Update app.py

app.py

@@ -4,137 +4,94 @@ import requests
 import pandas as pd
 from huggingface_hub import login
 from dotenv import load_dotenv
-import my_tokens
+from agent import ejecutar_agente
 
-# Cargar variables de entorno
-load_dotenv()
+# Cargar token desde secreto y hacer login
+hf_token = os.getenv("HF_TOKEN")
+if hf_token:
+    login(token=hf_token)
+else:
+    raise ValueError("No se encontró el token de Hugging Face. Verifica el secreto HF_TOKEN.")
 
 # Constantes
 API_BASE_URL = "https://my-custom-api.hf.space"
 
-def execute_agent_operations(profile: gr.OAuthProfile | None):
-    """
-    Obtiene preguntas, ejecuta el agente y envía respuestas.
-    """
-    # Obtener el ID de espacio
+def ejecutar_y_enviar_respuestas(profile: gr.OAuthProfile | None):
     space_id = os.getenv("MY_SPACE_ID")
 
     if profile:
-        username = f"{profile.username}"
-        print(f"Usuario conectado: {username}")
+        username = profile.username
+        print(f"Usuario: {username}")
     else:
-        print("No has iniciado sesión.")
-        return "Inicia sesión en Hugging Face.", None
+        return "Debes iniciar sesión en Hugging Face.", None
 
-    questions_url = f"{API_BASE_URL}/questions"
-    attachments_url = f"{API_BASE_URL}/files/"
-    submit_url = f"{API_BASE_URL}/submit"
-
-    try:
-        print("Iniciando Agente...")
-        # Aquí puedes instanciar tu agente como se define en agent.py
-        # agente = MiAgente() 
-    except Exception as e:
-        print(f"Error al inicializar agente: {e}")
-        return f"Error al inicializar el agente: {e}", None
-
-    # Obtener las preguntas
-    print(f"Obteniendo preguntas de: {questions_url}")
+    # Obtener preguntas
     try:
-        response = requests.get(questions_url, timeout=15)
+        response = requests.get(f"{API_BASE_URL}/questions", timeout=10)
         response.raise_for_status()
-        questions = response.json()
-        if not questions:
-            print("La lista de preguntas está vacía.")
-            return "No se encontraron preguntas.", None
-        print(f"Se obtuvieron {len(questions)} preguntas.")
-        
-        for q in questions:
-            file_name = q.get("file_name", "")
-            task_id = q.get("task_id")
-            if file_name and task_id:
-                try:
-                    att_response = requests.get(f"{attachments_url}{task_id}", timeout=15)
-                    att_response.raise_for_status()
-                    q["attachment_b64"] = att_response.text
-                except Exception as e:
-                    print(f"Error al obtener archivo adjunto para la tarea {task_id}: {e}")
-                    q["attachment_b64"] = None
-    except requests.exceptions.RequestException as e:
-        print(f"Error al obtener preguntas: {e}")
+        preguntas = response.json()
+    except Exception as e:
         return f"Error al obtener preguntas: {e}", None
 
-    # Ejecutar el agente
-    print(f"Ejecutando agente en {len(questions)} preguntas...")
-    results_log = []
-    answers_payload = []
-    
-    for item in questions:
+    if not preguntas:
+        return "No hay preguntas disponibles.", None
+
+    for p in preguntas:
+        task_id = p.get("task_id")
+        if task_id:
+            try:
+                archivo = requests.get(f"{API_BASE_URL}/files/{task_id}", timeout=10)
+                archivo.raise_for_status()
+                p["attachment_b64"] = archivo.text
+            except:
+                p["attachment_b64"] = None
+
+    # Ejecutar agente sobre preguntas
+    resultados = []
+    respuestas = []
+
+    for item in preguntas:
         task_id = item.get("task_id")
-        question_text = item.get("question", "")
-        attachment_b64 = item.get("attachment_b64", "")
-        if attachment_b64:
-            question_text = f"{question_text}\n\n[ATTACHMENT:]\n{attachment_b64}"
-        if not task_id or not question_text:
-            print(f"Saltando tarea con información incompleta: {item}")
-            continue
+        pregunta = item.get("question", "")
+        adjunto = item.get("attachment_b64", "")
+        if adjunto:
+            pregunta += f"\n\n[ATTACHMENT:]\n{adjunto}"
+
         try:
-            submitted_answer = "Placeholder"  # Aquí llamarías a tu agente para obtener la respuesta
-            answers_payload.append({"task_id": task_id, "submitted_answer": submitted_answer})
-            results_log.append({"Task ID": task_id, "Question": question_text, "Submitted Answer": submitted_answer})
+            respuesta = ejecutar_agente(pregunta)
         except Exception as e:
-            print(f"Error al procesar la tarea {task_id}: {e}")
-            results_log.append({"Task ID": task_id, "Question": question_text, "Submitted Answer": f"ERROR: {e}"})
+            respuesta = f"ERROR: {e}"
 
-    if not answers_payload:
-        return "El agente no produjo respuestas.", pd.DataFrame(results_log)
+        respuestas.append({"task_id": task_id, "submitted_answer": respuesta})
+        resultados.append({"Task ID": task_id, "Question": pregunta, "Submitted Answer": respuesta})
 
-    submission_data = {"username": username.strip(), "agent_code": f"https://huggingface.co/spaces/{space_id}", "answers": answers_payload}
-    status_update = f"Enviando respuestas para el usuario '{username}'..."
-    print(status_update)
+    # Enviar respuestas
+    payload = {
+        "username": username,
+        "agent_code": f"https://huggingface.co/spaces/{space_id}",
+        "answers": respuestas,
+    }
 
     try:
-        response = requests.post(submit_url, json=submission_data, timeout=60)
-        response.raise_for_status()
-        result_data = response.json()
-        final_status = f"¡Envío exitoso!\nPuntuación: {result_data.get('score', 'N/A')}"
-        print("Envío exitoso.")
-        results_df = pd.DataFrame(results_log)
-        return final_status, results_df
-    except requests.exceptions.RequestException as e:
-        error_message = f"Error al enviar: {e}"
-        print(error_message)
-        results_df = pd.DataFrame(results_log)
-        return error_message, results_df
-
+        envio = requests.post(f"{API_BASE_URL}/submit", json=payload, timeout=60)
+        envio.raise_for_status()
+        resultado_final = envio.json()
+        return f"¡Envío exitoso! Score: {resultado_final.get('score', 'N/A')}", pd.DataFrame(resultados)
+    except Exception as e:
+        return f"Error al enviar: {e}", pd.DataFrame(resultados)
 
 # Interfaz Gradio
-with gr.Blocks() as demo:
-    gr.Markdown("# Evaluador de Agente Básico")
-    gr.Markdown("""
-    **Instrucciones:**
-
-    1. Modifica el código para ajustar el agente a tus necesidades.
-    2. Inicia sesión en Hugging Face.
-    3. Haz clic en 'Ejecutar Evaluación y Enviar Respuestas' para procesar las preguntas.
-
-    --- 
-    **Avisos:**
-    Este espacio está diseñado para ser subóptimo con el fin de incentivar la personalización del código.
-    """)
+with gr.Blocks() as interfaz:
+    gr.Markdown("# Evaluador de Agente")
+    gr.Markdown("Inicia sesión, ejecuta el agente y envía tus respuestas.")
 
     gr.LoginButton()
+    btn = gr.Button("Ejecutar Evaluación y Enviar Respuestas")
 
-    run_button = gr.Button("Ejecutar Evaluación y Enviar Respuestas")
-
-    status_output = gr.Textbox(label="Estado de Ejecución / Resultado del Envío", lines=5, interactive=False)
-    results_table = gr.DataFrame(label="Preguntas y Respuestas del Agente", wrap=True)
+    salida_estado = gr.Textbox(label="Estado", lines=4)
+    salida_tabla = gr.DataFrame(label="Resultados")
 
-    run_button.click(
-        fn=execute_agent_operations,
-        outputs=[status_output, results_table]
-    )
+    btn.click(fn=ejecutar_y_enviar_respuestas, outputs=[salida_estado, salida_tabla])
 
 if __name__ == "__main__":
-    print("Iniciando aplicación de evaluación de agente...")
-    demo.launch(debug=True, share=False)
+    interfaz.launch()