Update app.py

app.py

@@ -6,7 +6,8 @@ from datetime import datetime
 from concurrent.futures import ThreadPoolExecutor, as_completed
 
 import gradio as gr
-import google.generativeai as genai
+# ### ALTERADO ### - Import da Groq
+from groq import Groq
 
 # =================================================================================
 # METADADOS DO PROJETO - HACKATHON OAB 2025
@@ -48,13 +49,22 @@ except ImportError:
 
 # ==================== 1. CONFIGURAÇÃO ====================
 
-api_key = os.getenv("GOOGLE_API_KEY", "SUA_API_KEY_AQUI")
-if api_key and api_key != "SUA_API_KEY_AQUI":
-    genai.configure(api_key=api_key)
-
-# Modelos do Gemini
-model_flash = genai.GenerativeModel("gemini-flash-latest")
-model_pro = genai.GenerativeModel("gemini-pro-latest")
+# ### ALTERADO ### - Configuração da API da Groq
+# Certifique-se de ter a variável de ambiente GROQ_API_KEY definida.
+try:
+    groq_client = Groq(api_key=os.environ.get("GROQ_API_KEY"))
+    print("✅ Cliente Groq inicializado com sucesso.")
+except Exception as e:
+    groq_client = None
+    print(f"❌ Erro ao inicializar o cliente Groq. Verifique sua API Key: {e}")
+
+# ### ALTERADO ### - Mapeamento de modelos para a Groq
+# "flash" -> Modelo rápido para tarefas de sumarização e extração.
+# "pro"   -> Modelo mais robusto para análise e raciocínio complexo.
+GROQ_MODELS = {
+    "flash": "llama3-8b-8192",
+    "pro": "llama3-70b-8192"
+}
 
 ARQUIVO_CONFIG = "protocolo.json"
 ARQUIVO_CONTEXTO_ANTECIPATORIO = "data.txt" # Arquivo com regras/verdade factual
@@ -166,14 +176,11 @@ def processar_pdf_completo(arquivo_pdf):
 # ==================== 3. PIPELINE DE IA ====================
 
 def transcrever_chunk(chunk_data, config_agentes):
-    # (Implementação existente)
-    modelo = model_flash
-    try:
-        if config_agentes and isinstance(config_agentes, list):
-            if config_agentes[0].get("modelo") == "pro":
-                modelo = model_pro
-    except:
-        pass
+    # ### ALTERADO ### - Função adaptada para usar a API da Groq
+    if not groq_client:
+        return None, "Cliente Groq não inicializado."
+
+    modelo_groq = GROQ_MODELS["flash"] # Usa sempre o modelo mais rápido para transcrição
     
     prompt = f"""
 ANÁLISE DE DOCUMENTO (OCR/LEITURA):
@@ -181,22 +188,29 @@ Transcreva e estruture o conteúdo das páginas {chunk_data['paginas']}.
 Texto extraído:
 {chunk_data['texto']}
 
-Retorne JSON: {{ "transcricao": "...", "objetos": ["..."], "resumo": "..." }}
+Retorne APENAS o JSON com a seguinte estrutura: {{ "transcricao": "...", "objetos": ["..."], "resumo": "..." }}
 """
     try:
         for tentativa in range(3):
             try:
-                resposta = modelo.generate_content(prompt)
-                texto_resp = resposta.text.replace("```json", "").replace("```", "")
-                return json.loads(texto_resp.strip()), None
+                chat_completion = groq_client.chat.completions.create(
+                    messages=[{"role": "user", "content": prompt}],
+                    model=modelo_groq,
+                    temperature=0.1,
+                    max_tokens=4096,
+                )
+                texto_resp = chat_completion.choices[0].message.content
+                texto_limpo = texto_resp.replace("```json", "").replace("```", "").strip()
+                return json.loads(texto_limpo), None
             except Exception as inner_e:
-                if "429" in str(inner_e):
+                if "429" in str(inner_e): # Lida com Rate Limiting
                     time.sleep(2 * (tentativa + 1))
                     continue
                 raise inner_e
     except Exception as e:
         return None, str(e)
 
+
 # ==================== 4. GERENCIADOR DE ARQUIVOS ====================
 
 class GerenciadorArquivos:
@@ -255,6 +269,11 @@ def automacao_upload_processamento(files, history, config_json):
     # (Função de processamento de arquivos)
     if not files:
         return history
+    
+    if not groq_client:
+        history.append([None, "⚠️ **SISTEMA:** Cliente Groq não configurado. Verifique a API Key e reinicie a aplicação."])
+        yield history
+        return
 
     try:
         config_agentes = json.loads(config_json)
@@ -394,6 +413,11 @@ def automacao_upload_processamento(files, history, config_json):
 
 
 def chat_orquestrador(message, history, config_json, pipeline_state, incluir_passo_antecipatorio):
+    if not groq_client:
+        history.append([message, "⚠️ **SISTEMA:** Cliente Groq não configurado. Verifique a API Key e reinicie a aplicação."])
+        yield history, [], pipeline_state
+        return
+        
     if pipeline_state.get("is_paused"):
         # (Lógica de continuação após STOP)
         history.append([message, None])
@@ -468,16 +492,17 @@ def chat_orquestrador(message, history, config_json, pipeline_state, incluir_pas
 
 
 def executar_pipeline(history, timeline_execucao, agentes_a_executar, pipeline_state):
-    # (Implementação de execução da pipeline e simulação de digitação)
+    # ### ALTERADO ### - Lógica de execução da pipeline adaptada para Groq e streaming real
     passo_atual = len(timeline_execucao) + 1
     
     for i, cfg in enumerate(agentes_a_executar):
         nome_agente = cfg.get("nome", "Agente")
-        modelo_agente = model_pro if cfg.get("modelo") == "pro" else model_flash
+        # Seleciona o modelo Groq com base na configuração do agente
+        modelo_agente = GROQ_MODELS.get(cfg.get("modelo"), GROQ_MODELS["flash"])
         tipo_saida = cfg.get("tipo_saida", "json")
         
         msg_atual = history[-1][1] or ""
-        history[-1][1] = msg_atual + f"⏳ **{nome_agente}** está analisando...\n"
+        history[-1][1] = msg_atual + f"⏳ **{nome_agente}** está analisando (modelo: `{modelo_agente}`)...\n"
         yield history, timeline_execucao, pipeline_state
         
         prompt_agente = f"""
@@ -486,17 +511,23 @@ def executar_pipeline(history, timeline_execucao, agentes_a_executar, pipeline_s
 -----------------
 Sua Identidade: {nome_agente}
 Sua Missão Específica Agora: {cfg['missao']}
-Se o tipo de saída exigido for 'json', sua resposta DEVE ser APENAS o JSON.
+Se o tipo de saída exigido for 'json', sua resposta DEVE ser APENAS o JSON. Se for 'texto', responda de forma discursiva.
 """
         
         try:
             inicio = time.time()
-            resp = modelo_agente.generate_content(prompt_agente)
-            texto_resp = resp.text
-            duracao = time.time() - inicio
-
+            
             # --- LÓGICA DE DETECÇÃO DE SAÍDA NÃO-JSON (STOP ou Relatório) ---
             if tipo_saida == "json":
+                chat_completion = groq_client.chat.completions.create(
+                    messages=[{"role": "user", "content": prompt_agente}],
+                    model=modelo_agente,
+                    temperature=0.1,
+                    max_tokens=8192,
+                )
+                texto_resp = chat_completion.choices[0].message.content
+                duracao = time.time() - inicio
+
                 try:
                     # Tenta interpretar a resposta como JSON
                     texto_json_limpo = texto_resp.replace("```json", "").replace("```", "").strip()
@@ -505,102 +536,88 @@ Se o tipo de saída exigido for 'json', sua resposta DEVE ser APENAS o JSON.
                     # 1. LÓGICA DE PAUSA (STOP)
                     if resposta_json.get("PROXIMA_ACAO") == "PERGUNTAR_USUARIO" and resposta_json.get("DUVIDA_DETECTADA") == True:
                         
-                        # VERIFICA REGRAS DE STOP - Fora de escopo?
                         if "STOP:" in texto_resp:
-                            # Caso de STOP por fora do escopo
-                            stop_message = texto_resp.split("STOP:")[1].strip() if "STOP:" in texto_resp else "Análise interrompida por dúvida crítica ou tema fora de escopo."
+                            stop_message = texto_resp.split("STOP:")[1].strip() if "STOP:" in texto_resp else "Análise interrompida por dúvida crítica."
                             history[-1][1] = stop_message
                             yield history, timeline_execucao, pipeline_state
                             return 
 
-                        # Caso de STOP por dúvida crítica (regra do protocolo da Fase 0)
                         perguntas = resposta_json.get("TESTE_REFLEXAO", {}).get("perguntas", [])
                         
-                        # Formata a resposta STOP
-                        stop_response = "STOP: preciso que você esclareça até 3 pontos antes de continuar:\n\n"
-                        for idx, p in enumerate(perguntas):
-                             if idx < 3:
-                                stop_response += f"{idx + 1}) {p}\n"
-                        
-                        # Salva o estado atual da pipeline
                         pipeline_state["is_paused"] = True
                         pipeline_state["timeline"] = timeline_execucao
                         pipeline_state["remaining_agents"] = agentes_a_executar[i+1:]
                         
-                        # Adiciona o passo à auditoria e ao chat
+                        stop_response = "STOP: preciso que você esclareça pontos antes de continuar."
                         timeline_execucao.append({"passo": passo_atual, "tipo": "STOP_USUARIO_REQUERIDO", "agente": nome_agente, "detalhes": stop_response})
                         
-                        # Prepara a mensagem para o usuário no chat
-                        msg_para_usuario = f"**{nome_agente}** precisa de mais informações. Por favor, responda aos pontos abaixo para seguirmos com a análise:\n\n"
+                        msg_para_usuario = f"**{nome_agente}** precisa de mais informações. Por favor, responda aos pontos abaixo:\n\n"
                         for idx, p in enumerate(perguntas):
                             if idx < 3:
                                 msg_para_usuario += f"**{idx + 1})** {p}\n"
                         
-                        msg_atual = history[-1][1].replace(f"⏳ **{nome_agente}** está analisando...\n", "")
+                        msg_atual = history[-1][1].replace(f"⏳ **{nome_agente}** está analisando (modelo: `{modelo_agente}`)...\n", "")
                         history[-1][1] = msg_atual + msg_para_usuario
                         
                         yield history, timeline_execucao, pipeline_state
-                        return # Sai da função para esperar o input do usuário
+                        return 
                         
                     # 2. Resposta JSON normal
                     texto_para_auditoria = texto_json_limpo
                     timeline_execucao.append({"passo": passo_atual, "tipo": "resposta_agente", "agente": nome_agente, "resposta": texto_para_auditoria})
                     
-                    msg_atual = history[-1][1].replace(f"⏳ **{nome_agente}** está analisando...\n", "")
+                    msg_atual = history[-1][1].replace(f"⏳ **{nome_agente}** está analisando (modelo: `{modelo_agente}`)...\n", "")
                     novo_trecho = f"✅ **[{nome_agente}]** concluiu sua análise em ({duracao:.1f}s). (JSON para Auditoria)\n"
                     history[-1][1] = msg_atual + novo_trecho
                     yield history, timeline_execucao, pipeline_state
                     
                 except json.JSONDecodeError:
-                    # Se deveria ser JSON e não é, trata como erro na auditoria
                     timeline_execucao.append({"passo": passo_atual, "tipo": "erro_resposta_json", "agente": nome_agente, "resposta_raw": texto_resp, "erro": "Esperado JSON, mas recebeu texto não-JSON."})
-                    msg_atual = history[-1][1].replace(f"⏳ **{nome_agente}** está analisando...\n", "")
+                    msg_atual = history[-1][1].replace(f"⏳ **{nome_agente}** está analisando (modelo: `{modelo_agente}`)...\n", "")
                     history[-1][1] = msg_atual + f"❌ **[{nome_agente}]** falhou: Resposta não era JSON válido. ({duracao:.1f}s).\n"
                     yield history, timeline_execucao, pipeline_state
                 
             elif tipo_saida == "texto":
-                # Lógica para a Fase 7 (RELATORIO_VALOR_VIDA)
-                
-                # Adiciona o passo à auditoria
-                timeline_execucao.append({"passo": passo_atual, "tipo": "relatorio_final", "agente": nome_agente, "relatorio": texto_resp})
+                # Lógica para a Fase 7 com STREAMING REAL
+                stream = groq_client.chat.completions.create(
+                    messages=[{"role": "user", "content": prompt_agente}],
+                    model=modelo_agente,
+                    temperature=0.7,
+                    max_tokens=8192,
+                    stream=True,
+                )
                 
-                # Simula a digitação envolvente
                 msg_final = f"**[RELATÓRIO FINAL DO {nome_agente}]**\n\n"
                 history[-1][1] = msg_final
-                yield history, timeline_execucao, pipeline_state
+                relatorio_completo = ""
                 
-                # Divide o texto do relatório em blocos (parágrafos ou seções)
-                blocos = texto_resp.split('\n\n')
-                
-                for bloco in blocos:
-                    if bloco.strip():
-                        # Simula a digitação bloco por bloco
-                        msg_final += f"{bloco}\n\n"
-                        history[-1][1] = msg_final
-                        # Pequena pausa para o efeito dinâmico
-                        time.sleep(0.5) 
+                for chunk in stream:
+                    delta = chunk.choices[0].delta.content or ""
+                    if delta:
+                        relatorio_completo += delta
+                        history[-1][1] = msg_final + relatorio_completo
                         yield history, timeline_execucao, pipeline_state
-                        
-                # Finalização da digitação no chat
-                msg_final += "\n\n--- FIM DO RELATÓRIO DE VALORAÇÃO ---"
-                history[-1][1] = msg_final
+                
+                # Adiciona o passo completo à auditoria no final
+                timeline_execucao.append({"passo": passo_atual, "tipo": "relatorio_final", "agente": nome_agente, "relatorio": relatorio_completo})
+                history[-1][1] += "\n\n--- FIM DO RELATÓRIO DE VALORAÇÃO ---"
                 yield history, timeline_execucao, pipeline_state
                 
             else:
-                # Caso de tipo_saida não definido (erro)
                 timeline_execucao.append({"passo": passo_atual, "tipo": "erro_config", "agente": nome_agente, "erro": "Tipo de saída não reconhecido ('json' ou 'texto')."})
                 msg_atual = history[-1][1].replace(f"⏳ **{nome_agente}** está analisando...\n", "")
-                history[-1][1] = msg_atual + f"\n❌ Erro de Configuração em {nome_agente}: Tipo de saída inválido. ({duracao:.1f}s).\n"
+                history[-1][1] = msg_atual + f"\n❌ Erro de Configuração em {nome_agente}: Tipo de saída inválido.\n"
                 yield history, timeline_execucao, pipeline_state
             
         except Exception as e:
             timeline_execucao.append({"passo": passo_atual, "tipo": "erro_agente", "agente": nome_agente, "erro": str(e)})
             msg_atual = history[-1][1]
-            history[-1][1] = msg_atual.replace(f"⏳ **{nome_agente}** está analisando...\n", "") + f"\n❌ Erro em {nome_agente}: {str(e)}\n"
+            history[-1][1] = msg_atual.replace(f"⏳ **{nome_agente}** está analisando (modelo: `{modelo_agente}`)...\n", "") + f"\n❌ Erro em {nome_agente}: {str(e)}\n"
             yield history, timeline_execucao, pipeline_state
         
         passo_atual += 1
 
+
 # ==================== 6. UI (Gradio) ====================
 
 def ui_v29_stop_logic():
@@ -687,4 +704,5 @@ def ui_v29_stop_logic():
     return app
 
 if __name__ == "__main__":
-    ui_v29_stop_logic().launch()
+    app = ui_v29_stop_logic()
+    app.launch()