app.py

# app.py
import gradio as gr
import requests
import threading
import time
import uvicorn
from fastapi import FastAPI, Request

# === Встроенный MCP-сервер ===
mcp_app = FastAPI()

@mcp_app.post("/generate")
async def generate(request: Request):
    try:
        body = await request.json()
        prompt = body.get("prompt", "").lower()
    except Exception:
        return {"text": "Ошибка обработки запроса."}

    if "question:" in prompt:
        question = prompt.split("question:")[-1].strip()
    else:
        question = prompt

    # Правила ответов
    if any(kw in question for kw in ["оплат", "тариф", "plan", "pricing"]):
        return {"text": "Доступны планы: Free, Pro, Enterprise. Pro включает аналитику и расширенные права. Enterprise — SLA 99.9%, SSO."}
    elif any(kw in question for kw in ["api", "интеграц", "rest", "integration"]):
        return {"text": "API доступен по /v1/, аутентификация через Bearer-токен. Лимит — 1000 запросов в час. Документация по /docs/v1/."}
    elif any(kw in question for kw in ["вход", "аутентиф", "login", "auth"]):
        return {"text": "Вход через почту и пароль. Поддерживается 2FA (TOTP), OAuth2, SAML 2.0 для SSO."}
    elif any(kw in question for kw in ["бэкап", "backup", "восстановлени", "restore"]):
        return {"text": "Резервное копирование — ежедневное. Восстановление до точки во времени (PITR) через WAL-архивацию."}
    elif any(kw in question for kw in ["задач", "task", "проект", "project"]):
        return {"text": "Задачи группируются в проекты, проекты — в workspace. Поддержка меток, этапов, приоритетов: low, medium, high, urgent."}
    else:
        return {"text": "Функция поддерживается. Для деталей обратитесь к администратору."}

# Запуск MCP-сервера в отдельном потоке
def run_server():
    uvicorn.run(mcp_app, host="0.0.0.0", port=8000, log_level="info")

threading.Thread(target=run_server, daemon=True).start()
time.sleep(2)  # Даем серверу время на запуск

# === Клиентская часть (Gradio) ===
def respond(message, history):
    context = "Данные из базы знаний"  # Можно интегрировать retriever
    prompt = f"context: {context}\n\nquestion: {message}\n\nanswer:"
    try:
        response = requests.post("http://localhost:8000/generate", json={"prompt": prompt}, timeout=10)
        return response.json().get("text", "Нет данных.")
    except Exception as e:
        return f"[Ошибка] {str(e)}"

# Интерфейс
gr.ChatInterface(
    fn=respond,
    title="TaskFlow AI Agent",
    description="Задайте вопрос о продукте"
).launch(server_name="0.0.0.0", server_port=7860)