Update app.py

app.py

@@ -2,51 +2,54 @@ import os
 import gradio as gr
 import requests
 import pandas as pd
-from smolagents import AzureOpenAIServerModel
 from huggingface_hub import login
 from dotenv import load_dotenv
+import my_tokens
 
-load_dotenv()  # Cargar variables de entorno
+# Cargar variables de entorno
+load_dotenv()
 
-# Constants
-DEFAULT_API_URL = "https://agents-course-unit4-scoring.hf.space"
+# Constantes
+API_BASE_URL = "https://my-custom-api.hf.space"
 
-def run_and_submit_all(profile: gr.OAuthProfile | None):
+def execute_agent_operations(profile: gr.OAuthProfile | None):
     """
-    Obtiene todas las preguntas, ejecuta el BasicAgent sobre ellas, envía las respuestas y muestra los resultados.
+    Obtiene preguntas, ejecuta el agente y envía respuestas.
     """
-    space_id = os.getenv("SPACE_ID")  # Obtener el ID del espacio para enviar el enlace al código
+    # Obtener el ID de espacio
+    space_id = os.getenv("MY_SPACE_ID")
 
     if profile:
         username = f"{profile.username}"
-        print(f"Usuario logueado: {username}")
+        print(f"Usuario conectado: {username}")
     else:
-        print("Usuario no logueado.")
-        return "Por favor, inicie sesión en Hugging Face.", None
+        print("No has iniciado sesión.")
+        return "Inicia sesión en Hugging Face.", None
 
-    api_url = DEFAULT_API_URL
-    questions_url = f"{api_url}/questions"
-    attachments_url = f"{api_url}/files/"
-    submit_url = f"{api_url}/submit"
+    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...")
-        agent = agent.BasicAgent()  # Aquí inicializamos el agente
+        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 el agente: {e}")
+        print(f"Error al inicializar agente: {e}")
         return f"Error al inicializar el agente: {e}", None
 
-    # 2. Obtener preguntas
+    # Obtener las preguntas
     print(f"Obteniendo preguntas de: {questions_url}")
     try:
         response = requests.get(questions_url, timeout=15)
         response.raise_for_status()
-        questions_data = response.json()
-        if not questions_data:
+        questions = response.json()
+        if not questions:
             print("La lista de preguntas está vacía.")
-            return "La lista de preguntas está vacía o en formato incorrecto.", None
-        print(f"Obtenidas {len(questions_data)} preguntas.")
-        for q in questions_data:
+            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:
@@ -55,69 +58,83 @@ def run_and_submit_all(profile: gr.OAuthProfile | None):
                     att_response.raise_for_status()
                     q["attachment_b64"] = att_response.text
                 except Exception as e:
-                    print(f"Error al obtener archivo adjunto para tarea {task_id}: {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}")
         return f"Error al obtener preguntas: {e}", None
 
-    # 3. Ejecutar agente sobre preguntas
+    # Ejecutar el agente
+    print(f"Ejecutando agente en {len(questions)} preguntas...")
     results_log = []
     answers_payload = []
-    print(f"Ejecutando agente sobre {len(questions_data)} preguntas...")
-    for item in questions_data:
+    
+    for item in questions:
         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 question_text is None:
-            print(f"Saltando elemento con task_id o pregunta faltante: {item}")
+        if not task_id or not question_text:
+            print(f"Saltando tarea con información incompleta: {item}")
             continue
         try:
-            submitted_answer = agent.forward(question_text)  # Aquí ejecutamos el agente para obtener la respuesta
+            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})
         except Exception as e:
-            print(f"Error ejecutando agente sobre tarea {task_id}: {e}")
-            results_log.append({"Task ID": task_id, "Question": question_text, "Submitted Answer": f"ERROR AGENTE: {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}"})
 
     if not answers_payload:
-        print("El agente no generó respuestas.")
-        return "El agente no generó respuestas.", pd.DataFrame(results_log)
+        return "El agente no produjo respuestas.", pd.DataFrame(results_log)
 
-    # 4. Preparar la sumisión
-    submission_data = {"username": username.strip(), "agent_code": agent_code, "answers": answers_payload}
-    print(f"Enviando respuestas para el usuario '{username}'...")
+    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)
 
-    # 5. Enviar 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!\n"
-            f"Usuario: {result_data.get('username')}\n"
-            f"Puntuación total: {result_data.get('score', 'N/A')}% "
-            f"({result_data.get('correct_count', '?')}/{result_data.get('total_attempted', '?')} correctas)"
-        )
+        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:
-        status_message = f"Error al enviar respuestas: {e}"
-        print(status_message)
+        error_message = f"Error al enviar: {e}"
+        print(error_message)
         results_df = pd.DataFrame(results_log)
-        return status_message, results_df
+        return error_message, results_df
 
-# Interfaz de Gradio
+
+# 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.
+    """)
+
     gr.LoginButton()
-    run_button = gr.Button("Ejecutar Evaluación y Enviar Todas las Respuestas")
-    status_output = gr.Textbox(label="Resultado de Ejecución / Envío", lines=5, interactive=False)
+
+    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)
-    run_button.click(fn=run_and_submit_all, outputs=[status_output, results_table])
+
+    run_button.click(
+        fn=execute_agent_operations,
+        outputs=[status_output, results_table]
+    )
 
 if __name__ == "__main__":
+    print("Iniciando aplicación de evaluación de agente...")
     demo.launch(debug=True, share=False)