Update app.py

app.py

@@ -3,8 +3,6 @@ SUBTITLE = """<h2 align="center">Play with Gemini Pro and Gemini Pro Vision</h2>
 
 import os
 import time
-from typing import Optional, Tuple
-
 import google.generativeai as genai
 import gradio as gr
 from dotenv import load_dotenv
@@ -22,44 +20,61 @@ 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)
-generation_config = genai.types.GenerationConfig(
-    temperature=0.7,
-    max_output_tokens=8192,
-    top_k=10,
-    top_p=0.9
+
+model = genai.GenerativeModel(
+    model_name="gemini-1.5-flash", 
+    generation_config=generation_config
 )
 
-# Función para manejar las respuestas del modelo
+# 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: Optional[str],
+    system_instruction: str,
     text_prompt: str,
     chatbot: list,
 ) -> Tuple[list, str]:
     """
-    Envía el mensaje al modelo y obtiene la respuesta, actualizando el historial del chatbot.
+    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."
 
+    # Transformar el historial al formato que espera Gemini
+    transformed_history = transform_history(chatbot)
+
     # Configurar el modelo
-    model = genai.GenerativeModel(
-        model_name=model_choice,
-        generation_config=generation_config,
-        system_instruction=system_instruction or "You are an assistant."
-    )
+    chat.history = transformed_history
 
-    # Generar la respuesta
-    response = model.generate_content([text_prompt], stream=True, generation_config=generation_config)
+    # Enviar el mensaje y obtener la respuesta
+    response = chat.send_message(text_prompt)
+    response.resolve()
 
-    # Construir la respuesta completa
-    generated_text = ""
-    for chunk in response:
-        generated_text += chunk.text
+    # Obtener el texto generado por el modelo
+    generated_text = response.text
 
-    # Actualizar el historial del chatbot con una sola entrada
+    # Actualizar el historial con la pregunta y la respuesta
     chatbot.append((text_prompt, generated_text))
+
     return chatbot, ""
 
 # Componentes de la interfaz