"""
Определяет логику рабочих процессов агента,
используя LangGraph для управления состояниями
и переходами между узлами обработки.
"""

from typing import Dict, Any, Optional, Set
from langgraph.graph import StateGraph, END
from graph_history_manager import GraphHistoryManager
from models import AgentState
from nodes import parse_command_node, execute_command_node, call_llm_node, generate_images_node, analyze_image_node, get_meet_subtitles_node, get_teams_subtitles_node, summarize_history_node, handle_error_node, help_node
import uuid  # Добавлено для генерации UUID
from llm_client import get_llm
# --- LangGraph: Построение графа ---

graph_history_manager = GraphHistoryManager()

workflow = StateGraph(AgentState)

# Добавляем узлы
workflow.add_node("parse_command", parse_command_node)
workflow.add_node("execute_command",
                  execute_command_node)  # Это по сути роутер
workflow.add_node("call_llm", call_llm_node)
workflow.add_node("generate_images", generate_images_node)
workflow.add_node("analyze_image", analyze_image_node)
workflow.add_node("get_meet_subtitles", get_meet_subtitles_node)
workflow.add_node("get_teams_subtitles", get_teams_subtitles_node)
workflow.add_node("summarize_history", summarize_history_node)
workflow.add_node("handle_error", handle_error_node)
workflow.add_node("help", help_node)

# Устанавливаем точку входа
workflow.set_entry_point("parse_command")


# Определяем маршрутизацию после parse_command
def route_command(state: AgentState) -> str:
    """Маршрутизирует выполнение на основе распознанной команды."""
    if state.error:
        return "handle_error"  # Если была ошибка парсинга команды
    elif state.command == "imagine":
        return "generate_images"
    elif state.command == "analyze":
        return "analyze_image"
    elif state.command == "subtitles_meet":
        return "get_meet_subtitles"
    elif state.command == "subtitles_teams":
        return "get_teams_subtitles"
    elif state.command == "summarize":
        return "summarize_history"
    elif state.command == "help":
        return "help"
    elif state.command == "chat":
        return "call_llm"
    elif state.command == "error":  # Команда была, но не известная
        return "handle_error"
    else:
        # Fallback на LLM, если команда не распознана или пуста (хотя parse_command должен был бы ее поймать)
        return "call_llm"


workflow.add_conditional_edges(
    "parse_command",  # Откуда
    route_command,  # Функция, определяющая куда идти
    {
        "generate_images": "generate_images",
        "analyze_image": "analyze_image",
        "get_meet_subtitles": "get_meet_subtitles",
        "get_teams_subtitles": "get_teams_subtitles",
        "summarize_history": "summarize_history",
        "help": "help",
        "call_llm": "call_llm",
        "handle_error":
        "handle_error",  # Для ошибок, найденных в parse_command
    },
)

# Все узлы операций (кроме ошибок) ведут к END после завершения
workflow.add_edge("call_llm", END)
workflow.add_edge("generate_images", END)
workflow.add_edge("analyze_image", END)
workflow.add_edge("get_meet_subtitles", END)
workflow.add_edge("get_teams_subtitles", END)
workflow.add_edge("summarize_history", END)
workflow.add_edge("help", END)
workflow.add_edge("handle_error",
                  END)  # Ошибка - это тоже конечный пункт для текущего запроса

# Компилируем граф
app = workflow.compile()


def run_agent_streaming(graph_id: str,
                       user_node_id: str,
                       assistant_node_id: str,
                       system_prompt: Optional[str] = None,
                       model: Optional[str] = None):
    """Генератор для стримингового ответа LLM с поддержкой вложений."""
    try:
        loaded_graph_data = graph_history_manager.get_graph(
            graph_id, target_node_id=user_node_id)
        
        if not loaded_graph_data:
            yield {"type": "error", "error": "Граф не найден."}
            return

        messages = loaded_graph_data.get("messages", [])
        
        from langchain_core.messages import HumanMessage, SystemMessage, AIMessage
        
        messages_for_llm = []
        if system_prompt:
            messages_for_llm.append(SystemMessage(content=system_prompt))

        # ИЗМЕНЕНО: Обрабатываем вложения
        for i, msg in enumerate(messages):
            is_last = (i == len(messages) - 1)
            
            if msg["role"] == "user":
                content = msg["content"]
                attachments = msg.get("attachments", [])
                
                # Раскрываем постоянные вложения и вложения последнего сообщения
                if attachments:
                    for att in attachments:
                        if att.get("permanent") or is_last:
                            formatted_content = format_attachment_for_llm(att)
                            content += "\n" + formatted_content
                
                messages_for_llm.append(HumanMessage(content=content))
                
            elif msg["role"] == "assistant":
                messages_for_llm.append(AIMessage(content=msg["content"]))

        # Стриминг ответа
        llm = get_llm(model or "gemini-2.5-flash")
        for chunk in llm.stream2(messages_for_llm):
            content = chunk.content if hasattr(chunk, 'content') else str(chunk)
            yield {"type": "chunk", "content": content}
            
    except Exception as e:
        print(f"Ошибка при стриминге: {e}")
        yield {"type": "error", "error": str(e)}


def format_attachment_for_llm(attachment: Dict[str, Any]) -> str:
    """Форматирует вложение для вставки в сообщение LLM."""
    att_type = "промпта" if attachment["type"] == "prompt" else "файла"
    header = f"\n\n--- Содержимое {att_type}: {attachment['name']} ---\n"
    footer = f"\n--- Конец {att_type}: {attachment['name']} ---\n\n"
    return header + attachment.get("content", "").strip() + footer