Update app.py

app.py

@@ -2,57 +2,69 @@ import os
 import gradio as gr
 import requests
 import pandas as pd
+from smolagents import AzureOpenAIServerModel
+from huggingface_hub import login
 from dotenv import load_dotenv
 
 load_dotenv()  # Cargar variables de entorno
 
+# Constants
 DEFAULT_API_URL = "https://agents-course-unit4-scoring.hf.space"
 
-# Función para ejecutar y enviar todas las respuestas
 def run_and_submit_all(profile: gr.OAuthProfile | None):
     """
-    Recoge todas las preguntas, ejecuta el agente sobre ellas, envía las respuestas y muestra los resultados.
+    Obtiene todas las preguntas, ejecuta el BasicAgent sobre ellas, envía las respuestas y muestra los resultados.
     """
-    space_id = os.getenv("SPACE_ID")  # ID del espacio para enlaces al código
+    space_id = os.getenv("SPACE_ID")  # Obtener el ID del espacio para enviar el enlace al código
 
     if profile:
         username = f"{profile.username}"
         print(f"Usuario logueado: {username}")
     else:
         print("Usuario no logueado.")
-        return "Por favor, inicia sesión en Hugging Face.", None
+        return "Por favor, inicie sesión en Hugging Face.", None
 
     api_url = DEFAULT_API_URL
     questions_url = f"{api_url}/questions"
     attachments_url = f"{api_url}/files/"
     submit_url = f"{api_url}/submit"
 
-    # Crear agente (modificado)
     try:
         print("Iniciando agente...")
-        agent = agent.BasicAgent()  # Usar el agente principal
+        agent = agent.BasicAgent()  # Aquí inicializamos el agente
     except Exception as e:
-        print(f"Error al iniciar el agente: {e}")
-        return f"Error al iniciar el agente: {e}", None
+        print(f"Error al inicializar el agente: {e}")
+        return f"Error al inicializar el agente: {e}", None
 
-    # 2. Recoger las preguntas
-    print(f"Recogiendo preguntas desde: {questions_url}")
+    # 2. Obtener preguntas
+    print(f"Obteniendo preguntas de: {questions_url}")
     try:
         response = requests.get(questions_url, timeout=15)
         response.raise_for_status()
         questions_data = response.json()
         if not questions_data:
             print("La lista de preguntas está vacía.")
-            return "La lista de preguntas está vacía.", None
-        print(f"Se recogieron {len(questions_data)} preguntas.")
-    except Exception as e:
-        print(f"Error recogiendo preguntas: {e}")
-        return f"Error recogiendo preguntas: {e}", None
+            return "La lista de preguntas está vacía o en formato incorrecto.", None
+        print(f"Obtenidas {len(questions_data)} preguntas.")
+        for q in questions_data:
+            file_name = q.get("file_name", "")
+            task_id = q.get("task_id")
+            if file_name and task_id:
+                try:
+                    att_response = requests.get(f"{attachments_url}{task_id}", timeout=15)
+                    att_response.raise_for_status()
+                    q["attachment_b64"] = att_response.text
+                except Exception as e:
+                    print(f"Error al obtener archivo adjunto para tarea {task_id}: {e}")
+                    q["attachment_b64"] = None
+    except requests.exceptions.RequestException as e:
+        print(f"Error al obtener preguntas: {e}")
+        return f"Error al obtener preguntas: {e}", None
 
-    # 3. Ejecutar el agente
+    # 3. Ejecutar agente sobre preguntas
     results_log = []
     answers_payload = []
-    print(f"Ejecutando el agente sobre {len(questions_data)} preguntas...")
+    print(f"Ejecutando agente sobre {len(questions_data)} preguntas...")
     for item in questions_data:
         task_id = item.get("task_id")
         question_text = item.get("question", "")
@@ -60,47 +72,51 @@ def run_and_submit_all(profile: gr.OAuthProfile | None):
         if attachment_b64:
             question_text = f"{question_text}\n\n[ATTACHMENT:]\n{attachment_b64}"
         if not task_id or question_text is None:
-            print(f"Saltando tarea con ID o pregunta faltante: {item}")
+            print(f"Saltando elemento con task_id o pregunta faltante: {item}")
             continue
         try:
-            submitted_answer = agent.forward(question_text)  # Respuesta del agente
+            submitted_answer = agent.forward(question_text)  # Aquí ejecutamos el agente para obtener la respuesta
             answers_payload.append({"task_id": task_id, "submitted_answer": submitted_answer})
             results_log.append({"Task ID": task_id, "Question": question_text, "Submitted Answer": submitted_answer})
         except Exception as e:
-            print(f"Error ejecutando agente en tarea {task_id}: {e}")
-            results_log.append({"Task ID": task_id, "Question": question_text, "Submitted Answer": f"ERROR: {e}"})
+            print(f"Error ejecutando agente sobre tarea {task_id}: {e}")
+            results_log.append({"Task ID": task_id, "Question": question_text, "Submitted Answer": f"ERROR AGENTE: {e}"})
+
+    if not answers_payload:
+        print("El agente no generó respuestas.")
+        return "El agente no generó respuestas.", pd.DataFrame(results_log)
+
+    # 4. Preparar la sumisión
+    submission_data = {"username": username.strip(), "agent_code": agent_code, "answers": answers_payload}
+    print(f"Enviando respuestas para el usuario '{username}'...")
 
-    # 4. Enviar las respuestas
-    submission_data = {"username": username.strip(), "agent_code": "agent_code_placeholder", "answers": answers_payload}
+    # 5. Enviar respuestas
     try:
         response = requests.post(submit_url, json=submission_data, timeout=60)
         response.raise_for_status()
         result_data = response.json()
-        final_status = f"¡Envío exitoso!\nUsuario: {result_data.get('username')}\nPuntaje final: {result_data.get('score', 'N/A')}%"
+        final_status = (
+            f"¡Envío exitoso!\n"
+            f"Usuario: {result_data.get('username')}\n"
+            f"Puntuación total: {result_data.get('score', 'N/A')}% "
+            f"({result_data.get('correct_count', '?')}/{result_data.get('total_attempted', '?')} correctas)"
+        )
         print("Envío exitoso.")
-        return final_status, pd.DataFrame(results_log)
+        results_df = pd.DataFrame(results_log)
+        return final_status, results_df
     except requests.exceptions.RequestException as e:
-        print(f"Error al enviar respuestas: {e}")
-        return f"Error al enviar respuestas: {e}", pd.DataFrame(results_log)
+        status_message = f"Error al enviar respuestas: {e}"
+        print(status_message)
+        results_df = pd.DataFrame(results_log)
+        return status_message, results_df
 
-# Interfaz Gradio
+# Interfaz de Gradio
 with gr.Blocks() as demo:
-    gr.Markdown("# Evaluación Básica del Agente")
-    gr.Markdown("""
-    **Instrucciones:**
-    1. Modifica este espacio con tu lógica de agente y las herramientas necesarias.
-    2. Inicia sesión en Hugging Face con el botón abajo.
-    3. Haz clic en 'Ejecutar Evaluación y Enviar Todas las Respuestas' para obtener resultados.
-
-    **Aviso:**
-    Puede tomar tiempo procesar las respuestas, así que ten paciencia.
-    """)
-
+    gr.Markdown("# Evaluador de Agente Básico")
     gr.LoginButton()
     run_button = gr.Button("Ejecutar Evaluación y Enviar Todas las Respuestas")
     status_output = gr.Textbox(label="Resultado de Ejecución / Envío", lines=5, interactive=False)
     results_table = gr.DataFrame(label="Preguntas y Respuestas del Agente", wrap=True)
-
     run_button.click(fn=run_and_submit_all, outputs=[status_output, results_table])
 
 if __name__ == "__main__":