from llms.Modelos.Base_model import ModeloABC
from llms.Memory.Base_MemoryConv import MemoryConvABC

from datetime import datetime
from typing import Optional, List, Union


class AgenteAI:
    def __init__(
        self,
        modelo: ModeloABC,
        nombre: str,
        descripcion: str,
        system_prompt: str,  # <- pertenece al agente
        rol: str,
        objetivos: List[str],
        memoria: Optional[MemoryConvABC] = None,
        version: str = "1.0.0",
        tools: Optional[List] = None,
        output_schema: Optional[dict] = None,  # <- nuevo parámetro
    ):
        self.modelo = modelo
        self.memoria = memoria
        self.tools = tools or []
        self.output_schema = output_schema

        self.nombre = nombre
        self.descripcion = descripcion
        self.system_prompt = system_prompt
        self.rol = rol
        self.objetivos = objetivos
        self.version = version

        self.created_at = datetime.now()
        self.updated_at = self.created_at
        self.numero_interacciones = 0

    def actualizar_configuracion(self, **kwargs):
        for clave, valor in kwargs.items():
            if hasattr(self, clave):
                setattr(self, clave, valor)
        self.updated_at = datetime.now()


    @property
    def full_system_prompt(self) -> str:
        partes = [
            f"Tu nombre es: {self.nombre}",
            f"Tu descripción: {self.descripcion}",
            f"Tu Rol: {self.rol}",
            f"Tus Objetivos: {', '.join(self.objetivos)}",
            ""
        ]

        # Incluir herramientas disponibles
        herramientas = self._obtener_descripcion_tools()
        if herramientas:
            partes.append("Estas son tus herramientas disponibles:\n")
            partes.extend(herramientas)
            partes.append("Úsalas cuando creas oportuno.\n")

        partes.append(self.system_prompt)

        if self.output_schema:
            partes.append(
                "SIEMPRE formatea la respuesta final siguiendo estrictamente el siguiente esquema JSON:"
            )
            partes.append(f"```json\n{self.output_schema}\n```")

        return "\n".join(partes)

    def _obtener_descripcion_tools(self) -> List[str]:
        """
        Devuelve una lista de strings con el nombre y descripción de cada herramienta
        recogida desde los servidores MCP conectados.
        """
        descripciones = []
        if not hasattr(self, "mcp_servers"):
            return descripciones

        for server in self.mcp_servers:
            if hasattr(server, "tools") and server.tools:
                for tool in server.tools:
                    # tool puede ser string o dict, depende cómo lo expongas
                    if isinstance(tool, str):
                        descripciones.append(f"- {tool}: [sin descripción]")
                    elif isinstance(tool, dict):
                        nombre = tool.get("name", "¿?")
                        descripcion = tool.get("description", "[sin descripción]")
                        descripciones.append(f"- {nombre}: {descripcion}")
                    elif hasattr(tool, "name"):
                        descripcion = getattr(tool, "description", "[sin descripción]")
                        descripciones.append(f"- {tool.name}: {descripcion}")
        return descripciones

    async def interactuar(self, prompt: str) -> str:
        if not self.modelo:
            raise ValueError("El agente no tiene un modelo asignado.")

        historial = []
        if self.memoria:
            historial = self.memoria.cargar_historial_chat()

        contexto = historial + [{"role": "user", "content": prompt}]
        prompt_final = self._formatear_prompt(contexto)

        # Espera la respuesta del modelo de forma asíncrona
        respuesta = await self.modelo.responder(
            prompt=prompt_final,
            system_prompt=self.full_system_prompt
        )

        if self.memoria:
            self.memoria.guardar_turno("user", prompt)
            self.memoria.guardar_turno("assistant", respuesta)

        self.numero_interacciones += 1
        self.updated_at = datetime.now()
        return respuesta

    def _formatear_prompt(self, mensajes: List[dict]) -> str:
        return "\n".join([f"{msg['role']}: {msg['content']}" for msg in mensajes])