# executor.py
from langchain.agents import AgentExecutor, create_tool_calling_agent
from langchain_ollama import ChatOllama
from langchain_core.prompts import ChatPromptTemplate

class ToolExecutor:
    def __init__(self, tools):
        self.tools = tools
        self.llm = llm or ChatOllama(
            model=MODEL_NAME, 
            temperature=0.0
        )
        self.agent = self._create_agent()

    def _create_agent(self):
        prompt = ChatPromptTemplate.from_messages([
            ("system", "Ты - исполнитель. У тебя есть доступ к инструментам. Выполняй шаги плана последовательно."),
            ("human", "{input}"),
            ("placeholder", "{agent_scratchpad}")
        ])
        agent = create_tool_calling_agent(self.llm, self.tools, prompt)
        return AgentExecutor(agent=agent, tools=self.tools, verbose=True)

    def execute_plan(self, plan: List[Dict]) -> List[Dict]:
        results = []
        for step in plan:
            tool_name = step["tool"]
            args = step["args"]
            # Превращаем шаг в текстовую команду для агента
            command = f"Вызови инструмент {tool_name} с аргументами {args}"
            result = self.agent.invoke({"input": command})
            results.append({
                "step": step,
                "output": result["output"],
                "success": True  # можно анализировать ошибки
            })
        return results