FastApiAssistant #2
141
app/api_old.py
141
app/api_old.py
@@ -1,141 +0,0 @@
|
|||||||
from flask import Flask, request, jsonify
|
|
||||||
from langchain_community.tools.tavily_search import TavilySearchResults
|
|
||||||
from typing import Annotated
|
|
||||||
from typing_extensions import TypedDict
|
|
||||||
from langgraph.graph.message import add_messages
|
|
||||||
from langchain_openai import ChatOpenAI
|
|
||||||
from dotenv import load_dotenv
|
|
||||||
from langgraph.prebuilt import create_react_agent
|
|
||||||
from langchain_core.prompts import ChatPromptTemplate
|
|
||||||
from langgraph.checkpoint.memory import MemorySaver
|
|
||||||
from langchain_tools.agent_tools import (
|
|
||||||
redact_email, list_calendar_events,
|
|
||||||
create_calendar_event, get_company_info,
|
|
||||||
get_current_date_and_time
|
|
||||||
)
|
|
||||||
from langchain_community.tools.gmail.utils import (
|
|
||||||
build_resource_service, get_gmail_credentials)
|
|
||||||
from langchain_community.agent_toolkits import GmailToolkit
|
|
||||||
|
|
||||||
# Cargar las variables de entorno
|
|
||||||
load_dotenv()
|
|
||||||
|
|
||||||
# Inicializar la app Flask
|
|
||||||
app = Flask(__name__)
|
|
||||||
|
|
||||||
# Inicializar el modelo LLM de OpenAI
|
|
||||||
llm = ChatOpenAI(
|
|
||||||
model="gpt-4o-mini",
|
|
||||||
temperature=0
|
|
||||||
)
|
|
||||||
|
|
||||||
# Configuración de Gmail
|
|
||||||
toolkit = GmailToolkit()
|
|
||||||
credentials = get_gmail_credentials(
|
|
||||||
token_file="token.json",
|
|
||||||
scopes=["https://mail.google.com/"],
|
|
||||||
client_secrets_file="credentials.json",
|
|
||||||
)
|
|
||||||
api_resource = build_resource_service(credentials=credentials)
|
|
||||||
toolkit = GmailToolkit(api_resource=api_resource)
|
|
||||||
|
|
||||||
# Crear herramientas
|
|
||||||
tools = toolkit.get_tools()
|
|
||||||
search = TavilySearchResults(max_results=2)
|
|
||||||
tools.extend([
|
|
||||||
search, redact_email, list_calendar_events,
|
|
||||||
create_calendar_event, get_company_info,
|
|
||||||
get_current_date_and_time])
|
|
||||||
|
|
||||||
# Definir el sistema prompt
|
|
||||||
system_prompt = ChatPromptTemplate.from_messages(
|
|
||||||
[
|
|
||||||
(
|
|
||||||
"system",
|
|
||||||
"Eres Mariana, el asistente virtual de OneCluster, una empresa de "
|
|
||||||
"software que ofrece soluciones personalizadas. Asume el tono de "
|
|
||||||
"J.A.R.V.I.S.: cordial, atento y con tacto en todo momento."
|
|
||||||
),
|
|
||||||
("system",
|
|
||||||
"Preséntate como Mariana en el primer mensaje y pregunta el nombre "
|
|
||||||
"del usuario si no lo tienes registrado."
|
|
||||||
),
|
|
||||||
("system",
|
|
||||||
"Si el usuario ya ha interactuado antes, usa su nombre sin necesidad "
|
|
||||||
"de volver a preguntar."
|
|
||||||
),
|
|
||||||
("system",
|
|
||||||
"Si el primer mensaje del usuario es una solicitud, pregúntale su "
|
|
||||||
"nombre antes de responder si aún no lo conoces."
|
|
||||||
),
|
|
||||||
("system",
|
|
||||||
"OneCluster es una empresa de software especializada en desarrollo a "
|
|
||||||
"medida. Solo responde a preguntas y solicitudes relacionadas con la "
|
|
||||||
"empresa y sus servicios."
|
|
||||||
),
|
|
||||||
("system",
|
|
||||||
"Si necesitas información adicional sobre la empresa, usa la función "
|
|
||||||
"get_company_info."
|
|
||||||
),
|
|
||||||
("system",
|
|
||||||
"Antes de enviar correos o crear eventos, muestra los detalles al "
|
|
||||||
"usuario para que los confirme antes de ejecutar la tarea."
|
|
||||||
),
|
|
||||||
("system",
|
|
||||||
"Si te preguntan algo no relacionado con los servicios de OneCluster,"
|
|
||||||
" responde que solo puedes ayudar con temas relacionados con la "
|
|
||||||
"empresa y sus soluciones."
|
|
||||||
),
|
|
||||||
(
|
|
||||||
"system",
|
|
||||||
"Evita mencionar o hacer alusión a las herramientas que utilizas "
|
|
||||||
"internamente. Esa información es confidencial."
|
|
||||||
),
|
|
||||||
("placeholder", "{messages}"),
|
|
||||||
]
|
|
||||||
)
|
|
||||||
|
|
||||||
# Definir el estado del asistente
|
|
||||||
|
|
||||||
|
|
||||||
class State(TypedDict):
|
|
||||||
messages: Annotated[list, add_messages]
|
|
||||||
is_last_step: bool
|
|
||||||
|
|
||||||
|
|
||||||
# Crear el graph con el estado definido
|
|
||||||
graph = create_react_agent(
|
|
||||||
model=llm,
|
|
||||||
tools=tools,
|
|
||||||
state_schema=State,
|
|
||||||
state_modifier=system_prompt,
|
|
||||||
checkpointer=MemorySaver()
|
|
||||||
)
|
|
||||||
|
|
||||||
# Ruta de la API para procesar texto
|
|
||||||
|
|
||||||
|
|
||||||
@app.route('/process_text', methods=['POST'])
|
|
||||||
def process_text():
|
|
||||||
user_input = request.json.get('text')
|
|
||||||
|
|
||||||
# Procesar el texto con LangChain
|
|
||||||
events = graph.stream(
|
|
||||||
{"messages": [("user", user_input)], "is_last_step": False},
|
|
||||||
config={"configurable": {
|
|
||||||
"thread_id": "thread-1", "recursion_limit": 50}},
|
|
||||||
stream_mode="updates"
|
|
||||||
)
|
|
||||||
|
|
||||||
# Preparar la respuesta
|
|
||||||
response = []
|
|
||||||
for event in events:
|
|
||||||
if "agent" in event:
|
|
||||||
response.append(event["agent"]["messages"][-1].content)
|
|
||||||
|
|
||||||
return jsonify({'response': response})
|
|
||||||
|
|
||||||
|
|
||||||
# Ejecutar la app Flask
|
|
||||||
if __name__ == '__main__':
|
|
||||||
app.run(port=5000)
|
|
||||||
@@ -1,135 +0,0 @@
|
|||||||
from langchain_community.tools.tavily_search import TavilySearchResults
|
|
||||||
from typing import Annotated
|
|
||||||
from typing_extensions import TypedDict
|
|
||||||
from langgraph.graph.message import add_messages
|
|
||||||
from langchain_openai import ChatOpenAI
|
|
||||||
from dotenv import load_dotenv
|
|
||||||
from langgraph.prebuilt import create_react_agent
|
|
||||||
from langchain_core.prompts import ChatPromptTemplate
|
|
||||||
from langgraph.checkpoint.memory import MemorySaver
|
|
||||||
from langchain_tools.agent_tools import (
|
|
||||||
redact_email, list_calendar_events,
|
|
||||||
create_calendar_event,
|
|
||||||
get_company_info,
|
|
||||||
get_current_date_and_time
|
|
||||||
)
|
|
||||||
from langchain_community.tools.gmail.utils import (
|
|
||||||
build_resource_service,
|
|
||||||
get_gmail_credentials,
|
|
||||||
)
|
|
||||||
from langchain_community.agent_toolkits import GmailToolkit
|
|
||||||
|
|
||||||
|
|
||||||
load_dotenv()
|
|
||||||
|
|
||||||
|
|
||||||
# Inicialiamos un LLM de OpenaIA
|
|
||||||
llm = ChatOpenAI(
|
|
||||||
model="gpt-4o-mini",
|
|
||||||
temperature=0.9
|
|
||||||
)
|
|
||||||
|
|
||||||
toolkit = GmailToolkit()
|
|
||||||
|
|
||||||
# Can review scopes here https://developers.google.com/gmail/api/auth/scopes
|
|
||||||
# For instance, readonly scope is
|
|
||||||
# 'https://www.googleapis.com/auth/gmail.readonly'
|
|
||||||
|
|
||||||
credentials = get_gmail_credentials(
|
|
||||||
token_file="token.json",
|
|
||||||
scopes=["https://mail.google.com/"],
|
|
||||||
client_secrets_file="credentials.json",
|
|
||||||
)
|
|
||||||
api_resource = build_resource_service(credentials=credentials)
|
|
||||||
toolkit = GmailToolkit(api_resource=api_resource)
|
|
||||||
|
|
||||||
# creamos la lista de herramientas de gmail
|
|
||||||
tools = toolkit.get_tools()
|
|
||||||
|
|
||||||
search = TavilySearchResults(max_results=2)
|
|
||||||
tools.append(search)
|
|
||||||
tools.append(redact_email)
|
|
||||||
tools.append(list_calendar_events)
|
|
||||||
tools.append(create_calendar_event)
|
|
||||||
tools.append(get_company_info)
|
|
||||||
tools.append(get_current_date_and_time)
|
|
||||||
|
|
||||||
system_prompt = ChatPromptTemplate.from_messages(
|
|
||||||
[
|
|
||||||
(
|
|
||||||
"system",
|
|
||||||
"Eres Mariana, el asistente virtual de OneCluster, una empresa de "
|
|
||||||
"software que ofrece soluciones personalizadas. Asume el tono de "
|
|
||||||
"J.A.R.V.I.S.: cordial, atento y con tacto en todo momento."
|
|
||||||
),
|
|
||||||
("system",
|
|
||||||
"Preséntate como Mariana en el primer mensaje y pregunta el nombre "
|
|
||||||
"del usuario si no lo tienes registrado."
|
|
||||||
),
|
|
||||||
("system",
|
|
||||||
"Si el usuario ya ha interactuado antes, usa su nombre sin necesidad "
|
|
||||||
"de volver a preguntar."
|
|
||||||
),
|
|
||||||
("system",
|
|
||||||
"Si el primer mensaje del usuario es una solicitud, pregúntale su "
|
|
||||||
"nombre antes de responder si aún no lo conoces."
|
|
||||||
),
|
|
||||||
("system",
|
|
||||||
"OneCluster es una empresa de software especializada en desarrollo a "
|
|
||||||
"medida. Solo responde a preguntas y solicitudes relacionadas con la "
|
|
||||||
"empresa y sus servicios."
|
|
||||||
),
|
|
||||||
("system",
|
|
||||||
"Si necesitas información adicional sobre la empresa, usa la función "
|
|
||||||
"get_company_info."
|
|
||||||
),
|
|
||||||
("system",
|
|
||||||
"Antes de enviar correos o crear eventos, muestra los detalles al "
|
|
||||||
"usuario para que los confirme antes de ejecutar la tarea."
|
|
||||||
),
|
|
||||||
("system",
|
|
||||||
"Si te preguntan algo no relacionado con los servicios de OneCluster,"
|
|
||||||
" responde que solo puedes ayudar con temas relacionados con la "
|
|
||||||
"empresa y sus soluciones."
|
|
||||||
),
|
|
||||||
(
|
|
||||||
"system",
|
|
||||||
"Evita mencionar o hacer alusión a las herramientas que utilizas "
|
|
||||||
"internamente. Esa información es confidencial."
|
|
||||||
),
|
|
||||||
("placeholder", "{messages}"),
|
|
||||||
]
|
|
||||||
)
|
|
||||||
|
|
||||||
|
|
||||||
class State(TypedDict):
|
|
||||||
messages: Annotated[list, add_messages]
|
|
||||||
is_last_step: bool # Cambiar a booleano si es necesario
|
|
||||||
|
|
||||||
|
|
||||||
# Creamos el graph con el estado definido
|
|
||||||
graph = create_react_agent(
|
|
||||||
model=llm,
|
|
||||||
tools=tools,
|
|
||||||
state_schema=State,
|
|
||||||
state_modifier=system_prompt,
|
|
||||||
checkpointer=MemorySaver()
|
|
||||||
)
|
|
||||||
|
|
||||||
config = {"configurable": {"thread_id": "thread-1", "recursion_limit": 50}}
|
|
||||||
|
|
||||||
|
|
||||||
while True:
|
|
||||||
user_input = input("User: ")
|
|
||||||
if user_input.lower() in ["quit", "exit", "q"]:
|
|
||||||
print("Goodbye!")
|
|
||||||
break
|
|
||||||
|
|
||||||
events = graph.stream({
|
|
||||||
"messages": [("user", user_input)],
|
|
||||||
"is_last_step": False},
|
|
||||||
config, stream_mode="updates")
|
|
||||||
|
|
||||||
for event in events:
|
|
||||||
if "agent" in event:
|
|
||||||
print(f"\nAsistente: {event['agent']['messages'][-1].content}\n")
|
|
||||||
@@ -1,109 +0,0 @@
|
|||||||
import telebot
|
|
||||||
from dotenv import load_dotenv
|
|
||||||
import os
|
|
||||||
from api_openai.whisper import whisper_api, tts_api
|
|
||||||
from langchain_tools.agent_tools import LangChainTools
|
|
||||||
from langchain_tools.agents import AgentTools
|
|
||||||
from langchain_core.messages import AIMessage, HumanMessage
|
|
||||||
# from tools.scaped import scaped
|
|
||||||
|
|
||||||
# Configuración del bot
|
|
||||||
load_dotenv()
|
|
||||||
API_TOKEN_BOT = os.getenv("API_TOKEN_BOT")
|
|
||||||
bot = telebot.TeleBot(API_TOKEN_BOT)
|
|
||||||
|
|
||||||
# Handle '/start' and '/help'
|
|
||||||
wellcome = "¡Bienvenido! ¿Cómo puedo ayudarte?"
|
|
||||||
|
|
||||||
|
|
||||||
@bot.message_handler(commands=['help', 'start'])
|
|
||||||
def send_welcome(message):
|
|
||||||
bot.reply_to(message, wellcome, parse_mode="Markdown")
|
|
||||||
|
|
||||||
|
|
||||||
# Creamos una lista para el historial fuera de las funciones
|
|
||||||
history = []
|
|
||||||
|
|
||||||
|
|
||||||
@bot.message_handler(content_types=["text", "voice"])
|
|
||||||
def bot_mensajes(message):
|
|
||||||
global history # Para acceder a la variable global 'history'
|
|
||||||
|
|
||||||
# Si el mensaje es una nota de voz
|
|
||||||
if message.voice:
|
|
||||||
# user_ = message.from_user.first_name
|
|
||||||
file_info = bot.get_file(message.voice.file_id)
|
|
||||||
downloaded_file = bot.download_file(file_info.file_path)
|
|
||||||
file_path = "audios/nota_de_voz.ogg"
|
|
||||||
|
|
||||||
with open(file_path, 'wb') as new_file:
|
|
||||||
new_file.write(downloaded_file)
|
|
||||||
|
|
||||||
pregunta_usuario = whisper_api(file_path)
|
|
||||||
print(f"Pregunta del usuario: {pregunta_usuario}")
|
|
||||||
langChainTools = LangChainTools()
|
|
||||||
llm = langChainTools.load_llm_openai()
|
|
||||||
|
|
||||||
agentTools = AgentTools()
|
|
||||||
tools = agentTools.load_tools()
|
|
||||||
agent_executor = agentTools.load_agent(llm, tools)
|
|
||||||
|
|
||||||
respuesta_agente = agent_executor.invoke(
|
|
||||||
{
|
|
||||||
"input": pregunta_usuario,
|
|
||||||
"chat_history": history,
|
|
||||||
}
|
|
||||||
)
|
|
||||||
|
|
||||||
bot.send_message(message.chat.id, respuesta_agente["output"],
|
|
||||||
parse_mode="Markdown")
|
|
||||||
|
|
||||||
path_voice: str = tts_api(respuesta_agente["output"])
|
|
||||||
with open(path_voice, 'rb') as voice:
|
|
||||||
bot.send_voice(message.chat.id, voice=voice)
|
|
||||||
|
|
||||||
history.append(HumanMessage(content=pregunta_usuario))
|
|
||||||
history.append(AIMessage(content=respuesta_agente["output"]))
|
|
||||||
|
|
||||||
# Si el mensaje es de texto
|
|
||||||
if message.text:
|
|
||||||
pregunta_usuario = message.text
|
|
||||||
langChainTools = LangChainTools()
|
|
||||||
llm = langChainTools.load_llm_openai()
|
|
||||||
|
|
||||||
agentTools = AgentTools()
|
|
||||||
tools = agentTools.load_tools()
|
|
||||||
agent_executor = agentTools.load_agent(llm, tools)
|
|
||||||
|
|
||||||
respuesta_agente = agent_executor.invoke(
|
|
||||||
{
|
|
||||||
"input": pregunta_usuario,
|
|
||||||
"chat_history": history,
|
|
||||||
}
|
|
||||||
)
|
|
||||||
|
|
||||||
# texto_respuesta: str = scaped(respuesta_agente["output"])
|
|
||||||
texto_respuesta: str = respuesta_agente["output"]
|
|
||||||
bot.send_message(
|
|
||||||
message.chat.id, texto_respuesta,
|
|
||||||
parse_mode="Markdown")
|
|
||||||
|
|
||||||
# Mandar mensaje de voz
|
|
||||||
# path_voice: str = tts_api(respuesta_agente["output"])
|
|
||||||
# with open(path_voice, 'rb') as voice:
|
|
||||||
# bot.send_voice(message.chat.id, voice=voice)
|
|
||||||
|
|
||||||
history.append(HumanMessage(content=pregunta_usuario))
|
|
||||||
history.append(AIMessage(content=respuesta_agente["output"]))
|
|
||||||
# print(history)
|
|
||||||
|
|
||||||
# Enviar el historial después de cada interacción
|
|
||||||
# bot.send_message(message.chat.id, history)
|
|
||||||
|
|
||||||
|
|
||||||
# while True:
|
|
||||||
# time.sleep(60)
|
|
||||||
# mensaje = 'Que mas pues!!'
|
|
||||||
# bot.send_message('5076346205', mensaje)
|
|
||||||
|
|
||||||
bot.infinity_polling()
|
|
||||||
@@ -1,33 +0,0 @@
|
|||||||
from rag.split_docs import load_split_docs
|
|
||||||
from rag.llm import load_llm_openai
|
|
||||||
from rag.embeddings import load_embeddins
|
|
||||||
from rag.retriever import create_retriever
|
|
||||||
from rag.vectorstore import create_verctorstore
|
|
||||||
from rag.rag_chain import create_rag_chain
|
|
||||||
|
|
||||||
dir_pdfs: str = 'documents/pdfs/'
|
|
||||||
file_name: str = 'onecluster_info.pdf'
|
|
||||||
file_path: str = 'onecluster_info.pdf'
|
|
||||||
|
|
||||||
docs_split: list = load_split_docs(file_path)
|
|
||||||
embeddings_model = load_embeddins()
|
|
||||||
llm = load_llm_openai()
|
|
||||||
create_verctorstore(
|
|
||||||
docs_split,
|
|
||||||
embeddings_model,
|
|
||||||
file_path
|
|
||||||
)
|
|
||||||
retriever = create_retriever(
|
|
||||||
embeddings_model,
|
|
||||||
persist_directory="embeddings/onecluster_info"
|
|
||||||
)
|
|
||||||
qa = create_rag_chain(
|
|
||||||
llm, retriever)
|
|
||||||
|
|
||||||
prompt: str =\
|
|
||||||
"Dame información detallada sobre los sercivios que ofrese OneCluster."
|
|
||||||
respuesta = qa.invoke(
|
|
||||||
{"input": prompt, "chat_history": []}
|
|
||||||
)
|
|
||||||
|
|
||||||
print(respuesta["answer"])
|
|
||||||
@@ -1 +1 @@
|
|||||||
{"token": "ya29.a0AeDClZCwppzEBj1JXTYUVQz2C4XdMhwXUJ_5QFMjwccd4xsXl3HhHuio_OouTtnY2uH64MNEfuT-IK0xD6gX_W6_snvPMzq1JELtIzVvqb4eSCNrAVTp0qy4sQwPKKWnEi2HTOV6ZNyy3vOj4VmywjLpW53b5wyuYDC9hoU41waCgYKAQISARASFQHGX2MiAU9Ploii4o7cTRKSiRUyzg0177", "refresh_token": "1//05Hc2PufwLWe2CgYIARAAGAUSNwF-L9IrU2s--kkp6Q2fCzN5uf2vLBvEcYHyJOFZjCQAUpBSC0FWiCUg9wgm8cCMccEGe4Q7MPg", "token_uri": "https://oauth2.googleapis.com/token", "client_id": "19011937557-bi5nh4afvg4tuqr87v6dp55qj9a9o1h2.apps.googleusercontent.com", "client_secret": "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", "scopes": ["https://mail.google.com/"], "universe_domain": "googleapis.com", "account": "", "expiry": "2024-11-07T22:33:09.497974Z"}
|
{"token": "ya29.a0AeDClZCbHA_Ubcy6IrJJZgcHOb95xrUDMIjoNryaK6DaV7RH93INeBAeKIAfaDw73grkGnBD2Ub2QuvqvRMJO6DvivonA6yoLj7hFvDgSLsfNXo5xcLJqsgiIiOfExr74m4WcT5jnpZswxk3ZuEtAoXuPDW7hzLXnTwk6sFDmAaCgYKAeoSARASFQHGX2MiPDgm1tQCv4YbN3Bq9f4zvg0177", "refresh_token": "1//05Hc2PufwLWe2CgYIARAAGAUSNwF-L9IrU2s--kkp6Q2fCzN5uf2vLBvEcYHyJOFZjCQAUpBSC0FWiCUg9wgm8cCMccEGe4Q7MPg", "token_uri": "https://oauth2.googleapis.com/token", "client_id": "19011937557-bi5nh4afvg4tuqr87v6dp55qj9a9o1h2.apps.googleusercontent.com", "client_secret": "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", "scopes": ["https://mail.google.com/"], "universe_domain": "googleapis.com", "account": "", "expiry": "2024-11-07T23:37:58.891983Z"}
|
||||||
@@ -1 +0,0 @@
|
|||||||
{"installed":{"client_id":"19011937557-bi5nh4afvg4tuqr87v6dp55qj9a9o1h2.apps.googleusercontent.com","project_id":"oc-aassistent","auth_uri":"https://accounts.google.com/o/oauth2/auth","token_uri":"https://oauth2.googleapis.com/token","auth_provider_x509_cert_url":"https://www.googleapis.com/oauth2/v1/certs","client_secret":"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","redirect_uris":["http://localhost"]}}
|
|
||||||
@@ -1 +0,0 @@
|
|||||||
{"installed":{"client_id":"629922809906-pl9l1ipout6d5hh19ku50sfvnqgu8ir2.apps.googleusercontent.com","project_id":"calendar-424503","auth_uri":"https://accounts.google.com/o/oauth2/auth","token_uri":"https://oauth2.googleapis.com/token","auth_provider_x509_cert_url":"https://www.googleapis.com/oauth2/v1/certs","client_secret":"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","redirect_uris":["http://localhost"]}}
|
|
||||||
@@ -1 +0,0 @@
|
|||||||
{"token": "ya29.a0AeDClZCwppzEBj1JXTYUVQz2C4XdMhwXUJ_5QFMjwccd4xsXl3HhHuio_OouTtnY2uH64MNEfuT-IK0xD6gX_W6_snvPMzq1JELtIzVvqb4eSCNrAVTp0qy4sQwPKKWnEi2HTOV6ZNyy3vOj4VmywjLpW53b5wyuYDC9hoU41waCgYKAQISARASFQHGX2MiAU9Ploii4o7cTRKSiRUyzg0177", "refresh_token": "1//05Hc2PufwLWe2CgYIARAAGAUSNwF-L9IrU2s--kkp6Q2fCzN5uf2vLBvEcYHyJOFZjCQAUpBSC0FWiCUg9wgm8cCMccEGe4Q7MPg", "token_uri": "https://oauth2.googleapis.com/token", "client_id": "19011937557-bi5nh4afvg4tuqr87v6dp55qj9a9o1h2.apps.googleusercontent.com", "client_secret": "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", "scopes": ["https://mail.google.com/"], "universe_domain": "googleapis.com", "account": "", "expiry": "2024-11-07T22:33:09.497974Z"}
|
|
||||||
@@ -1 +0,0 @@
|
|||||||
{"token": "ya29.a0AeDClZC30_gM1YE3u8XHKpmLqIcABYBZzJOVQfrNyUJrFuOPxNpt96IbTeCIM266Es--v34aMA70oZG1GIELbcuExSSQ25_pzdHd9yS18vDOgdz8OtuG24_2DGnaCy7FOQBZzFr5GxgLJ_657Zal3RF8lreEFLyVLKdGf6TiaCgYKATMSARASFQHGX2MiirXKmKxKPjAWuSG0af_xmw0175", "refresh_token": "1//05akITlwASya5CgYIARAAGAUSNwF-L9IryPh1Y647Eim5KZZhD3DKCuUtkAp28N30ed1TALtax5TkflyKGxDtBmayKowuMZkaT9k", "token_uri": "https://oauth2.googleapis.com/token", "client_id": "629922809906-pl9l1ipout6d5hh19ku50sfvnqgu8ir2.apps.googleusercontent.com", "client_secret": "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", "scopes": ["https://www.googleapis.com/auth/calendar"], "universe_domain": "googleapis.com", "account": "", "expiry": "2024-11-02T23:47:30.521929Z"}
|
|
||||||
Reference in New Issue
Block a user