agent.py

import os
import requests
from huggingface_hub import hf_api

# Cargar el token de Hugging Face desde el entorno
HF_TOKEN = os.getenv("HF_TOKEN")
MODEL_NAME = os.getenv("MODEL_NAME", "meta-llama/Meta-Llama-3-8B-Instruct")  # Cambia al nombre del modelo si es necesario

# Función para llamar al modelo y obtener respuesta
def call_model(prompt):
    """
    Llama al modelo de Hugging Face y devuelve la respuesta generada.
    """
    headers = {
        "Authorization": f"Bearer {HF_TOKEN}",
        "Content-Type": "application/json"
    }
    payload = {
        "inputs": prompt,
        "parameters": {"max_new_tokens": 512}
    }

    try:
        response = requests.post(
            f"https://api-inference.huggingface.co/models/{MODEL_NAME}",
            headers=headers,
            json=payload,
            timeout=60
        )
        result = response.json()
        if isinstance(result, dict) and result.get("error"):
            raise ValueError(f"Error al procesar la solicitud: {result['error']}")
        return result[0]["generated_text"] if isinstance(result, list) else result
    except requests.exceptions.RequestException as e:
        raise ValueError(f"Error de conexión con el modelo: {str(e)}")
    except Exception as e:
        raise ValueError(f"Error al obtener respuesta del modelo: {str(e)}")

# Clase para representar la lógica del agente
class Agente:
    def __init__(self):
        self.name = "Agente Hugging Face"
        self.version = "1.0"

    def procesar_pregunta(self, pregunta):
        """
        Procesa la pregunta y devuelve la respuesta generada por el modelo.
        """
        print(f"Procesando pregunta: {pregunta}")
        try:
            respuesta = call_model(pregunta)
            return respuesta
        except ValueError as e:
            print(f"Error al procesar la pregunta: {e}")
            return f"ERROR: {e}"

# Función para ejecutar la evaluación de preguntas
def evaluar_preguntas(preguntas):
    """
    Toma una lista de preguntas, las procesa y devuelve las respuestas generadas.
    """
    agente = Agente()
    respuestas = []

    for pregunta in preguntas:
        print(f"Evaluando: {pregunta}")
        respuesta = agente.procesar_pregunta(pregunta)
        respuestas.append(respuesta)

    return respuestas