Update app.py

app.py

@@ -1,128 +1,42 @@
-TITLE = """<h1 align="center">Gemini Playground ✨</h1>"""
-SUBTITLE = """<h2 align="center">Play with Gemini Pro and Gemini Pro Vision</h2>"""
-
-import os
-import time
-import uuid
-from typing import List, Tuple, Optional, Union
-from PIL import Image
-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()
-
-print("google-generativeai:", genai.__version__)
-
-# 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.")
-
-# Configuración del modelo Gemini
-generation_config = {
-    "temperature": 1,
-    "top_p": 0.95,
-    "top_k": 40,
-    "max_output_tokens": 8192,
-    "response_mime_type": "text/plain",
-}
-
-genai.configure(api_key=GOOGLE_API_KEY)
-
-model = genai.GenerativeModel(
-    model_name="gemini-1.5-flash", 
-    generation_config=generation_config
-)
-
-# Inicializar la sesión de chat
-chat = model.start_chat(history=[])
-
-# Función para transformar el historial de Gradio al formato de Gemini
-def transform_history(history):
-    new_history = []
-    for chat_entry in history:
-        new_history.append({"parts": [{"text": chat_entry[0]}], "role": "user"})
-        new_history.append({"parts": [{"text": chat_entry[1]}], "role": "model"})
-    return new_history
-
-# Función de respuesta que maneja el historial
-def bot_response(
-    model_choice: str,
-    system_instruction: str,
-    text_prompt: str,
-    chatbot: list,
-) -> Tuple[list, str]:
-    """
-    Envía el mensaje al modelo, obtiene la respuesta y actualiza el historial.
-    """
-    if not text_prompt.strip():
-        return chatbot, "Por favor, escribe un mensaje válido."
+import gemini_gradio
 
-    # Transformar el historial al formato que espera Gemini
-    transformed_history = transform_history(chatbot)
-
-    # Configurar el modelo
-    chat.history = transformed_history
-
-    # Enviar el mensaje y obtener la respuesta
-    response = chat.send_message(text_prompt)
-    response.resolve()
-
-    # Obtener el texto generado por el modelo
-    generated_text = response.text
-
-    # Actualizar el historial con la pregunta y la respuesta
-    chatbot.append((text_prompt, generated_text))
-
-    return chatbot, ""
-
-# Componentes de la interfaz
-chatbot_component = gr.Chatbot(label="Gemini", scale=2, height=300)
-text_input_component = gr.Textbox(placeholder="Escribe un mensaje...", show_label=False, scale=8)
-run_button_component = gr.Button(value="Enviar", variant="primary", scale=1)
-model_dropdown_component = gr.Dropdown(
-    choices=["gemini-1.5-flash", "gemini-2.0-flash-exp", "gemini-1.5-pro"],
-    value="gemini-1.5-flash",
-    label="Selecciona el modelo",
-    scale=2
-)
-system_instruction_component = gr.Textbox(
-    placeholder="Escribe una instrucción para el sistema...",
-    label="Instrucción del sistema",
-    scale=8,
-    value="You are an assistant."
-)
-
-# Definir la interfaz
-with gr.Blocks() as demo:
-    gr.HTML(TITLE)
-    gr.HTML(SUBTITLE)
-    with gr.Column():
-        model_dropdown_component.render()
-        chatbot_component.render()
+with gr.Blocks(fill_height=True) as demo:
+           
+        gr.Markdown("**Note:** You need to use a SambaNova API key from [SambaNova Cloud](https://cloud.sambanova.ai/).")
+    with gr.Tab("Gemini"):
         with gr.Row():
-            text_input_component.render()
-            run_button_component.render()
-        with gr.Accordion("Instrucción del sistema", open=False):
-            system_instruction_component.render()
-
-    # Configurar eventos
-    run_button_component.click(
-        fn=bot_response,
-        inputs=[model_dropdown_component, system_instruction_component, text_input_component, chatbot_component],
-        outputs=[chatbot_component, text_input_component],
-    )
-
-    text_input_component.submit(
-        fn=bot_response,
-        inputs=[model_dropdown_component, system_instruction_component, text_input_component, chatbot_component],
-        outputs=[chatbot_component, text_input_component],
-    )
-
-# Lanzar la aplicación
-if __name__ == "__main__":
-    demo.queue(max_size=99).launch(debug=True, show_error=True)
+            gemini_model = gr.Dropdown(
+                choices=[
+                    'gemini-1.5-flash',        # Fast and versatile performance
+                    'gemini-1.5-flash-8b',     # High volume, lower intelligence tasks
+                    'gemini-1.5-pro',           # Complex reasoning tasks
+                    'gemini-exp-1114'          # Quality improvements
+                ],
+                value='gemini-1.5-pro',      # Default to the most advanced model
+                label="Select Gemini Model",
+                interactive=True
+            )
+        
+        gemini_interface = gr.load(
+            name=gemini_model.value,
+            src=gemini_gradio.registry,
+            fill_height=True,
+            chatbot=gr.Chatbot(height=250, type="messages")
+        )
+        
+        def update_gemini_model(new_model):
+            return gr.load(
+                name=new_model,
+                src=gemini_gradio.registry,
+                fill_height=True,
+                chatbot=gr.Chatbot(height=250, type="messages")
+            )
+        
+        gemini_model.change(
+            fn=update_gemini_model,
+            inputs=[gemini_model],
+            outputs=[gemini_interface]
+        )
+    
+demo.launch(ssr_mode=False)