import os
import re
import requests
import json
from tools import AVAILABLE_TOOLS
from config import get_config

def get_llm_response(prompt: str, provider: str, cfg: dict) -> str:
    """Invoca o provedor de LLM configurado."""
    if provider == "gemini":
        api_key = cfg.get("gemini_api_key")
        url = f"https://generativelanguage.googleapis.com/v1beta/models/gemini-2.5-flash:generateContent?key={api_key}"
        payload = {"contents": [{"parts": [{"text": prompt}]}]}
        res = requests.post(url, json=payload)
        if res.status_code == 200:
            return res.json()["candidates"][0]["content"]["parts"][0]["text"]
        return f"Erro Gemini: {res.text}"
    
    elif provider == "ollama":
        ollama_host = os.getenv("OLLAMA_HOST", "http://ollama-lw4s8g4gc8gss4gkc4gg0wk4:11434")
        res = requests.post(f"{ollama_host}/api/generate", json={
            "model": os.getenv("OLLAMA_MODEL", "qwen2.5-coder:1.5b"),
            "prompt": prompt,
            "stream": False
        })
        if res.status_code == 200:
            return res.json().get("response", "")
        return f"Erro Ollama: {res.text}"
    
    return "Provedor desconhecido."

def query_agent(prompt: str, override_provider: str = None) -> str:
    """
    Motor Agente em Loop (ReAct): Pensamento -> Ação -> Observação -> Resposta Final.
    """
    cfg = get_config()
    provider = override_provider or cfg.get("active_provider", "gemini")
    
    # Contexto de Ferramentas para a IA
    tools_desc = "\n".join([f"- {k}: {v['description']}" for k,v in AVAILABLE_TOOLS.items()])
    
    # Prompt especializado (sem chaves complexas)
    system_prompt_base = """Você é o [Antigravity VPS Agent].
Sua missão é ser o SysAdmin de elite do Marcos. Você tem acesso root.

### REGRAS:
1. Responda em PORTUGUÊS (Brasil).
2. Para agir, use: [CMD] comando [/CMD]. Rode UM comando por vez.
3. Seus comandos devem ser diretos (docker, git, ls, rm, mkdir).
4. Após o comando, você receberá a saída. O seu objetivo é resolver a solicitação do usuário.
5. Quando terminar, sua resposta FINAL deve ter:
   - Um resumo técnico rápido.
   - Uma seção entre tags <REFINED> ... </REFINED> com uma tabela Markdown limpa ou resumo em tópicos (Nome: Valor) para o usuário leigo.

### FERRAMENTAS DISPONÍVEIS:
{TOOLS_LIST}

### EXEMPLO DE REFINAMENTO VISUAL:
Relatório: Coletei os dados solicitados.
<REFINED>
### 📊 Status Global
- **CPU**: 10%
- **RAM**: 500MB livre
</REFINED>
"""
    system_prompt = system_prompt_base.replace("{TOOLS_LIST}", tools_desc)

    history = f"\nUsuário: {prompt}\n"
    max_loops = 10
    
    for _ in range(max_loops):
        full_prompt = system_prompt + history
        response = get_llm_response(full_prompt, provider, cfg)
        
        # Procura por comandos na resposta
        match = re.search(r"\[CMD\](.*?)\[/CMD\]", response, re.IGNORECASE | re.DOTALL)
        
        if match:
            cmd = match.group(1).strip()
            # Executa a tool (por enquanto focada em bash que é a mais poderosa)
            print(f"Agente executando: {cmd}")
            observation = AVAILABLE_TOOLS["run_bash_command"]["func"](cmd)
            
            # Adiciona ao histórico para a IA ler na próxima rodada
            history += f"\nAgente (Pensamento/Ação): {response}\nSISTEMA (Saída do Terminal): {observation}\n"
        else:
            # Se não tem comando, é a resposta final
            return response
            
    return "O agente atingiu o limite de tentativas para esta tarefa."