app.py

from dotenv import load_dotenv
import gradio as gr
import openai
import os

load_dotenv()

MAX_HISTORY_LENGTH = 10

def load_css():
    try:
        with open('custom.css', 'r', encoding='utf-8') as file:
            return file.read()
    except FileNotFoundError:
        logging.warning("⚠️ custom.css non trouvé, chargement ignoré.")
        return ""

def format_history_for_api(history):
    """
    Convertit l'historique Gradio en format OpenAI.
    """
    formatted_messages = []
    for message in history:
        formatted_messages.extend([
            {"role": "user", "content": str(message[0])},
            {"role": "assistant", "content": str(message[1])}
        ])
    return formatted_messages

def rag_with_reasoner(user_query: str, history: list) -> dict:
    """
    Outil RAG qui prend une requête utilisateur et renvoie une réponse basée sur le contexte historique.
    """
    client = openai.OpenAI(
        base_url=os.getenv("AGENT_ENDPOINT"),
        api_key=os.getenv("AGENT_KEY"),
    )

    # Formatage des messages pour l'API
    messages = format_history_for_api(history) if history else []
    messages.append({"role": "user", "content": str(user_query)})

    try:
        response = client.chat.completions.create(
            model="n/a",
            messages=messages
        )
        return {"role": "assistant", "content": response.choices[0].message.content}
    except Exception as e:
        print(f"Error calling OpenAI API: {e}")
        return {"role": "assistant", "content": f"Une erreur s'est produite: {str(e)}"}

def chat_function(message, history):
    """
    Fonction de chat pour Gradio.
    """
    try:
        # Limiter la taille de l'historique
        if len(history) > MAX_HISTORY_LENGTH:
            history = history[-MAX_HISTORY_LENGTH:]

        response = rag_with_reasoner(message, history)
        return response["content"]
    except Exception as e:
        print(f"Error in chat function: {e}")
        return f"Une erreur s'est produite: {str(e)}"

# Configuration de l'interface Gradio
css = """
.message.tool-call { background-color: #f0f8ff; }
.message.tool-result { background-color: #f5f5f5; }
.message.error { background-color: #fff0f0; }
.chat-header {
    display: flex;
    align-items: center;
    justify-content: center;
    gap: 10px;
    background: linear-gradient(90deg, #0000d3, #010272);
}
.chat-header img {
    height: 40px;
}
"""

# Création de l'interface de chat avec Gradio
chat_interface = gr.ChatInterface(
    fn=chat_function,
    title="<div class='chat-header'><img src='https://www.vie-publique.sn/_nuxt/vie-publique-logo-4.BGl8Bhgm.svg' alt='Logo'><span>🤖</span></div>",
    description="Discutez avec un agent IA pour des analyses précises et des conseils sur la vie publique du Sénégal 🇸🇳",
    examples=["Sénégal 2050", "Budget 2025", "Constitution du Sénégal", "Rapport sur la situation des finances exercice 2019 au 31 mars 2024"],
    textbox=gr.Textbox(
        placeholder="Posez votre question ici...",
        submit_btn="Envoyer 📤",
        container=False,
        scale=7
    ),
    theme=gr.themes.Soft(),
    css=css + load_css()
)

def main():
    chat_interface.launch()

if __name__ == "__main__":
    main()