"""AMS-агент «Погода».

Назначение: по названию города вернуть короткую сводку о текущей погоде.

Архитектура (разделение ответственности):
  * weather.py — получение данных (геокодинг + прогноз); ничего не знает про AMS;
  * handler.py — тонкий адаптер AMS: вызывает сервис и отдаёт ответ стримом.

Модуль не выпускает исключений наружу: любая ошибка превращается в текстовый
чанк. Это принципиально, потому что воркер AMS при исключении из step()
прерывает диалог и не отправляет клиенту ничего.

Контракт AMS: модуль экспортирует генератор step(...), который AMS вызывает
по именам аргументов: step(params=..., state=..., agent=...).
Отдавать нужно словари вида {"type": "chunk", "data": "..."}.
"""
from __future__ import annotations

import importlib.util
import logging
import os
import sys
from typing import Any, Iterator

from pydantic_ai import ModelSettings

logger = logging.getLogger(__name__)

CURRENT_DIR = os.path.dirname(os.path.abspath(__file__))


def _load_sibling(module_name: str, filename: str) -> Any:
    """Импортировать модуль из каталога агента.

    AMS загружает handler.py как отдельный модуль (не пакет), а каталог агента
    не входит в sys.path. Поэтому соседний модуль подключаем явно и под
    уникальным именем — это исключает конфликты имён с другими агентами.

    Модуль обязательно регистрируем в sys.modules: этого требуют dataclasses
    (при отложенных аннотациях) и pickle.
    """
    spec = importlib.util.spec_from_file_location(module_name, os.path.join(CURRENT_DIR, filename))
    module = importlib.util.module_from_spec(spec)
    sys.modules[module_name] = module
    try:
        spec.loader.exec_module(module)
    except Exception:
        sys.modules.pop(module_name, None)  # не оставляем «полумодуль» в реестре
        raise
    return module


weather = _load_sibling("ams_weather_service", "weather.py")


def _read_text(filename: str) -> str:
    """Прочитать текстовый ресурс, лежащий рядом с обработчиком."""
    with open(os.path.join(CURRENT_DIR, filename), encoding="utf-8") as file:
        return file.read()


SYSTEM_PROMPT = _read_text("system_prompt.txt")

# temperature — модель только оформляет факты, без «творчества».
# enable_thinking отключён: иначе Qwen тратит время на reasoning-токены,
# а max_tokens ограничивает длину ответа (ответ по заданию короткий).
MODEL_SETTINGS = ModelSettings(
    temperature=0.2,
    max_tokens=256,
    extra_body={"chat_template_kwargs": {"enable_thinking": False}},
)


def _facts(location: weather.Location, current: weather.Weather) -> str:
    """Факты для языковой модели.

    Все значения передаём явно, чтобы модель не додумывала числа.
    """
    return (
        f"Город: {location.title}\n"
        f"Состояние: {current.description}\n"
        f"Температура: {current.temperature_c} °C\n"
        f"Влажность: {current.humidity_pct} %\n"
        f"Ветер: {current.wind_ms} м/с, направление {current.wind_dir_deg}°\n"
        f"Осадки: {current.precipitation_mm} мм/час"
    )


def _run(agent: Any, params: dict[str, Any]) -> Iterator[dict[str, Any]]:
    """Основной сценарий: город -> сводка о погоде."""
    # Запрос относится к конкретному городу, поэтому не тащим контекст прошлых.
    agent.history = []
    agent.set_system_prompt(SYSTEM_PROMPT)

    try:
        location = weather.geocode(params["city"])
        current = weather.fetch_weather(location)
    except weather.WeatherError as exc:
        logger.warning("Погода недоступна: %s", exc.detail)
        yield {"type": "chunk", "data": f"Не удалось получить погоду: {exc.message}."}
        return

    summary = weather.format_summary(location, current)

    # Языковая модель только переформулирует факты. Если она недоступна —
    # отдаём детерминированную сводку, чтобы ответ был в любом случае.
    try:
        with agent.run_stream_sync(_facts(location, current), model_settings=MODEL_SETTINGS) as stream:
            for chunk in stream.stream_text(delta=True):
                yield {"type": "chunk", "data": chunk}
    except Exception:  # noqa: BLE001 — намеренно широкий: нужен гарантированный ответ
        logger.exception("LLM недоступен, отдаю детерминированную сводку")
        yield {"type": "chunk", "data": summary}


def step(agent: Any, state: dict[str, Any], params: dict[str, Any]) -> Iterator[dict[str, Any]]:
    """Точка входа AMS. Гарантированно не поднимает исключений."""
    try:
        yield from _run(agent, params)
    except Exception:  # noqa: BLE001 — последний рубеж: диалог не должен падать
        logger.exception("Непредвиденная ошибка обработки запроса")
        yield {"type": "chunk", "data": "Не удалось обработать запрос, попробуйте позже."}