"""
tools.py — RAG-инструменты для агента.

Два инструмента через декоратор @tool:
  • search_knowledge_base  — семантический поиск в базе знаний
  • add_to_knowledge_base  — добавление документа в базу
"""

from langchain_core.tools import tool
from vector_store import add_documents, search


@tool
def search_knowledge_base(query: str, max_results: int = 5) -> str:
    """
    Выполняет семантический поиск в базе знаний.

    Args:
        query:       поисковый запрос на естественном языке.
        max_results: максимальное количество возвращаемых результатов (по умолчанию 5).

    Returns:
        Строка с найденными фрагментами и их оценками релевантности.
    """
    results = search(query, max_results=max_results)

    if not results:
        return "В базе знаний ничего не найдено по данному запросу."

    lines = []
    for i, (doc, score) in enumerate(results, start=1):
        title = doc.metadata.get("title", "—")
        chunk = doc.metadata.get("chunk_index", 0)
        lines.append(
            f"[{i}] (score={score:.3f}) «{title}» chunk#{chunk}\n{doc.page_content}"
        )

    return "\n\n".join(lines)


@tool
def add_to_knowledge_base(content: str, title: str = "") -> str:
    """
    Добавляет новый документ в базу знаний.

    Args:
        content: текстовое содержимое документа.
        title:   название / источник документа (необязательно).

    Returns:
        Сообщение об успехе с количеством созданных чанков.
    """
    n_chunks = add_documents(content, title=title)
    return (
        f"Документ «{title or 'без названия'}» успешно добавлен в базу знаний. "
        f"Создано чанков: {n_chunks}."
    )