Added a diagram generator (based on my drawittome tool)

.gitignore

@@ -1,4 +1,5 @@
 .env
+tests/
 # Byte-compiled / optimized / DLL files
 __pycache__/
 *.py[cod]

app.py

@@ -1,17 +1,19 @@
 import gradio as gr
-from tools import jokes, weather, datasetananalysis
+from tools import jokes, weather, datasetananalysis, diagrams
 
 
 demo = gr.TabbedInterface(
     [
         gr.Interface(fn=jokes.smalljoke,inputs=["text"],outputs="text",    title="Small joke teller",    description="Tells a small joke in french"),
         gr.Interface(fn=jokes.longjoke,inputs=["text","text","text","text" ],outputs="text",    title="Long joke teller",    description="Tells a longer joke in french"),
-        gr.Interface(fn=datasetananalysis.describedataset,inputs=["text" ],outputs="text",    title="Dataset descriptor",    description="Provides a usefull description of a dataset to allow content and structure awareness before SQL requesting on it.")
+        gr.Interface(fn=datasetananalysis.describedataset,inputs=["text" ],outputs="text",    title="Dataset descriptor",    description="Provides a usefull description of a dataset to allow content and structure awareness before SQL requesting on it."),
+        gr.Interface(fn=diagrams.generateDiagram, inputs=["text","text"], outputs=["html","html","text","text"], title="Diagrams generator", description="Generates a mermaid diagram to explain a submited text. The diagram is returned in different formats(svg and raw code)")
     ],
     [
         "Histoire courte",
         "Histoire longue",
-        "Description d'un dataset"
+        "Description d'un dataset",
+        "Générateur de diagrammes"
     ]
 )
 

requirements.txt

@@ -1,3 +1,7 @@
 python-dotenv
 gradio[mcp]
-openai
+openai
+huggingface_hub
+zlib
+base64
+huggingface_hub

tools/diagrams.py

@@ -0,0 +1,93 @@
+import zlib
+import base64
+import os
+from dotenv import load_dotenv
+from huggingface_hub import InferenceClient
+
+load_dotenv()
+os.environ["SAMBANOVA_API_KEY"]
+
+PROMPT="""
+###PERSONA : Tu es un analyste métier sénior, expert en vulgarisation et en diagrammes formels. 
+###INSTRUCTION : En fonction d’un sujet donné, sélectionne le type de diagramme le plus adapté parmi ceux listés, puis génère un diagramme complet, lisible, et détaillé. Syntaxe Mermaid uniquement, sans explication hors-code.
+Génère le code mermaid, et rien que le code mermaid expliquant le mieux la description qui suit.
+### Sélection du type de diagramme (`mermaid_diag_type`) :
+- `Graph TB` : **choix par défaut**. Regroupe les éléments par blocs. Applique des couleurs si possible.
+- `flowchart TD` : pour les **processus** et **arbres de décision**.
+- `sequenceDiagram` : pour les **enchaînements complexes** entre **acteurs ou systèmes**.
+- `classDiagram` : si **demande explicite** ou si **entrants techniques** (ex. schéma SQL).
+- `stateDiagram-v2` : si **demande explicite** ou **entrants techniques** comme une user story.
+- `erDiagram` : autre **choix par défaut** pour exposer les relations entités-attributs. Regroupe et colore les blocs.
+- `gantt` : si **thématique projet ou travaux**, avec des **tâches identifiables**.
+- `timeline` : pour toute **chronologie**, **biographie**, ou **historique**. Regroupe les événements par **décennie**, ou **siècle** si nécessaire. Exemple de syntaxe : 
+timeline
+title History of Social Media Platform
+2002 : LinkedIn
+2004 : Facebook
+: Google
+2005 : YouTube
+2006 : Twitter
+
+### Règles de syntaxe :
+- Les noms d’entités doivent être **concis**.
+- Ne pas utiliser de **parenthèses** sauf si **sens sémantique clair** : elles perturbent le parsing Mermaid.
+- Évite aussi les caractères spéciaux non compatibles Mermaid (`@`, `{}`, `[]`, etc.).
+- Utilise des noms explicites pour les nœuds (ex. `AgentDemandeur` plutôt que `A`)
+- Utilise `%%` pour commenter ou annoter hors rendu visuel.
+- Segmente clairement, évite les diagrammes illisibles ou trop denses.
+- Rédige dans la **langue du demandeur** ou celle du **texte d’origine**.
+
+Objectif : produire un diagramme Mermaid clair, fidèle, et directement exploitable dans un contexte explicatif, technique ou décisionnel.
+"""
+import os
+
+
+
+def getModelResponseFromContent(content, provider_name="sambanova", provider_env_key="SAMBANOVA_API_KEY", model="meta-llama/Llama-4-Scout-17B-16E-Instruct"):
+    client = InferenceClient(
+        provider=provider_name,
+        api_key=os.environ[provider_env_key],
+    )
+
+    completion = client.chat.completions.create(
+        model=model,
+        messages=[
+            {
+                "role": "user",
+                f"content": content
+            }
+        ],
+    )
+
+    raw_response = completion.choices[0].message.content
+    mermaid_code_cleaned = raw_response.replace("```mermaid", "").replace("```", "").strip()
+    mermaid_diagram_type = mermaid_code_cleaned.split('\n', 1)[0].strip()
+    
+    return mermaid_code_cleaned, mermaid_diagram_type
+
+def kroki_img_from_mermaid(mermaid_code: str, output_format: str = "svg") -> str:
+    compressed = zlib.compress(mermaid_code.encode('utf-8'))
+    b64 = base64.urlsafe_b64encode(compressed).decode('utf-8')
+    image_url = f"https://kroki.io/mermaid/{output_format}/{b64}"
+    html_img = f"""<a href="{image_url}" target="_blank"> <img src="{image_url}" alt="Diagramme Mermaid via Kroki" > </a>"""
+    return html_img
+
+
+def generateDiagram(input_text="I broke my car yesterday, and the mechanics will give it back to me after insurance payment.", input_precisions="Choose the best diagram paradigm"):
+    """Generates a mermaid diagram to explain a submited text. The diagram is returned in different formats(html and raw code)
+    
+    Args:
+        input_text: the text to explain with a diagram.
+        input_precisions: diagram settings, by default the tool has the ability to choose the best type of diagram.
+        
+    Returns:
+        kroki_html_img: svg image in an img html tag.
+        kroki_html_link: full kroki link with image and link to kroki page.
+        mermaid_diag_type: type of diagram selected by the tool
+        mermaid_code: mermaid code
+    """
+    full_content_prompt = f"{PROMPT}. ###INPUT : {input_text}. ###PRECISIONS {input_precisions}"
+    mermaid_code, mermaid_diag_type = getModelResponseFromContent(content=full_content_prompt )
+    kroki_html_link = kroki_img_from_mermaid(mermaid_code)
+    kroki_html_img =  kroki_html_link[kroki_html_link.find('<img '):kroki_html_link.find('>', kroki_html_link.find('<img ')) + 1]
+    return kroki_html_img, kroki_html_link, mermaid_diag_type, mermaid_code