import wikipedia import requests from bs4 import BeautifulSoup from typing import List, Dict, Any import os from ddgs import DDGS from dotenv import load_dotenv from smolagents import CodeAgent, LiteLLMModel, tool, DuckDuckGoSearchTool # Configuration de Wikipedia en français wikipedia.set_lang("fr") # Initialisation de l'outil de recherche DuckDuckGo search_tool = DuckDuckGoSearchTool(5) load_dotenv() # Charge les variables d'environnement @tool def search_internet(query: str) -> List[Dict[str, str]]: """ Recherche des informations sur internet via DuckDuckGo. Args: query: Terme de recherche Returns: Liste de dictionnaires contenant les résultats de recherche """ try: # Utilisation de DuckDuckGoSearchTool results = search_tool(query) return results except Exception as e: return [{'error': f'Erreur lors de la recherche: {str(e)}'}] @tool def get_wikipedia_page(title: str, lang: str = "fr") -> Dict[str, Any]: """ Récupère une page Wikipedia complète avec son contenu et ses tableaux sous forme d'un dictionnaire. Args: title: Titre de la page Wikipedia lang: Langue de Wikipedia (par défaut: français) Returns: Dictionnaire contenant les informations de la page et ses tableaux """ try: wikipedia.set_lang(lang) page = wikipedia.page(title) # Récupération du HTML de la page pour extraire les tableaux response = requests.get(page.url) soup = BeautifulSoup(response.content, 'html.parser') # Extraction des tableaux avec leurs titres tables = [] wiki_tables = soup.find_all('table', class_='wikitable') for i, table in enumerate(wiki_tables): table_data = [] headers = [] table_title = "" # Recherche du titre du tableau # Chercher dans les éléments précédents pour trouver un titre current_element = table.find_previous_sibling() title_found = False while current_element and not title_found: if current_element.name in ['h1', 'h2', 'h3', 'h4', 'h5', 'h6']: table_title = current_element.get_text(strip=True) title_found = True elif current_element.name == 'p': # Parfois le titre est dans un paragraphe juste avant text = current_element.get_text(strip=True) if len(text) < 100 and text.endswith(':'): table_title = text.rstrip(':') title_found = True elif current_element.name == 'caption': # Certains tableaux ont une balise caption table_title = current_element.get_text(strip=True) title_found = True current_element = current_element.find_previous_sibling() # Vérifier si le tableau a une caption directe caption = table.find('caption') if caption and not table_title: table_title = caption.get_text(strip=True) # Si aucun titre trouvé, chercher dans les éléments suivants if not table_title: # Regarder les éléments th avec colspan ou les premiers éléments first_row = table.find('tr') if first_row: first_cell = first_row.find(['th', 'td']) if first_cell and first_cell.get('colspan'): potential_title = first_cell.get_text(strip=True) if len(potential_title) < 100: table_title = potential_title # Valeur par défaut si aucun titre trouvé if not table_title: table_title = f"Tableau {i + 1}" # Extraction des en-têtes header_row = table.find('tr') if header_row: for th in header_row.find_all(['th', 'td']): headers.append(th.get_text(strip=True)) # Extraction des données rows = table.find_all('tr') data_rows = [] # Déterminer quelle ligne contient les données (pas les en-têtes) start_row = 1 if headers else 0 for row in rows[start_row:]: cells = row.find_all(['td', 'th']) if cells: row_data = {} for j, cell in enumerate(cells): header = headers[j] if j < len(headers) else f'Colonne_{j + 1}' cell_text = cell.get_text(strip=True) row_data[header] = cell_text if any(row_data.values()): # Ignorer les lignes vides data_rows.append(row_data) tables.append({ 'table_index': i, 'table_title': table_title, 'headers': headers, 'data': data_rows, 'row_count': len(data_rows), 'column_count': len(headers) }) return { 'title': page.title, 'url': page.url, 'summary': page.summary, 'content': page.content, 'links': page.links[:20], # Limite aux 20 premiers liens 'categories': page.categories[:10], # Limite aux 10 premières catégories 'images': page.images[:5] if page.images else [], # Limite aux 5 premières images 'tables': tables, 'table_count': len(tables), 'page_length': len(page.content), 'has_tables': len(tables) > 0 } except wikipedia.exceptions.DisambiguationError as e: return { 'error': 'Ambiguité détectée', 'options': e.options[:10], # Limite aux 10 premières options 'type': 'disambiguation' } except wikipedia.exceptions.PageError: return { 'error': f'Page "{title}" non trouvée', 'type': 'page_not_found' } except Exception as e: return { 'error': f'Erreur: {str(e)}', 'type': 'general_error' } # Configuration du modèle LiteLLM def create_wikipedia_agent(): """ Crée un agent Wikipedia avec tous les outils nécessaires. """ # Initialisation du modèle (ajustez selon votre configuration) model = LiteLLMModel(model_id="gemini/gemini-2.5-flash", api_key=os.getenv("GOOGLE_API_KEY")) system_prompt = """ Tu es un agent de recherche d'information, tu es capable de trouver des informations sur Wikipédia ou par recherche internet. Tu peux exécuter des recherches, récupérer des pages Wikipedia, extraire des tableaux. Pour trouver un article, tu peux rechercher sur internet avec le plus de détails puis trouver le premier lien Wikipedia pertinent. Si tu ne trouves pas d'outils spécifiques à une tâche, tu peux utiliser la recherche internet pour trouver des informations pertinentes. Tu dois toujours fournir des réponses claires et concises, en citant les sources lorsque c'est possible. """ # Création de l'agent avec les outils return CodeAgent( name="websearch_agent", tools=[ search_internet, get_wikipedia_page, ], model=model, description=system_prompt, additional_authorized_imports=["wikipedia", "requests", "bs4", "pandas"] )