from fastapi.responses import StreamingResponse
import asyncio
from fastapi import FastAPI, HTTPException, UploadFile, File, BackgroundTasks
from pydantic import BaseModel
from fastapi.middleware.cors import CORSMiddleware
import os
import shutil

# Load biến môi trường nếu có file .env (chạy local)
env_path = os.path.join(os.path.dirname(__file__), "..", ".env")
if os.path.exists(env_path):
    from dotenv import load_dotenv
    load_dotenv(env_path)

from agent import create_chatbot_agent
from rag_tool import get_list_files, process_new_file, DATA_DIR

app = FastAPI(title="AI Staff Assistant API")

# Cấu hình CORS để frontend gọi được
app.add_middleware(
    CORSMiddleware,
    allow_origins=["*"],
    allow_credentials=True,
    allow_methods=["*"],
    allow_headers=["*"],
)

# Khởi tạo agent
print("Đang khởi tạo Agentic Chatbot...")
agent = create_chatbot_agent()
print("Khởi tạo hoàn tất!")

class ChatRequest(BaseModel):
    session_id : str
    message: str

class ChatResponse(BaseModel):
    reply: str

def extract_text(content):
    if content is None:
        return ""

    if isinstance(content, str):
        return content

    if isinstance(content, dict):
        return content.get("text", "")

    if isinstance(content, list):
        parts = []

        for item in content:
            if isinstance(item, str):
                parts.append(item)

            elif isinstance(item, dict):
                # Gemini hay trả dạng:
                # {'type': 'text', 'text': '...', 'extras': {...}}
                if "text" in item:
                    parts.append(item["text"])

        return "".join(parts)

    return str(content)

@app.post("/chat/stream")
async def chat_stream_endpoint(request: ChatRequest):
    """
    Endpoint trả về kết quả dạng Stream.
    Vừa hiển thị trạng thái gọi Tool, vừa stream từng chữ (token) của câu trả lời.
    """
    async def event_stream():
        config = {"configurable": {"thread_id": request.session_id}}
        try:
            # Sử dụng astream_events v2 để theo dõi chính xác hành vi của Agent
            async for event in agent.astream_events(
                {"messages": [("user", request.message)]},
                config=config,
                version="v2"
            ):
                kind = event["event"]

                # --- TRƯỜNG HỢP 1: Bắt đầu gọi Tools ---
                if kind == "on_tool_start":
                    tool_name = event["name"]
                    if tool_name == "restaurant_documents_search":
                        # Remove markdown '***' if present
                        yield "⏳ Đang lật sổ tay công thức...\n\n"
                    elif "sql" in tool_name.lower():
                        yield "⏳ Đang tra cứu dữ liệu kho hệ thống...\n\n"

                # --- TRƯỜNG HỢP 2: Bắt đầu Stream chữ từ LLM ---
                elif kind == "on_chat_model_stream":
                    import re
                    chunk = event["data"]["chunk"]
                    # Kiểm tra: Chỉ stream nếu chunk có nội dung văn bản 
                    # và KHÔNG PHẢI là chuỗi JSON đang gọi hàm (tool_calls)
                    if chunk.content and not chunk.tool_calls:
                        # Chỉ lấy phần text nếu là dict
                        text = extract_text(chunk.content)
                        
                        if text:
                            yield text
        except Exception as e:
            import traceback
            print(f"Lỗi Stream: {e}")
            traceback.print_exc()
            # Thông báo riêng cho lỗi model quá tải (503)
            if "503" in str(e) or "high demand" in str(e) or "UNAVAILABLE" in str(e):
                yield "\n\n❌ Xin lỗi, mô hình AI (Gemini) đang quá tải hoặc bị giới hạn. Vui lòng thử lại sau vài phút."
            else:
                yield "\n\n❌ Xin lỗi, có lỗi xảy ra trong quá trình kết nối hoặc xử lý."

    # Trả về kết nối dạng luồng (Server-Sent Events / Stream)
    return StreamingResponse(event_stream(), media_type="text/plain")


@app.get("/files")
async def get_files():
    """Lấy danh sách tài liệu RAG."""
    try:
        files = get_list_files()
        return {"status": "success", "data": files}
    except Exception as e:
        raise HTTPException(status_code=500, detail=str(e))

@app.post("/upload")
async def upload_file(background_tasks: BackgroundTasks, file: UploadFile = File(...)):
    """Upload tài liệu mới và nhúng vào DB."""
    try:
        if not os.path.exists(DATA_DIR):
            os.makedirs(DATA_DIR)
            
        file_location = os.path.join(DATA_DIR, file.filename)
        with open(file_location, "wb+") as file_object:
            shutil.copyfileobj(file.file, file_object)
        # Ném việc nặng (đọc file, embedding) xuống background
        background_tasks.add_task(process_new_file, file.filename)
            
        # Xử lý nhúng vào ChromaDB
        success = process_new_file(file.filename)
        if success:
            return {"status": "success", "message": f"Đã upload và huấn luyện thành công tài liệu {file.filename}"}
        else:
            raise HTTPException(status_code=500, detail="Không thể xử lý dữ liệu của file này.")
            
    except Exception as e:
        raise HTTPException(status_code=500, detail=str(e))

if __name__ == "__main__":
    import uvicorn
    # Trên Hugging Face Spaces mặc định yêu cầu dùng port 7860
    uvicorn.run("main:app", host="0.0.0.0", port=7860)