Rimuovi la classe Predictor e aggiorna le importazioni in Pipeline e __init__.py

src/app/agents/__init__.py

@@ -1,4 +1,4 @@
-from app.agents.predictor import PredictorInput, PredictorOutput
 from app.agents.pipeline import Pipeline, PipelineInputs, PipelineEvent
+from app.agents.core import PipelineInputs, QueryOutputs
 
-__all__ = ["PredictorInput", "PredictorOutput", "Pipeline", "PipelineInputs", "PipelineEvent"]
+__all__ = ["Pipeline", "PipelineInputs", "PipelineEvent", "QueryOutputs"]

src/app/agents/core.py

@@ -0,0 +1,72 @@
+from pydantic import BaseModel
+from app.configs import AppConfig
+
+
+
+
+class QueryOutputs(BaseModel):
+    response: str
+    is_ok: bool
+
+
+
+class PipelineInputs:
+    """
+    Classe necessaria per passare gli input alla Pipeline.
+    Serve per raggruppare i parametri e semplificare l'inizializzazione.
+    """
+
+    def __init__(self, configs: AppConfig | None = None) -> None:
+        """
+        Inputs per la Pipeline di agenti.
+        Setta i valori di default se non specificati.
+        """
+        self.configs = configs if configs else AppConfig()
+
+        agents = self.configs.agents
+        self.team_model = self.configs.get_model_by_name(agents.team_model)
+        self.team_leader_model = self.configs.get_model_by_name(agents.team_leader_model)
+        self.predictor_model = self.configs.get_model_by_name(agents.predictor_model)
+        self.strategy = self.configs.get_strategy_by_name(agents.strategy)
+        self.user_query = ""
+
+    # ======================
+    # Dropdown handlers
+    # ======================
+    def choose_team_leader(self, index: int):
+        """
+        Sceglie il modello LLM da usare per il Team Leader.
+        """
+        self.leader_model = self.configs.models.all_models[index]
+
+    def choose_team(self, index: int):
+        """
+        Sceglie il modello LLM da usare per il Team.
+        """
+        self.team_model = self.configs.models.all_models[index]
+
+    def choose_strategy(self, index: int):
+        """
+        Sceglie la strategia da usare per il Team.
+        """
+        self.strategy = self.configs.strategies[index]
+
+    # ======================
+    # Helpers
+    # ======================
+    def list_models_names(self) -> list[str]:
+        """
+        Restituisce la lista dei nomi dei modelli disponibili.
+        """
+        return [model.label for model in self.configs.models.all_models]
+
+    def list_strategies_names(self) -> list[str]:
+        """
+        Restituisce la lista delle strategie disponibili.
+        """
+        return [strat.label for strat in self.configs.strategies]
+
+
+
+
+

src/app/agents/pipeline.py

@@ -12,7 +12,7 @@ from agno.workflow.workflow import Workflow
 
 from app.api.tools import *
 from app.agents.prompts import *
-from app.configs import AppConfig
+from app.agents.core import PipelineInputs
 
 logging = logging.getLogger("pipeline")
 
@@ -28,63 +28,6 @@ class PipelineEvent(str, Enum):
         return event == self.value or (WorkflowRunEvent.step_completed and step_name == self.value)
 
 
-class PipelineInputs:
-    """
-    Classe necessaria per passare gli input alla Pipeline.
-    Serve per raggruppare i parametri e semplificare l'inizializzazione.
-    """
-
-    def __init__(self, configs: AppConfig | None = None) -> None:
-        """
-        Inputs per la Pipeline di agenti.
-        Setta i valori di default se non specificati.
-        """
-        self.configs = configs if configs else AppConfig()
-
-        agents = self.configs.agents
-        self.team_model = self.configs.get_model_by_name(agents.team_model)
-        self.team_leader_model = self.configs.get_model_by_name(agents.team_leader_model)
-        self.predictor_model = self.configs.get_model_by_name(agents.predictor_model)
-        self.strategy = self.configs.get_strategy_by_name(agents.strategy)
-        self.user_query = ""
-
-    # ======================
-    # Dropdown handlers
-    # ======================
-    def choose_team_leader(self, index: int):
-        """
-        Sceglie il modello LLM da usare per il Team Leader.
-        """
-        self.leader_model = self.configs.models.all_models[index]
-
-    def choose_team(self, index: int):
-        """
-        Sceglie il modello LLM da usare per il Team.
-        """
-        self.team_model = self.configs.models.all_models[index]
-
-    def choose_strategy(self, index: int):
-        """
-        Sceglie la strategia da usare per il Team.
-        """
-        self.strategy = self.configs.strategies[index]
-
-    # ======================
-    # Helpers
-    # ======================
-    def list_models_names(self) -> list[str]:
-        """
-        Restituisce la lista dei nomi dei modelli disponibili.
-        """
-        return [model.label for model in self.configs.models.all_models]
-
-    def list_strategies_names(self) -> list[str]:
-        """
-        Restituisce la lista delle strategie disponibili.
-        """
-        return [strat.label for strat in self.configs.strategies]
-
-
 class Pipeline:
     """
     Coordina gli agenti di servizio (Market, News, Social) e il Predictor finale.

src/app/agents/predictor.py

@@ -1,16 +0,0 @@
-from pydantic import BaseModel, Field
-from app.api.core.markets import ProductInfo
-
-class PredictorInput(BaseModel):
-    data: list[ProductInfo] = Field(..., description="Market data as a list of ProductInfo")
-    style: str = Field(..., description="Prediction style")
-    sentiment: str = Field(..., description="Aggregated sentiment from news and social analysis")
-
-class ItemPortfolio(BaseModel):
-    asset: str = Field(..., description="Name of the asset")
-    percentage: float = Field(..., description="Percentage allocation to the asset")
-    motivation: str = Field(..., description="Motivation for the allocation")
-
-class PredictorOutput(BaseModel):
-    strategy: str = Field(..., description="Concise operational strategy in Italian")
-    portfolio: list[ItemPortfolio] = Field(..., description="List of portfolio items with allocations")