import asyncio
import os
from dotenv import load_dotenv
from langchain_google_genai import ChatGoogleGenerativeAI

# Imports spécifiques pour la connexion réseau (SSE)
from mcp.client.sse import sse_client
from mcp.client.session import ClientSession
from langchain_mcp_adapters.tools import load_mcp_tools

# Chargement de la clé API
load_dotenv()

async def lancer_client_reseau():
    print("🤖 Initialisation de Gemini...")
    llm = ChatGoogleGenerativeAI(model="gemini-2.5-flash")

    # L'adresse de votre serveur
    url = "http://127.0.0.1:9000/sse"
    print(f"🔌 Connexion au serveur distant sur {url}...")

    # 1. On ouvre le canal de communication réseau
    async with sse_client(url) as (read_stream, write_stream):
        # 2. On démarre la session MCP sur ce canal
        async with ClientSession(read_stream, write_stream) as session:
            await session.initialize()
            
            # 3. Récupération et conversion des outils au format LangChain
            outils = await load_mcp_tools(session)
            print(f"✅ Outils détectés : {[outil.name for outil in outils]}")

            # 4. On équipe l'IA avec ces outils
            llm_avec_outils = llm.bind_tools(outils)

            # --- LE TEST ---
            question = "Quelles sont les tâches sur ma liste ? Ajoute ensuite la tâche 'Finir le projet réseau'."
            print(f"\n🗣️ Question posée : {question}")
            
            reponse = await llm_avec_outils.ainvoke(question)
            
            if reponse.tool_calls:
                print("\n⚙️ DÉCISION DE L'IA :")
                for outil in reponse.tool_calls:
                    print(f"- Outil demandé : {outil['name']} | Paramètres : {outil['args']}")

if __name__ == "__main__":
    asyncio.run(lancer_client_reseau())