Implementación del cliente Ollama y su credencial, integración de logging en base de datos, y mejoras en la gestión de herramientas MCP.

prueba_loop_agente.py

@@ -11,29 +11,43 @@ from fastmcp.client.transports import StreamableHttpTransport
 from fastmcp.client import Client
 from src.Llms.MCPs.McpClient import MCPClient  # ya tienes esta clase
 from src.Llms.MCPs.McpClient_Registry import ClientRegistry  # o ajusta según tu estructura
+from src.Credenciales.ollama_credencial import OllamaCredencial
+from src.ConexionApis.Ollama_cliente import OllamaCliente
+from src.Llms.Modelos.Ollama_model import ModeloOllama
 
 import asyncio
 
 
 async def main():
 
-    # Usar Credencial openai
+    # # Usar Credencial openai
 
-    conexion_admin = PostgresConexion(db_credencial)
-    repo = OpenAICredencialRepo(conexion_admin)
-    credencial_openai = repo.get_by_id("OPAK20250513-61b29978b7604031014")
-    cliente = OpenAICliente(credencial_openai)
+    # conexion_admin = PostgresConexion(db_credencial)
+    # repo = OpenAICredencialRepo(conexion_admin)
+    # credencial_openai = repo.get_by_id("OPAK20250513-61b29978b7604031014")
+    # if credencial_openai is None:
+    #     raise ValueError("No se encontró la credencial OpenAI con el ID proporcionado.")
+    # cliente = OpenAICliente(credencial_openai)
 
 
+    # Usar Credencial ollama
+    credencial_ollama = OllamaCredencial(titulo="Ollama")
 
-    # crea el modelo (openai)
+    cliente = OllamaCliente(credencial_ollama)
 
-    modelo = ModeloOpenAI(
+    modelo = ModeloOllama(
         cliente=cliente,
-        model="gpt-4o",
-        temperature=1,
-        top_p=1.0
-    )
+        model="llama3.1:8b")
+    
+
+
+    # # crea el modelo (openai)
+
+    # modelo = ModeloOpenAI(
+    #     cliente=cliente,
+    #     model="gpt-4o",
+    #     temperature=1
+    # )
 
     # Le otorga memoria 
 
@@ -70,20 +84,20 @@ async def main():
     agente2 = AgenteAI(
         modelo=modelo,
         nombre="Asistente Inteligente",
-        descripcion="Un asistente conversacional versátil, capaz de resolver problemas, acceder a herramientas y proporcionar respuestas útiles.",
-        system_prompt=(
-            "Eres un asistente inteligente que ayuda al usuario a resolver tareas, responder preguntas y usar herramientas disponibles si es necesario. "
-            "Debes razonar paso a paso, y si se detecta que una herramienta MCP es útil, actúa generando el bloque MCP apropiado sin dar más explicaciones. "
-            "Siempre estructura tus respuestas con claridad, y termina con <END> cuando creas haber completado la tarea."
-        ),
+        descripcion="",
+        system_prompt="",
+        # system_prompt = """
+        #     Eres un asistente general. No tienes acceso a herramientas externas ni herramientas MCP. No debes mencionar herramientas MCP, servidores ni bloques de código.
+        #     Responde de forma clara y amigable a cualquier pregunta general del usuario.
+        #     """.strip(),
         rol="asistente",
         objetivos=[
-            "Resolver tareas del usuario",
-            "Usar herramientas MCP si es útil",
-            "Responder de forma clara y útil"
+            # "Resolver tareas del usuario",
+            # "Usar herramientas MCP si es útil",
+            # "Responder de forma clara y útil"
         ],
 
-        # max_iterations=3,
+        max_iterations=0,
         # memoria=memoria,
         
         mcp=registry  # ← ✅ Integración del cliente MCP
@@ -92,22 +106,29 @@ async def main():
 
     # --- FUNCIÓN DE EJECUCIÓN ---
     async def probar_interaccion_stream():
-        # # 🔌 Conectar a los servidores MCP registrados
-        # await mcp_client.connect_all()
+        print("🧠 Agente iniciado. Escribe 'salir' para terminar.\n")
 
-        print("Respuesta en streaming:\n")
-        respuesta_gen = await agente2.interactuar_en_bucle(
-            "¿Cuál es mi nombre de usuario en este sistema?",
-            stream=True
-        )
+        while True:
+            prompt = input("\n📝 Escribe tu pregunta: ")
+            if prompt.strip().lower() in ("salir", "exit", "quit"):
+                print("\n👋 Hasta pronto.")
+                break
 
-        async for token in respuesta_gen:
-            print(token, end="", flush=True)
+            print("\n💬 Respuesta en streaming:\n")
+            respuesta_gen = await agente2.interactuar_en_bucle(
+                prompt=prompt,
+                stream=True
+            )
+
+            async for token in respuesta_gen:
+                print(token, end="", flush=True)
 
 
     await probar_interaccion_stream()
 
 
+
+
 # Ejecutar
 if __name__ == "__main__":
     asyncio.run(main())