.

.gitignore

@@ -0,0 +1 @@
+.env

app.py

@@ -1,70 +1,157 @@
 import gradio as gr
-from huggingface_hub import InferenceClient
-
-
-def respond(
-    message,
-    history: list[dict[str, str]],
-    system_message,
-    max_tokens,
-    temperature,
-    top_p,
-    hf_token: gr.OAuthToken,
-):
+import asyncio
+from smolagents import CodeAgent, tool, InferenceClientModel
+from bs4 import BeautifulSoup
+import duckduckgo_search
+import os
+
+token = os.environ.get("HUGGINGFACE_TOKEN", "")
+
+@tool
+def web_search_duckduckgo(query: str) -> list:
+    """
+    Выполняет поиск через DuckDuckGo.
+
+    Args:
+        query (str): поисковый запрос.
+
+    Returns:
+        list: список найденных URL.
     """
-    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
+    results = duckduckgo_search.DDGS().text(query)
+    urls = [r["href"] for r in results]
+    return urls
+
+
+@tool
+def fetch_html(url: str) -> str:
     """
-    client = InferenceClient(token=hf_token.token, model="openai/gpt-oss-20b")
+    Загружает HTML по URL.
 
-    messages = [{"role": "system", "content": system_message}]
+    Args:
+        url (str): адрес страницы.
 
-    messages.extend(history)
+    Returns:
+        str: HTML-текст страницы.
+    """
+    import requests
+    resp = requests.get(url, timeout=10)
+    resp.raise_for_status()
+    return resp.text
 
-    messages.append({"role": "user", "content": message})
+@tool
+def extract_text_from_html(html: str) -> str:
+    """
+    Извлекает текст из HTML.
 
-    response = ""
+    Args:
+        html (str): HTML-документ.
 
-    for message in client.chat_completion(
-        messages,
-        max_tokens=max_tokens,
-        stream=True,
-        temperature=temperature,
-        top_p=top_p,
-    ):
-        choices = message.choices
-        token = ""
-        if len(choices) and choices[0].delta.content:
-            token = choices[0].delta.content
+    Returns:
+        str: текстовое содержимое документа.
+    """
+    from bs4 import BeautifulSoup
+    soup = BeautifulSoup(html, "html.parser")
+    return soup.get_text("\n")
 
-        response += token
-        yield response
 
+@tool
+def summarize_and_extract_architecture(text: str) -> str:
+    """
+    Анализирует текст статьи и извлекает архитектуру описанной системы.
 
+    Args:
+        text (str): Полный текст статьи или её фрагмент, в котором описана система.
+
+    Returns:
+        str: Структурированное текстовое описание архитектуры системы
+            (компоненты, связи, потоки данных, этапы обработки).
+    """
+    model = InferenceClientModel(model_id="Qwen/Qwen2.5-7B-Instruct")
+    prompt = f"""
+Ты — эксперт по анализу научных статей.
+
+Текст статьи:
+{text}
+
+Задача:
+1. Найди описание архитектуры системы.
+2. Сформулируй её в виде структурированной схемы:
+   - компоненты системы
+   - связи между компонентами
+   - потоки данных
+   - этапы обработки
+3. Если архитектура явно не выражена — попытайся реконструировать её.
 """
-For information on how to customize the ChatInterface, peruse the gradio docs: https://www.gradio.app/docs/chatinterface
-"""
-chatbot = gr.ChatInterface(
-    respond,
-    type="messages",
-    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)",
-        ),
-    ],
+    return model(prompt)
+
+model = InferenceClientModel(model_id="Qwen/Qwen2.5-7B-Instruct", token = token)
+
+agent = CodeAgent(
+    model=model,
+    tools=[web_search_duckduckgo, fetch_html, extract_text_from_html, summarize_and_extract_architecture],
+    add_base_tools=False,
 )
 
-with gr.Blocks() as demo:
-    with gr.Sidebar():
-        gr.LoginButton()
-    chatbot.render()
+def process_article(article_title):
+    """
+    Функция для обработки запроса статьи.
+    Вызывает мультиагента для поиска и суммаризации.
+    """
+    try:
+        # Если ваш агент использует асинхронные вызовы
+        if hasattr(agent, 'run_async'):
+            # Создаем новую event loop для асинхронного вызова
+            loop = asyncio.new_event_loop()
+            asyncio.set_event_loop(loop)
+            result = loop.run_until_complete(agent.run_async(article_title))
+            loop.close()
+        else:
+            # Если агент синхронный
+            result = agent.run(article_title)
+        
+        return result
+    except Exception as e:
+        return f"Произошла ошибка: {str(e)}"
 
+# Альтернативный более простой интерфейс (если нужен минималистичный вариант)
+def create_simple_interface():
+    """Простой интерфейс для быстрого тестирования"""
+    
+    def simple_process(article_title):
+        if not article_title.strip():
+            return "Пожалуйста, введите название статьи."
+        return process_article(article_title)
+    
+    interface = gr.Interface(
+        fn=simple_process,
+        inputs=gr.Textbox(
+            label="Название статьи",
+            placeholder="Например: 'Deep Learning in Computer Vision'",
+            lines=2
+        ),
+        outputs=gr.Textbox(
+            label="Результат",
+            lines=15,
+            placeholder="Результат появится здесь..."
+        ),
+        title="📄 Поиск и суммаризация статей",
+        description="Введите название статьи, и агент найдет ее и создаст краткое содержание.",
+        examples=[
+            ["Neural Networks and Deep Learning"],
+            ["Renewable Energy Technologies Review"],
+            ["COVID-19 Vaccines Development and Efficacy"]
+        ],
+        theme=gr.themes.Soft()
+    )
+    
+    return interface
 
 if __name__ == "__main__":
-    demo.launch()
+    demo = create_simple_interface()
+    demo.launch(
+        server_name="0.0.0.0",
+        server_port=7860,
+        share=False,
+        debug=True
+    )