Update app.py

app.py

@@ -1,111 +1,127 @@
-import requests
-from langchain_openai import ChatOpenAI
-from langchain_huggingface import HuggingFaceEmbeddings
-from pydantic import BaseModel
-import os
-from langchain import hub
-from pydantic import BaseModel
-from langchain.agents import AgentExecutor, create_react_agent, tool
-
-
-
-embeddings = HuggingFaceEmbeddings(
-    model_name="sentence-transformers/distiluse-base-multilingual-cased",
-    encode_kwargs={"normalize_embeddings": True},
-)
-
-
-
-class ConsultaAPI(BaseModel):
-    query: str
-
-
-@tool
-def consultar_db_via_api(query: str):
-    """
-    Consulta la DB SQLite con una consulta puntual. Máximo puedes solicitar hasta 20 registros.
-    NO USES COMILLAS DOBLES AL INICIO Y AL FINAL DE LA CONSULTA.
-
-
-    Parámetros:
-    - query (str): La consulta SQL a ejecutar en la base de datos.
-
-    Retorna:
-    - dict: Los resultados de la consulta en formato JSON.
-    """
-    try:
-        query = query.strip('"')
-        if query.endswith(";"):
-            query = query[:-1]
-        query = query.replace("'", "\\'")
-        format_query_json = {"query": query}
-        response = requests.post(
-            url="https://jairodanielmt-arduino-data-post.hf.space/execute",
-            json=format_query_json,
-            headers={"Content-Type": "application/json"},
-        )
-        response.raise_for_status()
-        data = response.json()
-        return data
-    except requests.exceptions.RequestException as e:
-        print(f"Error al consultar la API: {e}")
-        if e.response is not None:
-            print(e.response.text)
-        return None
-
-
-prompt = hub.pull("hwchase17/react")
-tools = [consultar_db_via_api]
-
-llm = ChatOpenAI(
-    model="deepseek-chat",
-    base_url="https://api.deepseek.com",
-    temperature=0.3,
-    api_key=os.getenv("DEEPSEEK_API_KEY"),
-)
-agent = create_react_agent(llm=llm, tools=tools, prompt=prompt)
-agent_executor = AgentExecutor(
-    agent=agent,
-    tools=tools,
-    verbose=True,
-    handle_parsing_errors=True,
-    max_iterations=20,
-)
-
-
-def ask_agent(consulta) -> str:
-    d = "Eres un asistente, tienes acceso a herramientas tools y tienes permitido ejecutar sentencias SQLite, la unica tabla existente es:     la unica tabla tiene la siguiente estructura  nombre de la tabla: sensor_data columnas (id INTEGER PK AUTOINCREMENT, timestamp TEXT,humedad_suelo INTEGER, luz INTEGER, turbidez INTEGER, voltaje REAL, estado TEXT) piensa bien antes de generar la consulta SQL:"
-    query = f"{d} {consulta}"
-    output = agent_executor.invoke({"input": query})
-    return output["output"]
-
-
-import streamlit as st
-
-# configurar la página
-st.set_page_config(
-    page_title="Chatbot - Arduino 🤖",
-    page_icon="🤖",
-    layout="centered",
-    initial_sidebar_state="collapsed",
-)
-
-st.title("Chatbot monitoreo de sensores de Arduino 🤖")
-
-if "history" not in st.session_state:
-    st.session_state["history"] = []
-
-pregunta = st.chat_input("Escribe tu consulta...")
-
-if pregunta:
-    st.session_state["history"].append({"role": "user", "content": pregunta})
-    respuesta = ask_agent(pregunta)
-    st.session_state["history"].append({"role": "ai", "content": respuesta})
-
-for message in st.session_state["history"]:
-    if message["role"] == "user":
-        with st.chat_message(name="user", avatar="👩‍💻"):
-            st.write(message["content"])
-    else:
-        with st.chat_message(name="ai", avatar="🍦"):
-            st.write(message["content"])
+import requests
+from langchain_openai import ChatOpenAI
+from langchain_huggingface import HuggingFaceEmbeddings
+from pydantic import BaseModel
+import os
+from langchain import hub
+from pydantic import BaseModel
+from langchain.agents import AgentExecutor, create_react_agent, tool
+
+
+
+embeddings = HuggingFaceEmbeddings(
+    model_name="sentence-transformers/distiluse-base-multilingual-cased",
+    encode_kwargs={"normalize_embeddings": True},
+)
+
+
+
+class ConsultaAPI(BaseModel):
+    query: str
+
+@tool
+def check_system_time(format: str = "%Y-%m-%d %H:%M:%S") -> str:
+    """
+    Devuelve la hora actual del sistema en el formato especificado.
+    Sirve para saber la fecha y hora actual
+    Parámetros:
+    - format (str): El formato de la hora a devolver. Por defecto es "%Y-%m-%d %H:%M:%S", puedes cambiarlo según tus necesidades.
+
+    Retorna:
+    - str: La hora actual del sistema en el formato especificado.
+    """
+    from datetime import datetime
+
+    current_time = datetime.now().strftime(format)
+    formatted_time = datetime.strptime(current_time, format)
+    return formatted_time
+    
+@tool
+def consultar_db_via_api(query: str):
+    """
+    Consulta la DB SQLite con una consulta puntual. Máximo puedes solicitar hasta 20 registros.
+    NO USES COMILLAS DOBLES AL INICIO Y AL FINAL DE LA CONSULTA.
+
+
+    Parámetros:
+    - query (str): La consulta SQL a ejecutar en la base de datos.
+
+    Retorna:
+    - dict: Los resultados de la consulta en formato JSON.
+    """
+    try:
+        query = query.strip('"')
+        if query.endswith(";"):
+            query = query[:-1]
+        query = query.replace("'", "\\'")
+        format_query_json = {"query": query}
+        response = requests.post(
+            url="https://jairodanielmt-arduino-data-post.hf.space/execute",
+            json=format_query_json,
+            headers={"Content-Type": "application/json"},
+        )
+        response.raise_for_status()
+        data = response.json()
+        return data
+    except requests.exceptions.RequestException as e:
+        print(f"Error al consultar la API: {e}")
+        if e.response is not None:
+            print(e.response.text)
+        return None
+
+
+prompt = hub.pull("hwchase17/react")
+tools = [consultar_db_via_api,check_system_time]
+
+llm = ChatOpenAI(
+    model="deepseek-chat",
+    base_url="https://api.deepseek.com",
+    temperature=0.3,
+    api_key=os.getenv("DEEPSEEK_API_KEY"),
+)
+agent = create_react_agent(llm=llm, tools=tools, prompt=prompt)
+agent_executor = AgentExecutor(
+    agent=agent,
+    tools=tools,
+    verbose=True,
+    handle_parsing_errors=True,
+    max_iterations=20,
+)
+
+
+def ask_agent(consulta) -> str:
+    d = "Eres un asistente, tienes acceso a herramientas tools y tienes permitido ejecutar sentencias SQLite, la unica tabla existente es:     la unica tabla tiene la siguiente estructura  nombre de la tabla: sensor_data columnas (id INTEGER PK AUTOINCREMENT, timestamp TEXT,humedad_suelo INTEGER, luz INTEGER, turbidez INTEGER, voltaje REAL, estado TEXT) piensa bien antes de generar la consulta SQL:"
+    query = f"{d} {consulta}"
+    output = agent_executor.invoke({"input": query})
+    return output["output"]
+
+
+import streamlit as st
+
+# configurar la página
+st.set_page_config(
+    page_title="Chatbot - Arduino 🤖",
+    page_icon="🤖",
+    layout="centered",
+    initial_sidebar_state="collapsed",
+)
+
+st.title("Chatbot monitoreo de sensores de Arduino 🤖")
+
+if "history" not in st.session_state:
+    st.session_state["history"] = []
+
+pregunta = st.chat_input("Escribe tu consulta...")
+
+if pregunta:
+    st.session_state["history"].append({"role": "user", "content": pregunta})
+    respuesta = ask_agent(pregunta)
+    st.session_state["history"].append({"role": "ai", "content": respuesta})
+
+for message in st.session_state["history"]:
+    if message["role"] == "user":
+        with st.chat_message(name="user", avatar="👩‍💻"):
+            st.write(message["content"])
+    else:
+        with st.chat_message(name="ai", avatar="🍦"):
+            st.write(message["content"])