# solution.py

"""
Пример агента с Human-in-the-Loop через middleware.
При каждом вызове инструмента агент останавливается,
выводит информацию и ожидает решения пользователя:
approve / reject (с возможностью указать причину отказа).
"""

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

# 1. Модель LLM (замените на нужную модель и укажите ключ API)
llm = ChatOpenAI(
    model="gpt-4o-mini",   # пример модели, можно заменить
    temperature=0.7,
)

# 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 для чекпоинтера
memory = MemorySaver()

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

def run_agent():
    """
    Запускает агента, обрабатывает прерывания и выводит финальный ответ.
    """
    config = {"configurable": {"thread_id": "session-1"}}
    # Инициализируем запрос
    result = agent.invoke(
        {"messages": [{"role": "human", "content": "Какая погода в Казани сегодня?"}]},
        config=config,
    )

    # Обрабатываем прерывания до тех пор, пока они не исчезнут
    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")
            args = req.get("args", {})
            print("\nИнструмент:", name)
            print("Аргументы:", args)

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

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

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

    # Финальный ответ агента
    final_answer = result["messages"][-1].content
    print("\nОтвет агента:\n", final_answer)


if __name__ == "__main__":
    run_agent()