from llm_factory import get_llm
from langchain_core.prompts import PromptTemplate
import os
from dotenv import load_dotenv

load_dotenv()

def get_pharmacist_agent():
    llm = get_llm(model_type="text", temperature=0.1)
    
    template = """
    Tu es un Pharmacien Clinicien Expert. Ta mission est de sécuriser la prescription.
    
    PATIENT :
    - Nom : {patient_name}
    - Âge : {patient_age}
    - Antécédents : {history}
    
    ORDONNANCE PROPOSÉE :
    {prescription}
    
    ANALYSE REQUISE :
    1. Vérifier les contre-indications absolues avec les antécédents.
    2. Vérifier les interactions médicamenteuses majeures.
    3. Vérifier les dosages (si fournis) par rapport à l'âge.
    
    RÉPONSE (En Français) :
    - STATUT : [VALIDÉ ✅ / ATTENTION ⚠️ / DANGER ⛔]
    - ANALYSE : [Commentaire bref]
    - RECOMMANDATION : [Si nécessaire, correction suggérée]
    """
    
    prompt = PromptTemplate(
        input_variables=["patient_name", "patient_age", "history", "prescription"],
        template=template,
    )
    
    return prompt | llm

async def run_pharmacist_agent(patient_name: str, patient_age: int, history: str, prescription: str) -> str:
    agent = get_pharmacist_agent()
    response = await agent.ainvoke({
        "patient_name": patient_name,
        "patient_age": patient_age,
        "history": history,
        "prescription": prescription
    })
    return response.content