"""Самописный поисковый deep agent (deepagents + виртуальная ФС + экспорт)."""
from __future__ import annotations

import asyncio
import os
import sys
from pathlib import Path

ROOT = Path(__file__).resolve().parent
if str(ROOT) not in sys.path:
    sys.path.insert(0, str(ROOT))

from dotenv import load_dotenv
from langchain_core.messages import HumanMessage
from langchain_openai import ChatOpenAI

from deepagents import create_deep_agent
from deepagents.backends import LocalShellBackend

from export_utils import export_virtual_files
from research_tools import get_page_content, web_search

load_dotenv()

WORKSPACE_DIR = ROOT / "workspace"
OUTPUT_DIR = ROOT / "output"

OPENROUTER_BASE_URL = os.getenv("OPENROUTER_BASE_URL", "https://openrouter.ai/api/v1")
OPENROUTER_MODEL = os.getenv(
    "OPENROUTER_MODEL",
    "poolside/laguna-m.1:free",
)

SYSTEM_PROMPT = """\
Ты исследовательский deep agent (курс deep agents from scratch).

Возможности:
- web_search и get_page_content — поиск и чтение материалов в интернете
- ls, read_file, write_file, edit_file — виртуальная файловая система

Правила:
1. Получив задачу, найди информацию в интернете.
2. Сохраняй заметки и выжимки в виртуальные файлы (например /notes/topic.md).
3. Структурируй файлы по смыслу (папки notes/, research/).
4. В конце кратко сообщи, какие файлы созданы.

Пиши на русском, если пользователь не просит иначе.
"""


def build_llm() -> ChatOpenAI:
    return ChatOpenAI(
        model=OPENROUTER_MODEL,
        base_url=OPENROUTER_BASE_URL,
        api_key=os.getenv("OPENAI_API_KEY"),
        temperature=0.2,
    )


def build_agent():
    WORKSPACE_DIR.mkdir(parents=True, exist_ok=True)
    backend = LocalShellBackend(
        root_dir=str(WORKSPACE_DIR),
        virtual_mode=True,
        inherit_env=True,
    )
    return create_deep_agent(
        model=build_llm(),
        tools=[web_search, get_page_content],
        system_prompt=SYSTEM_PROMPT,
        backend=backend,
    )


async def run_research(query: str) -> list[str]:
    agent = build_agent()
    print(f"Модель: {OPENROUTER_MODEL}")
    print(f"Запрос: {query}\n")

    result = await agent.ainvoke(
        {"messages": [HumanMessage(content=query)]}
    )
    last = result["messages"][-1]
    print("\n--- Ответ агента ---")
    print(getattr(last, "content", last))

    exported = export_virtual_files(WORKSPACE_DIR, OUTPUT_DIR)
    print("\n--- Экспорт в output/ ---")
    if exported:
        for path in exported:
            print(f"  {path}")
    else:
        print("  (файлов для экспорта не найдено)")
    return exported


def main() -> None:
    query = (
        " ".join(sys.argv[1:])
        if len(sys.argv) > 1
        else "Краткий обзор Model Context Protocol (MCP): что это и зачем нужен."
    )
    asyncio.run(run_research(query))


if __name__ == "__main__":
    main()