# solution.py

import sys
from typing import Any, Dict, Iterable, Tuple

# 1️⃣ Rich для красивого вывода
from rich.console import Console

console = Console()

# 2️⃣ LangGraph и необходимые компоненты
from langgraph.checkpoint.memory import MemorySaver
from langgraph.graph import StateGraph
from langgraph.prebuilt import create_chat_agent
from langchain_openai import ChatOpenAI
from langchain_core.messages import HumanMessage, AIMessage, ToolMessage

# 3️⃣ Определяем простой инструмент (пример)
def echo_tool(args: Dict[str, Any]) -> str:
    """Простейший инструмент, который возвращает переданный текст."""
    return f"Эхо: {args.get('text', '')}"

# 4️⃣ Создаём LLM
llm = ChatOpenAI(model="gpt-3.5-turbo", temperature=0)

# 5️⃣ Настраиваем память и агент с паузой перед инструментом
memory = MemorySaver()

agent = create_chat_agent(
    llm=llm,
    tools=[echo_tool],
    system_prompt="Ты — полезный ассистент, который сначала спрашивает подтверждение перед вызовом инструмента.",
    checkpointer=memory,
    interrupt_before=["tools"],  # пауза перед каждым инструментом
)

# 6️⃣ Функция для обработки потокового ответа и подтверждения
def ask_and_run(user_input: Dict[str, Any], config: Dict[str, Any]) -> None:
    """
    Отправляем запрос агенту, обрабатываем потоковые чанки,
    при необходимости запрашиваем у пользователя подтверждение перед вызовом инструмента.
    """
    # Запускаем поток
    for chunk in agent.stream(user_input, config=config, stream_mode=["messages", "updates"]):
        state = agent.get_state(config)
        chunk_type, chunk_data = chunk

        # 6.1️⃣ Печатаем токены LLM в режиме потока
        if chunk_type == "messages":
            for msg in chunk_data:
                if isinstance(msg, AIMessage):
                    console.print(f"[bold cyan]AI:[/bold cyan] {msg.content}", end="")
                elif isinstance(msg, ToolMessage):
                    # Инструмент уже вызван – выводим результат
                    console.print(f"\n[green]Tool result:[/green] {msg.content}")

        # 6.2️⃣ Обрабатываем обновления (например, вызовы инструментов)
        if chunk_type == "updates":
            for update in chunk_data:
                if isinstance(update, dict) and "tool_calls" in update:
                    console.print("\n[magenta]Инструмент готов к выполнению:[/magenta]")
                    tool_call = update["tool_calls"][0]
                    name = tool_call["name"]
                    args = tool_call.get("args", {})
                    console.print(f"[yellow]{name}({args})[/yellow]")

        # 6.3️⃣ Проверяем паузу перед инструментом
        if "__interrupt__" in chunk_data and state.next == ("tools",):
            # Получаем последний вызов инструмента
            last_msg = state.values["messages"][-1]
            tool_call = last_msg.tool_calls[0]
            name = tool_call["name"]
            args = tool_call.get("args", {})
            console.print("\n\n[bold red]Пауза:[/bold red] Агент хочет вызвать инструмент.")
            console.print(f"[yellow]{name}({args})[/yellow]")
            answer = input("[green]Разрешить? (Y/n): [/green]").strip().lower()
            if answer in ("", "y", "yes"):
                # Продолжаем с того же состояния
                ask_and_run(None, config)
            else:
                console.print("[red]Отменено. Конец диалога.[/red]")
                sys.exit(0)

# 7️⃣ Основной цикл чата
def main() -> None:
    thread_id = "thread-1"
    config = {"configurable": {"thread_id": thread_id}}

    console.print("[bold blue]Запуск агента. Введите 'exit' для завершения.[/bold blue]")
    while True:
        user_input = input("\n[cyan]Вы:[/cyan] ")
        if user_input.lower() == "exit":
            console.print("[bold green]До свидания![/bold green]")
            break

        ask_and_run(
            {"messages": [{"role": "human", "content": user_input}]},
            config,
        )

if __name__ == "__main__":
    main()