AI_Agents_tools/app.py

import streamlit as st
import os
from workflow_Agent import app # Ton graphe compilé
import glob

st.set_page_config(page_title="Dataltist AI Assistant", layout="wide")
st.title("📊 Dataltist BI Chat")

# --- 1. Gestion du Fichier ---
with st.sidebar:
    st.header("Données")
    uploaded_file = st.file_uploader("Charge ton fichier (CSV/Excel)", type=["csv", "xlsx"])
    
    if uploaded_file:
        # On sauvegarde le fichier dans le dossier 'data'
        file_path = os.path.join("data", uploaded_file.name)
        with open(file_path, "wb") as f:
            f.write(uploaded_file.getbuffer())
        st.success(f"Fichier {uploaded_file.name} chargé !")

# --- 2. Interface de Chat ---
if "messages" not in st.session_state:
    st.session_state.messages = []

if st.sidebar.button("🗑️ Effacer la discussion"):
    st.session_state.messages = []
    st.rerun()

# Affichage de l'historique
for message in st.session_state.messages:
    with st.chat_message(message["role"]):
        st.markdown(message["content"])

# --- 3. Interaction avec les Agents ---
if prompt := st.chat_input("Pose ta question sur tes données..."):
    # 1. NETTOYAGE PRÉALABLE : On vide les anciens graphiques avant de commencer
    # Cela garantit que list_of_plots ne contiendra que les nouveaux PNG
    if not os.path.exists("outputs"):
        os.makedirs("outputs")
    for f in glob.glob("outputs/*.png"):
        os.remove(f)

    # 2. Affichage du message utilisateur
    st.session_state.messages.append({"role": "user", "content": prompt})
    with st.chat_message("user"):
        st.markdown(prompt)

    # 3. Appel des agents
    with st.chat_message("assistant"):
        # On utilise expanded=True pour voir le raisonnement des agents (Analyseur, Exécuteur...)
        with st.status("Analyse Dataltist en cours...", expanded=True) as status:
            
            inputs = {
                "messages": [("user", prompt)],
                "current_df_path": file_path
            }
            
            # On lance le workflow (invoke est bloquant, donc l'analyse se termine avant la suite)
            final_state = app.invoke(inputs)
            
            # Récupération du message final du Reporter
            response_text = final_state["messages"][-1].content
            st.markdown(response_text)
            
            # --- AFFICHAGE DES GRAPHIQUES ---
            # On cherche les fichiers APRES l'exécution
            list_of_plots = glob.glob("outputs/*.png")
            
            if list_of_plots:
                st.write("---") # Séparateur visuel
                st.subheader("📊 Visualisations générées")
                
                # Organisation en colonnes pour éviter de longs défilements verticaux
                # On limite à 2 colonnes par ligne pour une meilleure lisibilité
                cols = st.columns(2) 
                for idx, plot_path in enumerate(list_of_plots):
                    col_idx = idx % 2
                    with cols[col_idx]:
                        st.image(plot_path, use_container_width=True, caption=f"Analyse {idx+1}")
            
            status.update(label="Analyse terminée !", state="complete")

    # 4. Sauvegarde dans l'historique pour le chat
    st.session_state.messages.append({"role": "assistant", "content": response_text})