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

from typing import Dict, Any, Optional
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
# --- 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(user_input: str,
              existing_graph_id: Optional[str] = None,
              parent_node_id: Optional[str] = None) -> Dict[str, Any]:
    """
    Запускает агента с заданным пользовательским вводом.
    Может продолжить существующий граф по graph_id.
    Возвращает обновленное состояние и ID графа.
    """
    initial_state = AgentState(input=user_input, parent_node_id=parent_node_id)

    # Если есть существующий ID графа, загружаем его историю
    if existing_graph_id:
        existing_graph_data = graph_history_manager.get_graph(
            existing_graph_id)
        if existing_graph_data:
            print(f"Продолжаю существующий граф {existing_graph_id}")
            initial_state.chat_history = existing_graph_data.get(
                "messages", [])
            initial_state.graph_nodes = existing_graph_data.get(
                "graph_nodes", [])
            initial_state.graph_edges = existing_graph_data.get(
                "graph_edges", [])
            initial_state.parent_node_id = parent_node_id or existing_graph_data.get(
                "current_node_id")

    # Запускаем граф
    result = app.invoke(initial_state)
    final_state = AgentState(**result)

    # Сохраняем обновленное состояние графа
    graph_data_to_save = {
        "id": existing_graph_id,
        "messages": final_state.chat_history,
        "graph_nodes": final_state.graph_nodes,
        "graph_edges": final_state.graph_edges,
        "current_node_id": final_state.current_node_id
    }
    new_graph_id = graph_history_manager.save_graph(graph_data_to_save)

    # Формируем ответ для фронтенда
    response_data = {
        "graph_id": new_graph_id,
        "messages": final_state.chat_history,
        "llm_response": final_state.llm_response,
        "image_urls": final_state.image_urls,
        "analysis_result": final_state.analysis_result,
        "subtitles": final_state.subtitles,
        "summarized_history_text": final_state.summarized_history_text,
        "error": final_state.error,
        "graph_visualization_data": {
            "nodes": final_state.graph_nodes,
            "edges": final_state.graph_edges,
            "current_node_id": final_state.current_node_id
        }
    }
    return response_data