import asyncio
from src.ApiKeys.openai_apikey import OpenAICredencial
from src.ApiKeys.openai_apikey_mmr import OpenAICredencialRepo
from src.ConexionSql.Postgres_conexion import PostgresConexion
from entrypoint.init_db import db_credencial
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)



    # crea el modelo (openai)

    modelo = ModeloOpenAI(
        cliente=cliente,
        model="gpt-4o",
        temperature=1,
        top_p=1.0
    )

    # 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())