app.py

import os
import json
import gradio as gr
from transformers import AutoModelForCausalLM, AutoTokenizer, pipeline
from firebase_admin import auth, firestore, initialize_app, credentials
from huggingface_hub import login
import stripe

# Leer el token de Hugging Face desde una variable de entorno
hf_token = os.getenv("HF_API_TOKEN")
if not hf_token:
    raise ValueError("No se encontró la variable de entorno 'HF_API_TOKEN'. Asegúrate de haber configurado el secreto correctamente.")

# Inicializar las credenciales de Firebase
cred = credentials.Certificate("amsterdam-ai-firebase-adminsdk-m8kjd-95ae3fb6bb.json")  # Ruta del archivo JSON
initialize_app(cred)  # Inicializa la aplicación de Firebase con las credenciales

# Configurar el cliente de Firestore
db = firestore.client()  # Esto te permite acceder a la base de datos Firestore

# Configuración de Stripe con tu clave secreta
stripe.api_key = "TU_CLAVE_SECRETA_STRIPE"  # Reemplaza con tu clave de Stripe

# Autenticación de Hugging Face usando el token leído de la variable de entorno
login(hf_token)  # Autenticar usando el token seguro

# Cargar el modelo de Hugging Face
model_name = "meta-llama/Llama-2-7b-chat-hf"  # Puedes cambiarlo por cualquier modelo que prefieras
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name)
generator = pipeline("text-generation", model=model, tokenizer=tokenizer)

# Límite de mensajes gratis
FREE_MESSAGE_LIMIT = 15

# Función para generar texto con un contador de mensajes
def generate_text(prompt, history, user_id):
    user_ref = db.collection("users").document(user_id)
    user_data = user_ref.get().to_dict()

    # Verificar suscripción y límite de mensajes
    if not user_data.get("subscribed", False):
        if user_data["message_count"] <= 0:
            return history + [[prompt, "Has alcanzado el límite de mensajes gratuitos. Suscríbete para continuar."]]
        user_ref.update({"message_count": user_data["message_count"] - 1})

    response = generator(prompt, max_length=100, temperature=0.7, top_k=50, top_p=0.9)[0]['generated_text']
    history.append([prompt, response])
    return history

# Crear la interfaz de usuario en Gradio
with gr.Blocks() as iface:
    gr.Markdown("# Venice IA Chatbot")
    user_id = gr.Textbox(label="ID de Usuario (email o identificador único)", placeholder="Introduce tu ID de usuario", visible=False)
    chatbot = gr.Chatbot(label="Chat con Venice IA")
    prompt = gr.Textbox(label="Escribe tu mensaje aquí...")
    submit_button = gr.Button("Enviar")
    clear_button = gr.Button("Nuevo Chat")

    # Funciones para los botones
    submit_button.click(fn=generate_text, inputs=[prompt, chatbot, user_id], outputs=chatbot)
    clear_button.click(fn=lambda: None, inputs=None, outputs=chatbot)

iface.launch()