import os
import json
import requests
from smolagents import CodeAgent, HfApiModel
from smolagents.tools.web_search import DuckDuckGoSearchTool
from smolagents.tools.python_interpreter import PythonInterpreterTool

# ==============================================================================
# --- CONFIGURACIÓN ACTUALIZADA CON TUS DATOS ---
# ==============================================================================
# URL de la API del benchmark (reemplaza si es diferente)
API_URL = "https://huggingface.co/spaces/leondurb/gaia_leaderboard" 

# Tu nombre de usuario de Hugging Face
TU_USERNAME_DE_HF = "Diego2106"

# El enlace al código de tu Space en Hugging Face
TU_LINK_AL_CODIGO = "https://huggingface.co/spaces/Diego2106/MyAgentGAIA/tree/main"
# ==============================================================================


def crear_agente_gaia():
    """Crea y configura el agente que resolverá las preguntas."""
    modelo = HfApiModel(model_id="mistralai/Mistral-7B-Instruct-v0.2")
    herramientas = [
        DuckDuckGoSearchTool(),
        PythonInterpreterTool()
    ]
    agente = CodeAgent(
        model=modelo,
        tools=herramientas,
        # Prompt para asegurar que la respuesta sea directa y sin texto extra
        system_prompt_template="Responde únicamente con la respuesta final, sin explicaciones ni texto adicional."
    )
    return agente

def resolver_benchmark():
    """Función principal que ejecuta todo el proceso."""
    
    # --- 1. Obtener las preguntas de la API ---
    print("Paso 1: Obteniendo preguntas de la API...")
    try:
        response = requests.get(f"{API_URL}/questions")
        response.raise_for_status()
        preguntas = response.json()
        print(f"Se obtuvieron {len(preguntas)} preguntas.")
    except requests.exceptions.RequestException as e:
        print(f"Error al obtener las preguntas: {e}")
        return

    # --- 2. Crear el agente y la lista de respuestas ---
    agente = crear_agente_gaia()
    lista_de_respuestas = []

    # Directorio para guardar archivos de las preguntas
    if not os.path.exists("temp_files"):
        os.makedirs("temp_files")

    # --- 3. Procesar cada pregunta ---
    print("\nPaso 2: Procesando cada pregunta con el agente (esto puede tardar mucho)...")
    for i, tarea in enumerate(preguntas):
        task_id = tarea['task_id']
        pregunta_texto = tarea['Question']
        file_name = tarea.get('file_name')

        prompt_para_agente = pregunta_texto

        # Si la pregunta necesita un archivo, lo descargamos
        if file_name:
            print(f"  - La pregunta {task_id} necesita el archivo: {file_name}. Descargando...")
            try:
                file_response = requests.get(f"{API_URL}/files/{file_name}")
                file_response.raise_for_status()
                
                ruta_archivo_local = os.path.join("temp_files", file_name)
                with open(ruta_archivo_local, 'wb') as f:
                    f.write(file_response.content)
                
                prompt_para_agente += f"\n\nContexto adicional: Usa el archivo que se encuentra en la ruta '{ruta_archivo_local}'."
                print(f"  - Archivo descargado en: {ruta_archivo_local}")

            except requests.exceptions.RequestException as e:
                print(f"  - !! Error al descargar el archivo {file_name}: {e}")
                continue

        # Ejecutar el agente
        print(f"  - Resolviendo pregunta {i+1}/{len(preguntas)} (ID: {task_id})...")
        try:
            respuesta_agente = agente.run(prompt_para_agente)
            print(f"  - Respuesta obtenida: {respuesta_agente}")
            
            lista_de_respuestas.append({
                "task_id": task_id,
                "submitted_answer": str(respuesta_agente)
            })
        except Exception as e:
            print(f"  - !! Error al ejecutar el agente en la tarea {task_id}: {e}")
            lista_de_respuestas.append({
                "task_id": task_id,
                "submitted_answer": "ERROR"
            })
            
    # --- 4. Guardar las respuestas en un archivo local (como respaldo) ---
    print("\nPaso 3: Guardando las respuestas en 'submission.jsonl' como respaldo...")
    with open("submission.jsonl", 'w') as f:
        for respuesta in lista_de_respuestas:
            f.write(json.dumps(respuesta) + '\n')
    print("Respaldo guardado.")

    # --- 5. Enviar los resultados a la API ---
    print("\nPaso 4: Enviando los resultados para calificación...")
    payload = {