Update src/module/AIP.py

src/module/AIP.py

@@ -11,6 +11,7 @@ import os
 import re
 import sys
 
+# --- 1. IMPORT SÉCURISÉ DES FONCTIONS ---
 try:
     from Function.AIP_Function import (
         calculate_occupancy_rate,
@@ -19,16 +20,12 @@ try:
         get_patient_stats
     )
 except ImportError as e:
-    # Petit debug au cas où
+    # Debug affiché seulement si l'import échoue
     st.error(f"Erreur interne dans AIP.py : impossible de trouver AIP_Function. {e}")
+    # On crée des fonctions "bouchons" pour éviter que la classe ne plante si l'import échoue
+    calculate_occupancy_rate = audit_data_quality = get_stock_alerts = get_patient_stats = lambda x: "Fonction non chargée"
 
-    
-from Function.AIP_Function import (
-    calculate_occupancy_rate,
-    audit_data_quality,
-    get_stock_alerts,
-    get_patient_stats
-)
+# [SUPPRIMÉ] L'import redondant qui faisait crasher a été retiré ici.
 
 class JasmineAgent:
     def __init__(self, rdf_store, ontology_rules, dataframes=None):
@@ -189,4 +186,95 @@ IMPORTANT: Pour les fonctions de calcul, tu DOIS spécifier le nom du DataFrame
                 msgs.append({"role": role, "parts": [content]})
         
         msgs.append({"role": "user", "parts": [user_message]})
-        return msgs
+        return msgs
+
+# --- 2. FONCTION D'AFFICHAGE (SHOW_TERMINAL) ---
+def show_terminal(gspread_client, sheet_name="bdd_mvp_faker"):
+    """
+    Fonction principale appelée par Streamlit pour afficher l'interface de l'agent
+    """
+    st.markdown("## 🤖 AIP COMMAND TERMINAL")
+    st.caption("Agent Jasmine - Analyse Hospitalière Intelligente")
+
+    # 1. Vérification des données (Lien avec Data Explorer)
+    # On récupère les dataframes chargés dans le session_state par l'autre module
+    dataframes = {}
+    if 'data_explorer' in st.session_state:
+        dataframes = st.session_state.data_explorer.dataframes
+    
+    if not dataframes:
+        st.warning("⚠️ Aucune donnée n'est chargée en mémoire.")
+        st.info("👉 Veuillez d'abord aller dans le menu **Data Explorer** et cliquer sur 'Charger les Données'.")
+        return
+
+    # 2. Initialisation de l'Agent (Singleton dans la session)
+    if 'jasmine_agent' not in st.session_state:
+        # On passe dataframes à l'agent pour qu'il puisse exécuter les fonctions
+        st.session_state.jasmine_agent = JasmineAgent(
+            rdf_store=None,     # Pas encore utilisé
+            ontology_rules=None, # Pas encore utilisé
+            dataframes=dataframes
+        )
+    
+    # 3. Initialisation de l'historique de chat
+    if "messages" not in st.session_state:
+        st.session_state.messages = []
+
+    # 4. Affichage de l'historique
+    for message in st.session_state.messages:
+        with st.chat_message(message["role"]):
+            st.markdown(message["content"])
+            # Si un résultat de fonction est stocké, on l'affiche proprement
+            if "function_result" in message and message["function_result"]:
+                with st.expander("🛠️ Résultat technique"):
+                    st.json(message["function_result"])
+
+    # 5. Zone de saisie utilisateur
+    if prompt := st.chat_input("Ex: Calcule le taux d'occupation des lits"):
+        # Ajout message utilisateur
+        st.session_state.messages.append({"role": "user", "content": prompt})
+        with st.chat_message("user"):
+            st.markdown(prompt)
+
+        # Réponse de l'agent
+        with st.chat_message("assistant"):
+            message_placeholder = st.empty()
+            with st.spinner("Jasmine analyse la demande..."):
+                # Appel à la méthode ask de la classe JasmineAgent
+                err, action, thought, func_res = st.session_state.jasmine_agent.ask(
+                    prompt, 
+                    st.session_state.messages
+                )
+
+                if err:
+                    st.error(err)
+                    response_text = "Désolé, une erreur technique est survenue."
+                else:
+                    # Affichage de la pensée (Thought Trace)
+                    if thought:
+                        with st.expander("💭 Raisonnement de l'IA"):
+                            st.write(thought)
+                    
+                    # Construction de la réponse textuelle
+                    if action.get("tool") and action.get("tool") != "none":
+                        response_text = f"J'ai exécuté la commande `{action['tool']}` pour répondre à votre besoin."
+                    else:
+                        response_text = "Analyse terminée (aucune action technique requise)."
+
+                    message_placeholder.markdown(response_text)
+                    
+                    # Affichage du résultat de la fonction
+                    if func_res:
+                        if "success" in func_res:
+                            st.success("✅ Exécution réussie")
+                            st.json(func_res["result"])
+                        else:
+                            st.error(f"❌ Erreur fonction : {func_res.get('error')}")
+
+            # Sauvegarde dans l'historique
+            st.session_state.messages.append({
+                "role": "assistant",
+                "content": response_text,
+                "thought": thought,
+                "function_result": func_res
+            })