import os
import re
import httpx
import asyncio
import json
from tools import AVAILABLE_TOOLS as TOOLS_LEGACY
from tools_v2 import TOOLS_V2 as TOOLS_NEW
from llm_providers import call_llm, get_available_models, get_planner_llm
from config import get_config

async def get_llm_response_async(prompt: str, provider: str, cfg: dict) -> str:
    """Invoca o provedor de LLM centralizado em llm_providers."""
    # Define modelo padrão dependendo do provider
    if provider == "openrouter":
        model = cfg.get("model") or "qwen/qwen-2.5-72b-instruct"
    elif provider == "ollama":
        model = os.getenv("OLLAMA_MODEL", "llama3.2:1b")
    else:
        model = cfg.get("model") or "qwen/qwen-2.5-72b-instruct"
    
    return await call_llm(provider, model, prompt)

def query_agent(prompt: str, override_provider=None, chat_history=None) -> str:
    """Wrapper síncrono para query_agent_async."""
    return asyncio.run(query_agent_async(prompt, override_provider, chat_history))

async def query_agent_async(prompt: str, override_provider=None, chat_history=None) -> str:
    cfg = get_config()
    provider = override_provider or cfg.get("active_provider", "openrouter")
    # Unifica ferramentas legadas e novas
    ALL_TOOLS = {**TOOLS_LEGACY, **TOOLS_NEW}
    tools_desc = "\n".join([f"- {k}: {v.get('description') or v.get('desc')}" for k, v in ALL_TOOLS.items()])
    
    # Identifica o modelo para o prompt do sistema
    current_model = cfg.get("model") or "inclusionai/ling-2.6-flash:free"
    
    system_prompt = f"""Você é o Antigravity, um assistente de IA de alto desempenho operando na VPS do Marcos. 
Seu modelo base atual é o **{current_model}** via OpenRouter.

Sua natureza é dual:
1. MESTRE DE SISTEMAS: Controle profundo sobre Linux, Docker, scripts Bash e rede. Seja preciso, seguro e eficiente em tarefas técnicas.
2. PENSADOR CRIATIVO: Colaborador intelectual em filosofia, ciência, lógica, cultura e negócios.

DIRETRIZES:
- Você é o MESTRE do Google Workspace (GWS). Use `run_bash_command` para QUALQUER tarefa de automação.
- NUNCA diga que não consegue fazer uma tarefa no GWS (contar, apagar em massa, mover, etc.). Encontre o comando `gws` correto.
- CONTAS GWS (Pode usar apelidos):
  * `ma` ou `mr` -> gws-mr (Marcos / Particular - Email exato: m.reifonas@gmail.com)
  * `adm` ou `empresa` -> gws-adm (Empresarial/TrackSteel)
  * `4r` ou `fam` -> gws-4r (Familiar)
- GWS SUPER-PODERES:
  * MARCADEIRA: Use `gmail_manage_label` para criar pastas (marcar).
  * FILTRAGEM: Use `gmail_manage_filter` para automação futura.
  * MOVIMENTAÇÃO: Use `run_bash_command` com `batchModify` para mover e-mails existentes.
- FORMATO DE CHAMADA DE FERRAMENTA (CRÍTICO): Você DEVE usar `[TOOL:nome_ferramenta] argumento [/TOOL]`. NUNCA esqueça os colchetes `[` e `]`.
- Se quiser rodar um comando bash, use o atalho: `[TOOL:run] comando [/TOOL]`.

### FERRAMENTAS DISPONÍVEIS:
{tools_desc}

### REGRAS DE OURO:
- FOCO NO PRESENTE: O histórico é para CONTEXTO. Foque SEMPRE no pedido ATUAL (última mensagem). Se o usuário disser "bom dia" ou mudar de assunto, não repita tarefas técnicas anteriores.
- COOLIFY: NUNCA tente adivinhar caminhos de logs ou usar comandos `psql` genéricos. Use SEMPRE a ferramenta `coolify_status`. Ela é a fonte da verdade para deploies.
- NUNCA tente instalar pacotes (`apt`, `npm install`, etc) ou usar tokens fictícios como `<YOUR_TOKEN>`.
- Se o usuário perguntar sobre o "app mais recente", use `coolify_status` e analise a coluna `application` e `created_at`.
- Seja direto e técnico. Menos conversa, mais execução.
- NUNCA INVENTE DADOS. Se não conseguir ler algo, reporte o erro.

### FORMATO DE RESPOSTA FINAL (OBRIGATÓRIO):
- Use SEMPRE o prefixo `RESUMO:` para sua conclusão final amigável.
- Exemplo: `RESUMO: Tudo pronto! O último app a receber deploy foi o VOXDO.`
"""

    history_str = ""
    if chat_history:
        for m in chat_history[-5:]:
            history_str += f"\nUsuário: {m['user']}\nAgente: {m['bot']}\n"
    history_str += f"\nUsuário: {prompt}\n"
    
    current_history = history_str
    max_iterations = 6
    total_in = 0
    total_out = 0
    final_model = current_model

    for i in range(max_iterations):
        print(f"[AGENT] Iteração {i+1} - Enviando para {provider} (modelo padrão: {current_model})...")
        try:
            res_dict = await call_llm(provider, current_model, system_prompt + current_history)
            
            # Lógica de FALLBACK: Se o Ling falhar (especialmente por ser free/busy), tenta o Qwen 2.5-72B
            if (res_dict.get("content", "").startswith("Erro OpenRouter") or "error" in res_dict.get("content", "").lower()) and provider == "openrouter":
                backup_model = "qwen/qwen-2.5-72b-instruct"
                print(f"⚠️ [FALLBACK CHAT] Falha no Ling. Tentando {backup_model}...")
                res_dict = await call_llm("openrouter", backup_model, system_prompt + current_history)
        except Exception as e:
            if provider == "openrouter":
                backup_model = "qwen/qwen-2.5-72b-instruct"
                print(f"⚠️ [FALLBACK CHAT] Exceção no Ling ({str(e)}). Tentando {backup_model}...")
                res_dict = await call_llm("openrouter", backup_model, system_prompt + current_history)
            else:
                return f"Erro Crítico no Agente: {str(e)}"

        response = res_dict["content"]
        usage = res_dict.get("usage", {})
        total_in += usage.get("prompt_tokens", 0)
        total_out += usage.get("completion_tokens", 0)
        final_model = res_dict.get("model", final_model)

        print(f"[LLM RESPONSE]: {response}")
        # Regex mais flexível: tenta casar [TOOL:nome] e extrair o conteúdo até [/TOOL] ou final da string
        match = re.search(r"(?:\[?TOOL:([\w_]+)\]?|\[TOOL:([\w_]+)\])", response, re.I)
        
        if match:
            t_name = (match.group(1) or match.group(2)).strip().lower()
            if t_name == "run": t_name = "run_bash_command"
            
            content_after = response[match.end():]
            end_tag = re.search(r"\[/TOOL\]", content_after, re.I)
            
            arg = content_after[:end_tag.start()].strip() if end_tag else content_after.strip()

            all_tools = {**TOOLS_LEGACY, **TOOLS_NEW}
            if t_name in all_tools:
                tool_info = all_tools[t_name]
                func = tool_info["func"]
                print(f"[AGENT] Executando {t_name} com argumento: {arg[:50]}...")
                
                if asyncio.iscoroutinefunction(func):
                    obs = await func(arg) if arg else await func()
                else:
                    obs = func(arg) if arg else func()
                
                if isinstance(obs, dict):
                    obs = obs.get("output") or obs.get("message") or str(obs)
                
                print(f"[TOOL:{t_name}] Observation: {str(obs)[:100]}...")
                
                if len(str(obs)) > 3000:
                    obs = str(obs)[:3000] + "... [TRUNCATED]"
                current_history += f"\nAgente: {response}\nSISTEMA ({t_name}): {obs}\n"
            else:
                print(f"[AGENT] Erro: Ferramenta '{t_name}' não encontrada.")
                current_history += f"\nAgente: {response}\nSISTEMA: Erro: Ferramenta '{t_name}' inexistente no sistema.\n"
        else:
            # Terminou o pensamento. Adiciona rodapé de tokens.
            footer = f"\n\n---\n⚙️ **Modelo:** `{final_model}`\n📊 **Tokens:** `{total_in} IN` / `{total_out} OUT`"
            if "RESUMO:" in response:
                return response + footer
            return response + footer
            
    # Ao atingir o limite, tenta ao menos limpar a resposta final
    final_reply = response if 'response' in locals() else 'Nenhuma'
    footer = f"\n\n---\n⚠️ *Limite de iterações atingido*\n⚙️ **Modelo:** `{final_model}`\n📊 **Tokens:** `{total_in} IN` / `{total_out} OUT`"
    return f"RESUMO: {final_reply}" + footer