Update app.py

app.py

@@ -1,64 +1,99 @@
+from openai import OpenAI
 import gradio as gr
-from huggingface_hub import InferenceClient
-
-"""
-For more information on `huggingface_hub` Inference API support, please check the docs: https://huggingface.co/docs/huggingface_hub/v0.22.2/en/guides/inference
-"""
-client = InferenceClient("HuggingFaceH4/zephyr-7b-beta")
-
-
-def respond(
-    message,
-    history: list[tuple[str, str]],
-    system_message,
-    max_tokens,
-    temperature,
-    top_p,
-):
-    messages = [{"role": "system", "content": system_message}]
-
-    for val in history:
-        if val[0]:
-            messages.append({"role": "user", "content": val[0]})
-        if val[1]:
-            messages.append({"role": "assistant", "content": val[1]})
-
-    messages.append({"role": "user", "content": message})
-
-    response = ""
-
-    for message in client.chat_completion(
-        messages,
-        max_tokens=max_tokens,
-        stream=True,
-        temperature=temperature,
-        top_p=top_p,
-    ):
-        token = message.choices[0].delta.content
-
-        response += token
-        yield response
-
-
-"""
-For information on how to customize the ChatInterface, peruse the gradio docs: https://www.gradio.app/docs/chatinterface
-"""
-demo = gr.ChatInterface(
-    respond,
-    additional_inputs=[
-        gr.Textbox(value="You are a friendly Chatbot.", label="System message"),
-        gr.Slider(minimum=1, maximum=2048, value=512, step=1, label="Max new tokens"),
-        gr.Slider(minimum=0.1, maximum=4.0, value=0.7, step=0.1, label="Temperature"),
-        gr.Slider(
-            minimum=0.1,
-            maximum=1.0,
-            value=0.95,
-            step=0.05,
-            label="Top-p (nucleus sampling)",
-        ),
-    ],
-)
-
-
-if __name__ == "__main__":
-    demo.launch()
+import json
+
+client = OpenAI()
+
+taxa = {
+    "EUR": 0.93,
+    "USD": 1,
+    "BRL": 5
+}
+
+def converter_moeda(quantidade, origem, destino):
+    print("A função foi chamada")
+    origem = origem.upper()
+    destino = destino.upper()
+
+    if origem not in taxa :
+        return {"error": "Moeda não suportada: {origem}"}
+    if destino not in taxa :
+        return {"error": "Moeda não suportada {destino}"}
+
+    quantidade_dolar = quantidade / taxa[origem]
+    quantidade_convertida = quantidade_dolar * taxa[destino]
+
+    return {
+        "quantidade": quantidade,
+        "origem": origem,
+        "destino": destino,
+        "quantidade_convertida": round(quantidade_convertida, 2),
+    }
+
+tools_moeda = [
+    {
+       "type": "function",     
+       "name": "converter_moeda",
+        "description": "Converte uma quantia de uma moeda para outra. Aceita as moedas: EUR, USD, BRL.",
+        "parameters": {
+            "type": "object",
+            "properties": {
+                "quantidade": {
+                    "type": "number",
+                    "description": "A quantia a ser convertida.",
+                },
+                "origem": {
+                    "type": "string",
+                    "description": "A moeda de origem.",
+                },
+                "destino": {
+                    "type": "string",
+                    "description": "A moeda de destino.",
+                },
+            },
+            "required": ["quantidade", "origem", "destino"],
+            "additionalProperties": False
+    },
+    "strict": True,
+    }
+]
+
+def response_fn(message, history):
+    openai_history = []
+
+    openai_history.append({"role": "user", "content": message})
+
+    response = client.responses.create(
+        model= "o4-mini",
+        instructions="Responda como um pirata",
+        input=openai_history,
+        tools=tools_moeda
+    )
+
+    # verifica se o modelo quer fazer uma chamada de função
+    if response.output and isinstance(response.output, list) and response.output[1].type == "function_call":
+
+        tool_reasoning = response.output[0]
+        tool_call = response.output[1]
+        args = json.loads(tool_call.arguments)
+        resultado_conversao = converter_moeda(**args)
+
+        openai_history.append(tool_reasoning)
+        openai_history.append(tool_call)
+        openai_history.append({
+            "type": "function_call_output",
+            "call_id": tool_call.call_id,
+            "output": json.dumps(resultado_conversao),
+        })
+
+        response = client.responses.create(
+                model= "o4-mini",
+                instructions="Responda como um pirata",
+                input=openai_history,
+                tools=tools_moeda
+        )
+
+    return response.output_text
+    
+gr.ChatInterface(response_fn, type="messages").launch()
+