# Beschreibung: GPT Team aus OpenAI und Ollama

# Vorbereitung: pip install ollama openai

# Importieren Sie die erforderlichen Bibliotheken
import asyncio
import platform

if platform.system() == 'Windows':
    asyncio.set_event_loop_policy(asyncio.WindowsSelectorEventLoopPolicy())


# Environment Variablen importieren
from dotenv import load_dotenv
load_dotenv()

# CrewAI importieren
from crewai import Agent, Task, Crew, Process

# Suche-Tool importieren
from langchain_community.tools import DuckDuckGoSearchRun


# LLMs von OpenAI und Ollama importieren
from langchain_community.llms import OpenAI, Ollama
from langchain_openai import ChatOpenAI

mistral =  Ollama(model="mistral");
phi     =  Ollama(model="phi");
turbo35 =  ChatOpenAI(model_name="gpt-3.5-turbo", temperature=0.7)
chatgpt4 = ChatOpenAI(model_name="gpt-4", temperature=0.8)


# Tools importieren
from langchain.agents import load_tools

from langchain.tools import tool


@tool('DuckDuckGoSearch')
def search(search_query: str):
    """Suche im Internet nach Informationen zu einem bestimmten Thema"""
    return DuckDuckGoSearchRun().run(search_query)



# Nachrichtenagenten initialisieren
nachrichten_agent = Agent(
    role='Nachrichtenagent',
    goal='Finde die neuesten Nachrichten zum Thema Bildung und KI im deutschsprachigen Internet',
    backstory='Ein Agent, der im Internet nach den neuesten Entwicklungen im Bereich Bildung und Künstliche Intelligenz sucht.',
    tools=[DuckDuckGoSearchRun()],
    llm=mistral,
    deligate_tools=False,
    verbose=True
    
)


# Aufgabe für den Nachrichtenagenten
nachrichten_suchen_task = Task(
    description='Suche nach den neuesten Meldungen zum Thema Theologie und KI mit DuckDuckGo. ',
    agent=nachrichten_agent,
    expected_output='Eine Liste der neuesten Nachrichten zum Thema Bildung und KI'
)

# Blogschreiber-Agenten initialisieren
blogschreiber_agent = Agent(
    role='Blogschreiber',
    goal='Erstelle einen Blogbeitrag in deutscher Sprache basierend auf den neuesten Nachrichten zum Thema Bildung und KI',
    backstory='Ein Agent, der fähig ist, informative und ansprechende Blogbeiträge zu schreiben.',
    llm=mistral,
    verbose=True,
    allow_delegation=False
)

# Aufgabe für den Blogschreiber
blog_beitrag_schreiben_task = Task(
    description='Schreibe einen deutschsprachigen Blogbeitrag zum den neuesten Entwicklungen, in dem du eine gelungene Einleitung verfasst und danach die Ergebnisse deines Co-Workers kommentierst und die die Links zu den Beiträgen setzt',
    agent=blogschreiber_agent,
    context=[nachrichten_suchen_task],  # Der Blogschreiber verwendet die Ergebnisse des Nachrichtenagenten
    expected_output='Ein fertiger Blogbeitrag zum Thema Bildung und KI auf deutsch'
)

# Crew mit beiden Agenten und Aufgaben initialisieren
crew = Crew(
    agents=[nachrichten_agent, blogschreiber_agent],
    tasks=[nachrichten_suchen_task, blog_beitrag_schreiben_task],
    process=Process.sequential,
    verbose=2
)

# Crew-Aktion starten
result = crew.kickoff()
print(result)