sd

app.py

@@ -33,8 +33,9 @@ class AgentState(dict):
 
 # 4. Paso del agente con rol de agente de viajes
 def agent_step(state: AgentState) -> AgentState:
-    user_input = state["input"]
-    # Se añade un prompt de contexto para que el agente actúe como experto en viajes
+    user_input = state.get("input")
+    if not user_input:
+        return {"input": "", "output": "No se recibió entrada."}
     travel_prompt = (
         "Eres un agente de viajes profesional y experimentado. "
         "Asesora, recomienda y planifica itinerarios, destinos y actividades de viaje según las preferencias del usuario. "
@@ -43,6 +44,7 @@ def agent_step(state: AgentState) -> AgentState:
     response = qwen.invoke(travel_prompt)
     return {"input": user_input, "output": response}
 
+
 # 5. Crear nodo LangGraph
 agent_node = RunnableLambda(agent_step)
 
@@ -53,18 +55,10 @@ graph_builder.add_edge("agent", END)
 graph = graph_builder.compile()
 
 # 6. Función para Gradio
-def agent_step(state: AgentState) -> AgentState:
-    user_input = state.get("input")
-    if not user_input:
-        return {"input": "", "output": "No se recibió entrada."}
-    travel_prompt = (
-        "Eres un agente de viajes profesional y experimentado. "
-        "Asesora, recomienda y planifica itinerarios, destinos y actividades de viaje según las preferencias del usuario. "
-        f"Usuario: {user_input}"
-    )
-    response = qwen.invoke(travel_prompt)
-    return {"input": user_input, "output": response}
-
+def chat_with_agent(message):
+    result = graph.invoke({"input": message})
+    print(result)
+    return result["output"]
 
 # 7. Interfaz Gradio adaptada para un agente de viajes
 iface = gr.Interface(