import OpenAI from 'openai';
import type { LLMConfig, Tool } from '../types/index.js';

export class LLMService {
  private openai?: OpenAI;
  private config?: LLMConfig;

  /**
   * 配置 LLM 服务
   */
  configure(config: LLMConfig): void {
    this.config = config;
    
    if (config.provider === 'openai' && config.apiKey) {
      this.openai = new OpenAI({
        apiKey: config.apiKey,
        baseURL: config.baseUrl
      });
    }
  }

  /**
   * 根据用户输入和工具模式生成参数
   */
  async generateParameters(
    userInput: string,
    tool: Tool
  ): Promise<Record<string, any>> {
    if (!this.openai || !this.config?.enabled) {
      throw new Error('LLM 服务未配置或未启用');
    }

    const systemPrompt = this.buildParameterGenerationPrompt(tool);
    
    try {
      const response = await this.openai.chat.completions.create({
        model: this.config.model,
        messages: [
          { role: 'system', content: systemPrompt },
          { role: 'user', content: userInput }
        ],
        temperature: this.config.temperature || 0.1,
        max_tokens: this.config.maxTokens || 1000,
        response_format: { type: 'json_object' }
      });

      const content = response.choices[0]?.message?.content;
      if (!content) {
        throw new Error('LLM 未返回有效响应');
      }

      return JSON.parse(content);
    } catch (error) {
      if (error instanceof Error) {
        throw new Error(`LLM 调用失败: ${error.message}`);
      }
      throw new Error('LLM 调用失败: 未知错误');
    }
  }

  /**
   * 分析用户意图并选择合适的工具
   */
  async analyzeIntent(
    userInput: string,
    availableTools: Tool[]
  ): Promise<{
    selectedTool?: string;
    confidence: number;
    reasoning: string;
    suggestedParameters?: Record<string, any>;
  }> {
    if (!this.openai || !this.config?.enabled) {
      return {
        confidence: 0,
        reasoning: 'LLM 服务未启用，请手动选择工具'
      };
    }

    const systemPrompt = this.buildIntentAnalysisPrompt(availableTools);
    
    try {
      const response = await this.openai.chat.completions.create({
        model: this.config.model,
        messages: [
          { role: 'system', content: systemPrompt },
          { role: 'user', content: userInput }
        ],
        temperature: this.config.temperature || 0.1,
        max_tokens: this.config.maxTokens || 1000,
        response_format: { type: 'json_object' }
      });

      const content = response.choices[0]?.message?.content;
      if (!content) {
        return {
          confidence: 0,
          reasoning: 'LLM 分析失败'
        };
      }

      return JSON.parse(content);
    } catch (error) {
      console.error('LLM 意图分析失败:', error);
      return {
        confidence: 0,
        reasoning: 'LLM 分析过程中出现错误'
      };
    }
  }

  /**
   * 生成对话响应
   */
  async generateResponse(
    userInput: string,
    context?: string
  ): Promise<string> {
    if (!this.openai || !this.config?.enabled) {
      throw new Error('LLM 服务未配置或未启用');
    }

    const messages: Array<{ role: 'system' | 'user' | 'assistant'; content: string }> = [
      {
        role: 'system',
        content: `你是一个 MCP (Model Context Protocol) 客户端的智能助手。你可以帮助用户：
1. 理解和使用各种 MCP 服务器提供的工具
2. 分析工具执行结果并给出建议
3. 协助配置 MCP 服务器

请用友好、专业的语调回复用户。${context ? `\n\n当前上下文：${context}` : ''}`
      },
      { role: 'user', content: userInput }
    ];

    try {
      const response = await this.openai.chat.completions.create({
        model: this.config.model,
        messages,
        temperature: this.config.temperature || 0.7,
        max_tokens: this.config.maxTokens || 2000
      });

      return response.choices[0]?.message?.content || '抱歉，我无法生成回复。';
    } catch (error) {
      console.error('生成对话回复失败:', error);
      throw new Error('生成回复失败，请稍后重试');
    }
  }

  /**
   * 构建参数生成提示
   */
  private buildParameterGenerationPrompt(tool: Tool): string {
    const properties = tool.inputSchema?.properties || {};
    const required = tool.inputSchema?.required || [];
    
    const propertiesDesc = Object.entries(properties)
      .map(([key, prop]: [string, any]) => {
        const isRequired = required.includes(key) ? ' (必需)' : ' (可选)';
        const typeInfo = prop.type ? `类型: ${prop.type}` : '';
        const enumInfo = prop.enum ? `可选值: ${prop.enum.join(', ')}` : '';
        const desc = prop.description || '无描述';
        
        return `- ${key}${isRequired}: ${desc}${typeInfo ? ` | ${typeInfo}` : ''}${enumInfo ? ` | ${enumInfo}` : ''}`;
      })
      .join('\n');

    return `你是一个参数生成助手。根据用户的输入，为工具 "${tool.name}" 生成合适的参数。

工具描述: ${tool.description || '无描述'}

参数说明:
${propertiesDesc || '此工具无参数'}

要求:
1. 仔细分析用户输入，理解其真实意图
2. 为每个必需参数生成合理的值
3. 为相关的可选参数也生成适当的值
4. 如果无法确定某个参数的值，可以设置为 null 或合理的默认值
5. 返回标准的 JSON 对象格式
6. 确保生成的参数符合工具的要求

示例输出格式:
{
  "parameter1": "value1",
  "parameter2": "value2",
  "parameter3": null
}`;
  }

  /**
   * 构建意图分析提示
   */
  private buildIntentAnalysisPrompt(tools: Tool[]): string {
    const toolList = tools
      .map(tool => `- ${tool.name}: ${tool.description || '无描述'}`)
      .join('\n');

    return `你是一个意图分析助手。分析用户输入，选择最合适的工具来完成用户的请求。

可用工具:
${toolList || '暂无可用工具'}

分析要求:
1. 仔细理解用户的真实意图和需求
2. 从可用工具中选择最匹配的工具
3. 评估匹配的置信度 (0-100，数字越高表示越确定)
4. 提供详细的选择理由
5. 如果适用，预生成一些参数建议

返回 JSON 格式:
{
  "selectedTool": "最匹配的工具名称，如果没有合适的工具则为null",
  "confidence": 85,
  "reasoning": "选择这个工具的详细理由，或者为什么没有找到合适工具的原因",
  "suggestedParameters": {
    "param1": "建议的参数值",
    "param2": "另一个参数值"
  }
}`;
  }

  /**
   * 检查服务是否可用
   */
  isAvailable(): boolean {
    return !!(this.openai && this.config?.enabled);
  }

  /**
   * 获取当前配置
   */
  getConfig(): LLMConfig | undefined {
    return this.config;
  }
}