"""
Gradio app v2 que expone las 4 tools como MCP Server (streamable HTTP).

Diferencia con v1: la base ChromaDB se descarga del dataset HF Hub al primer
uso. La carga del modelo de embeddings + descarga del snapshot se hace lazy
en la primera tool call, no al arrancar el Space.

Local:
    uv run python -m rag_books_mcp.app

HF Spaces:
    Ver `deploy_to_hf_space.py`.
"""

from __future__ import annotations

import gradio as gr

from rag_books_mcp.tools import (
    cite_foundation,
    get_section,
    list_available_topics,
    search_theory,
)


def _build_search_tab() -> gr.Interface:
    return gr.Interface(
        fn=search_theory,
        inputs=[
            gr.Textbox(
                label="query",
                value="bias-variance tradeoff",
                placeholder="Consulta en lenguaje natural",
            ),
            gr.Radio(
                choices=["all", "both", "esl", "islp", "fes", "pdsh", "r4ds"],
                value="all",
                label="book",
                info="R4DS está en R/tidyverse; los principios se traducen a pandas/seaborn.",
            ),
            gr.Slider(minimum=1, maximum=10, step=1, value=5, label="top_k"),
        ],
        outputs=gr.Markdown(label="Resultados"),
        title="🔎 search_theory",
        description=(
            "Búsqueda semántica en ESL, ISLP, FES, PDSH y R4DS. Devuelve los "
            "fragmentos más relevantes ordenados por similitud."
        ),
        api_name="search_theory",
    )


def _build_get_section_tab() -> gr.Interface:
    return gr.Interface(
        fn=get_section,
        inputs=[
            gr.Radio(choices=["esl", "islp", "fes", "pdsh", "r4ds"], value="islp", label="book"),
            gr.Textbox(
                label="chapter",
                value="8 Tree-Based Methods",
                placeholder="Nombre del capítulo (búsqueda parcial soportada)",
            ),
            gr.Textbox(
                label="section",
                value="",
                placeholder="(Opcional) Nombre de la sección",
            ),
            gr.Slider(minimum=1, maximum=15, step=1, value=5, label="max_chunks"),
        ],
        outputs=gr.Markdown(label="Sección"),
        title="📑 get_section",
        description=(
            "Recupera una sección específica de ESL, ISLP, FES, PDSH o R4DS. Si "
            "no se encuentra por metadata, hace fallback a búsqueda semántica."
        ),
        api_name="get_section",
    )


def _build_cite_tab() -> gr.Interface:
    return gr.Interface(
        fn=cite_foundation,
        inputs=[
            gr.Textbox(
                label="topic",
                value="ridge regression",
                placeholder="Tema a fundamentar (ej: 'bagging', 'feature selection', 'EDA')",
            ),
            gr.Radio(
                choices=["brief", "medium", "deep"],
                value="medium",
                label="detail_level",
            ),
        ],
        outputs=gr.Markdown(label="Fundamentación"),
        title="📚 cite_foundation",
        description=(
            "Fundamentación teórica que cita los 5 libros: ISLP (intuitivo), "
            "ESL (riguroso), FES (feature engineering), PDSH (código Python) y "
            "R4DS (workflow iterativo de EDA y data wrangling)."
        ),
        api_name="cite_foundation",
    )


def _build_list_topics_tab() -> gr.Interface:
    return gr.Interface(
        fn=list_available_topics,
        inputs=[],
        outputs=gr.Markdown(label="Contenido indexado"),
        title="🗂️ list_available_topics",
        description="Lista los capítulos y secciones indexados en ChromaDB.",
        api_name="list_available_topics",
    )


def build_demo() -> gr.Blocks:
    """Construye la UI tabulada del MCP Server v2."""
    with gr.Blocks(title="rag-books-mcp v2 · ESL + ISLP + FES + PDSH + R4DS") as demo:
        gr.Markdown(
            """
            # 📖 RAG Books MCP v2 — ESL + ISLP + FES + PDSH + R4DS

            Servidor MCP que expone búsqueda semántica sobre cinco libros de
            referencia de Statistical Learning, Data Science y Data Wrangling:

            - **ESL** — *The Elements of Statistical Learning* (Hastie, Tibshirani, Friedman)
            - **ISLP** — *An Introduction to Statistical Learning with Python* (James, Witten, Hastie, Tibshirani)
            - **FES** — *Feature Engineering and Selection* (Kuhn, Johnson)
            - **PDSH** — *Python Data Science Handbook* (VanderPlas)
            - **R4DS** — *R for Data Science, 2nd Ed.* (Wickham, Çetinkaya-Rundel, Grolemund) — _ejemplos en R/tidyverse, principios universales para EDA y data wrangling_

            > ℹ️ R4DS está bajo licencia CC BY-NC-ND 3.0 US y está incluido en
            > este dataset bajo uso académico. Detalles, atribución y mecanismo
            > de takedown en el [DATA_CARD del dataset](https://huggingface.co/datasets/gusdelact/rag-esl-islp-chromadb).

            **v2 vs v1:** la base ChromaDB se carga desde el dataset HF
            `gusdelact/rag-esl-islp-chromadb` (tag `v2.2.0`) en lugar de
            empaquetarla con el código. Permite versionar el índice
            independientemente y reusarlo desde otros clientes.

            **Endpoint MCP:** `/gradio_api/mcp/` (streamable HTTP).
            **Embeddings:** `sentence-transformers/all-MiniLM-L6-v2` (local, sin API key).
            **Vector store:** ChromaDB con 3689 chunks (1093 ESL + 884 ISLP + 465 FES + 563 PDSH + 684 R4DS).

            La primera tool call descarga el dataset (~95 MB). Las siguientes
            son cache hit.
            """
        )

        gr.TabbedInterface(
            interface_list=[
                _build_search_tab(),
                _build_cite_tab(),
                _build_get_section_tab(),
                _build_list_topics_tab(),
            ],
            tab_names=["search_theory", "cite_foundation", "get_section", "list_available_topics"],
        )

    return demo


def main() -> None:
    demo = build_demo()
    demo.launch(mcp_server=True, server_name="0.0.0.0")


if __name__ == "__main__":
    main()