# app/recommend_tool.py
import json
from typing import Dict, Any
from langchain.prompts import PromptTemplate
from langchain.agents import Tool
from app.llm_client import LLMClient

class RecommendTool:
    """
    Classe pour recommander les valeurs manquantes dans un schéma piscicole.
    Prend en compte toutes les clés potentiellement incomplètes et génère
    un JSON complet via un modèle LLM.
    """
    def __init__(self, llm_client: LLMClient):
        # Template dynamique pour remplir tous les champs manquants
        template = '''
Vous êtes un expert en pisciculture.
Voici les données actuelles (JSON) pour un élevage piscicole :
{data_json}

Complétez **tous** les champs manquants ou vides dans ce JSON en tenant compte des informations présentes.
Les clés à vérifier et compléter sont :
  - "poisson" (espèce)
  - "type_elevage" (e.g. hors sol, avec sol, etc.)
  - "norme" (intensif, semi-intensif, extensif)
  - "aliment"( type de nourriture recommandé selon le poids du poisson le long de sa croissance) 
  - "temperature" (idéal en °C)
  - "pH" (valeur optimale)
  - "durée_d_elevage" (durée en jours)
  - "poids" (poids moyen en grammes (g) à l'âge adulte ou à la récolte)

Renvoyez **uniquement** un JSON valide, complet, sans explications textuelles.
'''        
        self.prompt = PromptTemplate(
            input_variables=["data_json"],
            template=template
        )
        self.llm = llm_client

        # Exposition de l'outil LangChain
        self.tool = Tool(
            name="recommend_missing",
            func=self._run,
            description=(
                "Remplit tous les champs manquants d'un schéma piscicole donné"  
                "en JSON string."
            )
        )

    def _run(self, data_str: str) -> str:
        """
        - Désérialise la chaîne JSON en dict
        - Génère un prompt complet pour le LLM
        - Renvoie la sortie brute du LLM (JSON string)
        """
        try:
            data = json.loads(data_str)
        except json.JSONDecodeError:
            return json.dumps({"error": "Malformed JSON input."})

        # Reconstruire le JSON d'entrée pour le prompt
        data_json = json.dumps(data, ensure_ascii=False)
        merged_prompt = self.prompt.format(data_json=data_json)

        # Appel au LLM pour obtenir le JSON complété
        completion = self.llm.invoke(merged_prompt)
        return completion