from app.services.llm_service import LLMService
from app.services.tool_registry import ToolRegistry


class OrquestradorService:

    def __init__(self):
        self.llm = LLMService() # Instancia o serviço que conversa com o Gemini
        self.registry = ToolRegistry() # Instancia o registro de tools disponíveis no sistema


    """
    Método principal chamado quando o usuário envia uma mensagem.

    Parâmetros:
    - message: texto enviado pelo usuário
    - user_id: identificador do usuário (ainda não está sendo usado aqui,
    mas futuramente servirá para histórico)
    """
    async def handle_message(self, message: str, user_id: str) -> str:

        tools = self.registry.get_tools()

        llm_result = await self.llm.generate_response(
            message=message,
            tools=tools
        )

        if llm_result["tool_call"]:

            tool_name = llm_result["tool_call"]["name"] # Nome da função que o Gemini quer executar
            arguments = llm_result["tool_call"]["arguments"] # Argumentos extraídos da mensagem do usuário

            tool_result = await self.registry.execute(tool_name, arguments)

            # Segunda rodada para formatar resposta
            final_response = await self.llm.generate_response(
                message=f"Resultado da função {tool_name}: {tool_result}",
                tools=tools
            )

            return final_response["response"]

        # Se o modelo não chamou nenhuma tool,
        # significa que ele respondeu diretamente em texto.
        return llm_result["response"]