import json
from typing import Dict, List, Any, Optional
from .llm import LLM

class Mistral(LLM):
    """
    Classe pour l'intégration avec l'API Mistral AI
    Cette classe hérite de la classe de base LLM
    """
    
    def __init__(self):
        """
        Initialisation des attributs spécifiques à Mistral
        """
        super().__init__()
        
        # Attributs spécifiques à Mistral
        self.maxToken: int = 1000
        self.seed: int = 0
        self.presence_penalty: float = 0
        self.frequency_penalty: float = 0
        self.n: int = 1
        self.prediction: Dict[str, str] = {"type": "content", "content": ""}
        self.safe_prompt: bool = False
        self.o_stop: str = "string"
        self._m_tabModels: List[str] = []
        
        # Initialisation par défaut
        self.Modele = "mistral-large-latest"
        self.o_temperature = 0.2
        self.o_top_p = 1
        self.maxToken = 1000
        self.presence_penalty = 0
        self.frequency_penalty = 0
        self.n = 1
        self.prediction["type"] = "content"
        self.prediction["content"] = ""
        self.safe_prompt = False
        self.o_stop = "string"
    
    def urlBase(self) -> str:
        """
        Retourne l'URL de base de l'API Mistral
        """
        return "https://api.mistral.ai/v1/"
    
    def cleAPI(self) -> str:
        """
        Retourne la clé API Mistral
        """
        return "2iGzTzE9csRQ9IoASoUjplHwEjA200Vh"
    
    def urlFonction(self) -> str:
        """
        Retourne l'URL de la fonction par défaut
        """
        return "chat/completions"
    
    def model_list(self) -> List[str]:
        """
        Récupère la liste des modèles disponibles sur Mistral AI
        Si la liste est déjà récupérée, retourne la liste en cache
        """
        import requests
        
        if len(self._m_tabModels) > 1:
            return self._m_tabModels
        
        url = self.urlBase() + "models"
        headers = {
            "Content-Type": "application/json"
        }
        
        if self.cleAPI() != "":
            headers["Authorization"] = "Bearer " + self.cleAPI()
        
        try:
            response = requests.get(url=url, headers=headers)
            
            if response.status_code == 200:
                data = json.loads(response.text)
                for item in data["data"]:
                    self._m_tabModels.append(item["id"])
            else:
                self._m_tabModels.append(response.text)
        except Exception as e:
            self._m_tabModels.append(str(e))
            
        return self._m_tabModels
    
    def _even_LLM_POST(self, question: str) -> None:
        """
        Préparation du contenu de la requête pour Mistral
        """
        self._Contenu["messages"] = [
            {"role": "system", "content": self.prompt_system},
            {"role": "user", "content": question}
        ]
        
        self._Contenu["temperature"] = self.o_temperature
        self._Contenu["top_p"] = self.o_top_p
        
        if self.maxToken != 0:
            self._Contenu["max_tokens"] = self.maxToken
            
        if self.seed != 0:
            self._Contenu["random_seed"] = self.seed
            
        if self.format != "":
            self._Contenu["response_format"] = self.format
            
        # Paramètres supplémentaires
        self._Contenu["presence_penalty"] = self.presence_penalty
        self._Contenu["frequency_penalty"] = self.frequency_penalty
        self._Contenu["n"] = 1
        self._Contenu["prediction"] = self.prediction
        self._Contenu["stop"] = self.o_stop
    
    def _interrogerRetourneReponse(self, reponse: str) -> str:
        """
        Extraction de la réponse à partir du JSON retourné par Mistral
        """
        data = json.loads(reponse)
        return data["choices"][0]["message"]["content"]