# solution.py
# -*- coding: utf-8 -*-
"""
Пример агента с Human-in-the-Loop через HumanInTheLoopMiddleware.
При каждом вызове инструмента агент останавливается,
выводит информацию и ожидает решения пользователя: approve / reject.
"""

from langchain_openai import ChatOpenAI
from langchain.tools import tool
from langchain.agents.middleware import HumanInTheLoopMiddleware
from langgraph.prebuilt import create_react_agent
from langgraph.checkpoint.memory import MemorySaver
from langgraph.types import Command

# 1. Модель LLM
llm = ChatOpenAI(
    model="gpt-4o-mini",
    temperature=0,
)

# 2. Простой инструмент
@tool
def get_weather(city: str, date: str) -> str:
    """Возвращает погоду в городе на указанную дату."""
    return f"Погода в {city} на {date}: солнечно 25°C."

# 3. Хранилище памяти
memory = MemorySaver()

# 4. Создание агента с HumanInTheLoopMiddleware
agent = create_react_agent(
    model=llm,
    tools=[get_weather],
    system_prompt="Ты полезный ассистент, отвечай точно.",
    checkpointer=memory,
    middleware=[
        HumanInTheLoopMiddleware(
            interrupt_on={
                "get_weather": True,  # прерывать на каждом вызове get_weather
            },
            description_prefix="Подтвердите вызов инструмента",
        ),
    ],
)


def main() -> None:
    """
    Запускает чат-цикл с human-in-the-loop:
    пользователь вводит запрос, агент останавливается перед вызовом
    инструмента и ждёт подтверждения (approve / reject).
    """
    config = {"configurable": {"thread_id": "session-1"}}

    print("Привет! Введите запрос или 'выход' для завершения.")

    while True:
        user_input = input("\nВы: ").strip()
        if user_input.lower() in {"выход", "exit", "quit"}:
            print("Завершение работы.")
            break

        # Первый вызов агента
        result = agent.invoke(
            {"messages": [{"role": "human", "content": user_input}]},
            config=config,
        )

        # Цикл обработки прерываний
        while "__interrupt__" in result:
            interrupt_payload = result["__interrupt__"][0].value
            action_requests = interrupt_payload.get("action_requests", [])
            review_configs = interrupt_payload.get("review_configs", {})

            decisions = []

            for req in action_requests:
                name = req.get("name", "неизвестный инструмент")
                args = req.get("args", {})
                description = req.get("description", "")

                print("\n--- Подтверждение ---")
                print(f"Инструмент: {name}")
                if description:
                    print(f"Описание: {description}")
                print(f"Аргументы: {args}")

                # Показываем разрешённые решения из review_configs
                allowed = review_configs.get(name, {}).get(
                    "allowed_decisions", ["approve", "reject"]
                )
                print(f"Разрешённые решения: {allowed}")

                choice = input("a=approve, r=reject: ").strip().lower()
                if choice == "r":
                    reason = input("Причина отказа: ").strip()
                    decisions.append({"type": "reject", "message": reason})
                else:
                    decisions.append({"type": "approve"})

            # Возобновляем выполнение агента с решениями
            result = agent.invoke(
                Command(resume={"decisions": decisions}),
                config=config,
            )

        # Финальный ответ агента
        final_answer = result["messages"][-1].content
        print(f"\nАгент: {final_answer}")


if __name__ == "__main__":
    main()