#  Copyright 2026 zhaoxi826
#
#  Licensed under the Apache License, Version 2.0 (the "License");
#  you may not use this file except in compliance with the License.
#  You may obtain a copy of the License at
#
#       http://www.apache.org/licenses/LICENSE-2.0
#
#  Unless required by applicable law or agreed to in writing, software
#  distributed under the License is distributed on an "AS IS" BASIS,
#  WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
#  See the License for the specific language governing permissions and
#  limitations under the License.

from pydantic import BaseModel
import viceroy
from pretor.utils.ray_hook import ray_actor_hook
from fastapi import APIRouter, Depends
from pretor.utils.access import TokenData
from pretor.utils.check_user.role_check import RoleChecker
from pretor.core.postgres_database.table import UserAuthority

resource_router = APIRouter(prefix="/api/v1/resource")


class Skill(BaseModel):
    """Skill 核心组件类。
    这是一个领域数据模型或功能封装类，承载了 Skill 相关的内聚属性定义与状态维护。它的存在隔离了局部的业务复杂性，并对外提供了类型安全的访问接口。"""

    repo_url: str
    path: str | None


@resource_router.post("/skill")
async def install_skill(
    skill: Skill, _: TokenData = Depends(RoleChecker(allowed_roles=UserAuthority.USER))
):
    """处理针对 install skill 相关的 HTTP API 请求。
    该接口负责解析前端传入的载荷数据，调用底层核心业务逻辑进行处理，并组装标准化的 JSON 响应。
    Args:        skill (Skill): 参与 install skill 逻辑运算或数据构建的上下文依赖对象。        _ (TokenData): 参与 install skill 逻辑运算或数据构建的上下文依赖对象。
    Returns:        : 序列化后的标准网络响应模型（如包含业务状态码、成功标志及对应的数据载荷 Data）。"""
    global_state_machine = ray_actor_hook("global_state_machine").global_state_machine
    # noinspection PyUnresolvedReferences
    import os

    skill_output_dir = os.path.abspath(
        os.path.join(os.path.dirname(__file__), "..", "plugin", "skill")
    )
    os.makedirs(skill_output_dir, exist_ok=True)
    await viceroy.install_skill_async(
        url=skill.repo_url, path=skill.path, output=skill_output_dir
    )
    if skill.path:
        skill_name = skill.path.split("/")[-1]
    else:
        skill_name = skill.repo_url.split("/")[-1]
    await global_state_machine.add_skill.remote(skill_name)
    return {"message": "创建成功"}


@resource_router.get("/skill")
async def get_skills(
    _: TokenData = Depends(RoleChecker(allowed_roles=UserAuthority.USER)),
):
    """处理针对 get skills 相关的 HTTP API 请求。
    该接口负责解析前端传入的载荷数据，调用底层核心业务逻辑进行处理，并组装标准化的 JSON 响应。
    Args:        _ (TokenData): 参与 get skills 逻辑运算或数据构建的上下文依赖对象。
    Returns:        : 序列化后的标准网络响应模型（如包含业务状态码、成功标志及对应的数据载荷 Data）。"""
    global_state_machine = ray_actor_hook("global_state_machine").global_state_machine
    skills = await global_state_machine.get_skill_list.remote()
    return {"skills": skills}


@resource_router.delete("/skill/{skill_name}")
async def delete_skill(
    skill_name: str,
    _: TokenData = Depends(
        RoleChecker(allowed_roles=UserAuthority.SUPER_ADMINISTRATOR)
    ),
):
    """处理针对 delete skill 相关的 HTTP API 请求。
    该接口负责解析前端传入的载荷数据，调用底层核心业务逻辑进行处理，并组装标准化的 JSON 响应。
    Args:        skill_name (str): 赋予该实体的人类可读名称或标题字符串，主要用于前端 UI 展示、日志记录或模糊检索。        _ (TokenData): 参与 delete skill 逻辑运算或数据构建的上下文依赖对象。
    Returns:        : 序列化后的标准网络响应模型（如包含业务状态码、成功标志及对应的数据载荷 Data）。"""
    global_state_machine = ray_actor_hook("global_state_machine").global_state_machine
    # Note: this only removes it from the state machine manager.
    await global_state_machine.remove_skill.remote(skill_name)
    return {"message": "success"}


@resource_router.get("/tool")
async def get_tools(
    _: TokenData = Depends(RoleChecker(allowed_roles=UserAuthority.USER)),
):
    """处理针对 get tools 相关的 HTTP API 请求。
    该接口负责解析前端传入的载荷数据，调用底层核心业务逻辑进行处理，并组装标准化的 JSON 响应。
    Args:        _ (TokenData): 参与 get tools 逻辑运算或数据构建的上下文依赖对象。
    Returns:        : 序列化后的标准网络响应模型（如包含业务状态码、成功标志及对应的数据载荷 Data）。"""
    global_state_machine = ray_actor_hook("global_state_machine").global_state_machine
    tool_mapper = await global_state_machine.get_tool_mapper.remote()
    all_tool_names = set()
    for scope_tools in tool_mapper.values():
        all_tool_names.update(scope_tools.keys())
    return {"tools": list(all_tool_names)}