"""FAQ‑бот: ChromaDB для конспектов + MCP‑style tool для метаданных курса."""
import os
from dotenv import load_dotenv
from langchain_openai import ChatOpenAI
from langchain_core.messages import HumanMessage
from langchain.agents import create_agent

load_dotenv()

from tools import search_course_docs, fetch_course_meta  # noqa: E402

llm = ChatOpenAI(
    model="openai/gpt-oss-20b:free",
    base_url="https://platform.brojs.ru/jrnl-bh/api/inference/v1",
    api_key=os.getenv("JOURNAL_MCP_PAT"),
    temperature=0.0,
)

SYSTEM_PROMPT = """Ты — FAQ‑бот курса KFU-26-1 по LangChain/LangGraph.

Доступные инструменты:
1. search_course_docs — поиск по конспектам курса в ChromaDB (Ollama embeddings)
   Используй для вопросов о технологиях: LangChain, LangGraph, MCP, агентах, коде
2. fetch_course_meta — метаданные курса через MCP‑style tool (расписание, дедлайны, контакты, глоссарий)
   Используй для вопросов о расписании, сроках, контактах преподавателя

Правила маршрутизации:
- Вопрос про содержание, технологии, концепции → search_course_docs [source: chroma]
- Вопрос про расписание, дедлайны, контакты, термины → fetch_course_meta [source: mcp_meta]
- Не вызывай оба инструмента без необходимости — выбери один подходящий

В каждом ответе укажи источник: [source: chroma] или [source: mcp_meta]"""

agent = create_agent(
    llm=llm,
    tools=[search_course_docs, fetch_course_meta],
    system_prompt=SYSTEM_PROMPT,
)

async def ask(question: str, thread_id: str = "faq-1") -> str:
    """Задать вопрос агенту и получить ответ."""
    result = await agent.ainvoke(
        {"messages": [HumanMessage(content=question)]},
        {"configurable": {"thread_id": thread_id}},
    )
    return result["messages"][-1].content