ia-microservice/app/services/image/evaluations_adapters.py

"""
Gateway de IA de Qualidot - Módulo de Adaptadores de Evaluación de Imágenes

Propósito:
    Este módulo contiene funciones de adaptadores que permiten evaluar imágenes usando diferentes proveedores de IA.
    Cada función de adaptador se encarga de interactuar con un proveedor específico (como OpenAI, AssemblyAI, Deepgram, etc.)
    y de convertir la respuesta del proveedor al formato estándar de evaluación de imágenes de Qualidot.
    
"""

import json
import mimetypes
import mimetypes
import tempfile
import os
from fastapi import HTTPException 
from matplotlib import image
from openai import OpenAI, AsyncOpenAI
import assemblyai as aai
from pyparsing.common import Any
from app.core.config import settings
from app.schemas.image_standard import ImageRequestFile, StandardImageAnalysisResult, ImageEvaluationRubric
from app.core import config
from app.utilities.image_utilities import json_to_rubric, encode_image_from_bytes
from app.services.image.prompt_builder import build_image_evaluation_prompt
from anthropic import Anthropic
import re

# Importaciones de Clarifai
from clarifai_grpc.channel.clarifai_channel import ClarifaiChannel
from clarifai_grpc.grpc.api import resources_pb2, service_pb2, service_pb2_grpc
from clarifai_grpc.grpc.api.status import status_code_pb2

# Función de adaptador principal que infiere el proveedor y llama al adaptador específico
async def evaluate_image_with_provider(image_request: ImageRequestFile) -> StandardImageAnalysisResult:
    """
    Función de adaptador para evaluar imágenes usando el proveedor de IA configurado.
    """
    provider = image_request.provider.lower()
    
    content = await image_request.rubric.read()
    rubric_dict = json.loads(content)
    rubric = json_to_rubric(rubric_dict)
    prompt = build_image_evaluation_prompt(rubric)
        
    match provider:
        case "openai":
            return await evaluate_with_openai(image_request, prompt)
        case "clarifai":
            return await evaluate_with_clarifai(image_request, prompt)
        case "claude":
            return await evaluate_with_claude(image_request, prompt)
        case _:
            raise ValueError(f"Proveedor de IA no soportado: {image_request.provider}")

# Función de adaptador para evaluar imágenes usando OpenAI
async def evaluate_with_openai(image_request: ImageRequestFile, prompt: str) -> StandardImageAnalysisResult:
    """
    Función de adaptador para evaluar imágenes usando OpenAI.
    (Plantilla para futuras implementaciones)
    """
    
    client = AsyncOpenAI(api_key=settings.OPENAI_API_KEY)
    
    image_bytes = await image_request.file.read()
    base64_image = encode_image_from_bytes(image_bytes)
    
    try:
        response = await client.chat.completions.create(
            model=image_request.model,
            messages=[
                {"role": "user", "content": [
                    {"type": "text", "text": prompt},
                    {
                        "type": "image_url",
                        "image_url": {
                            "url": f"data:image/jpeg;base64,{base64_image}"
                        }
                    }
                ]}
            ],
            response_format={"type": "json_object"}
        )
        
        resultado = json.loads(response.choices[0].message.content)
        return StandardImageAnalysisResult(
            status="success",
            original_filename=image_request.file.filename,
            provider_used="OpenAI",
            model_used=image_request.model,
            **resultado
        )
    except Exception as e:
        # Capturamos cualquier error de OpenAI o de lectura de archivos
        raise HTTPException(
            status_code=500,
            detail=f"Error evaluando la imagen: {str(e)}"
            )

async def evaluate_with_clarifai(image_request: ImageRequestFile, prompt: str) -> StandardImageAnalysisResult:
    """
    Función de adaptador para evaluar imágenes usando Clarifai.
    """

    
    CLARIFAI_API_KEY = settings.CLARIFAI_API_KEY
    if not CLARIFAI_API_KEY:
        raise HTTPException(
            status_code=500, 
            detail="No se encontró CLARIFAI_API_KEY en las variables de entorno"
        )
        
    USER_ID = "openai"
    APP_ID = "chat-completion"
    
    try:
        image_bytes = await image_request.file.read()
        
        # 2. Preparamos y ejecutamos la llamada a Clarifai (gRPC)
        channel = ClarifaiChannel.get_grpc_channel()
        stub = service_pb2_grpc.V2Stub(channel)
        metadata = (('authorization', 'Key ' + CLARIFAI_API_KEY),)
        userDataObject = resources_pb2.UserAppIDSet(user_id=USER_ID, app_id=APP_ID)

        request = service_pb2.PostModelOutputsRequest(
            user_app_id=userDataObject,
            model_id=image_request.model,
            inputs=[
                resources_pb2.Input(
                    data=resources_pb2.Data(
                        image=resources_pb2.Image(base64=image_bytes),
                        text=resources_pb2.Text(raw=prompt)
                    )
                )
            ]
        )
        
        response = stub.PostModelOutputs(request, metadata=metadata)
        
        if response.status.code != status_code_pb2.SUCCESS:
            raise Exception(f"Clarifai Error: {response.status.description}")
            
        # 3. Extraemos la respuesta cruda
        raw_output = response.outputs[0].data.text.raw
        
   
        
        # 4. Limpiamos y parseamos el JSON devuelto
        json_match = re.search(r'\{.*\}', raw_output, re.DOTALL)
        
        if json_match:
            clean_json = json_match.group(0)
            parsed_data = json.loads(clean_json)
        else:
            # Respaldo en caso de que el modelo devuelva texto plano en lugar de JSON
            parsed_data = {"raw_response": raw_output}
            
        # 5. Retornamos el modelo estandarizado
        return StandardImageAnalysisResult(
            status="success",
            original_filename=image_request.file.filename,
            provider_used="Clarifai",
            model_used=image_request.model,
            **parsed_data
        )
        
    except Exception as e:
        raise HTTPException(
            status_code=500,
            detail=f"Error evaluando la imagen con Clarifai: {str(e)}"
        )
        
async def evaluate_with_claude(image_request: ImageRequestFile, prompt: str) -> StandardImageAnalysisResult:
    """
    Función de adaptador para evaluar imágenes usando Claude.
    """
    client = Anthropic(api_key=os.environ.get("ANTHROPIC_API_KEY"))
    
    image_bytes = await image_request.file.read()
    base64_image = encode_image_from_bytes(image_bytes)
    
    media_type = image_request.file.content_type
    
    if media_type not in ["image/jpeg", "image/png", "image/gif", "image/webp"]:
        raise ValueError(f"Tipo de imagen no soportado por Anthropic: {media_type}")
    
    try:
        messages = [
            {
                "role": "user",
                "content": [
                    {
                        "type": "image",
                        "source": {
                            "type": "base64",
                            "media_type": media_type,
                            "data": base64_image
                        },
                    },
                    {"type": "text", "text": prompt}
                ],
            }
        ]
         
        response = client.messages.create(
            model=image_request.model,
            max_tokens=1024,
            messages=messages,
        )
        
        json_string = response.content[0].text
        parsed_data = json.loads(json_string)
        
        return StandardImageAnalysisResult(
            status="success",
            original_filename=image_request.file.filename,
            provider_used="Claude",
            model_used=image_request.model,
            **parsed_data
        )

    except Exception as e:
        raise HTTPException(
            status_code=500,
            detail=f"Error evaluando la imagen: {str(e)}"
        )