Create backend/main.py

backend/main.py

@@ -0,0 +1,62 @@
+
+import os
+from dotenv import load_dotenv
+from fastapi import FastAPI
+from fastapi.middleware.cors import CORSMiddleware
+from pydantic import BaseModel
+from langchain_core.prompts import ChatPromptTemplate
+from langchain_groq import ChatGroq
+from fastapi.responses import StreamingResponse
+
+# Carrega a API key do arquivo .env
+load_dotenv()
+
+# 1. Inicialização do FastAPI
+app = FastAPI()
+
+# 2. Configuração do CORS
+# Essencial para permitir que o frontend (rodando em outra porta) se comunique com este backend.
+app.add_middleware(
+    CORSMiddleware,
+    allow_origins=["*"],  # Permite todas as origens (em produção, restrinja para o seu domínio)
+    allow_credentials=True,
+    allow_methods=["*"],
+    allow_headers=["*"],
+)
+
+# 3. LangChain: Definição do Modelo e do Prompt
+# Usamos o LangChain para simplificar a interação com a Groq
+model = ChatGroq(model="groq/compound")
+
+system_prompt = (
+    "Você é um assistente de pesquisa avançado. "
+    "Use as ferramentas disponíveis para responder às perguntas do usuário de forma completa e detalhada."
+)
+prompt = ChatPromptTemplate.from_messages(
+    [("system", system_prompt), ("human", "{input}")]
+)
+
+# Criamos a "cadeia" de execução: o prompt é passado para o modelo
+chain = prompt | model
+
+# 4. Pydantic Model: Define a estrutura da requisição que nossa API espera
+class ChatRequest(BaseModel):
+    content: str
+
+# 5. O Endpoint da API
+@app.post("/chat")
+async def chat(request: ChatRequest):
+    """
+    Este endpoint recebe uma mensagem do usuário e retorna um stream da resposta do modelo.
+    """
+    # Função geradora que produz os pedaços (chunks) da resposta
+    async def stream_generator():
+        # 'astream' é o método de streaming assíncrono do LangChain
+        async for chunk in chain.astream({"input": request.content}):
+            if chunk.content:
+                # 'yield' envia o pedaço de texto para o cliente
+                print(f"Enviando chunk: {chunk.content}") # Log para depuração
+                yield chunk.content
+    
+    # Retorna uma resposta de streaming que consome o nosso gerador
+    return StreamingResponse(stream_generator(), media_type="text/plain")