File size: 58,439 Bytes
0f9caed
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
c1a62a8
0f9caed
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
c1a62a8
0f9caed
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
c1a62a8
 
 
 
 
0f9caed
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
c1a62a8
0f9caed
 
 
 
c1a62a8
0f9caed
 
 
 
 
 
c1a62a8
0f9caed
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
c93aad8
 
 
 
 
0f9caed
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
c1a62a8
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
0f9caed
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
c1a62a8
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
0f9caed
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
c1a62a8
0f9caed
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
c1a62a8
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
0f9caed
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
949
950
951
952
953
954
955
956
957
958
959
960
961
962
963
964
965
966
967
968
969
970
971
972
973
974
975
976
977
978
979
980
981
982
983
984
985
986
987
988
989
990
991
992
993
994
995
996
997
998
999
1000
1001
1002
1003
1004
1005
1006
1007
1008
1009
1010
1011
1012
1013
1014
1015
1016
1017
1018
1019
1020
1021
1022
1023
1024
1025
1026
1027
1028
1029
1030
1031
1032
1033
1034
1035
1036
1037
1038
1039
1040
1041
1042
1043
1044
1045
1046
1047
1048
1049
1050
1051
1052
1053
1054
1055
1056
1057
1058
1059
1060
1061
1062
1063
1064
1065
1066
1067
1068
1069
1070
1071
1072
1073
1074
1075
1076
1077
1078
1079
1080
1081
1082
1083
1084
1085
1086
1087
1088
1089
1090
1091
1092
1093
1094
1095
1096
1097
1098
1099
1100
1101
1102
1103
1104
1105
1106
1107
1108
1109
1110
1111
1112
1113
1114
1115
1116
1117
1118
1119
1120
1121
1122
1123
1124
1125
1126
1127
1128
1129
1130
1131
1132
1133
1134
1135
1136
1137
1138
1139
1140
1141
1142
1143
1144
1145
1146
1147
1148
1149
1150
1151
1152
1153
1154
1155
1156
1157
1158
1159
1160
1161
1162
1163
1164
1165
1166
1167
1168
1169
1170
1171
1172
1173
1174
1175
1176
1177
1178
1179
1180
1181
1182
1183
1184
1185
1186
1187
1188
1189
1190
1191
1192
1193
1194
1195
1196
1197
1198
1199
1200
1201
1202
1203
1204
1205
1206
1207
1208
1209
1210
1211
1212
1213
1214
1215
1216
1217
1218
1219
1220
1221
1222
1223
1224
1225
1226
1227
1228
1229
1230
1231
1232
1233
1234
1235
1236
1237
1238
1239
1240
1241
1242
1243
1244
1245
1246
1247
1248
1249
1250
1251
1252
1253
1254
1255
1256
1257
1258
1259
1260
1261
1262
1263
1264
1265
1266
1267
1268
1269
1270
1271
1272
1273
1274
1275
1276
1277
1278
1279
1280
1281
1282
1283
1284
1285
1286
1287
1288
1289
1290
1291
1292
1293
1294
1295
1296
1297
1298
1299
1300
1301
1302
1303
1304
1305
1306
1307
1308
1309
1310
1311
1312
1313
1314
1315
1316
1317
1318
1319
1320
1321
1322
1323
1324
1325
1326
1327
1328
1329
1330
1331
1332
1333
1334
1335
1336
1337
1338
1339
1340
1341
1342
1343
1344
1345
1346
1347
1348
1349
1350
1351
1352
1353
1354
1355
1356
1357
1358
1359
1360
1361
1362
1363
1364
1365
1366
1367
1368
1369
1370
1371
1372
1373
1374
1375
1376
1377
1378
1379
1380
1381
1382
1383
1384
1385
1386
1387
1388
1389
1390
1391
1392
1393
1394
1395
1396
"""
CodeAgent v5 — agentní chat na HF Spaces (4× NVIDIA A100 80GB) s lokální
vLLM inference a runtime konfigurací bez restartu.

Novinky oproti v4:
- vLLM běží jako řízený subprocess (`vllm serve`, OpenAI-kompatibilní server)
  místo in-process vllm.LLM => nativní tool-calling a reasoning parsery,
  žádné ruční parsování <tool_call> tagů.
- NASTAVENÍ ZA BĚHU: tab „Nastavení" v UI + /admin/settings API. Změna modelu,
  kvantizace, TP, limitů agenta atd. NEVYŽADUJE restart Space — engine se
  přenačte na pozadí, aplikace (UI/API/health) běží nepřetržitě.
- Persistence nastavení: /data/settings.json (storage bucket) nebo .agent/.
- Modely: read-only volume mounty (/repos/<repo_id>) => žádné stahování
  velkých vah na 50GB ephemeral disk; fallback download přes hf_transfer.
- Watchdog: pád enginu => automatický restart (max 3×).
- Gradio 6, vLLM 0.25, huggingface_hub 1.x.

Zachováno: nástroje přes lokální runner, sub-agenti (explorer/coder/reviewer),
perzistentní paměť, OpenAI-kompatibilní /v1 API, hybrid fallback na HF router.
"""

import json
import logging
import os
import re
import time
import uuid
from threading import Thread

import gradio as gr
import requests
import uvicorn
from fastapi import FastAPI, HTTPException, Request, status
from fastapi.responses import JSONResponse
from starlette.concurrency import run_in_threadpool

from context import TokenStats, compact_messages, estimate_tokens
from engine import SERVED_MODEL_NAME, VLLMEngine, disk_free_gb
from presets import PRESETS, preset_choices, preset_settings
from settings import ENGINE_FIELDS, SettingsManager
from toolservers import CATALOG, ToolServerManager, search_registry

# ---------------------------------------------------------------- konfigurace

# Secrets zůstávají POUZE v env (HF Space Secrets) — nejsou v runtime settings,
# aby se nedaly vylistovat přes UI/API.
HF_TOKEN = os.environ.get("HF_TOKEN", "")
AGENT_API_TOKEN = os.environ.get("AGENT_API_TOKEN", "")
GRADIO_AUTH = os.environ.get("GRADIO_AUTH", "")

MEMORY_PATH = ".agent/memory.md"

LOG_LEVEL = os.environ.get("LOG_LEVEL", "INFO").upper()
LOG_FILE = os.environ.get("LOG_FILE", "/tmp/codeagent.log")
logging.basicConfig(
    level=getattr(logging, LOG_LEVEL, logging.INFO),
    format="%(asctime)s [%(levelname)s] %(name)s: %(message)s",
    handlers=[
        logging.FileHandler(LOG_FILE, encoding="utf-8"),
        logging.StreamHandler(),
    ],
)
logger = logging.getLogger("codeagent")

SETTINGS = SettingsManager()
ENGINE = VLLMEngine()
TOKENS = TokenStats()  # globální spotřeba od startu aplikace (/health, UI)
TOOL_SERVERS = ToolServerManager()  # externí MCP servery (runtime správa)

MAIN_PROMPT = """Jsi CodeAgent — orchestrátor a expertní softwarový inženýr.
Pracuješ v sandboxu workspaces/ na uživatelově počítači.

PRACOVNÍ POSTUP (dodržuj):
1. PLÁN — u netriviálních úloh nejdřív krátce vypiš plán kroků.
2. PRŮZKUM — než cokoli změníš, poznej kód: list_files, search_code,
   read_file (po částech). U velkých repozitářů deleguj průzkum:
   delegate_task(role="explorer", ...).
3. IMPLEMENTACE — malé ověřitelné kroky. U velkých souborů NIKDY
   nepřepisuj celý soubor; použij replace_in_file. Rozsáhlé samostatné
   podúlohy deleguj: delegate_task(role="coder", ...).
4. OVĚŘENÍ — spusť testy/lint/build. Před dokončením nech práci zkontrolovat:
   delegate_task(role="reviewer", ...).

PAMĚŤ:
- Na začátku úlohy zvaž recall() — může obsahovat kontext z minulých sezení.
- Důležitá rozhodnutí, konvence projektu a stav rozdělané práce ukládej
  přes remember(). Piš stručně a věcně.

BEZPEČNOST:
- Destruktivní operace (rm -rf, push --force, reset --hard) jen po
  explicitním souhlasu uživatele. Push jen na vyžádání.
- Odpovídej jazykem uživatele. Na konci shrň změny a jak je ověřit.
"""

SUB_PROMPTS = {
    "explorer": "Jsi průzkumný sub-agent (POUZE ČTENÍ). Prozkoumej zadanou část "
    "kódu/repozitáře a vrať strukturované shrnutí: architektura, klíčové soubory "
    "s cestami, relevantní funkce, závislosti. Buď hutný a konkrétní.",
    "coder": "Jsi implementační sub-agent. Proveď PŘESNĚ zadanou podúlohu, ověř ji "
    "(test/syntax) a vrať shrnutí: co jsi změnil (soubory + podstata), jak ověřeno, "
    "na co si dát pozor. Nedělej nic nad rámec zadání.",
    "reviewer": "Jsi review sub-agent (POUZE ČTENÍ). Zkontroluj uvedené změny: "
    "korektnost, edge-cases, bezpečnost, styl. Vrať seznam nálezů seřazený podle "
    "závažnosti, s cestou a řádkem. Pokud je vše OK, řekni to explicitně.",
}


# ---------------------------------------------------------------- LLM volání

class EngineNotReady(RuntimeError):
    pass


def _engine_unready_message() -> str:
    st = ENGINE.status_dict()
    if st["state"] == "starting":
        secs = st.get("loading_seconds") or 0
        return (f"Model `{st['model']}` se načítá ({secs}s). "
                f"Velké modely mohou startovat i několik minut — zkus to za chvíli.")
    if st["state"] == "error":
        return f"Engine je v chybovém stavu: {st.get('last_error') or 'neznámá chyba'}"
    return "Inference engine není spuštěný (viz tab Nastavení)."


_response_cache: dict = {}


def _cache_get(key: str, ttl: int):
    entry = _response_cache.get(key)
    if not entry or ttl <= 0:
        return None
    if time.time() - entry["ts"] > ttl:
        _response_cache.pop(key, None)
        return None
    return entry["value"]


def _cache_key(messages, tools) -> str:
    import hashlib
    data = json.dumps({
        "rev": SETTINGS.revision,
        "model": ENGINE.current_model,
        "messages": messages,
        "tools": [t.get("function", {}).get("name") for t in (tools or [])],
    }, ensure_ascii=False, sort_keys=True)
    return hashlib.sha256(data.encode("utf-8")).hexdigest()[:32]


def _kimi_api_call(messages, tools):
    from openai import OpenAI
    s = SETTINGS.get()
    client = OpenAI(base_url="https://router.huggingface.co/v1", api_key=HF_TOKEN)
    kwargs = dict(model=s.kimi_model, messages=messages,
                  max_tokens=s.max_output_tokens, temperature=s.temperature)
    if tools:
        kwargs["tools"] = tools
        kwargs["tool_choice"] = "auto"
    return client.chat.completions.create(**kwargs)


def _local_call(messages, tools):
    if not ENGINE.is_ready:
        raise EngineNotReady(_engine_unready_message())
    s = SETTINGS.get()
    client = ENGINE.openai_client()
    kwargs = dict(model=SERVED_MODEL_NAME, messages=messages,
                  max_tokens=s.max_output_tokens, temperature=s.temperature)
    if tools:
        kwargs["tools"] = tools
        kwargs["tool_choice"] = "auto"
    return client.chat.completions.create(**kwargs)


def _llm(messages, tools, prefer_api=False, use_cache=True, stats=None):
    """Jedno LLM volání. `stats` = per-turn TokenStats (globální TOKENS se
    plní vždy). Cache hity se do spotřeby nepočítají — nic nestály."""
    s = SETTINGS.get()
    key = _cache_key(messages, tools)
    if use_cache:
        cached = _cache_get(key, s.cache_ttl_seconds)
        if cached is not None:
            logger.info("Cache hit %s", key)
            return cached

    logger.info("LLM call mode=%s prefer_api=%s", s.agent_mode, prefer_api)
    if s.agent_mode == "hybrid" and prefer_api:
        source = "api"
        resp = _kimi_api_call(messages, tools)
    else:
        source = "local"
        resp = _local_call(messages, tools)

    usage = getattr(resp, "usage", None)
    TOKENS.add(source, usage)
    if stats is not None:
        stats.add(source, usage)

    if use_cache and s.cache_ttl_seconds > 0:
        _response_cache[key] = {"ts": time.time(), "value": resp}
    return resp


# ---------------------------------------------------------------- hybrid routing
#
# V hybrid módu rozhoduje o každé úloze router: jednoduché úlohy řeší rychlý
# lokální model, složité (architektura, deep debugging, security, plánování)
# jdou na velký API model (kimi_model přes HF router).
#
# router_mode = "ai": složitost klasifikuje SÁM lokální model (jedno levné
# volání, ~8 tokenů, temperature 0). Při chybě/nejednoznačnosti se spadne
# na statická keywords pravidla. router_mode = "keywords": jen pravidla.

ROUTER_PROMPT = """You are a complexity router for a coding agent. Decide which \
engine should handle the user's request:

LOCAL — fast local coding model. Choose for: routine implementation, reading or \
editing files, writing tests, small bug fixes, running commands, mechanical \
refactors, straightforward questions about code.

API — much larger remote model (slow, expensive). Choose ONLY for: system or \
architecture design, deep debugging / root-cause analysis across components, \
security audits, complex trade-off analysis, planning large multi-module \
refactors, ambiguous tasks that require heavy reasoning.

Answer with exactly one word: LOCAL or API."""

API_KEYWORDS = [
    "architektura", "architecture", "design", "root cause", "proč se to děje",
    "zranitelnost", "security", "best practice", "trade-off",
    "porovnej", "komplexní analýza", "deep debugging",
]


def _router_llm_call(messages) -> str:
    """Jedno levné volání lokálního modelu (oddělené kvůli testům)."""
    client = ENGINE.openai_client()
    resp = client.chat.completions.create(
        model=SERVED_MODEL_NAME, messages=messages,
        max_tokens=8, temperature=0.0)
    TOKENS.add("router", getattr(resp, "usage", None))
    return resp.choices[0].message.content or ""


def _ai_route(prompt: str) -> str | None:
    """AI klasifikace složitosti. None = nelze rozhodnout (použij fallback)."""
    if not ENGINE.is_ready:
        return None
    try:
        raw = _router_llm_call([
            {"role": "system", "content": ROUTER_PROMPT},
            {"role": "user", "content": prompt[:4000]},
        ]).strip().upper()
    except Exception as e:
        logger.warning("AI router selhal (%s) — fallback na keywords", e)
        return None
    api_pos = raw.find("API")
    local_pos = raw.find("LOCAL")
    if api_pos >= 0 and (local_pos < 0 or api_pos < local_pos):
        return "api"
    if local_pos >= 0:
        return "local"
    logger.warning("AI router: nejednoznačná odpověď %r — fallback", raw[:60])
    return None


def _keyword_route(prompt: str) -> str:
    p = prompt.lower()
    return "api" if any(k in p for k in API_KEYWORDS) else "local"


def _route_task(prompt: str) -> str:
    """Rozhodne local vs api. Pořadí: explicitní tagy > délka kontextu >
    AI router (router_mode=ai) > keywords."""
    s = SETTINGS.get()
    p = prompt.lower()
    if any(tag in p for tag in ("[kimi]", "@kimi", "[api]", "@api")):
        return "api"
    if "[qwen]" in p or "@qwen" in p or "[local]" in p:
        return "local"
    if len(prompt) > s.local_context_limit:
        return "api"
    if s.router_mode == "ai":
        decision = _ai_route(prompt)
        if decision:
            logger.info("AI router → %s (%s...)", decision, prompt[:60])
            return decision
    return _keyword_route(prompt)


# ---------------------------------------------------------------- runner klient

def _runner_post(path: str, method: str = "post", params: dict = None,
                 payload: dict = None) -> dict:
    s = SETTINGS.get()
    if not s.runner_url:
        return {"error": "runner_url není nastaveno (tab Nastavení nebo LOCAL_RUNNER_URL)."}
    url = f"{s.runner_url.rstrip('/')}{path}"
    kwargs = {"timeout": s.runner_timeout}
    if s.runner_token:
        kwargs["headers"] = {"Authorization": f"Bearer {s.runner_token}"}
    try:
        if method.lower() == "get":
            r = requests.get(url, params=params, **kwargs)
        else:
            r = requests.post(url, json=payload, **kwargs)
        if r.status_code != 200:
            return {"error": f"Runner HTTP {r.status_code}: {r.text[:500]}"}
        return r.json()
    except requests.RequestException as e:
        return {"error": f"Spojení s runnerem selhalo: {e}"}


def run_command(command: str, cwd: str = "") -> dict:
    return _runner_post("/execute", payload={"command": command, "cwd": cwd})


def git_command(args: str, cwd: str = "") -> dict:
    return _runner_post("/execute", payload={"command": f"git {args}", "cwd": cwd})


def read_file(path: str, start_line: int = 1, end_line: int = 0) -> dict:
    return _runner_post("/files/read", method="get",
                        params={"path": path, "start_line": start_line, "end_line": end_line})


def write_file(path: str, content: str) -> dict:
    return _runner_post("/files/write", payload={"path": path, "content": content})


def replace_in_file(path: str, old: str, new: str) -> dict:
    return _runner_post("/files/replace", payload={"path": path, "old": old, "new": new})


def search_code(pattern: str, path: str = ".", glob: str = "") -> dict:
    res = _runner_post("/files/grep", method="get", params={
        "query": pattern, "path": path, "regex": "true",
        "match_per_line": "true", "max_results": "50"})
    if "error" in res:
        return res
    return {"matches": res}


def list_files(path: str = ".") -> dict:
    return _runner_post("/files/list", method="get", params={"directory": path})


def remember(note: str) -> dict:
    stamp = time.strftime("%Y-%m-%d %H:%M")
    cur = _runner_post("/files/read", method="get", params={"path": MEMORY_PATH})
    content = cur.get("content", "") if "error" not in cur else "# CodeAgent memory\n"
    content += f"\n- [{stamp}] {note.strip()}"
    return _runner_post("/files/write", payload={"path": MEMORY_PATH, "content": content})


def recall() -> dict:
    res = _runner_post("/files/read", method="get", params={"path": MEMORY_PATH})
    if "error" in res:
        return {"memory": "(pamet je zatim prazdna)"}
    return {"memory": res.get("content", "")[-8000:]}


# ---------------------------------------------------------------- nástroje

def _tool(name, desc, props, required=None):
    return {
        "type": "function",
        "function": {
            "name": name,
            "description": desc,
            "parameters": {"type": "object", "properties": props, "required": required or []},
        },
    }


S = {"type": "string"}
I = {"type": "integer"}

BASE_TOOLS = [
    _tool("run_command", "Spusti shell prikaz v sandboxu workspaces/.",
          {"command": S, "cwd": S}, ["command"]),
    _tool("git_command", "Spusti git podprikaz (bez slova git), napr. 'status'.",
          {"args": S, "cwd": S}, ["args"]),
    _tool("read_file",
          "Precte soubor. U velkych souboru VZDY pouzij start_line/end_line "
          "(napr. 1-200) misto cteni celeho souboru.",
          {"path": S, "start_line": I, "end_line": I}, ["path"]),
    _tool("write_file", "Zapise NOVY soubor (u existujicich preferuj replace_in_file).",
          {"path": S, "content": S}, ["path", "content"]),
    _tool("replace_in_file",
          "Nahradi presny textovy usek v souboru (old musi byt v souboru prave "
          "jednou; pridej okolni radky pro jednoznacnost). Preferovany zpusob edits.",
          {"path": S, "old": S, "new": S}, ["path", "old", "new"]),
    _tool("search_code",
          "Fulltext/regex hledani v kodu. Vraci soubor:radek:text. Pouzivej pro "
          "orientaci ve velkych repozitarich misto cteni vseho.",
          {"pattern": S, "path": S, "glob": {"type": "string", "description": "napr. *.py"}},
          ["pattern"]),
    _tool("list_files", "Vypise adresar ve workspaces/.", {"path": S}),
]

READONLY = {"run_command", "git_command", "read_file", "search_code", "list_files"}

MEMORY_TOOLS = [
    _tool("remember", "Ulozi trvalou poznamku do pameti (rozhodnuti, konvence, stav prace).",
          {"note": S}, ["note"]),
    _tool("recall", "Nacte obsah trvale pameti.", {}),
]

DELEGATE_TOOL = _tool(
    "delegate_task",
    "Deleguje podulohu na sub-agenta s cistym kontextem. role: 'explorer' "
    "(pruzkum, jen cteni), 'coder' (implementace), 'reviewer' (kontrola, jen cteni). "
    "Zadej samostatne uzavrenou ulohu vc. potrebneho kontextu a cest.",
    {"role": {"type": "string", "enum": ["explorer", "coder", "reviewer"]},
     "task": S, "cwd": S},
    ["role", "task"],
)

TOOL_FUNCS = {
    "run_command": run_command, "git_command": git_command, "read_file": read_file,
    "write_file": write_file, "replace_in_file": replace_in_file,
    "search_code": search_code, "list_files": list_files,
    "remember": remember, "recall": recall,
}


def _exec_tool(name, args, allowed_names, stats=None):
    if name == "delegate_task":
        return run_subagent(args.get("role", "explorer"),
                            args.get("task", ""), args.get("cwd", ""),
                            stats=stats)
    if name.startswith("ext_"):
        # Externí MCP nástroje má jen hlavní agent ("external" v allowed).
        if "external" not in allowed_names:
            return {"error": "Externí nástroje nejsou v této roli povoleny."}
        return TOOL_SERVERS.call(name, args)
    if name not in allowed_names:
        return {"error": f"Nastroj {name} neni v teto roli povolen."}
    func = TOOL_FUNCS.get(name)
    if not func:
        return {"error": f"Neznamy nastroj {name}"}
    try:
        return func(**args)
    except TypeError as e:
        return {"error": f"Spatne argumenty: {e}"}


# ---------------------------------------------------------------- agent loop

def _context_budget(s) -> int:
    """Token budget kontextu: explicitní, nebo auto z max_model_len."""
    if s.context_budget_tokens > 0:
        return s.context_budget_tokens
    return max(4096, s.max_model_len - s.max_output_tokens - 2048)


def agent_loop(system_prompt, user_messages, tools, allowed_names,
               max_steps, yield_progress=False, prefer_api=False, stats=None):
    """Hlavní smyčka. Yielduje ("tool", text) | ("note", text) | ("final", text).

    `stats` (TokenStats) sbírá spotřebu tokenů celého běhu vč. sub-agentů.
    Před každým voláním se kontext hlídá proti budgetu a případně kompaktuje.
    """
    messages = [{"role": "system", "content": system_prompt}] + user_messages
    api_failover = False
    for _ in range(max_steps):
        s = SETTINGS.get()
        mode = s.agent_mode

        if s.context_compaction == "trim":
            messages, saved = compact_messages(
                messages, _context_budget(s),
                keep_last_steps=s.context_keep_last_steps,
                aged_chars=s.tool_result_aged_chars)
            if saved > 0:
                TOKENS.add_saved(saved)
                if stats is not None:
                    stats.add_saved(saved)
                if yield_progress:
                    yield ("note", f"🧹 Kontext zhutněn (~{saved} tokenů ušetřeno, "
                                   f"nyní ~{estimate_tokens(messages)} tok)")

        try:
            resp = _llm(messages, tools, prefer_api=prefer_api or api_failover,
                        stats=stats)
        except EngineNotReady as e:
            if mode == "hybrid" and HF_TOKEN:
                if yield_progress:
                    yield ("tool", f"⚠️ Lokální engine není připraven, přepínám na API: {e}")
                api_failover = True
                try:
                    resp = _llm(messages, tools, prefer_api=True, stats=stats)
                except Exception as e2:
                    yield ("final", f"❌ Chyba i u API fallbacku: {e2}")
                    return
            else:
                yield ("final", f"⏳ {e}")
                return
        except Exception as e:
            if mode == "hybrid" and not (prefer_api or api_failover):
                if yield_progress:
                    yield ("tool", f"⚠️ Lokální model selhal, přepínám na API: {e}")
                api_failover = True
                try:
                    resp = _llm(messages, tools, prefer_api=True, stats=stats)
                except Exception as e2:
                    yield ("final", f"❌ Chyba i u API fallbacku: {e2}")
                    return
            else:
                yield ("final", f"❌ Chyba LLM: {e}")
                return
        msg = resp.choices[0].message
        tool_calls = msg.tool_calls or []
        if not tool_calls:
            yield ("final", msg.content or "(prazdna odpoved)")
            return
        tcs = [{"id": tc.id, "type": "function",
                "function": {"name": tc.function.name, "arguments": tc.function.arguments}}
               for tc in tool_calls]
        messages.append({"role": "assistant", "content": msg.content or "", "tool_calls": tcs})
        for tc in tool_calls:
            try:
                args = json.loads(tc.function.arguments or "{}")
            except json.JSONDecodeError:
                args = {}
            result = _exec_tool(tc.function.name, args, allowed_names, stats=stats)
            if yield_progress:
                a = json.dumps(args, ensure_ascii=False)[:200]
                r = json.dumps(result, ensure_ascii=False)[:600]
                yield ("tool", f"🔧 **{tc.function.name}** `{a}`\n```json\n{r}\n```")
            messages.append({"role": "tool", "tool_call_id": tc.id,
                             "content": json.dumps(result, ensure_ascii=False)
                             [:s.tool_result_max_chars]})
    yield ("final", f"⚠️ Limit {max_steps} kroku dosazen.")


SUBAGENT_ROLES = ("explorer", "coder", "reviewer")


def subagent_config(role: str, s=None) -> dict | None:
    """Runtime konfigurace sub-agenta: enabled, step limit, prompt (override
    z nastavení, jinak výchozí). None = neznámá role."""
    if role not in SUBAGENT_ROLES:
        return None
    s = s or SETTINGS.get()
    return {
        "enabled": getattr(s, f"subagent_{role}_enabled"),
        "max_steps": getattr(s, f"max_{role}_steps"),
        "prompt": getattr(s, f"subagent_{role}_prompt").strip() or SUB_PROMPTS[role],
    }


def enabled_subagent_roles(s=None) -> list[str]:
    s = s or SETTINGS.get()
    return [r for r in SUBAGENT_ROLES if getattr(s, f"subagent_{r}_enabled")]


def run_subagent(role: str, task: str, cwd: str = "", stats=None) -> dict:
    cfg = subagent_config(role)
    if cfg is None:
        return {"error": f"Neznama role {role}"}
    if not cfg["enabled"]:
        return {"error": f"Sub-agent '{role}' je vypnuty v nastaveni — "
                         f"proved ulohu sam pomoci zakladnich nastroju."}
    allowed = READONLY if role in ("explorer", "reviewer") else set(TOOL_FUNCS) - {"remember", "recall"}
    tools = [t for t in BASE_TOOLS if t["function"]["name"] in allowed]
    user = [{"role": "user", "content": (f"Pracovni adresar: {cwd}\n\n" if cwd else "") + task}]
    final = "(bez vysledku)"
    steps = 0
    for kind, data in agent_loop(cfg["prompt"], user, tools, allowed,
                                 cfg["max_steps"], yield_progress=True,
                                 stats=stats):
        if kind == "tool":
            steps += 1
        elif kind == "final":
            final = data
    return {"role": role, "steps": steps, "result": final}


def _history_text(content) -> str:
    """Gradio 6 history: content je str NEBO list content-bloků."""
    if isinstance(content, str):
        return content
    if isinstance(content, list):
        parts = []
        for block in content:
            if isinstance(block, dict) and block.get("type") == "text":
                parts.append(block.get("text", ""))
            elif isinstance(block, str):
                parts.append(block)
        return "\n".join(p for p in parts if p)
    return ""


def build_main_messages(history, message):
    mem = recall().get("memory", "")
    msgs = []
    if mem and "prazdna" not in mem:
        msgs.append({"role": "system", "content": f"TRVALA PAMET:\n{mem}"})
    for t in history or []:
        if t.get("role") in ("user", "assistant"):
            text = _history_text(t.get("content"))
            if text:
                msgs.append({"role": t["role"], "content": text})
    msgs.append({"role": "user", "content": message})
    return msgs


MAIN_ALLOWED = set(TOOL_FUNCS) | {"external"}


def build_main_tools(s=None) -> list[dict]:
    """Nástroje hlavního agenta dle aktuální konfigurace: delegate_task
    nabízí jen zapnuté role (bez rolí se vynechá) + externí MCP nástroje."""
    roles = enabled_subagent_roles(s)
    tools = BASE_TOOLS + MEMORY_TOOLS
    if roles:
        delegate = json.loads(json.dumps(DELEGATE_TOOL))  # hluboká kopie
        delegate["function"]["parameters"]["properties"]["role"]["enum"] = roles
        tools = tools + [delegate]
    return tools + TOOL_SERVERS.openai_tools()


# ---------------------------------------------------------------- Gradio: chat

def _compact_tool_line(entry: str) -> str:
    """Z plného tool záznamu nechá jen první řádek (jméno + argumenty)."""
    return entry.split("\n", 1)[0]


def _stats_footer(stats: TokenStats) -> str:
    snap = stats.snapshot()
    if snap["calls"] == 0:
        return ""
    fmt = lambda n: f"{n:,}".replace(",", " ")  # noqa: E731
    parts = [f"📊 {snap['calls']}× LLM",
             f"vstup {fmt(snap['prompt_tokens'])} tok",
             f"výstup {fmt(snap['completion_tokens'])} tok",
             f"kontext {fmt(snap['last_context_tokens'])} tok"]
    if snap["saved_by_compaction_tokens"]:
        parts.append(f"🧹 kompakce ušetřila ~{fmt(snap['saved_by_compaction_tokens'])} tok")
    return "*" + " · ".join(parts) + "*"


def agent_chat(message, history):
    logger.info("agent_chat request: %s...", str(message)[:120])
    s = SETTINGS.get()
    if not s.runner_url:
        yield ("❌ Chybí runner_url — nastav ho v tabu Nastavení "
               "(nebo env LOCAL_RUNNER_URL).")
        return

    verbosity = s.chat_verbosity
    use_api = False
    clean_msg = message
    if s.agent_mode == "hybrid":
        use_api = _route_task(message) == "api"
        clean_msg = re.sub(r"\[(kimi|qwen|api|local)\]|@(kimi|qwen|api)", "",
                           message, flags=re.IGNORECASE).strip()

    stats = TokenStats()
    log = []
    steps = 0
    final_text = "(prazdna odpoved)"
    msgs = build_main_messages(history or [], clean_msg or message)
    for kind, data in agent_loop(MAIN_PROMPT, msgs, build_main_tools(s),
                                 MAIN_ALLOWED, s.max_steps,
                                 yield_progress=True, prefer_api=use_api,
                                 stats=stats):
        if kind in ("tool", "note"):
            if kind == "tool":
                steps += 1
            if verbosity == "full":
                log.append(data)
                yield "\n\n".join(log + ["⏳ pracuji..."])
            elif verbosity == "compact":
                log.append(_compact_tool_line(data))
                yield "\n".join(log) + "\n\n⏳ pracuji..."
            else:  # final — jen nenápadný heartbeat
                label = data.split("**")[1] if data.count("**") >= 2 else ""
                yield f"⏳ pracuji… (krok {steps}{': ' + label if label else ''})"
        elif kind == "final":
            final_text = data

    parts = []
    if log:
        parts.append("\n\n".join(log) if verbosity == "full" else "\n".join(log))
    parts.append(final_text)
    footer = _stats_footer(stats) if verbosity != "final" else ""
    if footer:
        parts.append("---\n" + footer)
    yield "\n\n".join(parts)


# ---------------------------------------------------------------- Gradio: nastavení

# (name, label, typ komponenty) — pořadí = pořadí vstupů apply handleru
ENGINE_FORM = [
    ("model", "Model (HF repo id / cesta / /repos mount)", "text"),
    ("model_revision", "Revize modelu (commit/tag, prázdné = latest)", "text"),
    ("download_dir", "Download adresář vah (prázdné = auto; bucket např. /data/models)", "text"),
    ("tensor_parallel_size", "Tensor parallel (počet GPU)", "int"),
    ("gpu_memory_utilization", "GPU memory utilization", "float"),
    ("max_model_len", "Max délka kontextu", "int"),
    ("quantization", "Kvantizace", ("dropdown", ["auto", "none", "fp8", "awq", "awq_marlin", "gptq_marlin", "bitsandbytes"])),
    ("dtype", "Dtype", ("dropdown", ["auto", "bfloat16", "float16", "float32"])),
    ("kv_cache_dtype", "KV cache dtype", ("dropdown", ["auto", "fp8", "fp8_e5m2", "fp8_e4m3"])),
    ("enforce_eager", "Enforce eager (vypnout CUDA graphs)", "bool"),
    ("enable_prefix_caching", "Prefix caching", "bool"),
    ("max_num_seqs", "Max souběžných sekvencí (0 = default)", "int"),
    ("tool_call_parser", "Tool-call parser (auto = podle modelu)", "text"),
    ("reasoning_parser", "Reasoning parser (auto = podle modelu)", "text"),
    ("engine_extra_args", "Extra vLLM argumenty", "text"),
]

AGENT_FORM = [
    ("agent_mode", "Režim", ("dropdown", ["single", "hybrid"])),
    ("router_mode", "Hybrid routing (ai = klasifikuje lokální model)",
     ("dropdown", ["ai", "keywords"])),
    ("kimi_model", "API model (hybrid fallback)", "text"),
    ("local_context_limit", "Limit kontextu pro lokální model (hybrid)", "int"),
    ("temperature", "Temperature", "float"),
    ("max_output_tokens", "Max output tokenů", "int"),
    ("max_steps", "Max kroků hlavního agenta", "int"),
    ("chat_verbosity", "Výřečnost chatu (full/compact/final)",
     ("dropdown", ["full", "compact", "final"])),
    ("runner_url", "Runner URL", "text"),
    ("runner_token", "Runner token", "password"),
    ("runner_timeout", "Runner timeout (s)", "int"),
    ("cache_ttl_seconds", "Cache TTL (s, 0 = vypnuto)", "int"),
    ("log_level", "Log level", ("dropdown", ["DEBUG", "INFO", "WARNING", "ERROR"])),
]

# Per-role konfigurace sub-agentů — v UI vykresleno jako 3 sloupce.
SUBAGENT_FORM = [
    ("subagent_explorer_enabled", "Explorer zapnut", "bool"),
    ("max_explorer_steps", "Explorer: max kroků", "int"),
    ("subagent_explorer_prompt", "Explorer: vlastní prompt (prázdné = výchozí)", "multiline"),
    ("subagent_coder_enabled", "Coder zapnut", "bool"),
    ("max_coder_steps", "Coder: max kroků", "int"),
    ("subagent_coder_prompt", "Coder: vlastní prompt (prázdné = výchozí)", "multiline"),
    ("subagent_reviewer_enabled", "Reviewer zapnut", "bool"),
    ("max_reviewer_steps", "Reviewer: max kroků", "int"),
    ("subagent_reviewer_prompt", "Reviewer: vlastní prompt (prázdné = výchozí)", "multiline"),
]

CONTEXT_FORM = [
    ("context_compaction", "Kompakce kontextu", ("dropdown", ["trim", "off"])),
    ("context_budget_tokens", "Token budget kontextu (0 = auto z max_model_len)", "int"),
    ("context_keep_last_steps", "Posledních N bloků vždy v plném znění", "int"),
    ("tool_result_max_chars", "Max znaků výsledku nástroje", "int"),
    ("tool_result_aged_chars", "Znaků po zestárnutí výsledku", "int"),
]

ALL_FORM = ENGINE_FORM + AGENT_FORM + SUBAGENT_FORM + CONTEXT_FORM
FORM_FIELD_NAMES = [f[0] for f in ALL_FORM]


def _build_component(name, label, kind):
    value = SETTINGS.as_dict().get(name)
    if kind == "int" or kind == "float":
        return gr.Number(label=label, value=value, precision=None if kind == "float" else 0)
    if kind == "bool":
        return gr.Checkbox(label=label, value=bool(value))
    if kind == "password":
        return gr.Textbox(label=label, value=str(value or ""), type="password")
    if kind == "multiline":
        return gr.Textbox(label=label, value=str(value or ""), lines=3)
    if isinstance(kind, tuple) and kind[0] == "dropdown":
        choices = kind[1]
        if value not in choices and value not in (None, ""):
            choices = [value] + choices
        return gr.Dropdown(label=label, choices=choices, value=value)
    return gr.Textbox(label=label, value=str(value or ""))


def engine_status_markdown() -> str:
    st = ENGINE.status_dict()
    icons = {"ready": "🟢", "starting": "🟡", "error": "🔴", "stopped": "⚪"}
    icon = icons.get(st["state"], "⚪")
    lines = [f"### {icon} Engine: `{st['state']}`"]
    if st.get("model"):
        src = st.get("model_source") or "?"
        lines.append(f"**Model:** `{st['model']}` (zdroj: {src})")
    if st.get("tensor_parallel_clamped_from"):
        lines.append(f"⚠️ **TP sníženo {st['tensor_parallel_clamped_from']} → "
                     f"{st['effective_tensor_parallel']}** — detekováno jen "
                     f"{st['detected_gpus']} GPU. Zkontroluj hardware Space "
                     f"(`space_ctl.py hardware`).")
    if st.get("download_dir"):
        free = st.get("download_dir_free_gb")
        free_txt = f" · volno {free} GB" if free is not None else ""
        lines.append(f"**Download dir:** `{st['download_dir']}`{free_txt}")
    if st.get("loading_seconds"):
        lines.append(f"**Načítání:** {st['loading_seconds']} s")
    if st.get("uptime_seconds"):
        lines.append(f"**Uptime:** {st['uptime_seconds']} s")
    if st.get("last_error"):
        err = st["last_error"][:600]
        lines.append(f"**Chyba:**\n```\n{err}\n```")
    lines.append(f"**Disk volný:** {disk_free_gb('/')} GB · "
                 f"**Nastavení rev:** {SETTINGS.revision}")
    snap = TOKENS.snapshot()
    if snap["calls"]:
        fmt = lambda n: f"{n:,}".replace(",", " ")  # noqa: E731
        saved = (f" · 🧹 ušetřeno ~{fmt(snap['saved_by_compaction_tokens'])}"
                 if snap["saved_by_compaction_tokens"] else "")
        lines.append(f"**Tokeny (od startu):** {snap['calls']}× LLM · "
                     f"vstup {fmt(snap['prompt_tokens'])} · "
                     f"výstup {fmt(snap['completion_tokens'])} · "
                     f"poslední kontext {fmt(snap['last_context_tokens'])}{saved}")
    return "\n\n".join(lines)


def _apply_settings(*values):
    changes = dict(zip(FORM_FIELD_NAMES, values))
    # Number komponenty vrací float — int pole zpět na int
    applied, engine_reload, errors = SETTINGS.update(changes)
    parts = []
    if applied:
        shown = {k: ("***" if k == "runner_token" else v) for k, v in applied.items()}
        parts.append(f"✅ Uloženo: `{json.dumps(shown, ensure_ascii=False)}`")
    else:
        parts.append("ℹ️ Žádná změna.")
    if errors:
        parts.append(f"❌ Chyby: `{json.dumps(errors, ensure_ascii=False)}`")
    if engine_reload:
        s = SETTINGS.get()
        ENGINE.remember_settings(s)
        ENGINE.reload(s)
        parts.append("🔄 Změny vyžadují reload enginu — **probíhá na pozadí**, "
                     "Space se nerestartuje. Sleduj stav výše.")
    elif applied:
        parts.append("⚡ Změny platí okamžitě (bez reloadu).")
    return "\n\n".join(parts), engine_status_markdown()


def _apply_preset(preset_key):
    if not preset_key:
        return "ℹ️ Vyber preset.", *[gr.update() for _ in ALL_FORM]
    changes = preset_settings(preset_key)
    info = PRESETS[preset_key]
    updates = []
    current = SETTINGS.as_dict()
    for name in FORM_FIELD_NAMES:
        if name in changes:
            updates.append(gr.update(value=changes[name]))
        else:
            updates.append(gr.update(value=current.get(name)))
    note = (f"📦 Preset **{info['label']}** předvyplněn "
            f"(~{info['weights_gb']} GB vah). {info['notes']}\n\n"
            f"Ulož tlačítkem **Uložit a aplikovat**.")
    return note, *updates


def _engine_reload_now():
    s = SETTINGS.get()
    ENGINE.remember_settings(s)
    ENGINE.reload(s)
    return "🔄 Reload enginu spuštěn na pozadí.", engine_status_markdown()


def _engine_stop():
    ENGINE.stop()
    return "⏹️ Engine zastaven.", engine_status_markdown()


def _refresh_form():
    current = SETTINGS.as_dict()
    return [gr.update(value=current.get(name)) for name in FORM_FIELD_NAMES]


# ---------------------------------------------------------------- Gradio: externí nástroje

def _toolservers_status_md() -> str:
    rows = TOOL_SERVERS.list()
    if not rows:
        return ("Žádné externí servery. Přidej server z katalogu níže, nebo "
                "vyhledej v oficiálním registru.")
    lines = ["| Server | Stav | Nástroje | Zapnut |", "|---|---|---|---|"]
    for r in rows:
        icon = {"ok": "🟢", "error": "🔴"}.get(r["status"], "⚪")
        detail = f" — `{r['error'][:80]}`" if r.get("error") else ""
        names = ", ".join(r["tool_names"][:8])
        if len(r["tool_names"]) > 8:
            names += ", …"
        lines.append(f"| **{r['name']}**<br>`{r['url']}` | {icon} {r['status']}{detail} "
                     f"| {r['tools']}: {names} | {'✅' if r['enabled'] else '⛔'} |")
    return "\n".join(lines)


def _catalog_md() -> str:
    lines = ["**Ověřené veřejné servery** (připoj jedním kliknutím — vyplní formulář):"]
    for s in CATALOG["servers"]:
        lines.append(f"- `{s['url']}` — **{s['name']}**: {s['desc']}")
    lines.append("\n**Registry a adresáře pro hledání dalších:**")
    for r in CATALOG["registries"]:
        lines.append(f"- [{r['name']}]({r['url']}) — {r['desc']}")
    lines.append("\n⚠️ Výstupy externích nástrojů jsou nedůvěryhodná data — "
                 "připojuj jen servery, kterým věříš.")
    return "\n".join(lines)


def _ts_add(name, url, token, allowed_tools, enabled, timeout):
    try:
        TOOL_SERVERS.add_or_update(name=name, url=url, token=token or "",
                                   enabled=bool(enabled),
                                   allowed_tools=allowed_tools or "",
                                   timeout=int(timeout or 60))
        server = [s for s in TOOL_SERVERS.list() if s["name"] == name.strip().lower().replace("-", "_")] \
            or TOOL_SERVERS.list()
        st = server[0]["status"] if server else "?"
        msg = f"✅ Server uložen a obnoven (stav: {st}). Nástroje jsou agentovi dostupné okamžitě."
    except Exception as e:  # noqa: BLE001 — chybu ukazujeme v UI
        msg = f"❌ {e}"
    return msg, _toolservers_status_md()


def _ts_remove(name):
    ok = TOOL_SERVERS.remove(name.strip().lower().replace("-", "_"))
    return ("🗑️ Server odebrán." if ok else "ℹ️ Server nenalezen."), _toolservers_status_md()


def _ts_refresh_all():
    results = TOOL_SERVERS.refresh()
    return f"🔄 Obnoveno: `{json.dumps(results, ensure_ascii=False)}`", _toolservers_status_md()


def _ts_registry_search(query):
    query = (query or "").strip()
    if not query:
        return "ℹ️ Zadej hledaný výraz."
    try:
        results = search_registry(query, limit=10)
    except Exception as e:  # noqa: BLE001
        return f"❌ Registr nedostupný: {e}"
    if not results:
        return f"Nic nenalezeno pro `{query}` (jen servery s HTTP endpointem)."
    lines = [f"Nalezeno v [oficiálním registru](https://registry.modelcontextprotocol.io) "
             f"(jen remote/HTTP):"]
    for r in results:
        lines.append(f"- **{r['name']}** — {r['description']}\n"
                     f"  - URL: {' · '.join('`' + u + '`' for u in r['urls'])}")
    lines.append("\nZkopíruj URL do formuláře výše a ulož.")
    return "\n".join(lines)


# ---------------------------------------------------------------- Gradio UI

with gr.Blocks(title="CodeAgent v5") as demo:
    gr.Markdown("# 🛠️ CodeAgent v5 — lokální vLLM na 4×A100, nastavení za běhu")

    with gr.Tabs():
        with gr.Tab("💬 Chat"):
            status_bar = gr.Markdown(value=engine_status_markdown)
            gr.ChatInterface(
                fn=agent_chat,
                api_name="chat",
                examples=[
                    "Prozkoumej repo my-project (deleguj na explorera) a shrň architekturu.",
                    "[kimi] Navrhni architekturu datové pipeline pro náš nový projekt.",
                    "Zapamatuj si: v projektu my-project používáme pytest a black.",
                    "Najdi v my-project všechna použití funkce parse_config a refaktoruj ji.",
                    "Co si pamatuješ z minulých sezení?",
                ],
            )

        with gr.Tab("⚙️ Nastavení"):
            gr.Markdown(
                "Změny se aplikují **za běhu** — Space se nerestartuje. "
                "Pole enginu (model, kvantizace, …) vyvolají reload vLLM na pozadí; "
                "ostatní platí okamžitě. Nastavení se persistuje do "
                "`/data/settings.json` (bucket) nebo `.agent/settings.json`."
            )
            settings_status = gr.Markdown(value=engine_status_markdown)
            result_md = gr.Markdown()

            with gr.Row():
                preset_dd = gr.Dropdown(label="📦 Preset pro 4×A100 (320 GB VRAM)",
                                        choices=preset_choices(), value=None)
                preset_btn = gr.Button("Předvyplnit preset")

            components = {}
            with gr.Accordion("🧠 Inference engine (reload za běhu)", open=True):
                with gr.Row():
                    with gr.Column():
                        for name, label, kind in ENGINE_FORM[:7]:
                            components[name] = _build_component(name, label, kind)
                    with gr.Column():
                        for name, label, kind in ENGINE_FORM[7:]:
                            components[name] = _build_component(name, label, kind)
            with gr.Accordion("🤖 Agent, runner a ostatní (platí okamžitě)", open=False):
                with gr.Row():
                    with gr.Column():
                        for name, label, kind in AGENT_FORM[:7]:
                            components[name] = _build_component(name, label, kind)
                    with gr.Column():
                        for name, label, kind in AGENT_FORM[7:]:
                            components[name] = _build_component(name, label, kind)

            with gr.Accordion("🤝 Sub-agenti (platí okamžitě)", open=False):
                gr.Markdown("Vypnutá role zmizí z nabídky `delegate_task`; "
                            "vlastní prompt nahradí výchozí systémový prompt role.")
                with gr.Row():
                    for start in (0, 3, 6):  # sloupec na roli
                        with gr.Column():
                            for name, label, kind in SUBAGENT_FORM[start:start + 3]:
                                components[name] = _build_component(name, label, kind)

            with gr.Accordion("🧮 Kontext a tokeny (platí okamžitě)", open=False):
                gr.Markdown("Kompakce drží kontext pod budgetem: staré výsledky "
                            "nástrojů se zkrátí, nejstarší kroky se vypustí se "
                            "souhrnnou poznámkou. Systémový prompt, zadání a "
                            "posledních N bloků zůstává vždy celé.")
                with gr.Row():
                    with gr.Column():
                        for name, label, kind in CONTEXT_FORM[:3]:
                            components[name] = _build_component(name, label, kind)
                    with gr.Column():
                        for name, label, kind in CONTEXT_FORM[3:]:
                            components[name] = _build_component(name, label, kind)

            form_inputs = [components[n] for n in FORM_FIELD_NAMES]

            with gr.Row():
                apply_btn = gr.Button("💾 Uložit a aplikovat", variant="primary")
                reload_btn = gr.Button("🔄 Reload enginu")
                stop_btn = gr.Button("⏹️ Stop engine")
                refresh_btn = gr.Button("↩️ Načíst uložené hodnoty")

            # Při každém načtení stránky naplnit formulář AKTUÁLNÍMI hodnotami
            # (jinak by po změně přes API/jiný prohlížeč viselo staré nastavení
            # a „Uložit" by ho nechtěně vrátilo zpět).
            demo.load(_refresh_form, outputs=form_inputs)

            apply_btn.click(_apply_settings, inputs=form_inputs,
                            outputs=[result_md, settings_status])
            preset_btn.click(_apply_preset, inputs=[preset_dd],
                             outputs=[result_md] + form_inputs)
            reload_btn.click(_engine_reload_now, outputs=[result_md, settings_status])
            stop_btn.click(_engine_stop, outputs=[result_md, settings_status])
            refresh_btn.click(_refresh_form, outputs=form_inputs)

            status_timer = gr.Timer(5)
            status_timer.tick(lambda: (engine_status_markdown(), engine_status_markdown()),
                              outputs=[settings_status, status_bar])

        with gr.Tab("🧰 Externí nástroje"):
            gr.Markdown(
                "Připoj **MCP servery** (Model Context Protocol, Streamable HTTP) "
                "— jejich nástroje dostane hlavní agent okamžitě, bez restartu. "
                "Správa i volání probíhají za běhu; token se ukládá maskovaně."
            )
            ts_status = gr.Markdown(value=_toolservers_status_md)
            ts_result = gr.Markdown()

            with gr.Row():
                with gr.Column():
                    ts_name = gr.Textbox(label="Jméno (krátké, bez mezer)", value="")
                    ts_url = gr.Textbox(label="URL (…/mcp endpoint)", value="")
                    ts_token = gr.Textbox(label="Bearer token (volitelné)",
                                          type="password", value="")
                with gr.Column():
                    ts_allowed = gr.Textbox(
                        label="Povolené nástroje (čárkami; prázdné = všechny)", value="")
                    ts_enabled = gr.Checkbox(label="Zapnut", value=True)
                    ts_timeout = gr.Number(label="Timeout (s)", value=60, precision=0)
            with gr.Row():
                ts_add_btn = gr.Button("💾 Přidat / aktualizovat", variant="primary")
                ts_remove_btn = gr.Button("🗑️ Odebrat (dle jména)")
                ts_refresh_btn = gr.Button("🔄 Obnovit nástroje všech")

            with gr.Accordion("🔎 Hledat v oficiálním MCP registru", open=False):
                with gr.Row():
                    ts_query = gr.Textbox(label="Hledat servery (např. github, postgres, browser)")
                    ts_search_btn = gr.Button("Hledat")
                ts_search_out = gr.Markdown()

            with gr.Accordion("📚 Katalog ověřených zdrojů", open=False):
                gr.Markdown(value=_catalog_md)

            ts_add_btn.click(_ts_add,
                             inputs=[ts_name, ts_url, ts_token, ts_allowed,
                                     ts_enabled, ts_timeout],
                             outputs=[ts_result, ts_status])
            ts_remove_btn.click(_ts_remove, inputs=[ts_name],
                                outputs=[ts_result, ts_status])
            ts_refresh_btn.click(_ts_refresh_all, outputs=[ts_result, ts_status])
            ts_search_btn.click(_ts_registry_search, inputs=[ts_query],
                                outputs=[ts_search_out])

        with gr.Tab("📜 Logy"):
            log_box = gr.Textbox(label="vLLM engine log (tail)", lines=24,
                                 value=lambda: ENGINE.log_tail(80))
            app_log_box = gr.Textbox(label="Aplikační log (tail)", lines=12)
            log_refresh = gr.Button("Obnovit")

            def _read_app_log():
                try:
                    with open(LOG_FILE, encoding="utf-8", errors="replace") as f:
                        return "".join(f.readlines()[-60:])
                except OSError:
                    return "(log nedostupný)"

            log_refresh.click(lambda: (ENGINE.log_tail(80), _read_app_log()),
                              outputs=[log_box, app_log_box])


# ---------------------------------------------------------------- FastAPI

api = FastAPI(title="CodeAgent API", docs_url=None, redoc_url=None, openapi_url=None)


def _cuda_info() -> dict:
    try:
        import torch
        return {"available": torch.cuda.is_available(),
                "devices": torch.cuda.device_count() if torch.cuda.is_available() else 0}
    except Exception:
        return {"available": False, "devices": 0}


@api.get("/health")
async def health():
    s = SETTINGS.get()
    return JSONResponse(status_code=status.HTTP_200_OK, content={
        "status": "ok",
        "mode": s.agent_mode,
        "model": s.model,
        "kimi_model": s.kimi_model if s.agent_mode == "hybrid" else None,
        "engine": ENGINE.status_dict(),
        "runner_configured": bool(s.runner_url),
        "api_token_configured": bool(AGENT_API_TOKEN),
        "cuda": _cuda_info(),
        "disk_free_gb": disk_free_gb("/"),
        "settings_revision": SETTINGS.revision,
        "cache_entries": len(_response_cache),
        "tokens": TOKENS.snapshot(),
        "tool_servers": TOOL_SERVERS.summary(),
    })


def _check_api_auth(request: Request):
    if not AGENT_API_TOKEN:
        raise HTTPException(503, "AGENT_API_TOKEN neni nastaven.")
    if request.headers.get("Authorization", "") != f"Bearer {AGENT_API_TOKEN}":
        raise HTTPException(401, "Neplatny API token.")


# ---- admin: runtime nastavení bez restartu ----

@api.get("/admin/settings")
async def admin_get_settings(request: Request):
    _check_api_auth(request)
    return {"settings": SETTINGS.as_dict(), "revision": SETTINGS.revision,
            "engine_fields": sorted(ENGINE_FIELDS)}


@api.post("/admin/settings")
async def admin_post_settings(request: Request, reload: bool = True):
    _check_api_auth(request)
    body = await request.json()
    if not isinstance(body, dict):
        raise HTTPException(400, "Očekávám JSON objekt {pole: hodnota}.")
    applied, engine_reload, errors = SETTINGS.update(body)
    reload_started = False
    if engine_reload and reload:
        s = SETTINGS.get()
        ENGINE.remember_settings(s)
        await run_in_threadpool(ENGINE.reload, s)
        reload_started = True
    return {"applied": {k: ("***" if k == "runner_token" else v) for k, v in applied.items()},
            "errors": errors,
            "engine_reload_needed": engine_reload,
            "engine_reload_started": reload_started,
            "revision": SETTINGS.revision}


@api.get("/admin/engine/status")
async def admin_engine_status(request: Request):
    _check_api_auth(request)
    return ENGINE.status_dict()


@api.post("/admin/engine/reload")
async def admin_engine_reload(request: Request):
    _check_api_auth(request)
    s = SETTINGS.get()
    ENGINE.remember_settings(s)
    await run_in_threadpool(ENGINE.reload, s)
    return {"status": "reload_started", "model": s.model}


@api.post("/admin/engine/stop")
async def admin_engine_stop(request: Request):
    _check_api_auth(request)
    await run_in_threadpool(ENGINE.stop)
    return {"status": "stopped"}


@api.get("/admin/logs")
async def admin_logs(request: Request, source: str = "engine", lines: int = 80):
    _check_api_auth(request)
    lines = max(1, min(lines, 500))
    if source == "engine":
        return {"source": "engine", "log": ENGINE.log_tail(lines)}
    try:
        with open(LOG_FILE, encoding="utf-8", errors="replace") as f:
            content = "".join(f.readlines()[-lines:])
    except OSError as e:
        content = f"(chyba: {e})"
    return {"source": "app", "log": content}


@api.get("/admin/presets")
async def admin_presets(request: Request):
    _check_api_auth(request)
    return {"presets": PRESETS}


# ---- externí tool servery (MCP) ----

@api.get("/admin/toolservers")
async def admin_toolservers_list(request: Request):
    _check_api_auth(request)
    return {"servers": TOOL_SERVERS.list(), "summary": TOOL_SERVERS.summary()}


@api.post("/admin/toolservers")
async def admin_toolservers_add(request: Request):
    _check_api_auth(request)
    body = await request.json()
    try:
        await run_in_threadpool(
            TOOL_SERVERS.add_or_update,
            body.get("name", ""), body.get("url", ""),
            body.get("token", ""), bool(body.get("enabled", True)),
            body.get("allowed_tools", ""), int(body.get("timeout", 60)))
    except (ValueError, TypeError) as e:
        raise HTTPException(400, str(e))
    return {"servers": TOOL_SERVERS.list(), "summary": TOOL_SERVERS.summary()}


@api.post("/admin/toolservers/delete")
async def admin_toolservers_delete(request: Request):
    _check_api_auth(request)
    body = await request.json()
    removed = TOOL_SERVERS.remove(body.get("name", ""))
    if not removed:
        raise HTTPException(404, "Server nenalezen")
    return {"servers": TOOL_SERVERS.list()}


@api.post("/admin/toolservers/refresh")
async def admin_toolservers_refresh(request: Request):
    _check_api_auth(request)
    body = {}
    try:
        body = await request.json()
    except Exception:  # noqa: BLE001 — prázdné tělo = obnovit vše
        pass
    results = await run_in_threadpool(TOOL_SERVERS.refresh, body.get("name"))
    return {"results": results, "servers": TOOL_SERVERS.list()}


@api.get("/admin/toolservers/registry")
async def admin_toolservers_registry(request: Request, q: str, limit: int = 10):
    _check_api_auth(request)
    try:
        results = await run_in_threadpool(search_registry, q, min(limit, 30))
    except Exception as e:  # noqa: BLE001
        raise HTTPException(502, f"Registr nedostupný: {e}")
    return {"query": q, "results": results}


@api.get("/admin/toolservers/catalog")
async def admin_toolservers_catalog(request: Request):
    _check_api_auth(request)
    return CATALOG


# ---- OpenAI-kompatibilní API ----

@api.get("/v1/models")
async def models(request: Request):
    _check_api_auth(request)
    now = int(time.time())
    return {"object": "list", "data": [
        {"id": "code-agent", "object": "model", "created": now, "owned_by": "codeagent"},
        {"id": SERVED_MODEL_NAME, "object": "model", "created": now, "owned_by": "codeagent"},
    ]}


@api.post("/v1/chat/completions")
async def chat_completions(request: Request):
    _check_api_auth(request)
    body = await request.json()
    requested_model = body.get("model", "code-agent")
    raw = body.get("messages", [])
    logger.info("API /v1/chat/completions model=%s", requested_model)

    # Passthrough: přímý přístup k lokálnímu modelu bez agentní smyčky.
    if requested_model in (SERVED_MODEL_NAME, "raw", "vllm"):
        if not ENGINE.is_ready:
            raise HTTPException(503, _engine_unready_message())
        s = SETTINGS.get()
        client = ENGINE.openai_client()
        kwargs = dict(model=SERVED_MODEL_NAME, messages=raw,
                      max_tokens=body.get("max_tokens", s.max_output_tokens),
                      temperature=body.get("temperature", s.temperature))
        if body.get("tools"):
            kwargs["tools"] = body["tools"]
            kwargs["tool_choice"] = body.get("tool_choice", "auto")
        resp = await run_in_threadpool(lambda: client.chat.completions.create(**kwargs))
        TOKENS.add("passthrough", getattr(resp, "usage", None))
        return json.loads(resp.model_dump_json())

    history = [{"role": m["role"], "content": m["content"]}
               for m in raw[:-1]
               if m.get("role") in ("user", "assistant") and isinstance(m.get("content"), str)]
    last = raw[-1]["content"] if raw else ""
    if isinstance(last, list):
        last = " ".join(b.get("text", "") for b in last if isinstance(b, dict))

    s = SETTINGS.get()
    use_api = s.agent_mode == "hybrid" and _route_task(last) == "api"
    msgs = build_main_messages(history, last)

    stats = TokenStats()

    def _run_agent():
        log, final = [], ""
        for kind, data in agent_loop(MAIN_PROMPT, msgs, build_main_tools(s),
                                     MAIN_ALLOWED, s.max_steps,
                                     yield_progress=True, prefer_api=use_api,
                                     stats=stats):
            if kind in ("tool", "note"):
                log.append(data)
            elif kind == "final":
                final = data
        return log, final

    # Blokující inference nesmí zamrazit event loop (jinak neodpovídá /health).
    log, final = await run_in_threadpool(_run_agent)
    if s.chat_verbosity == "full" and log:
        content = "\n\n".join(log) + "\n\n---\n\n" + final
    elif s.chat_verbosity == "compact" and log:
        content = "\n".join(_compact_tool_line(x) for x in log) + "\n\n---\n\n" + final
    else:
        content = final
    snap = stats.snapshot()
    return {
        "id": f"chatcmpl-{uuid.uuid4().hex[:12]}",
        "object": "chat.completion",
        "created": int(time.time()),
        "model": "code-agent",
        "choices": [{"index": 0, "finish_reason": "stop",
                     "message": {"role": "assistant", "content": content}}],
        "usage": {"prompt_tokens": snap["prompt_tokens"],
                  "completion_tokens": snap["completion_tokens"],
                  "total_tokens": snap["total_tokens"]},
    }


app = gr.mount_gradio_app(
    api, demo, path="/",
    auth=tuple(GRADIO_AUTH.split(":", 1)) if GRADIO_AUTH else None,
    theme=gr.themes.Soft(),
    ssr_mode=False,
)


# ---------------------------------------------------------------- start enginu

PRELOAD_MODEL = os.environ.get("PRELOAD_MODEL", "1").lower() in ("1", "true", "yes")


def _preload():
    import shutil as _shutil
    binary = os.environ.get("VLLM_BINARY", "vllm")
    if _shutil.which(binary) is None:
        logger.warning("vLLM binárka '%s' nenalezena — engine nespuštěn "
                       "(vývojový režim bez GPU).", binary)
        return
    s = SETTINGS.get()
    ENGINE.remember_settings(s)
    ENGINE.start(s)


if PRELOAD_MODEL:
    Thread(target=_preload, daemon=True, name="engine-preload").start()


if __name__ == "__main__":
    uvicorn.run(app, host="0.0.0.0", port=int(os.environ.get("PORT", "7860")))