from llm_service import get_llm
from langchain_core.messages import HumanMessage

def main():
    print("Hello from r3wmsagents!")
    llm_instance = get_llm()
    if not llm_instance:
        print("Não carregou o llm")
        return
    pergunta_usuario = "Qual é a capital da França e qual sua principal atração turística?"
    print(f"\n🧑 Enviando pergunta: {pergunta_usuario}")
    try:
           # Para interações simples, você pode passar a string diretamente para .invoke()
           # ou usar uma lista de mensagens para mais controle (ex: com mensagens do sistema)
           # response = llm_instance.invoke(pergunta_usuario)

           # Usando HumanMessage para ser mais explícito (bom para LangGraph depois)
           messages = [HumanMessage(content=pergunta_usuario)]
           response = llm_instance.invoke(messages)
           print(response)
           # 5. Imprimir a resposta
           # A resposta (response) é geralmente um AIMessage, então acessamos seu .content
           if hasattr(response, 'content'):
               print(f"\n🤖 Resposta do LLM: {response.content}")
           else:
               print(f"\n🤖 Resposta do LLM (formato desconhecido): {response}")
    except Exception as e:
           print(f"\n❌ Ocorreu um erro ao interagir com o LLM: {e}")


if __name__ == "__main__":
    main()