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", "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)