import gradio as gr
import requests
import json
import os
from dotenv import load_dotenv

# Charger les variables d'environnement
load_dotenv()
HUGGINGFACE_API_URL = os.getenv("HUGGINGFACE_API_URL")  # URL de l'API Hugging Face
HUGGINGFACE_API_KEY = os.getenv("HUGGINGFACE_API_KEY")  # Clé API de Hugging Face

# Fonction pour obtenir les paramètres du dashboard
def get_dashboard_params():
    response = requests.get("http://your_dashboard_api/params")  # Remplacez par l'URL de votre API dashboard
    if response.status_code == 200:
        return response.json()
    else:
        return {}

def process_message(message, history):
    # Récupérer les paramètres du dashboard
    params = get_dashboard_params()

    # Utilisation d'un modèle NLP pour générer une réponse
    headers = {
        "Authorization": f"Bearer {HUGGINGFACE_API_KEY}",
        "Content-Type": "application/json"
    }
    payload = {
        "inputs": message,
        "parameters": params.get("model_settings", {})
    }
    
    response = requests.post(HUGGINGFACE_API_URL, headers=headers, data=json.dumps(payload))

    if response.status_code == 200:
        response_data = response.json()
        return response_data.get("generated_text", "Désolé, je n'ai pas pu traiter votre demande.")
    else:
        return "Erreur de communication avec le modèle."

# Créer l'interface Gradio
with gr.Blocks() as demo:
    chatbot = gr.Chatbot()
    msg = gr.Textbox()
    clear = gr.Button("Clear")

    msg.submit(process_message, [msg, chatbot], [msg, chatbot])
    clear.click(lambda: None, None, chatbot, queue=False)

if __name__ == "__main__":
    demo.launch()