app.py

from smolagents import CodeAgent,DuckDuckGoSearchTool, HfApiModel,load_tool,tool
import datetime
import requests
import re
import pytz
import yaml
from tools.final_answer import FinalAnswerTool

from Gradio_UI import GradioUI

# Below is an example of a tool that does nothing. Amaze us with your creativity !

def extract_message_id(url):
    """Extracts the message ID from a given Oslo Børs Newsweb URL."""
    match = re.search(r"message/(\d+)", url)
    return match.group(1) if match else None

@tool
def fetch_message_from_newsweb(url: str) -> str:
    """
    Extracts the message ID from a Newsweb URL and fetches the corresponding message from the API.
    
    Args:
        url (str): The Newsweb URL containing the message ID.

    Returns:
        str: The title and body of the news message.
    """
    message_id = extract_message_id(url)
    if not message_id:
        return "Invalid URL: Could not extract message ID."

    api_url = f"https://api3.oslo.oslobors.no/v1/newsreader/message?messageId={message_id}"
    
    try:
        response = requests.get(api_url, timeout=10)
        response.raise_for_status()  # Check for HTTP errors

        data = response.json()
        message = data.get("data", {}).get("message", {})

        title = message.get("title", "No title found")
        body = message.get("body", "No message body found")

        return f"**{title}**\n\n{body}"

    except requests.RequestException as e:
        return f"Error fetching data from API: {e}"                                                                                                                                                                                                                                 

@tool 
def newsworthiness_detection(fetch_message_from_newsweb: str) -> str:
    """
    Determines the newsworthiness of a stock market announcement using a predefined prompt.

    Args:
        fetch_message_from_newsweb (str): The stock market message content returned from the function.

    Returns:
        str: A rating of newsworthiness ("HØY", "MEDIUM", or "LAV") along with a short explanation of the decision.
    """           
    prompt_text = """
    Du er en børsjournalist som er ekspert på finansielle markeder og spesielt på Oslo Børs. Du jobber for den norske finansavisen E24. 
    Jobben din er å gå gjennom alle børsmeldinger fra selskaper notert på Oslo Børs og vurdere hvor egnet meldingen er til å påvirke selskapets aksjekurs. 
    Derfor er du alltid på jakt etter nyhetspoenger i meldingene. Disse kan være av positiv art, som nye kontrakter, pengeinnsprøytning, positive testresultater eller lignende, 
    men ofte er det negative faktorer som påvirker aksjekursen, som nedskrivninger, konflikt, resultatvarsel. Ofte er negative nyheter gjemt nederst i børsmeldingene.

    Under ser du stikkord, som ofte, men ikke alltid, er egnet til å påvirke markedsverdien til et selskap:
    - Transaction proposal
    - Contemplated 
    - Private placement
    - Rights issue
    - Profit warning
    - Dividend
    - Contract update
    - Transaction
    - Contract
    - Matching halt
    - Inside information
    - Block sale
    - Million
    - Billion
    - Stepping down
    - Resign
    - Disclosure of large shareholding
    - Strategic review
    - Strategic process

    Inputen din vil være en børsmelding, enten en URL til meldingen eller hele teksten limt inn. 
    Outputen skal være strukturert og inneholde følgende info: **Message_id, tittel på børsmeldingen, vurdering av nyhetsverdi, begrunnelse for satt nyhetsverdi.**

    - Om det er stor sannsynlighet for at meldingen vil påvirke aksjemarkedet, skal du vurdere at meldingen har **HØY nyhetsverdi**.  
    - Om det er usikkert om meldingen vil påvirke aksjemarkedet, vil du vurdere at meldingen har **MEDIUM nyhetsverdi**.  
    - Om det er lav sannsynlighet for at meldingen vil påvirke aksjemarkedet, vil du vurdere at meldingen har **LAV nyhetsverdi**.
    """
    
    full_prompt = f"""{prompt_text}

    --- Børsmelding ---
    {fetch_message_from_newsweb}
    
    Basert på instruksjonene ovenfor, vurder nyhetsverdien av denne meldingen og gi en begrunnelse. 
    Svar kun med en av følgende alternativer:
    - HØY: [begrunnelse]
    - MEDIUM: [begrunnelse]
    - LAV: [begrunnelse]
    """
    
    try:
        response = HfApiModel(
            prompt=full_prompt,
            max_new_tokens=150,
            temperature=0.2,
            return_full_text=False
        )
        return response.strip()
    
    except Exception as e:
        return f"Error: {str(e)}"


@tool
def get_current_time_in_timezone(timezone: str) -> str:
    """A tool that fetches the current local time in a specified timezone.
    Args:
        timezone: A string representing a valid timezone (e.g., 'America/New_York').
    """
    try:
        # Create timezone object
        tz = pytz.timezone(timezone)
        # Get current time in that timezone
        local_time = datetime.datetime.now(tz).strftime("%Y-%m-%d %H:%M:%S")
        return f"The current local time in {timezone} is: {local_time}"
    except Exception as e:
        return f"Error fetching time for timezone '{timezone}': {str(e)}"


final_answer = FinalAnswerTool()

# If the agent does not answer, the model is overloaded, please use another model or the following Hugging Face Endpoint that also contains qwen2.5 coder:
# model_id='https://pflgm2locj2t89co.us-east-1.aws.endpoints.huggingface.cloud' 

model = HfApiModel(
max_tokens=2096,
temperature=0.5,
model_id='Qwen/Qwen2.5-Coder-32B-Instruct',# it is possible that this model may be overloaded
custom_role_conversions=None,
)


# Import tool from Hub
image_generation_tool = load_tool("agents-course/text-to-image", trust_remote_code=True)

with open("prompts.yaml", 'r') as stream:
    prompt_templates = yaml.safe_load(stream)
    
agent = CodeAgent(
    model=model,
    tools=[final_answer, fetch_message_from_newsweb, newsworthiness_detection],
    max_steps=6,
    verbosity_level=1,
    grammar=None,
    planning_interval=None,
    name=None,
    description=None,
    prompt_templates=prompt_templates
)


GradioUI(agent).launch()