app.py

TITLE = """<h1 align="center">Gemini Playground ✨</h1>"""
SUBTITLE = """<h2 align="center">Play with Gemini Pro and Gemini Pro Vision</h2>"""

import os
import time
from typing import List, Tuple, Optional, Union

import google.generativeai as genai
import gradio as gr
from dotenv import load_dotenv

# Cargar las variables de entorno desde el archivo .env
load_dotenv()

# Obtener la clave de la API de las variables de entorno
GOOGLE_API_KEY = os.getenv("GOOGLE_API_KEY")

# Verificar que la clave de la API esté configurada
if not GOOGLE_API_KEY:
    raise ValueError("GOOGLE_API_KEY is not set in environment variables.")

# Configurar la API
genai.configure(api_key=GOOGLE_API_KEY)

# Constantes
IMAGE_WIDTH = 512
CHAT_HISTORY = List[Tuple[Optional[Union[Tuple[str], str]], Optional[str]]]

def user(text_prompt: str, chatbot: CHAT_HISTORY):
    """
    Maneja las entradas del usuario en el chatbot.
    """
    if text_prompt:
        chatbot.append((text_prompt, None))
    return "", chatbot

def bot(
    model_choice: str,
    system_instruction: Optional[str],
    chatbot: CHAT_HISTORY
):
    """
    Maneja las respuestas del modelo generativo.
    """
    generation_config = genai.types.GenerationConfig(
        temperature=0.7,
        max_output_tokens=8192,
        top_k=10,
        top_p=0.9
    )

    # Usar un valor predeterminado si system_instruction está vacío
    if not system_instruction:
        system_instruction = "You are a helpful assistant."

    # Obtener el prompt más reciente del usuario
    text_prompt = [chatbot[-1][0]] if chatbot and chatbot[-1][0] else []

    # Crear y configurar el modelo generativo
    model = genai.GenerativeModel(
        model_name=model_choice,
        generation_config=generation_config,
        system_instruction=system_instruction,
    )

    # Generar contenido usando streaming
    response = model.generate_content(text_prompt, stream=True)

    # Preparar la respuesta para el chatbot
    chatbot[-1] = (chatbot[-1][0], "")
    for chunk in response:
        chatbot[-1] = (chatbot[-1][0], chatbot[-1][1] + chunk.text)
        yield chatbot

# Componentes de la interfaz de usuario
system_instruction_component = gr.Textbox(
    placeholder="Enter system instruction...",
    label="System Instruction",
    lines=2
)
chatbot_component = gr.Chatbot(label='Gemini', bubble_full_width=False, height=300)
text_prompt_component = gr.Textbox(placeholder="Message...", show_label=False, autofocus=True)
run_button_component = gr.Button(value="Run", variant="primary")
model_choice_component = gr.Dropdown(
    choices=["gemini-1.5-flash", "gemini-2.0-flash-exp", "gemini-1.5-pro"],
    value="gemini-1.5-flash",
    label="Select Model"
)

user_inputs = [text_prompt_component, chatbot_component]
bot_inputs = [model_choice_component, system_instruction_component, chatbot_component]

# Definir la interfaz de usuario
with gr.Blocks() as demo:
    gr.HTML(TITLE)
    gr.HTML(SUBTITLE)
    with gr.Column():
        # Campo de selección de modelo arriba
        model_choice_component.render()
        chatbot_component.render()
        with gr.Row():
            text_prompt_component.render()
            run_button_component.render()

        # Crear el acordeón para la instrucción del sistema al final
        with gr.Accordion("System Instruction", open=False):
            system_instruction_component.render()

    run_button_component.click(
        fn=user,
        inputs=user_inputs,
        outputs=[text_prompt_component, chatbot_component],
        queue=False
    ).then(
        fn=bot, inputs=bot_inputs, outputs=[chatbot_component],
    )

    text_prompt_component.submit(
        fn=user,
        inputs=user_inputs,
        outputs=[text_prompt_component, chatbot_component],
        queue=False
    ).then(
        fn=bot, inputs=bot_inputs, outputs=[chatbot_component],
    )

# Lanzar la aplicación
demo.queue(max_size=99).launch(debug=False, show_error=True)