!! Broken for now !!

Refactor environment variables and remove unused API key checks; introduce Models enum for supported models.

.env.example

@@ -1,14 +1,6 @@
-# Questo file contiene le variabili d'ambiente per l'API di alcuni modelli di AI
-# QUndo si cerca di far partire il progetto, bisogna copiare questo file in un file chiamato .env
-# e mettere le proprie API keys (ottenibili registrandosi ai servizi)
 # Alcune API sono a pagamento, altre hanno un piano gratuito con limiti di utilizzo
-# Non so se saranno tutte necessarie, ma visto i limiti di utilizzo è meglio averle tutte
-# in modo da poterle usare a rotazione o metterne una per agenti diversi
 # Vedi https://docs.agno.com/examples/models per vedere tutti i modelli supportati
 GOOGLE_API_KEY=
-ANTHROPIC_API_KEY=
-DEEPSEEK_API_KEY=
-OPENAI_API_KEY=
 # Dipende dal sistema operativo
 # windows: C:\Users\<user>\.ollama
 # mac: /Users/<user>/.ollama

src/app.py

@@ -1,29 +1,8 @@
-import os
 import gradio as gr
 
 from dotenv import load_dotenv
 from app.tool import ToolAgent
-
+from app.models import Models
-def available_keys():
-    """
-    Controlla quali provider di modelli LLM hanno le loro API keys disponibili
-    come variabili d'ambiente e ritorna una lista di provider disponibili.
-    Se nessuna API key è disponibile, ritorna solo 'mock' come opzione.
-    """
-    availables = []
-    if os.getenv("GOOGLE_API_KEY"):
-        availables.append("google")
-    if os.getenv("OPENAI_API_KEY"):
-        availables.append("openai")
-    if os.getenv("ANTHROPIC_API_KEY"):
-        availables.append("anthropic")
-    if os.getenv("DEEPSEEK_API_KEY"):
-        availables.append("deepseek")
-    if os.getenv("OLLAMA_MODELS_PATH"):
-        availables.append("ollama")
-
-    return ['mock', *availables]
-
 
 ########################################
 # MAIN APP & GRADIO INTERFACE
@@ -37,16 +16,16 @@ if __name__ == "__main__":
     load_dotenv()
     ######################################
 
+    list_models = Models.available()
     tool_agent = ToolAgent()
 
     with gr.Blocks() as demo:
         gr.Markdown("# 🤖 Agente di Analisi e Consulenza Crypto")
 
         with gr.Row():
-            list_choices = available_keys()
             provider = gr.Dropdown(
-                choices=list_choices,
+                choices=list_models,
-                value=list_choices[0],
+                value=list_models[0],
                 label="Modello da usare"
             )
             style = gr.Dropdown(

src/app/agents/market_agent.py

@@ -2,11 +2,9 @@ from typing import Dict, List, Optional, Any
 import requests
 import logging
 import os
-from dotenv import load_dotenv
 from app.signers.market_signers.coinbase_signer import CoinbaseCDPSigner
 from app.signers.market_signers.cryptocompare_signer import CryptoCompareSigner
 
-load_dotenv()
 logger = logging.getLogger(__name__)
 
 

src/app/agents/predictor_agent.py

@@ -4,12 +4,9 @@ from typing import Any
 
 import anthropic
 import requests
-from dotenv import load_dotenv
 from google import genai
 from openai import OpenAI
 
-load_dotenv()
-
 class PredictorAgent:
     def __init__(self):
         # Ollama via HTTP locale

src/app/models.py

@@ -0,0 +1,78 @@
+import os
+from enum import Enum
+from agno.agent import Agent
+from agno.models.base import BaseModel
+from agno.models.google import Gemini
+from agno.models.ollama import Ollama
+
+class Models(Enum):
+    """
+    Enum per i modelli supportati.
+    Aggiungere nuovi modelli qui se necessario.
+    Per quanto riguarda Ollama, i modelli dovranno essere scaricati e installati
+    localmente seguendo le istruzioni di https://ollama.com/docs/guide/install-models
+    """
+    GEMINI = "gemini-2.0-flash" # API online
+    GEMINI_PRO = "gemini-2.0-pro" # API online, più costoso ma migliore
+    OLLAMA = "llama3.1" # little and fast (7b) but not so good
+    OLLAMA_GPT = "gpt-oss" # a bit big (13b) but very good (almost like gemini API)
+    OLLAMA_QWEN = "qwen3:8b" # good
+    MOCK = "mock"
+
+    def available() -> list[str]:
+        """
+        Controlla quali provider di modelli LLM hanno le loro API keys disponibili
+        come variabili d'ambiente e ritorna una lista di provider disponibili.
+        Se nessuna API key è disponibile, ritorna solo 'mock' come opzione.
+        L'ordine di preferenza è:
+        1. Gemini (Google)
+        2. Ollama (locale)
+        """
+        availables = []
+        if os.getenv("GOOGLE_API_KEY"):
+            availables.append(Models.GEMINI)
+            availables.append(Models.GEMINI_PRO)
+        if os.getenv("OLLAMA_MODELS_PATH"):
+            availables.append(Models.OLLAMA)
+            availables.append(Models.OLLAMA_GPT)
+            availables.append(Models.OLLAMA_QWEN)
+
+        return [Models.MOCK, *availables]
+
+    def __str__(self) -> str:
+        # Per semplificare la visualizzazione del modello come stringa.
+        return self.name
+
+    def get_model(self, instructions:str) -> BaseModel:
+        """
+        Restituisce un'istanza del modello specificato.
+        instructions: istruzioni da passare al modello (system prompt).
+        Ritorna un'istanza di BaseModel o una sua sottoclasse.
+        Raise ValueError se il modello non è supportato.
+        """
+        name = self.value
+        if self in {Models.GEMINI}:
+            return Gemini(name, instructions=instructions)
+        elif self in {Models.OLLAMA, Models.OLLAMA_GPT, Models.OLLAMA_QWEN}:
+            return Ollama(name, instructions=instructions)
+        elif self in {Models.MOCK}:
+            from agno.models.base import Model
+            return Model(name, instructions=instructions)
+
+        raise ValueError(f"Modello non supportato: {self}")
+
+    def get_agent(self, instructions: str) -> Agent:
+        """
+        Costruisce un agente con il modello e le istruzioni specificate.
+        instructions: istruzioni da passare al modello (system prompt).
+        Ritorna un'istanza di Agent.
+        """
+        return Agent(
+            model=self.get_model(instructions=instructions),
+            instructions=instructions,
+            # TODO Eventuali altri parametri da mettere all'agente
+            # anche se si possono comunque assegnare dopo la creazione
+            # Esempio:
+            # retries=2,
+            # retry_delay=1,
+        )

src/app/tool.py

@@ -1,17 +1,25 @@
-from .agents.market_agent import MarketAgent
+from app.agents.market_agent import MarketAgent
-from .agents.news_agent import NewsAgent
+from app.agents.news_agent import NewsAgent
-from .agents.social_agent import SocialAgent
+from app.agents.social_agent import SocialAgent
-from .agents.predictor_agent import PredictorAgent
+from app.agents.predictor_agent import PredictorAgent
+from app.models import Models
 
 
 class ToolAgent:
-    def __init__(self):
+    def __init__(self, available_models: list[Models]):
         self.market_agent = MarketAgent()
         self.news_agent = NewsAgent()
         self.social_agent = SocialAgent()
         self.predictor_agent = PredictorAgent()
 
-    def interact(self, query, provider="mock", style="conservative"):
+    def interact(self, query: str, provider: str, style: str):
+        """
+        Funzione principale che coordina gli agenti per rispondere alla richiesta dell'utente.
+        """
+        # TODO Utilizzare AGNO per gestire i modelli... è molto più semplice e permette di cambiare modello facilmente
+        # TODO https://docs.agno.com/introduction
+        # Inoltre permette di creare dei team e workflow di agenti più facilmente
+
         # Step 1: raccolta analisi
         market_data = self.market_agent.analyze(query)
         news_sentiment = self.news_agent.analyze(query)