autogen/agents/orchestrator.py

"""
Orchestrator Agent - 协调器智能体
负责流程调度与最终验证
"""
from autogen import AssistantAgent
from typing import Dict, Any, Optional, List
import os
from pathlib import Path

from config.llm_config import get_agent_llm_config, ORCH_PROMPT


class OrchestratorAgent:
    """协调器 Agent，负责多智能体协同和流程控制"""
    
    def __init__(self, llm_config: Optional[Dict] = None):
        """
        初始化 Orchestrator Agent
        
        Args:
            llm_config: LLM 配置
        """
        self.llm_config = llm_config or get_agent_llm_config("Orchestrator")
        
        self.agent = AssistantAgent(
            name="Orchestrator",
            system_message=ORCH_PROMPT,
            llm_config=self.llm_config,
            description="多智能体系统协调器",
            human_input_mode="NEVER"
        )
        
        self.workspace_dir = Path("workspace")
        self.workspace_dir.mkdir(exist_ok=True)
        
        # 流程状态
        self.workflow_state: Dict[str, Any] = {
            "current_step": 0,
            "total_steps": 5,
            "status": "pending",
            "artifacts": {}
        }
    
    def start_workflow(self, user_requirement: str) -> Dict[str, Any]:
        """
        启动完整的工作流程
        
        Args:
            user_requirement: 用户需求
        
        Returns:
            工作流状态
        """
        self.workflow_state = {
            "current_step": 1,
            "total_steps": 5,
            "status": "in_progress",
            "user_requirement": user_requirement,
            "artifacts": {}
        }
        
        return self.workflow_state
    
    def validate_srs(self, srs_content: str) -> Dict[str, Any]:
        """
        验证 SRS 文档的完整性
        
        Args:
            srs_content: SRS 文档内容
        
        Returns:
            验证结果
        """
        prompt = f"""
请验证以下 SRS 文档的完整性：

{self._truncate(srs_content, 3000)}

检查清单：
1. ✅ 包含功能性需求列表
2. ✅ 包含非功能性需求
3. ✅ 包含验收标准
4. ✅ 包含风险分析
5. ✅ 需求具有唯一 ID

请输出验证报告，指出缺失或不完整的部分。
"""
        
        response = self.agent.generate_reply(
            messages=[{"role": "user", "content": prompt}]
        )
        
        validation_report = response if isinstance(response, str) else str(response)
        
        # 保存验证报告
        report_file = self.workspace_dir / "srs_validation.md"
        with open(report_file, 'w', encoding='utf-8') as f:
            f.write(validation_report)
        
        return {
            "valid": "✅" in validation_report and "❌" not in validation_report,
            "report": validation_report,
            "file": str(report_file)
        }
    
    def validate_tests(self, test_code: str, srs_content: str) -> Dict[str, Any]:
        """
        验证测试用例的覆盖率
        
        Args:
            test_code: 测试代码
            srs_content: SRS 文档
        
        Returns:
            验证结果
        """
        prompt = f"""
请验证测试用例是否覆盖了所有 SRS 需求：

【SRS 需求】
{self._truncate(srs_content, 2000)}

【测试代码】
{self._truncate(test_code, 2000)}

检查清单：
1. ✅ 每个功能需求都有对应测试
2. ✅ 包含边界情况测试
3. ✅ 包含异常场景测试
4. ✅ 测试可执行且独立
5. ✅ 遵循 TDD 原则

请输出验证报告。
"""
        
        response = self.agent.generate_reply(
            messages=[{"role": "user", "content": prompt}]
        )
        
        validation_report = response if isinstance(response, str) else str(response)
        
        return {
            "valid": "✅" in validation_report,
            "report": validation_report
        }
    
    def validate_code(self, code: str, srs_content: str, test_result: Dict) -> Dict[str, Any]:
        """
        验证代码质量
        
        Args:
            code: 源代码
            srs_content: SRS 文档
            test_result: 测试结果
        
        Returns:
            验证结果
        """
        prompt = f"""
请验证代码质量：

【SRS 需求】
{self._truncate(srs_content, 1500)}

【代码】
{self._truncate(code, 2000)}

【测试结果】
{test_result}

检查清单：
1. ✅ 实现所有功能需求
2. ✅ 通过所有测试用例
3. ✅ 代码符合规范（MISRA-C/PEP8）
4. ✅ 包含完整文档
5. ✅ 无安全漏洞
6. ✅ 性能满足要求

请输出代码质量验证报告。
"""
        
        response = self.agent.generate_reply(
            messages=[{"role": "user", "content": prompt}]
        )
        
        validation_report = response if isinstance(response, str) else str(response)
        
        return {
            "valid": test_result.get("success", False) and "✅" in validation_report,
            "report": validation_report
        }
    
    def generate_final_report(self) -> str:
        """
        生成最终项目总结报告
        
        Returns:
            最终报告内容
        """
        prompt = """
请生成项目最终总结报告，包含：

1. 项目概述
2. 交付物清单：
   - SRS 文档
   - 测试用例
   - 源代码
3. 质量指标：
   - 测试覆盖率
   - 代码质量评分
4. 合规性说明：
   - ISO 26262
   - MISRA-C
   - ASPICE
5. 后续建议

请基于 workspace 目录下的所有文件生成完整报告。
"""
        
        response = self.agent.generate_reply(
            messages=[{"role": "user", "content": prompt}]
        )
        
        final_report = response if isinstance(response, str) else str(response)
        
        # 保存最终报告
        report_file = self.workspace_dir / "FINAL_REPORT.md"
        with open(report_file, 'w', encoding='utf-8') as f:
            f.write(final_report)
        
        print(f"✅ 最终报告已生成：{report_file}")
        return final_report
    
    def request_human_approval(
        self,
        approval_type: str,
        description: str,
        data: Dict[str, Any]
    ) -> bool:
        """
        请求人工确认（需要前端配合实现）
        
        Args:
            approval_type: 确认类型
            description: 确认描述
            data: 相关数据
        
        Returns:
            用户是否批准
        """
        # 这里只是标记，实际的前端交互由 Streamlit 处理
        print(f"\n⚠️ 需要人工确认：{description}")
        print(f"类型：{approval_type}")
        print(f"数据：{data}\n")
        
        # 在命令行模式下，可以简单询问用户
        # 在 GUI 模式下，这会触发前端弹窗
        try:
            response = input("是否批准？(y/n): ").lower()
            return response == 'y'
        except:
            # 非交互模式下默认批准
            return True
    
    def _truncate(self, text: str, max_length: int) -> str:
        """截断文本"""
        if len(text) <= max_length:
            return text
        return text[:max_length] + "... [内容已截断]"


def create_orchestrator_agent(llm_config: Optional[Dict] = None) -> AssistantAgent:
    """
    创建 Orchestrator Agent（AutoGen 原生格式）
    
    Args:
        llm_config: LLM 配置
    
    Returns:
        AutoGen AssistantAgent 实例
    """
    config = llm_config or get_agent_llm_config("Orchestrator")
    
    agent = AssistantAgent(
        name="Orchestrator",
        system_message=ORCH_PROMPT,
        llm_config=config,
        description="多智能体系统协调器",
        human_input_mode="NEVER"
    )
    
    return agent