136 lines
4.5 KiB
Python
136 lines
4.5 KiB
Python
# Constantes ##########################################################################
|
|
|
|
PROMPT = "Busca en Wikipedia información sobre la inflación en Argentina y dame un resumen."
|
|
|
|
|
|
# Librerias de Agno ################################################################
|
|
|
|
from agno.agent import Agent
|
|
from agno.models.openai import OpenAIChat
|
|
from agno.tools.yfinance import YFinanceTools
|
|
from agno.tools.wikipedia import WikipediaTools
|
|
|
|
# Prefect imports ##################################################################
|
|
|
|
from prefect import task, flow
|
|
from prefect.logging import get_run_logger
|
|
from prefect.filesystems import LocalFileSystem
|
|
|
|
local_file_system_block = LocalFileSystem.load("localfile")
|
|
|
|
# Cargar variables de entorno ######################################################
|
|
|
|
import os
|
|
from dotenv import load_dotenv
|
|
|
|
load_dotenv()
|
|
|
|
openai_api_key = os.getenv("OPENAI_API_KEY")
|
|
|
|
|
|
# Imports adicionales #########################################################
|
|
|
|
import traceback
|
|
from uuid import uuid4
|
|
|
|
|
|
|
|
|
|
# 01. Averiguar el prompt que se envía a OpenAI ################################################
|
|
|
|
|
|
@task(name="averiguar_el_prompt_que_seenvia_a_openai", log_prints=True)
|
|
def averiguar_el_prompt_que_seenvia_a_openai(prompt_de_usuario: str):
|
|
prefect_logger = get_run_logger()
|
|
|
|
try:
|
|
prefect_logger.debug("Creando el agente con OpenAI")
|
|
|
|
agente = Agent(
|
|
model=OpenAIChat(id="gpt-4o-mini", api_key=openai_api_key),
|
|
name="analista_financiero",
|
|
description="Agente especializado en análisis financiero y económico",
|
|
debug_mode=True,
|
|
tools=[YFinanceTools(), WikipediaTools()],
|
|
)
|
|
|
|
prefect_logger.debug("Preparando los mensajes que se enviarán al modelo...")
|
|
|
|
try:
|
|
# 🚀 Este método interno construye los mensajes igual que antes,
|
|
# pero no requiere crear un RunOutput ni AgentSession manualmente.
|
|
run_messages = agente._get_run_messages(
|
|
run_response=None,
|
|
input=prompt_de_usuario,
|
|
session=None,
|
|
session_state={},
|
|
user_id=None,
|
|
audio=None,
|
|
images=None,
|
|
videos=None,
|
|
files=None,
|
|
knowledge_filters=None,
|
|
add_history_to_context=False,
|
|
dependencies=None,
|
|
add_dependencies_to_context=False,
|
|
add_session_state_to_context=False,
|
|
metadata=None,
|
|
)
|
|
except Exception as e:
|
|
prefect_logger.error("❌ Error al generar los mensajes con _get_run_messages()")
|
|
prefect_logger.error(f"Tipo de error: {type(e).__name__}")
|
|
prefect_logger.error(f"Detalle: {str(e)}")
|
|
prefect_logger.error(traceback.format_exc())
|
|
raise
|
|
|
|
mensajes_enviados = []
|
|
try:
|
|
for msg in run_messages.messages:
|
|
mensajes_enviados.append({
|
|
"role": msg.role,
|
|
"content": msg.content
|
|
})
|
|
except Exception as e:
|
|
prefect_logger.error("❌ Error al procesar los mensajes construidos.")
|
|
prefect_logger.error(f"Tipo de error: {type(e).__name__}")
|
|
prefect_logger.error(f"Detalle: {str(e)}")
|
|
prefect_logger.error(traceback.format_exc())
|
|
raise
|
|
|
|
prefect_logger.info("✅ Mensajes construidos por el agente:")
|
|
for m in mensajes_enviados:
|
|
prefect_logger.info(f"ROLE: {m['role']}\nCONTENT:\n{m['content']}\n{'-'*40}")
|
|
|
|
resultado = agente.run(prompt_de_usuario)
|
|
|
|
prefect_logger.info("✅ Resultado de la ejecución:")
|
|
prefect_logger.info(f"{resultado}")
|
|
|
|
prefect_logger.debug("Función completada correctamente ✅")
|
|
|
|
return mensajes_enviados
|
|
|
|
except Exception as e:
|
|
prefect_logger.error("💥 Error inesperado en la tarea averiguar_el_prompt_que_seenvia_a_openai")
|
|
prefect_logger.error(f"Tipo de error: {type(e).__name__}")
|
|
prefect_logger.error(f"Mensaje: {str(e)}")
|
|
prefect_logger.error(traceback.format_exc())
|
|
raise
|
|
|
|
|
|
|
|
# Definir el flujo principal #########################################
|
|
|
|
@flow(name="Flujo financiero", result_storage=local_file_system_block, log_prints=True) # type: ignore
|
|
def flujo_principal():
|
|
|
|
resultado_analisis = averiguar_el_prompt_que_seenvia_a_openai.submit(PROMPT).result()
|
|
|
|
return resultado_analisis
|
|
|
|
|
|
# Ejecutar el flujo principal #############################
|
|
|
|
|
|
if __name__ == "__main__":
|
|
flujo_principal() |