from agents import Agent, Runner

# 1. 声明 Agent 行为
assistant = Agent(
    name="技术问答助手",
    instructions="你是一个资深的 Python 架构顾问，使用清晰的技术语言回答问题。",
    model="gpt-4o-mini",
)

# 2. 驱动运行
result = Runner.run_sync(assistant, "解释一下什么是连接池及其核心作用。")

# 3. 获取产物
print(result.final_output)

from agents import Agent, Runner, function_tool


@function_tool
def fetch_system_metrics(cluster_id: str, metric_name: str) -> str:
    """获取指定服务集群的运行时监控指标。
    
    Args:
        cluster_id: 集群唯一标识符，例如 'prod-east-01'
        metric_name: 监控指标名称，支持 'cpu_usage' 或 'memory_rss'
    """
    # 模拟从 Prometheus 或监控服务拉取数据
    metrics_db = {
        ("prod-east-01", "cpu_usage"): "74.5%",
        ("prod-east-01", "memory_rss"): "14.2 GB",
    }
    val = metrics_db.get((cluster_id, metric_name))
    if val:
        return f"集群 {cluster_id} 的 {metric_name} 当前值为: {val}"
    return f"未查询到集群 {cluster_id} 的 {metric_name} 数据"


# 将工具挂载进 Agent
ops_agent = Agent(
    name="SRE排错助理",
    instructions="你负责协助排查集群异常，优先调用监控指标工具获取事实数据。",
    model="gpt-4o-mini",
    tools=[fetch_system_metrics],
)

result = Runner.run_sync(ops_agent, "请检查 prod-east-01 集群的 cpu_usage 是否正常。")
print(result.final_output)

from pydantic import BaseModel, Field
from agents import Agent, Runner


class ClusterHealthReport(BaseModel):
    cluster_id: str = Field(description="集群 ID")
    is_healthy: bool = Field(description="当前状态是否健康")
    risk_level: str = Field(description="风险等级: LOW / MEDIUM / HIGH")
    action_items: list[str] = Field(description="建议的后续排错或扩容操作")


audit_agent = Agent(
    name="集群健康审计员",
    instructions="根据集群状态分析系统健康度并产出结构化审计报告。",
    model="gpt-4o-mini",
    output_type=ClusterHealthReport,  # 绑定强类型模型
)

result = Runner.run_sync(
    audit_agent,
    "集群 prod-east-01 的 CPU 占用高达 92%，内存使用达到 95%，且产生大量慢查询。",
)

# final_output 直接就是 Pydantic 实例
report: ClusterHealthReport = result.final_output

print(f"风险评估: {report.risk_level}")
print(f"建议措施: {report.action_items}")

from agents import Agent, Runner

# 1. 定义专业子 Agent
tech_agent = Agent(
    name="技术支持专员",
    instructions="你是资深运维工程师，专注于解决应用崩溃、接口报错与部署问题。",
    model="gpt-4o-mini",
)

billing_agent = Agent(
    name="财务与账单专员",
    instructions="你是账单支持专员，处理付费咨询、发票开具与退款申请。",
    model="gpt-4o-mini",
)

# 2. 定义分诊 Agent，并在 handoffs 中注册可转交目标
triage_agent = Agent(
    name="服务台分诊助理",
    instructions="""你是前台客服接待。根据用户问题判断归属：
    - 遇到服务报错、异常退出、配置故障，转交给技术支持专员；
    - 遇到发票、续费、充值问题，转交给财务与账单专员；
    如果不能确定，先询问用户明确意图。""",
    model="gpt-4o-mini",
    handoffs=[tech_agent, billing_agent],  # 允许转交的目标列表
)

# 3. 运行测试
query = "我们在今天凌晨收到了账单扣费通知，但想申请增值税专用发票，请问如何办理？"
result = Runner.run_sync(triage_agent, query)

print(f"最终接管并回复的 Agent: {result.last_agent.name}")
print(f"回复内容:\n{result.final_output}")

import asyncio
from agents import Agent, Runner

agent = Agent(
    name="实时助手",
    instructions="简要分析数据库死锁的常见成因。",
    model="gpt-4o-mini",
)

async def stream_output():
    async with Runner.run_streamed(agent, "分析一下死锁") as stream:
        async for event in stream.stream_events():
            # 监听文本增量
            if hasattr(event, "delta") and event.delta:
                print(event.delta, end="", flush=True)
    print()

asyncio.run(stream_output())

# result 字段清单
result.final_output    # 最终业务产物（文本字符串或 Pydantic 对象）
result.new_messages    # 本次运行期间新产生的所有消息记录（含 Tool 调用与返回）
result.last_agent      # 最终执行的 Agent 实例（便于审计是否发生了 Handoff）
result.input           # 触发本轮执行的初始输入内容