import os
import requests
from enum import Enum
from agno.agent import Agent
from agno.models.base import Model
from agno.models.google import Gemini
from agno.models.ollama import Ollama
from agno.utils.log import log_warning
from agno.tools import Toolkit
from pydantic import BaseModel


class AppModels(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_GPT = "gpt-oss:latest" # + good - slow (13b)
    OLLAMA_QWEN = "qwen3:latest" # + good + fast (8b)
    OLLAMA_QWEN_4B = "qwen3:4b" # + fast + decent (4b)
    OLLAMA_QWEN_1B = "qwen3:1.7b" # + very fast + decent (1.7b)

    @staticmethod
    def availables_local() -> list['AppModels']:
        """
        Controlla quali provider di modelli LLM locali sono disponibili.
        Ritorna una lista di provider disponibili.
        """
        ollama_host = os.getenv("OLLAMA_HOST", "http://localhost:11434")
        result = requests.get(f"{ollama_host}/api/tags")
        if result.status_code != 200:
            log_warning(f"Ollama is not running or not reachable {result}")
            return []

        availables = []
        result = result.text
        for model in [model for model in AppModels if model.name.startswith("OLLAMA")]:
            if model.value in result:
                availables.append(model)
        return availables

    @staticmethod
    def availables_online() -> list['AppModels']:
        """
        Controlla quali provider di modelli LLM online hanno le loro API keys disponibili
        come variabili d'ambiente e ritorna una lista di provider disponibili.
        """
        if not os.getenv("GOOGLE_API_KEY"):
            log_warning("No GOOGLE_API_KEY set in environment variables.")
            return []
        availables = [AppModels.GEMINI, AppModels.GEMINI_PRO]
        return availables

    @staticmethod
    def availables() -> list['AppModels']:
        """
        Controlla quali provider di modelli LLM locali sono disponibili e quali
        provider di modelli LLM online hanno le loro API keys disponibili come variabili
        d'ambiente e ritorna una lista di provider disponibili.
        L'ordine di preferenza è:
        1. Gemini (Google)
        2. Ollama (locale)
        """
        availables = [
            *AppModels.availables_online(),
            *AppModels.availables_local()
        ]
        assert availables, "No valid model API keys set in environment variables."
        return availables

    def get_model(self, instructions:str) -> Model:
        """
        Restituisce un'istanza del modello specificato.
        Args:
            instructions: istruzioni da passare al modello (system prompt).
        Returns:
             Un'istanza di BaseModel o una sua sottoclasse.
        Raise:
            ValueError se il modello non è supportato.
        """
        name = self.value
        if self in {model for model in AppModels if model.name.startswith("GEMINI")}:
            return Gemini(name, instructions=[instructions])
        elif self in {model for model in AppModels if model.name.startswith("OLLAMA")}:
            return Ollama(name, instructions=[instructions])

        raise ValueError(f"Modello non supportato: {self}")

    def get_agent(self, instructions: str, name: str = "", output: BaseModel | None = None, tools: list[Toolkit] = []) -> Agent:
        """
        Costruisce un agente con il modello e le istruzioni specificate.
        Args:
            instructions: istruzioni da passare al modello (system prompt)
            name: nome dell'agente (opzionale)
            output: schema di output opzionale (Pydantic BaseModel)
        Returns:
             Un'istanza di Agent.
        """
        return Agent(
            model=self.get_model(instructions),
            name=name,
            retries=2,
            tools=tools,
            delay_between_retries=5, # seconds
            output_schema=output # se si usa uno schema di output, lo si passa qui
            # TODO Eventuali altri parametri da mettere all'agente anche se si possono comunque assegnare dopo la creazione
        )