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

load_dotenv()  # Cargar variables de entorno

# Constants
DEFAULT_API_URL = "https://agents-course-unit4-scoring.hf.space"

def run_and_submit_all(profile: gr.OAuthProfile | None):
    """
    Obtiene todas las preguntas, ejecuta el BasicAgent sobre ellas, envía las respuestas y muestra los resultados.
    """
    space_id = os.getenv("SPACE_ID")  # Obtener el ID del espacio para enviar el enlace al código

    if profile:
        username = f"{profile.username}"
        print(f"Usuario logueado: {username}")
    else:
        print("Usuario no logueado.")
        return "Por favor, inicie 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"

    try:
        print("Iniciando agente...")
        agent = agent.BasicAgent()  # Aquí inicializamos el agente
    except Exception as e:
        print(f"Error al inicializar el agente: {e}")
        return f"Error al inicializar el agente: {e}", None

    # 2. Obtener 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:
            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:
            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 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
    results_log = []
    answers_payload = []
    print(f"Ejecutando agente sobre {len(questions_data)} preguntas...")
    for item in questions_data:
        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}")
            continue
        try:
            submitted_answer = agent.forward(question_text)  # Aquí ejecutamos el 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}"})

    if not answers_payload:
        print("El agente no generó respuestas.")
        return "El agente no generó 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}'...")

    # 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)"
        )
        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)
        results_df = pd.DataFrame(results_log)
        return status_message, results_df

# Interfaz de Gradio
with gr.Blocks() as demo:
    gr.Markdown("# Evaluador de Agente Básico")
    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)
    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])

if __name__ == "__main__":
    demo.launch(debug=True, share=False)