import os
import gradio as gr
from google import genai
from google.genai import types

# Client initialisieren
client = genai.Client(
    api_key=os.environ.get("GEMINI_API_KEY"),
)

def model_chat(message, history):
    # WICHTIG: Die Historie für Gemini konvertieren
    # Gradio history kommt als Liste von Listen: [[user_msg1, bot_msg1], [user_msg2, bot_msg2]]
    contents = []
    for human, assistant in history:
        if human:
            contents.append(types.Content(role="user", parts=[types.Part.from_text(text=human)]))
        if assistant:
            # Wichtig: Nur den Text des Assistenten nehmen, keine Metadaten
            contents.append(types.Content(role="model", parts=[types.Part.from_text(text=assistant)]))
    
    # Aktuelle Nachricht hinzufügen
    contents.append(
        types.Content(
            role="user",
            parts=[types.Part.from_text(text=message)],
        )
    )

    # Konfiguration
    # Hinweis: Falls "gemini-3-flash-preview" einen Fehler wirft, 
    # nutze "gemini-2.0-flash-thinking-exp" oder "gemini-2.0-flash"
    model_id = "gemini-3-flash-preview" 
    
    tools = [
        types.Tool(googleSearch=types.GoogleSearch()),
    ]
    
    generate_content_config = types.GenerateContentConfig(
        thinking_config=types.ThinkingConfig(
            thinking_level="HIGH",
        ),
        tools=tools,
    )

    response_text = ""
    
    try:
        # Stream starten
        for chunk in client.models.generate_content_stream(
            model=model_id,
            contents=contents,
            config=generate_content_config,
        ):
            # Sicherstellen, dass Text im Chunk ist
            if chunk.text:
                response_text += chunk.text
                yield response_text
                
    except Exception as e:
        # Detaillierte Fehlermeldung im Chat anzeigen
        error_message = f"❌ API Fehler: {str(e)}"
        print(error_message) # Erscheint in den Hugging Face Logs
        yield error_message

# Gradio Interface
demo = gr.ChatInterface(
    fn=model_chat,
    title="Gemini Thinking AI",
    description="KI mit Suchfunktion und Thinking-Mode.",
)

if __name__ == "__main__":
    demo.launch()