agent.py

from smolagents import Tool, DuckDuckGoSearchTool, GoogleSearchTool, VisitWebpageTool, WikipediaSearchTool, PythonInterpreterTool, FinalAnswerTool
from tavily import TavilyClient
from dotenv import load_dotenv
import os

load_dotenv()  # Cargar variables de entorno desde .env

# Inicializar herramientas directamente en agent.py
duck_search = DuckDuckGoSearchTool()
google_search = GoogleSearchTool()
visit_page = VisitWebpageTool()
wiki_search = WikipediaSearchTool()
do_python = PythonInterpreterTool()
final_answer = FinalAnswerTool()
tavily_search = TavilyClient()

# Herramienta de transcripción de audio a texto
speech_to_text_tool = Tool.from_space("hf-audio/whisper-large-v3-turbo", 
                                      name="speech_to_text_tool", 
                                      description="""Convierte un archivo de audio a texto. Usa este comando: 
                                                     'speech_to_text_tool(filename)'""", 
                                      api_name="/predict")

# Herramienta de QA visual
visual_qa_tool = Tool.from_space("sitammeur/PicQ", 
                                 name="visual_qa_tool", 
                                 description="""Responde preguntas sobre una imagen proporcionada.
                                                Usa el comando: visual_qa_tool(question=<pregunta>, image=<nombre_de_imagen>)""",
                                 api_name="/predict")

# Inicializar el modelo de Azure OpenAI
from smolagents import AzureOpenAIServerModel
import app_tokens

model = AzureOpenAIServerModel(
    model_id=app_tokens.AZURE_OPENAI_MODEL,
    azure_endpoint=app_tokens.AZURE_OPENAI_ENDPOINT,
    api_key=app_tokens.AZURE_OPENAI_API_KEY,
    api_version=app_tokens.OPENAI_API_VERSION
)

class BasicAgent:
    def __init__(self):
        # Agente de búsqueda en la web
        self.web_agent = CodeAgent(
            model=model,
            tools=[visit_page, wiki_search, google_search, final_answer],
            max_steps=8,
            name="web_agent",
            description="Este agente realiza búsquedas en la web.",
            add_base_tools=True
        )

        # Agente de conversión de audio a texto
        self.audio_agent = CodeAgent(
            model=model,
            tools=[speech_to_text_tool, final_answer],
            max_steps=4,
            name="audio_agent",
            description="Este agente convierte audio a texto.",
            add_base_tools=True
        )

        # Agente para ejecución de código Python
        self.py_agent = CodeAgent(
            model=model,
            tools=[do_python, final_answer],
            additional_authorized_imports=["json", "pandas", "numpy", "regex"],
            max_steps=8,
            name="python_code_agent",
            description="Este agente ejecuta y valida código Python.",
            add_base_tools=True
        )

        # Agente para análisis de imágenes
        self.visual_agent = CodeAgent(
            model=model,
            tools=[visual_qa_tool, final_answer],
            max_steps=4,
            name="visual_qa_agent",
            description="Este agente responde preguntas sobre imágenes.",
            add_base_tools=True
        )

        # Agente principal que coordina otros agentes
        self.manager_agent = CodeAgent(
            model=model,
            tools=[],
            managed_agents=[self.web_agent, self.audio_agent, self.py_agent, self.visual_agent],
            planning_interval=8,
            verbosity_level=2,
            max_steps=12,
            add_base_tools=True
        )

    def forward(self, question: str, attachment: str = None) -> str:
        if attachment:
            result = self.manager_agent.run(question, additional_args={"attachment": attachment})
        else:
            result = self.manager_agent.run(question)
        return result