import json
from openai import OpenAI

# ==========================================
# 1. Настройки API (задаются здесь)
# ==========================================
API_KEY = "sk-your-api-key-here"
# Оставьте BASE_URL по умолчанию для OpenAI, или замените на свой (например, для локального сервера LM Studio / vLLM)
BASE_URL = "http://127.0.0.1:8000/v1"
MODEL = "model_name"

# Инициализируем клиента
client = OpenAI(
    api_key=API_KEY,
    base_url=BASE_URL
)

# ==========================================
# 2. Определяем инструменты
# ==========================================
tools = [
    {
        "type": "function",
        "function": {
            "name": "get_current_weather",
            "description": "Получает текущую погоду в заданном городе",
            "parameters": {
                "type": "object",
                "properties": {
                    "location": {"type": "string", "description": "Город и страна, например: Токио, Япония"}
                },
                "required": ["location"]
            }
        }
    },
    {
        "type": "function",
        "function": {
            "name": "get_current_time",
            "description": "Получает текущее время для указанного региона",
            "parameters": {
                "type": "object",
                "properties": {
                    "timezone": {"type": "string", "description": "Таймзона, например: Asia/Tokyo"}
                },
                "required": ["timezone"]
            }
        }
    }
]

# ==========================================
# 3. Отправляем запрос и логируем результат
# ==========================================
def test_openai_function_calling():
    print(f"🚀 Отправляем запрос через библиотеку OpenAI (Модель: {MODEL})...")

    messages = [
        {"role": "user", "content": "Какая сейчас погода в Токио и сколько там времени?"}
    ]

    try:
        response = client.chat.completions.create(
            model=MODEL,
            messages=messages,
            tools=tools,
            tool_choice="auto"
        )

        # В библиотеке openai мы обращаемся к атрибутам через точку
        choice = response.choices[0]
        message = choice.message
        finish_reason = choice.finish_reason

        print("\n--- ЛОГ ОТВЕТА ---")

        # 1. Проверяем наличие текстового ответа (комментарии модели)
        if message.content:
            print(f"💬 Текстовый ответ модели: {message.content}")
        else:
            print("💬 Текстовый ответ отсутствует (модель сразу перешла к вызовам).")

        # 2. Проверяем наличие вызовов функций
        if finish_reason == "tool_calls" and message.tool_calls:
            print("\n✅ УСПЕХ: Модель запросила вызов функций!")
            print(f"Количество запрошенных функций: {len(message.tool_calls)}")

            for index, tool_call in enumerate(message.tool_calls, start=1):
                func_name = tool_call.function.name
                func_args = tool_call.function.arguments

                print(f"  [{index}] Функция: '{func_name}'")
                print(f"      Аргументы: {func_args}")

                # Проверка валидности JSON в аргументах
                try:
                    json.loads(func_args)
                    print("      Статус аргументов: Валидный JSON 🟢")
                except json.JSONDecodeError:
                    print("      Статус аргументов: ОШИБКА парсинга JSON 🔴")

        else:
            print(f"\n❌ НЕУДАЧА: Модель не вызвала функции. Причина завершения: {finish_reason}")

    except Exception as e:
        print(f"\n🔴 ОШИБКА API: {e}")

if __name__ == "__main__":
    test_openai_function_calling()