexpected error occurred during submission: {e}"
+        status_message = f"Errore imprevisto durante l'invio: {e}"
         print(status_message)
         results_df = pd.DataFrame(results_log)
         return status_message, results_df
 
 
-# --- Build Gradio Interface using Blocks ---
-with gr.Blocks() as demo:
-    gr.Markdown("# GAIA Test Level 1 Agent Evaluation")
+# --- Costruisci l'Interfaccia Gradio usando Blocks ---
+with gr.Blocks(css="footer {visibility: hidden}") as demo: # Nasconde il footer di Gradio se desiderato
+    gr.Markdown("# GAIA Level 1 Agent - Evaluation Runner")
     gr.Markdown(
         """
-        **Instructions:**
+        **Istruzioni:**
 
-        1.  Please clone this space, then modify the code to define your agent's logic, the tools, the necessary packages, etc ...
-        2.  Log in to your Hugging Face account using the button below. This uses your HF username for submission.
-        3.  Click 'Run Evaluation & Submit All Answers' to fetch questions, run your agent, submit answers, and see the score.
+        1. Questo Space implementa un `GaiaAgent` che utilizza Wikipedia, DuckDuckGo, Arxiv e un interprete di codice Python.
+        2. Assicurati che `OPENAI_API_KEY` sia impostata come **Secret** nelle impostazioni del tuo Hugging Face Space.
+        3. Effettua il login al tuo account Hugging Face usando il pulsante qui sotto. Il tuo username HF verrà usato per l'invio.
+        4. Clicca su 'Esegui Valutazione & Invia Tutte le Risposte' per recuperare le domande, eseguire il tuo agente, inviare le risposte e vedere il punteggio.
 
         ---
-        **Disclaimers:**
-        Once clicking on the "submit button, it can take quite some time ( this is the time for the agent to go through all the questions).
-        This space provides a basic setup and is intentionally sub-optimal to encourage you to develop your own, more robust solution. For instance for the delay process of the submit button, a solution could be to cache the answers and submit in a seperate action or even to answer the questions in async.
+        **Disclaimer:**
+        Una volta cliccato il pulsante di invio, il processo può richiedere diverso tempo (l'agente deve elaborare tutte le domande).
+        Questo Space fornisce una configurazione di base. Per soluzioni più robuste, considera il caching delle risposte o l'elaborazione asincrona.
         """
     )
 
     gr.LoginButton()
 
-    run_button = gr.Button("Run Evaluation & Submit All Answers")
+    run_button = gr.Button("Esegui Valutazione & Invia Tutte le Risposte")
 
-    status_output = gr.Textbox(label="Run Status / Submission Result", lines=5, interactive=False)
-    results_table = gr.DataFrame(label="Questions and Agent Answers", wrap=True)
+    status_output = gr.Textbox(label="Stato Esecuzione / Risultato Invio", lines=6, interactive=False)
+    results_table = gr.DataFrame(label="Domande e Risposte dell'Agente", wrap=True, height=400)
 
     run_button.click(
         fn=run_and_submit_all,
-        outputs=[status_output, results_table]
+        inputs=None, # Gradio passa implicitamente il profilo OAuth se la funzione lo accetta
+        outputs=[status_output, results_table],
+        api_name="run_evaluation"
     )
 
 if __name__ == "__main__":
-    print("\n" + "-"*30 + " App Starting " + "-"*30)
-    # Check for SPACE_HOST and SPACE_ID at startup for information
+    print("\n" + "-"*30 + " Avvio App " + "-"*30)
     space_host_startup = os.getenv("SPACE_HOST")
-    space_id_startup = os.getenv("SPACE_ID") # Get SPACE_ID at startup
+    space_id_startup = os.getenv("SPACE_ID")
 
     if space_host_startup:
-        print(f"✅ SPACE_HOST found: {space_host_startup}")
-        print(f"   Runtime URL should be: https://{space_host_startup}.hf.space")
+        print(f"✅ SPACE_HOST trovato: {space_host_startup}")
+        print(f" L'URL di runtime dovrebbe essere: https://{space_host_startup}.hf.space")
     else:
-        print("ℹ️  SPACE_HOST environment variable not found (running locally?).")
+        print("ℹ️ Variabile d'ambiente SPACE_HOST non trovata (esecuzione locale?).")
 
-    if space_id_startup: # Print repo URLs if SPACE_ID is found
-        print(f"✅ SPACE_ID found: {space_id_startup}")
-        print(f"   Repo URL: https://huggingface.co/spaces/{space_id_startup}")
-        print(f"   Repo Tree URL: https://huggingface.co/spaces/{space_id_startup}/tree/main")
+    if space_id_startup:
+        print(f"✅ SPACE_ID trovato: {space_id_startup}")
+        print(f" URL del Repo: https://huggingface.co/spaces/{space_id_startup}")
+        print(f" URL dell'albero del Repo: https://huggingface.co/spaces/{space_id_startup}/tree/main")
     else:
-        print("ℹ️  SPACE_ID environment variable not found (running locally?). Repo URL cannot be determined.")
+        print("ℹ️ Variabile d'ambiente SPACE_ID non trovata (esecuzione locale?). L'URL del Repo non può essere determinato.")
+
+    if not os.getenv("OPENAI_API_KEY"):
+        print("\n⚠️ ATTENZIONE: La variabile d'ambiente OPENAI_API_KEY NON È IMPOSTATA.")
+        print("Per favore, impostala come Secret nelle impostazioni del tuo Hugging Face Space se stai deployando lì, o nel tuo ambiente locale.\n")
 
-    print("-"*(60 + len(" App Starting ")) + "\n")
+    print("-"*(60 + len(" Avvio App ")) + "\n")
 
-    print("Launching Gradio Interface for GAIA Test Level 1 Agent...")
-    demo.launch(debug=True, share=False)
+    print("Avvio Interfaccia Gradio per Valutazione Agente GAIA...")
+    demo.launch(share=False) # debug=True può essere utile per lo sviluppo locale