app.py

import cohere
import numpy as np
from pgvector.psycopg import register_vector, Bit
import psycopg2
import asyncio
import gradio as gr
from pathlib import Path
from typing import Annotated
from autogen import AssistantAgent, UserProxyAgent
from autogen.coding import LocalCommandLineCodeExecutor
from autogen import ConversableAgent
from autogen import register_function
import mysql.connector
import random
import requests
from groq import Groq
from dotenv import load_dotenv
import os
import json

tool_resp = ""

load_dotenv(verbose=True)

conn = mysql.connector.connect(
        host=os.environ.get("HOST"),
        user=os.environ.get("USER_NAME"),
        password=os.environ.get("PASSWORD"),
        port=os.environ.get("PORT"),
        database=os.environ.get("DB"),
        ssl_disabled=True
    )

cursor = conn.cursor(dictionary=True)

def get_api_keys():
    #token = get_rounrobin()
    token = os.environ["GROQ_API_KEY"]
    return token

# Configure Groq
config_list = [{
    "model": "llama-3.3-70b-versatile",
    "api_key": os.environ["GROQ_API_KEY"],
    "api_type": "groq"
}]

co = cohere.ClientV2(api_key=os.environ["COHERE_API_KEY"])

# Database setup
conn = psycopg2.connect(
    dbname=os.environ.get("DB"),
    user=os.environ.get("USER_NAME"),
    password=os.environ.get("PASSWORD"),
    host=os.environ.get("HOST"),
    port=os.environ.get("PGPORT")
)

cur = conn.cursor()

# Create a directory to store code files from code executor
work_dir = Path("coding")
work_dir.mkdir(exist_ok=True)
code_executor = LocalCommandLineCodeExecutor(work_dir=work_dir)

# Define revenue tool
def get_current_invitee(location):
    """Get the revenue for some material"""
    data = requests.get('https://www.ryhintl.com/dbjson/getjson?sqlcmd=select `id`,`username`,`email`,`division`,`position` from spfx_pinfo')
    # 元のデータ
    data = json.loads(data.content)

    # 指定された形式に変換
    invitee_data = {item["username"]+"様": {"役職": item["position"], "部門": item["division"], "body": "詳細は以下の通りです。・日時：2025年6月1日（土）10時・場所：銀座プレアンタン・内容：新製品の紹介、実演、質疑応答などお忙しい中大変お手数ですが、ぜひ足を運んで頂ければと思っております。承知くださいます様、よろしくお願い申し上げます。"} for item in data}

    script_data = ""
    for item in data:
        script_data += f'''
        {item["username"]}様、
        
        益々ご清祥のこととお喜び申し上げます。
        平素は格別のご厚情を賜り、誠にありがとうございます。

        先日はお忙しい中大変お世話になり、誠にありがとうございます。
        私どもクリーンウォータ株式会社は、浄水器を製造販売する会社であります。
        今回、弊社が新製品の『パーソナル浄水器』を御用達いただき、新商品の発表会を開催することになりました。
        発表会の詳細は以下の通りです。
        ・日時：2025年6月1日（土）10時
        ・場所：銀座プレアンタン
        ・内容：新製品の紹介、実演、質疑応答など
        お忙しい中大変お手数ですが、ぜひ足を運んで頂ければと思っております。
        承知くださいます様、よろしくお願い申し上げます。

        以上、よろしくお願いいたします。
        '''
        print("print:",script_data)

    return script_data

# Create an AI assistant that uses the kpi tool
assistant = AssistantAgent(
#assistant = ConversableAgent(
    name="groq_assistant",
    system_message="""あなたは、次のことができる役に立つAIアシスタントです。
    - 情報検索ツールを使用する
    - 結果を分析して自然言語のみで説明する""",
    llm_config={"config_list": config_list}
)

# Create a user proxy agent that only handles code execution
user_proxy = UserProxyAgent(
#user_proxy = ConversableAgent(
    name="user_proxy",
    human_input_mode="NEVER",
    code_execution_config={"work_dir":"coding", "use_docker":False},
    max_consecutive_auto_reply=2,
    #llm_config={"config_list": config_list}
)

# Register weather tool with the assistant
@user_proxy.register_for_execution()
@assistant.register_for_llm(description="snippetの内容")
def invitee_analysis(
    location: Annotated[str, "title"]
) -> str:
    invitee_details = get_current_invitee(location=location)
    print("after:",invitee_details)

    global tool_resp
    tool_resp = invitee_details
    return invitee_details
    

def get_revenue_and_plot(event1):
    get_api_keys()

    # Start the conversation
    resp = user_proxy.initiate_chat(
        assistant,
        message=f"""3つのことをやってみましょう:
        1. {event1}の内容をtoolを利用して抽出します。
        2. toolを利用して抽出された顧客リストを元に丁重な招待状を作成します。
        3. 拝啓、益々ご清祥のこととお喜び申し上げます。
        平素は格別のご厚情を賜り、誠にありがとうございます。などを使い、日本語で説明してください。
        """
    )
    
    total_tokens = resp.cost['usage_including_cached_inference']['llama-3.3-70b-versatile']['total_tokens']
    
    groq_assistant_contents = [entry['content'] for entry in resp.chat_history if entry['role'] == 'user' and entry['name'] == 'groq_assistant']

    global tool_resp
    print("final:",tool_resp)
    client = Groq(api_key=os.environ["GROQ_API_KEY"])
    system_prompt = {
        "role": "system",
        "content": "You are a helpful assistant, answer questions concisely."
    }

    # Set the user prompt
    #user_input = tool_resp+"を要約してください。顧客リストも含めてください。"
    user_input = tool_resp+"を要約してください。招待状を作るpythonコードを生成してください。生成されるコードに、必ず、顧客リストをcsv形式のテキストで含めてください。"
    user_prompt = {
        "role": "user", "content": user_input
    }

    # Initialize the chat history
    chat_history = [system_prompt, user_prompt]

    response = client.chat.completions.create(
        model="llama-3.3-70b-versatile",
        messages=chat_history,
        max_tokens=4096,
        temperature=0)

    kekka = response.choices[0].message.content

    usages = "使用トークン数: "+str(total_tokens)+ " \n"+kekka

    tmp_resp = groq_assistant_contents[0]

    return tmp_resp,usages

# Embedding function
def embed(input, input_type):
    co = cohere.ClientV2(api_key="GqsxZlKmcBzSultkVOfKPf7kVhYkporXvivq9KHg")
    #response = co.embed(texts=input, model='embed-v4.0', input_type=input_type, embedding_types=['ubinary'])
    response = co.embed(texts=input, model='embed-multilingual-v3.0', input_type=input_type, embedding_types=['ubinary'])
    return [np.unpackbits(np.array(embedding, dtype=np.uint8)) for embedding in response.embeddings.ubinary]

def take_action(state,query):
    resp =  state["prev_comment"]

    if (resp == ""):
        return "営業支援でデータが生成されていません。"
    else:
        system_message = """あなたは、優秀なアシスタントです。"""
    
        message = f'''
        {resp}に基づいて{query}に対する答えを出力してください。金額の桁数は正確にしてください。
        '''

        # Add the system and user messages to the chat history
        messages = [
            {"role": "system", "content": system_message},
            {"role": "user", "content": message},
        ]

        # Step 2: Tool planning and calling
        response = co.chat(
            model="command-r-plus-08-2024",
            messages=messages
        )

        myresp = response.message.content[0].text
        return myresp
    

def ma_action(query):
    
    system_message = """あなたは、優秀なアシスタントです。"""
    
    message = f'''
    {query}に対する答えを出力してください。金額の桁数は正確にしてください。
    '''

    # Add the system and user messages to the chat history
    messages = [
        {"role": "system", "content": system_message},
        {"role": "user", "content": message},
    ]

    # Step 2: Tool planning and calling
    response = co.chat(
        model="command-r-plus-08-2024",
        messages=messages
    )

    myresp = response.message.content[0].text
    return myresp

def search_documents(state,query):
    # Embed the query
    query_embedding = embed([query], 'search_query')[0]

    # Convert numpy array to a Python list or tuple
    query_embedding = query_embedding.tolist()  # Convert to list
    # Alternatively: query_embedding = tuple(query_embedding)

    # Execute SQL query
    cur.execute(
        'SELECT salesID,salesManID,salesManName,CustomerID,CustomerName,Industry,Email,RegistrationDate,OpportunityDetails,OpportunityStage,ExpectedRevenue,ActivityType,ActivityDate,ActivityDetails FROM sales_statusdata ORDER BY datavector <=> %s::vector LIMIT 1',
        (query_embedding,)
    )

    sales_data = ""
    # Fetch results
    data = cur.fetchall()  

    sales_id = data[0][0]
    salesman_id = data[0][1]
    salesman_name = data[0][2]
    customer_id = data[0][3]
    customer_name = data[0][4]
    industry = data[0][5]
    email = data[0][6]
    registration_date = data[0][7]
    opportunity_details = data[0][8]
    opportunity_stage = data[0][9]
    expected_revenue = data[0][10]
    activity_type = data[0][11]
    activity_date = data[0][12]
    activity_details = data[0][13]
    
    sales_data = f"セールズID: {sales_id} 営業担当者ID: {salesman_id} 営業担当者名: {salesman_name} 顧客ID: {customer_id} 顧客名: {customer_name} 業界: {industry} 顧客メール: {email} 登録日: {registration_date} 獲得経緯: {opportunity_details} ステージ: {opportunity_stage} 予想売上: {expected_revenue} タイプ: {activity_type} 営業日付: {activity_date} 詳細: {activity_details}"
    print("sales_data:",sales_data)

    system_message = """あなたは、優秀なアシスタントです。"""

    message = f'''
    {sales_data}に基づいて{query}に対する答えを出力してください。金額の桁数は正確にしてください。
    '''


    # Add the system and user messages to the chat history
    messages = [
        {"role": "system", "content": system_message},
        {"role": "user", "content": message},
    ]

    # Step 2: Tool planning and calling
    response = co.chat(
        model="command-r-plus-08-2024",
        messages=messages
    )

    myresp = response.message.content[0].text
    state["prev_comment"] = myresp
    return myresp



# Setting up Gradio Blocks
with gr.Blocks(css="footer {visibility: hidden;} #custom-btn {width: 150px; height: 30px; padding-left: 0px; margin-left: auto; margin-left: auto; text-align: right; background-color: transparent; border-radius: 10px; font-size: 12px; color: #3C82F6;} #header {display: flex; justify-content: space-between; align-items: center; font-size: 24px; font-weight: bold;} #logo {width: 50px; height: 50px;}",title="営業支援エージェント") as app:
    gr.HTML('<div id="header"><span>🫶 営業支援エージェント</span><img id="logo" src="https://www.ryhintl.com/images/ryhlogo/ryhlogo.png" width="64" height="64" alt="Logo"></div>')
    reload_btn = gr.Button("リーロド",elem_id="custom-btn")
    reload_btn.click(fn=None, inputs=[], outputs=[], js="window.location.reload()")

    state = gr.State({
        "prev_comment": ""
    })

    with gr.Tabs():
        with gr.Tab("営業支援"):
            gr.Markdown("### Sales Support Agent")
            query_input = gr.Textbox(label="Enter your query", value="展示会での直接コンタクトでリードに繋げった案件について説明してください。")
            output = gr.Textbox(label="結果", show_copy_button=True)
            search_button = gr.Button("生成")
            search_button.click(search_documents, inputs=[state,query_input], outputs=output)

        with gr.Tab("アクション"):
            gr.Markdown("### Next Action")
            action_input = gr.Textbox(label="クエリ", value="次の取るべきアクションについて教えてください。")
            action_output = gr.Textbox(label="結果", show_copy_button=True)
            action_button = gr.Button("生成")
            action_button.click(take_action, inputs=[state,action_input], outputs=action_output)

        with gr.Tab("マーケティング・オートメーション (MA)"):
            gr.Markdown("### マーケティング・オートメーション")
            ma_input = gr.Textbox(label="製品発表会ご招待する顧客メール発送", value="新製品（パーソナル浄水器）の製品発表会を2025/6/1 10:00に銀座プレアンタンで開催しようとしています。DBから招待顧客のリストを取り出し、Invitation Letterを作成してください。")
            ma_output = gr.Textbox(label="結果", show_copy_button=True)
            ma_usage = gr.Textbox(label="Usage", show_copy_button=True)
            ma_button = gr.Button("生成")
            ma_button.click(get_revenue_and_plot, inputs=[ma_input], outputs=[ma_output,ma_usage])

        with gr.Tab("マーケティング・フレージング (MP)"):
            gr.Markdown("### マーケティング・フレージング")
            mp_input = gr.Textbox(label="見込み客に発送するSNSとメールの本文", value="見込み顧客を育成するために、メールやSNSを自動配信しようと思っています。見込み客に発送するSNSとメールの本文を作ってください。")
            mp_output = gr.Textbox(label="結果", show_copy_button=True)
            mp_button = gr.Button("生成")
            mp_button.click(ma_action, inputs=[mp_input], outputs=mp_output)

# Launch the interface
app.launch(favicon_path="favicon.ico")