fn_registry/functions/browser/cdp_get_ax_outline.go

package browser

import (
	"fmt"
	"strings"
)

// axoActionableRoles son los roles que el LLM puede referir con #ref. Misma
// lista que _ACTIONABLE_ROLES de render_ax_outline.py.
var axoActionableRoles = map[string]struct{}{
	"button":           {},
	"link":             {},
	"textbox":          {},
	"searchbox":        {},
	"checkbox":         {},
	"radio":            {},
	"combobox":         {},
	"listbox":          {},
	"menuitem":         {},
	"menuitemcheckbox": {},
	"menuitemradio":    {},
	"tab":              {},
	"option":           {},
	"switch":           {},
	"slider":           {},
	"spinbutton":       {},
	"treeitem":         {},
	"gridcell":         {},
}

// axoSkipRoles son roles sin valor semantico: se omiten y sus hijos se elevan al
// nivel actual. Misma lista que _SKIP_ROLES de render_ax_outline.py.
var axoSkipRoles = map[string]struct{}{
	"none":         {},
	"presentation": {},
	"ignored":      {},
}

// axoMaxDepth limita la profundidad de render (guard anti-RecursionError de
// arboles AX patologicos). Igual que _MAX_DEPTH del .py.
const axoMaxDepth = 60

// axNode es la representacion interna de un AXNode CDP, ya extraida del
// map[string]any de la respuesta. Los helpers de poda y render operan sobre
// estos structs, lo que los hace puros y testeables sin Chrome.
type axNode struct {
	nodeID           string
	backendDOMNodeID string
	ignored          bool
	role             string
	name             string
	value            string
	childIDs         []string
	parentID         string
}

// CdpGetAXOutline percibe la pagina (o un iframe concreto via frameID) como un
// outline accesible indentado y accionable, reusando la conexion CDP viva del
// pool — sin abrir un WebSocket nuevo ni levantar el venv de Python.
//
// Envia Accessibility.enable (idempotente) y Accessibility.getFullAXTree. Si
// frameID != "", pasa {"frameId": frameID} para obtener el arbol DENTRO de ese
// iframe; con frameID == "" obtiene el arbol completo de la pagina (depth -1).
//
// El resultado se poda (trim) y luego se renderiza replicando exactamente el
// formato del pipeline Python cdp_get_ax_tree -> trim_ax_tree -> render_ax_outline:
// indentacion de 2 espacios por nivel, `role "name"`, ` = 'value'` para inputs,
// y marcador `  #ref=<backendDOMNodeId>` en roles accionables. maxChars > 0
// trunca y añade "\n…[outline truncado]"; maxChars <= 0 = sin limite.
func CdpGetAXOutline(c *CDPConn, frameID string, maxChars int) (string, error) {
	if c == nil {
		return "", fmt.Errorf("cdp get ax outline: conexion nula")
	}

	// Accessibility.enable (idempotente, cacheado por conexion): necesario antes de
	// getFullAXTree. Cachear el flag evita un round-trip extra en cada percepcion,
	// que es la operacion mas frecuente del bucle percibir->actuar del agente.
	if err := c.ensureAX(); err != nil {
		return "", fmt.Errorf("cdp get ax outline: Accessibility.enable: %w", err)
	}

	var params map[string]any
	if frameID != "" {
		params = map[string]any{"frameId": frameID}
	}

	res, err := c.sendCDP("Accessibility.getFullAXTree", params)
	if err != nil {
		return "", fmt.Errorf("cdp get ax outline: Accessibility.getFullAXTree: %w", err)
	}

	nodes := axoParseNodes(res)
	trimmed := trimAXTree(nodes)
	return renderAXOutline(trimmed, maxChars), nil
}

// axoParseNodes extrae la lista de axNode del result de getFullAXTree. Tras el
// JSON unmarshal a map[string]any, los nodos vienen como []any de
// map[string]any y los enteros (backendDOMNodeId, nodeId) como float64; nodeId y
// childIds suelen llegar como strings. Normalizamos todo a string.
func axoParseNodes(result map[string]any) []axNode {
	raw, ok := result["nodes"].([]any)
	if !ok {
		return nil
	}
	out := make([]axNode, 0, len(raw))
	for _, item := range raw {
		m, ok := item.(map[string]any)
		if !ok {
			continue
		}
		n := axNode{
			nodeID:           axoStr(m["nodeId"]),
			backendDOMNodeID: axoStr(m["backendDOMNodeId"]),
			ignored:          axoBool(m["ignored"]),
			role:             axoNested(m["role"]),
			name:             axoNested(m["name"]),
			value:            axoNested(m["value"]),
			childIDs:         axoStrSlice(m["childIds"]),
			parentID:         axoStr(m["parentId"]),
		}
		out = append(out, n)
	}
	return out
}

// axoNested extrae el campo "value" de un objeto CDP del tipo {value: ...} (role,
// name, value vienen asi). Devuelve "" si esta ausente o vacio.
func axoNested(v any) string {
	m, ok := v.(map[string]any)
	if !ok {
		if v == nil {
			return ""
		}
		return axoStr(v)
	}
	return axoStr(m["value"])
}

// axoStr normaliza cualquier escalar JSON a string. Los enteros CDP llegan como
// float64 tras el unmarshal; los renderizamos sin decimales.
func axoStr(v any) string {
	switch t := v.(type) {
	case nil:
		return ""
	case string:
		return t
	case float64:
		// IDs CDP son enteros: evitar notacion 1.234e+06 / sufijo .0.
		return fmt.Sprintf("%d", int64(t))
	case bool:
		if t {
			return "true"
		}
		return "false"
	default:
		return fmt.Sprintf("%v", t)
	}
}

func axoBool(v any) bool {
	b, _ := v.(bool)
	return b
}

func axoStrSlice(v any) []string {
	raw, ok := v.([]any)
	if !ok {
		return nil
	}
	out := make([]string, 0, len(raw))
	for _, item := range raw {
		out = append(out, axoStr(item))
	}
	return out
}

// trimAXTree compacta la lista de axNode descartando nodos irrelevantes y
// colapsando cadenas padre->hijo del mismo role. Puro: porta trim_ax_tree.py.
//
// Descarta: ignored=true; role 'generic'/'none' sin name ni childIds;
// role 'StaticText' con name vacio. Colapsa: nodo con exactamente 1 hijo del
// mismo role hereda los childIds del hijo (el hijo se descarta). Itera hasta
// convergencia. Preserva el orden original de aparicion.
func trimAXTree(nodes []axNode) []axNode {
	if len(nodes) == 0 {
		return nil
	}

	shouldDiscard := func(n axNode) bool {
		if n.ignored {
			return true
		}
		if (n.role == "generic" || n.role == "none") && n.name == "" && len(n.childIDs) == 0 {
			return true
		}
		if n.role == "StaticText" && n.name == "" {
			return true
		}
		return false
	}

	byID := map[string]axNode{}
	for _, n := range nodes {
		if shouldDiscard(n) {
			continue
		}
		byID[n.nodeID] = n
	}

	// Colapso iterativo hasta convergencia.
	for {
		changed := false
		removed := map[string]struct{}{}
		for _, node := range byID {
			if _, gone := removed[node.nodeID]; gone {
				continue
			}
			if len(node.childIDs) != 1 {
				continue
			}
			childID := node.childIDs[0]
			child, ok := byID[childID]
			if !ok || child.role != node.role {
				continue
			}
			// Fusionar: el padre hereda los childIds del hijo.
			merged := node
			merged.childIDs = child.childIDs
			byID[node.nodeID] = merged
			removed[childID] = struct{}{}
			changed = true
		}
		if !changed {
			break
		}
		for id := range removed {
			delete(byID, id)
		}
	}

	// Preservar orden original.
	result := make([]axNode, 0, len(byID))
	seen := map[string]struct{}{}
	for _, n := range nodes {
		node, ok := byID[n.nodeID]
		if !ok {
			continue
		}
		if _, dup := seen[n.nodeID]; dup {
			continue
		}
		result = append(result, node)
		seen[n.nodeID] = struct{}{}
	}
	return result
}

// renderAXOutline convierte axNode en un outline indentado, legible y
// accionable. Puro: porta render_ax_outline.py al caracter. La jerarquia se
// reconstruye con childIDs; las raices son nodeIds que no aparecen como hijo de
// nadie (fallback al primer nodo). maxChars > 0 trunca con sufijo.
func renderAXOutline(nodes []axNode, maxChars int) string {
	if len(nodes) == 0 {
		return ""
	}

	byID := map[string]axNode{}
	for _, n := range nodes {
		if n.nodeID != "" {
			byID[n.nodeID] = n
		}
	}

	allChildIDs := map[string]struct{}{}
	for _, n := range nodes {
		for _, cid := range n.childIDs {
			allChildIDs[cid] = struct{}{}
		}
	}

	var roots []axNode
	for _, n := range nodes {
		if _, isChild := allChildIDs[n.nodeID]; !isChild {
			roots = append(roots, n)
		}
	}
	if len(roots) == 0 {
		roots = []axNode{nodes[0]}
	}

	var lines []string
	visited := map[string]struct{}{} // guard de ciclo: un nodeId no se renderiza dos veces

	var renderNode func(node axNode, depth int)
	renderNode = func(node axNode, depth int) {
		nid := node.nodeID
		if depth > axoMaxDepth {
			return
		}
		if nid != "" {
			if _, dup := visited[nid]; dup {
				return
			}
			visited[nid] = struct{}{}
		}

		if node.ignored {
			return
		}

		role := node.role
		if _, skip := axoSkipRoles[role]; role == "" || skip {
			// Nodos sin role util: elevar los hijos al nivel actual.
			for _, cid := range node.childIDs {
				if child, ok := byID[cid]; ok {
					renderNode(child, depth)
				}
			}
			return
		}

		indent := strings.Repeat("  ", depth)
		var base string
		if node.name != "" {
			base = fmt.Sprintf("%s%s %q", indent, role, node.name)
		} else {
			base = indent + role
		}

		// Estado actual del campo (texto escrito, valor de slider/combobox).
		if node.value != "" {
			base += " = " + axoPyRepr(node.value)
		}

		// Ref accionable, sin padding.
		if _, ok := axoActionableRoles[role]; ok {
			ref := axoRefID(node)
			if ref != "" {
				base += "  #ref=" + ref
			}
		}

		lines = append(lines, base)

		for _, cid := range node.childIDs {
			if child, ok := byID[cid]; ok {
				renderNode(child, depth+1)
			}
		}
	}

	for _, root := range roots {
		renderNode(root, 0)
	}

	result := strings.Join(lines, "\n")

	if maxChars > 0 && len(result) > maxChars {
		result = strings.TrimRight(result[:maxChars], " \t\n\r\v\f")
		result += "\n…[outline truncado]"
	}

	return result
}

// axoRefID devuelve el ref estable del nodo: backendDOMNodeId (apunta al nodo DOM
// real, estable mientras el nodo viva) con fallback al nodeId. Igual que
// _ref_id() del .py.
func axoRefID(n axNode) string {
	if n.backendDOMNodeID != "" {
		return n.backendDOMNodeID
	}
	return n.nodeID
}

// axoPyRepr replica Python repr() para strings: comillas simples por defecto;
// comillas dobles si la cadena contiene comilla simple pero no doble; escape de
// backslash y de la comilla delimitadora. Reproduce el efecto de `{value!r}`
// del render_ax_outline.py para que la salida coincida al caracter.
func axoPyRepr(s string) string {
	hasSingle := strings.Contains(s, "'")
	hasDouble := strings.Contains(s, "\"")
	quote := byte('\'')
	if hasSingle && !hasDouble {
		quote = '"'
	}

	var b strings.Builder
	b.WriteByte(quote)
	for i := 0; i < len(s); i++ {
		ch := s[i]
		switch ch {
		case '\\':
			b.WriteString("\\\\")
		case '\n':
			b.WriteString("\\n")
		case '\r':
			b.WriteString("\\r")
		case '\t':
			b.WriteString("\\t")
		case quote:
			b.WriteByte('\\')
			b.WriteByte(quote)
		default:
			b.WriteByte(ch)
		}
	}
	b.WriteByte(quote)
	return b.String()
}