import asyncio
from typing import Annotated
from autogen_agentchat.agents import AssistantAgent
from autogen_ext.models.openai import OpenAIChatCompletionClient

# --- 第一部分：模拟表情输出工具 ---
# 以后你接上机器人时，只需要把这里的 print 改成串口发送指令
async def set_expression(
    expression: Annotated[str, "机器人要展示的表情，如：开心、疑惑、难过、待机"],
    intensity: Annotated[int, "表情强度 1-10"] = 5
) -> str:
    """
    [模拟 MCP3]：控制机器人头部的表情展示。
    目前为文字输出模式。
    """
    print(f"\n>>>>>> 🤖 机器人表情更新: 【{expression}】 (强度: {intensity}/10) <<<<<<\n")
    return f"已成功切换到 {expression} 模式。"

# --- 第二部分：配置 VLM 大脑 ---
async def start_simulated_head():
    # 指向你本地的 vLLM/Ollama (localhost:8000)
    model_client = OpenAIChatCompletionClient(
        model="Qwen/Qwen3-VL-8B-Instruct",  # 必须与 vLLM 启动的名称一致
        base_url="http://localhost:8000/v1",
        api_key="EMPTY",
        model_info={
                "vision": True,
                "function_calling": True,
                "json_output": True,
                "structured_output": True,
                "family": "unknown",
                "context_length": 4096,
        }
    )

    # 定义大脑
    brain = AssistantAgent(
        name="RobotBrain",
        model_client=model_client,
        tools=[set_expression],
        system_message="""你是一个有情感的机器人。
        1. 观察用户的视觉信息（图片描述）。
        2. 调用 set_expression 工具，通过文字描述你的面部变化。
        3. 你的回复要自然，像在和老朋友聊天。"""
    )

    # --- 第三部分：模拟交互循环 ---
    # 在真实项目中，这里会持续读取摄像头 current_view.jpg
    scenarios = [
        "视觉输入：用户 d51 满脸愁容地坐在电脑前，正在处理复杂的代码报错。",
        "视觉输入：用户 d51 突然拍了一下桌子，笑了起来，看来 Bug 解决了。"
    ]

    for scene in scenarios:
        print(f"\n--- 场景模拟: {scene} ---")
        
        # 运行智能体
        response = await brain.run(task=scene)
        
        # 打印大脑最终说的话
        print(f"机器人说: {response.messages[-1].content}")
        await asyncio.sleep(1)

if __name__ == "__main__":
    asyncio.run(start_simulated_head())