import os import gradio as gr import requests import pandas as pd # from dotenv import load_dotenv # load_dotenv() try: from agent import GaiaAgent except ImportError as e: print(f"ERRORE: agent.py non trovato o errore nell'importazione di GaiaAgent: {e}") class GaiaAgent: def __init__(self, model_name="o4-mini"): 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." DEFAULT_API_URL = "https://agents-course-unit4-scoring.hf.space" def run_and_submit_all(profile: gr.OAuthProfile | None): space_id = os.getenv("SPACE_ID") if profile: username = f"{profile.username}" print(f"Utente loggato: {username}") else: print("Utente non loggato.") return "Per favore, effettua il login a Hugging Face con il pulsante.", None # Controlli per le API Keys openai_key_present = bool(os.getenv("OPENAI_API_KEY")) tavily_key_present = bool(os.getenv("TAVILY_API_KEY")) if not openai_key_present: warning_message_openai = "ATTENZIONE: Il segreto OPENAI_API_KEY non è impostato in questo Space. L'agente probabilmente fallirà." print(warning_message_openai) # Potresti voler restituire un errore più severo qui if not tavily_key_present: warning_message_tavily = "ATTENZIONE: Il segreto TAVILY_API_KEY non è impostato. La ricerca web con Tavily non funzionerà." print(warning_message_tavily) # Potresti voler restituire un errore più severo qui api_url = DEFAULT_API_URL questions_url = f"{api_url}/questions" submit_url = f"{api_url}/submit" try: agent = GaiaAgent(model_name="o4-mini") except Exception as e: 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}") print(f"Recupero domande da: {questions_url}") try: response = requests.get(questions_url, timeout=30) response.raise_for_status() questions_data = response.json() if not questions_data: 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"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"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"Errore imprevisto durante il recupero delle domande: {e}") return f"Errore imprevisto durante il recupero delle domande: {e}", None results_log = [] answers_payload = [] 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"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: error_message = f"ERRORE AGENTE sul task {task_id}: {e}" print(error_message) answers_payload.append({"task_id": task_id, "submitted_answer": error_message}) results_log.append({"Task ID": task_id, "Question": question_text, "Submitted Answer": error_message}) if not answers_payload: 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 []) submission_data = {"username": username.strip(), "agent_code": agent_code, "answers": answers_payload} status_update = f"Agente terminato. Invio di {len(answers_payload)} risposte per l'utente '{username}'..." print(status_update) print(f"Invio di {len(answers_payload)} risposte a: {submit_url}") try: response = requests.post(submit_url, json=submission_data, timeout=180) response.raise_for_status() result_data = response.json() final_status = ( 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("Invio riuscito.") results_df = pd.DataFrame(results_log) return final_status, results_df except requests.exceptions.HTTPError as e: error_detail = f"Il server ha risposto con stato {e.response.status_code}." try: error_json = e.response.json() error_detail += f" Dettaglio: {error_json.get('detail', e.response.text)}" except requests.exceptions.JSONDecodeError: 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 = "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"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"Errore imprevisto durante l'invio: {e}" print(status_message) results_df = pd.DataFrame(results_log) return status_message, results_df with gr.Blocks(css="footer {visibility: hidden}") as demo: gr.Markdown("# GAIA Level 1 Agent (con Tavily) - Evaluation Runner") gr.Markdown( """ **Istruzioni:** 1. Questo Space implementa un `GaiaAgent` che utilizza Wikipedia, **Tavily Search**, Arxiv e un interprete di codice Python. 2. Assicurati che `OPENAI_API_KEY` e `TAVILY_API_KEY` siano impostate come **Secrets** nelle impostazioni del tuo Hugging Face Space. 3. Effettua il login al tuo account Hugging Face usando il pulsante qui sotto. 4. Clicca su 'Esegui Valutazione & Invia Tutte le Risposte' per avviare il processo. """ ) gr.LoginButton() run_button = gr.Button("Esegui Valutazione & Invia Tutte le Risposte") 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) run_button.click( fn=run_and_submit_all, inputs=None, outputs=[status_output, results_table], api_name="run_evaluation" ) if __name__ == "__main__": print("\n" + "-"*30 + " Avvio App " + "-"*30) space_host_startup = os.getenv("SPACE_HOST") space_id_startup = os.getenv("SPACE_ID") if space_host_startup: 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 Variabile d'ambiente SPACE_HOST non trovata (esecuzione locale?).") 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 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.") if not os.getenv("TAVILY_API_KEY"): print("\n⚠️ ATTENZIONE: La variabile d'ambiente TAVILY_API_KEY NON È IMPOSTATA.") if not os.getenv("OPENAI_API_KEY") or not os.getenv("TAVILY_API_KEY"): print("Per favore, imposta le API keys mancanti come Secrets nelle impostazioni del tuo Hugging Face Space o nel tuo ambiente locale.\n") print("-"*(60 + len(" Avvio App ")) + "\n") print("Avvio Interfaccia Gradio per Valutazione Agente GAIA (con Tavily)...") demo.launch(share=False)