Upload 3 files

api.py

@@ -17,7 +17,6 @@ try:
     os.environ.setdefault("GRPC_DEFAULT_SSL_ROOTS_FILE_PATH", CERTIFI_CA_BUNDLE)
 except Exception:
     pass
-import google.generativeai as genai
 import json
 import imaplib
 import email
@@ -35,11 +34,40 @@ from logging.handlers import RotatingFileHandler
 from bs4 import BeautifulSoup
 import sys
 import asyncio
-import crypto
+import crypto
 
 if sys.platform == "win32":
     asyncio.set_event_loop_policy(asyncio.WindowsProactorEventLoopPolicy())
-load_dotenv()
+load_dotenv()
+
+GEMINI_MODEL = "gemini-2.5-flash"
+
+def get_gemini_client(api_key):
+    from google import genai
+    return genai.Client(api_key=str(api_key or "").strip())
+
+def gemini_generate_content(api_key, contents, response_mime_type=None):
+    from google.genai import types
+
+    client = get_gemini_client(api_key)
+    config = None
+    if response_mime_type:
+        config = types.GenerateContentConfig(response_mime_type=response_mime_type)
+    kwargs = {"model": GEMINI_MODEL, "contents": contents}
+    if config:
+        kwargs["config"] = config
+    return client.models.generate_content(**kwargs)
+
+def gemini_upload_file(client, path):
+    return client.files.upload(file=path)
+
+def gemini_delete_file(client, uploaded_file):
+    try:
+        file_name = getattr(uploaded_file, "name", None)
+        if file_name:
+            client.files.delete(name=file_name)
+    except Exception as e:
+        logger.warning(f"No se pudo borrar archivo temporal de Gemini: {e}")
 
 # --- 1. LOGGING CON ROTACIÓN (max 2MB, 3 backups) ---
 log_handler = RotatingFileHandler('backend.log', maxBytes=2*1024*1024, backupCount=3, encoding='utf-8')
@@ -294,8 +322,8 @@ async def analizar_pliego(
     started_at = time.perf_counter()
     api_key_clean = gemini_key.strip()
     try:
-        genai.configure(api_key=api_key_clean, transport="rest")
-        archivos_subidos = []
+        client = get_gemini_client(api_key_clean)
+        archivos_subidos = []
 
         for archivo in archivos_pdf:
             with tempfile.NamedTemporaryFile(delete=False, suffix=".pdf") as tmp:
@@ -303,19 +331,23 @@ async def analizar_pliego(
                 tmp.write(content)
                 tmp_path = tmp.name
             
-            uploaded_file = genai.upload_file(path=tmp_path, mime_type="application/pdf")
+            uploaded_file = gemini_upload_file(client, tmp_path)
             archivos_subidos.append(uploaded_file)
             os.remove(tmp_path)
 
         # gemini-2.5-flash para análisis complejo de PDFs
-        model = genai.GenerativeModel('gemini-2.5-flash', generation_config={"response_mime_type": "application/json"})
-        response = model.generate_content([PROMPT_ANALISTA_MULTI, *archivos_subidos])
+        from google.genai import types
+        response = client.models.generate_content(
+            model=GEMINI_MODEL,
+            contents=[PROMPT_ANALISTA_MULTI, *archivos_subidos],
+            config=types.GenerateContentConfig(response_mime_type="application/json"),
+        )
         try:
             db.log_ai_usage(
                 username=username,
                 role=role,
                 action="analizar_pliego",
-                model="gemini-2.5-flash",
+                model=GEMINI_MODEL,
                 usage_metadata=response.usage_metadata,
                 duration_ms=int((time.perf_counter() - started_at) * 1000),
                 metadata={"pdf_count": len(archivos_subidos)}
@@ -324,12 +356,9 @@ async def analizar_pliego(
             logger.warning(f"Error logging metric: {e}")
 
 
-        # Limpieza de archivos en la nube de Gemini para evitar llenar la cuota
-        for f in archivos_subidos:
-            try:
-                genai.delete_file(f.name)
-            except Exception as e:
-                logger.warning(f"No se pudo borrar archivo temporal de Gemini: {e}")
+        # Limpieza de archivos en la nube de Gemini para evitar llenar la cuota
+        for f in archivos_subidos:
+            gemini_delete_file(client, f)
 
         logger.info(f"{len(archivos_subidos)} pliego(s) analizados exitosamente.")
         data = json.loads(response.text)
@@ -343,7 +372,7 @@ async def analizar_pliego(
             module="ai",
             action="analizar_pliego",
             provider="gemini",
-            model="gemini-2.5-flash",
+            model=GEMINI_MODEL,
             status="error",
             error_message=str(e)[:500],
             duration_ms=int((time.perf_counter() - started_at) * 1000),
@@ -382,9 +411,8 @@ def procesar_correos_background(username: str, servidor_imap: str, licitacion_ac
         return
 
     try:
-        genai.configure(api_key=gemini_key, transport="rest")
+        client = get_gemini_client(gemini_key)
         # gemini-2.5-flash para clasificación simple de correos
-        model = genai.GenerativeModel('gemini-2.5-flash')
 
         # Reducir contexto enviado: solo los 3 campos clave, NO la ficha técnica completa
         try:
@@ -461,7 +489,7 @@ def procesar_correos_background(username: str, servidor_imap: str, licitacion_ac
 
                     try:
                         time.sleep(6)  # 6s entre llamadas — respeta 15 RPM de Gemini Free
-                        res_ia = model.generate_content(prompt)
+                        res_ia = client.models.generate_content(model=GEMINI_MODEL, contents=prompt)
                         correos_enviados_a_gemini += 1
                         texto_ia = res_ia.text.strip().replace("```json", "").replace("```", "").strip()
                         datos_ia = json.loads(texto_ia)
@@ -557,14 +585,12 @@ def generar_ficha(
             action="generar_ficha_cache",
             licitacion=licitacion,
             provider="gemini",
-            model="gemini-2.5-flash",
+            model=GEMINI_MODEL,
             metadata={"codigo_renglon": codigo_renglon}
         )
         return {"status": "success", "datasheet_md": cached, "from_cache": True}
 
     try:
-        genai.configure(api_key=gemini_key, transport="rest")
-        model = genai.GenerativeModel('gemini-2.5-flash')
         prompt = f"""Eres un Ingeniero de Compras especializado. Genera una ficha técnica en formato Markdown para el artículo: {codigo_renglon}.
 Condiciones del Pliego: {pliego_context}
 Detalle del Ítem: {items_context}
@@ -576,7 +602,7 @@ La ficha debe contener:
 - **Condiciones especiales de la licitación**
 Formato profesional y estructurado."""
 
-        response = model.generate_content(prompt)
+        response = gemini_generate_content(gemini_key, prompt)
         datasheet = response.text
 
         # Guardar en cache para futuras consultas
@@ -585,7 +611,7 @@ Formato profesional y estructurado."""
             username=username,
             action="generar_ficha",
             licitacion=licitacion,
-            model="gemini-2.5-flash",
+            model=GEMINI_MODEL,
             usage_metadata=response.usage_metadata,
             metadata={"codigo_renglon": codigo_renglon}
         )
@@ -600,7 +626,7 @@ Formato profesional y estructurado."""
             action="generar_ficha",
             licitacion=licitacion,
             provider="gemini",
-            model="gemini-2.5-flash",
+            model=GEMINI_MODEL,
             status="error",
             error_message=str(e)[:500],
             metadata={"codigo_renglon": codigo_renglon}

app.py

@@ -85,6 +85,7 @@ def extraer_meta_nota(nota):
 API_URL_BASE = os.getenv("API_URL_BASE", "http://localhost:8000/api/v1")
 API_HEADERS  = {"X-Internal-Token": os.getenv("INTERNAL_API_TOKEN", "default-dev-token")}
 BRAVE_SEARCH_API_KEY = os.getenv("BRAVE_SEARCH_API_KEY", "").strip()
+GEMINI_MODEL = "gemini-2.5-flash"
 TIEMPO_BLOQUEO = 15  # minutos — debe coincidir con database.py
 APP_SESSION_TTL_SECONDS = int(os.getenv("APP_SESSION_TTL_SECONDS", "43200"))
 SESSION_SECRET = (
@@ -101,9 +102,16 @@ MAPA_ESTADOS_SLI = {
     "DESIERTA":   "Desierta",
     "CERRADA":    "Oferta Enviada al SLI",
     "ABIERTA":    "En Preparacion",
-}
-
-
+}
+
+def gemini_generate_text(api_key, prompt):
+    from google import genai
+
+    client = genai.Client(api_key=str(api_key or "").strip())
+    response = client.models.generate_content(model=GEMINI_MODEL, contents=prompt)
+    return str(getattr(response, "text", "") or "").strip()
+
+
 # --- 2. BASE DE DATOS LOCAL Y PERSISTENCIA ---
 @st.cache_resource(show_spinner=False)
 def init_db():
@@ -3297,11 +3305,7 @@ if active_view == "🏛️ Monitor ACP":
                         else:
                             with st.spinner("🎓 El Asesor Carlos Méndez está evaluando el estatus..."):
                                 try:
-                                    import google.generativeai as genai
-                                    genai.configure(api_key=st.session_state.gemini_key, transport="rest")
-                                    modelo_seg = genai.GenerativeModel('gemini-2.5-flash')
-
-                                    hist_seg_str = ""
+                                    hist_seg_str = ""
                                     df_hist_seg = get_historial_seguimiento_cached(lic_id)
                                     if not df_hist_seg.empty:
                                         hist_seg_str = "\n".join([f"- {h['fecha'][:10]}: {h['estado_nuevo']} ({h['nota'] or 'Sin nota'})" for _, h in df_hist_seg.head(5).iterrows()])
@@ -3346,8 +3350,7 @@ Estructura tu respuesta en este formato exacto:
 
 Sé directo y profesional, escribe máximo 100 palabras en total. ¡Usa tu amplia experiencia con la ACP!"""
 
-                                    resp_seg_ai = modelo_seg.generate_content(prompt_seg_ai)
-                                    st.session_state[f"sli_analisis_ia_{lic_id}"] = resp_seg_ai.text.strip()
+                                    st.session_state[f"sli_analisis_ia_{lic_id}"] = gemini_generate_text(st.session_state.gemini_key, prompt_seg_ai)
                                 except Exception as e:
                                     st.error(f"❌ Error al consultar al Asesor: {e}")
 
@@ -4022,11 +4025,7 @@ if active_view == "🚀 Tablero de Operaciones":
                 else:
                     with st.spinner("📝 Gemini está redactando el RFQ profesional..."):
                         try:
-                            import google.generativeai as genai
-                            genai.configure(api_key=st.session_state.gemini_key, transport="rest")
-                            modelo_rfq = genai.GenerativeModel('gemini-2.5-flash')
-
-                            cg = cg_render
+                            cg = cg_render
                             idioma = "English" if "Inglés" in idioma_rfq else "Español"
 
                             # Filtrar renglones según selección
@@ -4082,8 +4081,7 @@ Generate a complete, professional RFQ email body following EXACTLY this structur
 
 Use professional business English/Spanish. Format tables using plain text dashes and pipes (ASCII art tables, NOT markdown) since this will go into an email."""
 
-                            resp_rfq = modelo_rfq.generate_content(prompt_rfq)
-                            cuerpo_rfq = resp_rfq.text.strip()
+                            cuerpo_rfq = gemini_generate_text(st.session_state.gemini_key, prompt_rfq)
 
                             # Guardar en session state para poder editar y descargar
                             st.session_state['rfq_generado'] = cuerpo_rfq
@@ -4300,11 +4298,7 @@ Use professional business English/Spanish. Format tables using plain text dashes
                         else:
                             with st.spinner("🎓 El Asesor Senior está analizando tu situación..."):
                                 try:
-                                    import google.generativeai as genai
-                                    genai.configure(api_key=st.session_state.gemini_key, transport="rest")
-                                    modelo_neg = genai.GenerativeModel('gemini-2.5-flash')
-
-                                    cg_ctx = st.session_state.get('cg', {})
+                                    cg_ctx = st.session_state.get('cg', {})
                                     contexto_items = df_render[['renglon','codigo_articulo','cantidad','termino_de_busqueda_corto']].to_string(index=False) if not df_render.empty else "Sin renglones cargados."
                                     ref_precio_str = f"USD {precio_ref:,.2f}" if precio_ref > 0 else "No proporcionado"
 
@@ -4350,8 +4344,7 @@ Responde con el siguiente formato estructurado en Markdown:
 ---
 *💬 Tip del Asesor: [Un consejo de oro corto y memorable basado en experiencia real de negociaciones]*"""
 
-                                    resp_asesor = modelo_neg.generate_content(prompt_asesor)
-                                    analisis = resp_asesor.text.strip()
+                                    analisis = gemini_generate_text(st.session_state.gemini_key, prompt_asesor)
 
                                     st.markdown("""
                                     <div style="background:#0D1117; border:1px solid #238636; border-radius:8px;
@@ -4426,11 +4419,7 @@ Responde con el siguiente formato estructurado en Markdown:
                         with st.chat_message("assistant"):
                             with st.spinner("Analizando..."):
                                 try:
-                                    import google.generativeai as genai
-                                    genai.configure(api_key=st.session_state.gemini_key, transport="rest")
-                                    modelo_cop = genai.GenerativeModel('gemini-2.5-flash')
-
-                                    # Construir contexto de la licitación activa
+                                    # Construir contexto de la licitación activa
                                     cg_ctx = st.session_state.get('cg', {})
                                     items_ctx = df_render[['renglon','codigo_articulo','cantidad','unidad_de_medida','termino_de_busqueda_corto']].to_string(index=False) if not df_render.empty else "Sin renglones cargados."
 
@@ -4459,8 +4448,7 @@ PREGUNTA DEL USUARIO:
 
 Responde de forma clara y profesional. Si puedes dar un número o dato exacto del contexto, hazlo."""
 
-                                    resp_cop = modelo_cop.generate_content(prompt_cop)
-                                    respuesta = resp_cop.text.strip()
+                                    respuesta = gemini_generate_text(st.session_state.gemini_key, prompt_cop)
                                     st.markdown(respuesta)
                                     copilot_messages.append({"role": "assistant", "content": respuesta})
 

requirements.txt

@@ -2,7 +2,7 @@ streamlit
 pandas
 plotly
 tavily-python
-google-generativeai
+google-genai
 cryptography
 requests
 fastapi