agent_functions.py

import os
import pandas as pd
from reportlab.lib.pagesizes import letter
from reportlab.pdfgen import canvas
import openai
import tempfile
from google.cloud import texttospeech
import time

# Configura la variable de entorno para las credenciales de Google Cloud
os.environ["GOOGLE_APPLICATION_CREDENTIALS"] = "botidinamix-g.json"

# Instancia el cliente de Text-to-Speech
client = texttospeech.TextToSpeechClient()

# Menú definido directamente en el código
menu = [
    {"item": "Hamburguesa sencilla (200g)", "price": 14000},
    {"item": "Hamburguesa doble (400g)", "price": 19000},
    {"item": "Hamburguesa triple (600g)", "price": 24000},
    {"item": "Hamburguesa napolitana", "price": 18000},
    {"item": "Hamburguesa de la casa", "price": 22000},
    {"item": "Perro caliente sencillo", "price": 11000},
    {"item": "Perro caliente mixto (con tocino, queso y jalapeños)", "price": 16000},
    {"item": "Jalapeños", "price": 2000},
    {"item": "Tocineta", "price": 3000},
    {"item": "Queso cheddar", "price": 3500},
    {"item": "Queso americano", "price": 3500},
    {"item": "Papas fritas naturales", "price": 4000},
    {"item": "Papas fritas con limón", "price": 4500},
    {"item": "Papas fritas con pollo BBQ", "price": 5000},
    {"item": "Papas fritas con jalapeños y queso", "price": 5500},
    {"item": "Papas fritas con tocineta y queso", "price": 6000},
    {"item": "Cerveza Pilsen", "price": 4000},
    {"item": "Cerveza Águila", "price": 5000},
    {"item": "Cerveza Club Social", "price": 7000},
    {"item": "Batido de chocolate", "price": 6000},
    {"item": "Batido de vainilla", "price": 5500},
    {"item": "Batido de fresa", "price": 6500},
    {"item": "Agua mineral con gas", "price": 3000},
    {"item": "Agua aromatizada", "price": 2500},
    {"item": "Leche", "price": 3500},
    {"item": "Jugo natural (en agua o leche)", "price": 4000}
]

menu_df = pd.DataFrame(menu)

class PedidoTool:
    def __init__(self, menu_df):
        self.menu_df = menu_df

    def tomar_pedido(self, pedido):
        items = pedido.split(',')
        confirmados = []
        for item in items:
            if item.strip() in self.menu_df['item'].values:
                confirmados.append(item.strip())
        return confirmados

class OrdenTool:
    def __init__(self, menu_df):
        self.menu_df = menu_df

    def procesar_orden(self, pedido):
        items = pedido.split(',')
        total = 0
        for item in items:
            price = self.menu_df[self.menu_df['item'] == item.strip()]['price'].values[0]
            total += price
        return total

def generar_pdf_orden(order_details, filepath='orden_compra.pdf'):
    c = canvas.Canvas(filepath, pagesize=letter)
    width, height = letter
    c.drawString(100, height - 100, "Orden de Compra")
    y = height - 120
    total = 0
    for item, details in order_details.items():
        c.drawString(100, y, f"{item}: ${details['price']}")
        y -= 20
        total += details['price']
    c.drawString(100, y - 20, f"Total: ${total}")
    c.save()
    return filepath

def obtener_respuesta(pregunta, texto_preprocesado, modelo="gpt-4-turbo", temperatura=0.5):
    try:
        response = openai.ChatCompletion.create(
            model=modelo,
            messages=[
                {"role": "system", "content": "Actua como Ana una asesora de ventas del restaurante Sazon Burguer, tienes un tono muy amable y cordial"},
                {"role": "user", "content": f"{pregunta}\n\nContexto: {texto_preprocesado}"}
            ],
            temperature=temperatura
        )
        respuesta = response.choices[0].message['content'].strip()

        # Configura la solicitud de síntesis de voz
        input_text = texttospeech.SynthesisInput(text=respuesta)
        voice = texttospeech.VoiceSelectionParams(
            language_code="es-ES", ssml_gender=texttospeech.SsmlVoiceGender.FEMALE,
        )
        audio_config = texttospeech.AudioConfig(
            audio_encoding=texttospeech.AudioEncoding.MP3
        )

        # Realiza la solicitud de síntesis de voz
        response = client.synthesize_speech(
            input=input_text, voice=voice, audio_config=audio_config
        )

        # Guarda el audio en un archivo temporal
        audio_path = tempfile.mktemp(suffix=".mp3")
        with open(audio_path, "wb") as audio_file:
            audio_file.write(response.audio_content)

        return respuesta, audio_path

    except openai.OpenAIError as e:
        return f"Error al comunicarse con OpenAI: {e}", None

def tomar_pedido_agente(pedido):
    pedido_tool = PedidoTool(menu_df)
    confirmados = pedido_tool.tomar_pedido(pedido)
    return confirmados

def procesar_orden_agente(pedido):
    orden_tool = OrdenTool(menu_df)
    total = orden_tool.procesar_orden(pedido)
    return total

def generar_mensaje_automatico(confirmados):
    mensaje = f"¡Gracias por tu pedido! Has ordenado: {', '.join(confirmados)}. ¿Te gustaría agregar algo más a tu pedido? Tenemos opciones deliciosas como papas fritas, batidos y mucho más."
    return mensaje