import json
import os
from langchain.agents import Tool
from langchain_google_genai import ChatGoogleGenerativeAI
from langchain.agents import initialize_agent, AgentType
import time
import pandas as pd
from dotenv import load_dotenv
from agent.agent import CustomAgent
from dataclass.dataclass_agent_params import AgentParamsDataClass
from tools.tools_audio_transcriptor import WhisperAudioTranscription
from tools.tools_file_reader import HuggingFaceFileReader
from tools.tools_image_analyzer import BlipImageAnalyzer
from tools.tools_script_excuter import PythonCodeExecutor
from tools.tools_video import VideoTool
from tools.tools_web_scrapper import SearchTool
from tools.youtube_rapidapi_official_search_provider import YouTubeRapidAPISearchProvider
from tools.youtube_transcriptor_provider import YouTubeTranscriptProvider
# # _______________----------Charger les variables d'environnement--------------___________
load_dotenv()
# # ___________===================Tools LangChain config=============________________
# read_file_content=HuggingFaceFileReader(huggingface_token=os.getenv("HUGGINGFACE_TOKEN"),base_url=os.getenv("HUGGINGFACE_BASE_URL"))
# web_search=SearchTool()
# youtube=VideoTool(search_provider=YouTubeRapidAPISearchProvider(rapid_api_key=os.getenv("RAPIDAPI_KEY")),transcript_provider=YouTubeTranscriptProvider())
# analyze_image=BlipImageAnalyzer(huggingface_token=os.getenv("HUGGINGFACE_TOKEN"), base_url=os.getenv("HUGGINGFACE_BASE_URL"))
# audio_transcriptor=WhisperAudioTranscription(huggingface_token=os.getenv("HUGGINGFACE_TOKEN"), base_url=os.getenv("HUGGINGFACE_BASE_URL"))
# run_python_code_with_file=PythonCodeExecutor(huggingface_token=os.getenv("HUGGINGFACE_TOKEN"),base_url=os.getenv("HUGGINGFACE_BASE_URL"))

# tools_LangChain = [
#     Tool(
#         name="query_wikipedia",
#         func=web_search.query_wikipedia,
#         description="Cherche des informations encyclopédiques sur un sujet."
#     ),
#     Tool(
#         name="search_youtube",
#         func=youtube.search,
#         description="Trouve des vidéos pertinentes sur YouTube."
#     ),
#     Tool(
#         name="find_transcripton",
#         func=youtube.transcript,
#         description="Utilise cet outil pour lire la transcription d'une vidéo YouTube à partir de son URL ou ID"
#     ),
#     Tool(
#         name="analyze_image",
#         func=analyze_image.analyze,
#         description="Analyse une image fournie (description ou contenu)."
#     ),
#     Tool(
#       name="audio_file_checker",
#       func=audio_transcriptor.transcribe,
#       description="Vérifie si un fichier audio peut être traité, sinon affiche un message d'erreur."
#     ),
#     Tool(
#         name="defaultScrapping",
#         func=web_search.web_search,
#         description=(
#             "Outil par défaut pour chercher sur le web des informations générales "
#             "si aucun autre outil spécifique ne correspond à la requête."
#         )
#       ),
#     Tool(
#         name="readFileContent",
#         func=read_file_content.read,
#         description="Lit le contenu d’un fichier local (PDF, Excel, CSV ou TXT) et retourne son contenu texte."
#       ), 
#     Tool(
#         name="run_python_code_with_file",
#         func=run_python_code_with_file.run_code_with_file,
#         description=(
#             "Télécharge un fichier en utilisant file_name=... depuis HuggingFace, "
#             "puis exécute un script Python qui peut accéder à ce fichier via la variable 'file_path'."
#         )
#       )
# ]

# # prompt
# prefix = """Tu es un agent intelligent qui résout des problèmes en suivant un raisonnement étape par étape.

# Tu dois TOUJOURS répondre dans le format suivant :
# Thought: ta réflexion
# Action: le nom d’un outil parmi [{tools}]
# Action Input: "ton entrée pour l’outil. Les pièces jointes sont préfixées par file_name"

# OU, si tu as la réponse :

# Thought: ta réflexion finale
# Final Answer: la réponse

# NE RÉPONDS JAMAIS avec un autre format. Même si tu ne sais pas, choisis un outil ou réponds Final Answer: "Je ne sais pas".
# """



# # Configuration Gemini
# llm_gemini = ChatGoogleGenerativeAI(
#     model="gemini-2.5-flash",
#     temperature=0,
#     google_api_key= os.getenv("GEMINI_API_KEY")
# )
# tools = tools_LangChain 
# # Initialisation de l'agent
# agent_gemini = initialize_agent(
#     tools=tools,
#     llm=llm_gemini,
#     agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION,
#     verbose=True,
#     handle_parsing_errors=True,
#     max_iterations=10,
#     max_execution_time=60,
#     agent_kwargs={"prefix": prefix}
# )

# ======================----------------------------====================
if __name__=="__main__":
    
    # question = quest[1].get('question')
    # task_id="1f975693-876d-457b-a649-393859e79bf3.mp3"
    # task_id="cca530fc-4052-43b2-b130-b30968d8aa44"
    quest=json.load(open(os.getenv("FILE_PATH"))) 
    df = pd.DataFrame(columns=['reponse', 'id'])
    params=AgentParamsDataClass
    agent_gemini=CustomAgent(params=AgentParamsDataClass)
    
    for question in quest[:1]:
        questionF = question.get('question')
        if question.get('file_name'):
            questionF += f",file_name={question.get('file_name')}"
        print("questionF:", questionF)
        response = agent_gemini.get_agent().run(input=f"{questionF}", tools=agent_gemini.tools_LangChain)
        df = pd.concat([df, pd.DataFrame({'reponse': [response], 'id': [question.get('task_id')]})], ignore_index=True)
        time.sleep(60)
    # response = agent_HF.run(question)
    print("\n Réponse finale :\n", response)