Actualizacion para mcp

prueba_loop_agente.py

@@ -7,53 +7,111 @@ from src.ConexionApis.OpenAi_conexion import OpenAICliente
 from src.Llms.Modelos.Openai_model import ModeloOpenAI
 from src.Llms.Agente import AgenteAI
 from src.Llms.Memory.postgres_MemoryConv import MemoryConvPostgres
+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
+
+import asyncio
+
+
+async def main():
+
+    # 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)
+    # crea el modelo (openai)
 
-repo = OpenAICredencialRepo(conexion_admin)
-credencial_openai = repo.get_by_id("OPAK20250513-61b29978b7604031014")
-
-cliente = OpenAICliente(credencial_openai)
-
-modelo = ModeloOpenAI(
-    cliente=cliente,
-    model="gpt-4o",
-    temperature=1,
-    top_p=1.0
-)
-
-
-memoria = MemoryConvPostgres(
-    credencial=db_credencial,
-    nombre_tabla="memoria_conversacion_pruebas",
-    k=10
-)
-
-agente2 = AgenteAI(
-    modelo=modelo,
-    nombre="Experto en Astronomía",
-    descripcion="Un experto en astronomía que responde preguntas sobre el universo.",
-    system_prompt="Actúa como un experto en astronomía y astrofísica con experiencia académica y práctica en observación astronómica, física estelar, cosmología, mecánica orbital y análisis de datos astronómicos. Cuando respondas, utiliza lenguaje técnico pero accesible para alguien con conocimientos intermedios en física y matemáticas. Siempre que sea posible, incluye explicaciones detalladas, ejemplos numéricos y referencias a teorías o descubrimientos relevantes (por ejemplo, relatividad general, evolución estelar, espectroscopía, etc.). No simplifiques en exceso. Si la pregunta tiene múltiples dimensiones (como observacional y teórica), aborda todas. ¿Estás listo para empezar?",
-    rol="astronomo",
-    max_iterations=5,
-    memoria=memoria,
-    objetivos=["Responder preguntas sobre astronomía y astrofísica", "Proporcionar explicaciones detalladas y ejemplos numéricos"],
-)
-
-async def probar_interaccion_stream():
-    print("Respuesta en streaming:\n")
-
-    # Paso 1: espera la corutina para obtener el generador
-    respuesta_gen = await agente2.interactuar_en_bucle(
-        "¿Hacia qué va orbitando cada astro del espacio? responde jerárquicamente",
-        stream=True
+    modelo = ModeloOpenAI(
+        cliente=cliente,
+        model="gpt-4o",
+        temperature=1,
+        top_p=1.0
     )
 
-    # Paso 2: itera sobre el generador
-    async for token in respuesta_gen:
-        print(token, end="", flush=True)
+    # Le otorga memoria 
+
+    memoria = MemoryConvPostgres(
+        credencial=db_credencial,
+        nombre_tabla="memoria_conversacion_pruebas",
+        k=10
+    )
+
+
+    # Cargamos las herramientas
+
+    herramientas = MCPClient.from_http(
+        name="tools",
+        url="http://127.0.0.1:4300/tools/"
+    )
+
+    math = MCPClient.from_http(
+        name="math",
+        url="http://127.0.0.1:4200/math/"
+    )
+
+    # Las añadimos al registro de herramientas
+
+    registry = ClientRegistry()
+
+
+    registry.add("tools", herramientas)
+    registry.add("math", math)
+
+
+
+    # --- INICIALIZACIÓN DEL AGENTE ---
+    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."
+        ),
+        rol="asistente",
+        objetivos=[
+            "Resolver tareas del usuario",
+            "Usar herramientas MCP si es útil",
+            "Responder de forma clara y útil"
+        ],
+
+        # max_iterations=3,
+        # memoria=memoria,
+        
+        mcp=registry  # ← ✅ Integración del cliente MCP
+    )
+
+
+    # --- FUNCIÓN DE EJECUCIÓN ---
+    async def probar_interaccion_stream():
+        # # 🔌 Conectar a los servidores MCP registrados
+        # await mcp_client.connect_all()
+
+        print("Respuesta en streaming:\n")
+        respuesta_gen = await agente2.interactuar_en_bucle(
+            "¿Cuál es mi nombre de usuario en este sistema?",
+            stream=True
+        )
+
+        async for token in respuesta_gen:
+            print(token, end="", flush=True)
+
+
+    await probar_interaccion_stream()
+
+
+# Ejecutar
+if __name__ == "__main__":
+    asyncio.run(main())
+
+
 
 
-asyncio.run(probar_interaccion_stream())