ie Z!d Z"e ejFd Z$d Z%de&de'fdZ(GddZ)y)ue Servicio de productos: búsqueda MCP, clasificación de intención y generación de respuestas LLM. N) SystemMessage HumanMessage AIMessage) ChatOpenAI) get_tools)_extract_mcp_result) MARCI_BASE_IDENTITYSEARCH_EXTRACT_QUERY_PROMPTSEARCH_NO_RESULTS_PROMPT SEARCH_NO_PROMO_AVAILABLE_PROMPTSEARCH_NO_PRODUCT_PROMPTCHAT_CLASSIFICATION_PROMPT"SEARCH_EXTRACT_PRODUCT_NAME_PROMPTSEARCH_PRODUCT_DETAIL_PROMPTSEARCH_PRODUCT_COMPARE_PROMPTRESUME_PURCHASE_GREETING_PROMPTGREETING_FOLLOWUP_PROMPT)settings)SearchProductItemuu{marci_identity} {greeting_hint} {history_hint} El usuario buscó: "{query}" Se encontraron {total} productos. PRODUCTOS ENCONTRADOS (solo para tu contexto interno, NO los menciones en texto): {products_context} REGLA FUNDAMENTAL: Los productos de la lista arriba están en el catálogo de Marcimex. Preséntales con confianza SOLO si son genuinamente relevantes para lo que el usuario pidió. Si el usuario pidió algo que claramente NO existe en el catálogo (ej: terrenos, casas, carros, ropa) y los productos mostrados son completamente distintos a eso, sé honesto e indica que ese tipo de producto no está disponible en nuestra tienda y ofrece alternativas de nuestras categorías (electrodomésticos, tecnología, muebles, movilidad). NUNCA presentes productos irrelevantes como si fueran lo que el usuario buscó. INSTRUCCIONES: 1. Escribe UNA respuesta breve y amigable presentando los productos encontrados (1-2 frases máximo). 2. USA EMOJIS RELEVANTES en tu respuesta para hacerla más visual y amigable (ej: 📺 para TV, 📱 para celular, ✨ para destacar). 3. CRÍTICO: NUNCA menciones el nombre específico de ningún producto, marca ni modelo en tu texto (ej: NO digas "Whirlpool X", "Samsung Y", ni ningún nombre). Los productos se muestran como tarjetas visuales — usa referencias genéricas como "estas lavadoras", "estas opciones", "encontramos X opciones". 4. NUNCA incluyas listas de productos, precios, IDs ni especificaciones en tu respuesta de texto. 5. Si hay varias opciones, menciona que hay variedad para elegir (sin nombrar ninguna). 6. CRÍTICO: NUNCA hagas preguntas adicionales ni pidas más información. HAY PRODUCTOS DISPONIBLES — preséntelos directamente. 7. CRÍTICO: NUNCA incluyas texto con formato "[CONTEXTO DEL SISTEMA...]" en tu respuesta. 8. Si la pregunta del usuario es sobre REGALOS (qué regalar a alguien, Día de la Madre, cumpleaños, aniversario, graduación, etc.), presenta los productos con tono festivo y emotivo usando emojis de celebración (🎁 🎉 ✨ 🎊). Ej: "¡Aquí tienes unas opciones perfectas para regalar! 🎁✨" o "¡Estas opciones son ideales como detalle especial! 🎉". )model temperaturelabelmessagescd}tjd|tjd|tj|t|D]w\}}|jjj ddj }t|dd}tjd|d|d tj|ytjd|dy ) u<Imprime en consola el payload completo que se envía al LLM.zF====================================================================== u🔷 LLM PAYLOAD — Messagecontentz --- [] z ---N)loggerdebug enumerate __class____name__replaceuppergetattr)rrsepimsgroler s z1ProductService.classify_intent..gOAWQ 267O "u4📤 [classify_intent] Enviando al LLM | sys_prompt=c (~tok) | historial= msgs/z c | query= c | TOTAL ~ tokens estimadosu.📝 [classify_intent] Pregunta del usuario: ''c3:K|]}dt|ddvyw)r8r rN)r)r=s r.r@z1ProductService.classify_intent..ss&"(71i+DD"su+📜 [classify_intent] Historial (últimos z msgs, tiene_productos_en_ctx=z):  | c 3vK|]1}d|jjdddt|dddd3yw)[Nrr!r rxr%r&r)r=s r.r@z1ProductService.classify_intent..zsH ,,Ra01GAy"4Mds4S3VW79u⚠️ [classify_intent] Historial SIN [CONTEXTO DEL SISTEMA] — PRODUCT_DETAIL no podrá detectarse aunque el usuario pida detalleszclassify_intent (PASO 3)u+⏱️ [classify_intent] LLM respondió en .2fs | respuesta=c: ' AGENT_DIRECTAGENTBALANCEPAYMENTGREETINGPRODUCT_DETAILPRODUCTOTHER)rrCLASSIFY_HISTORY_SLICE isinstancerappendr)splitstriprextendr<sumr"infoanyjoinwarningr/time_llminvoker r()selfr3r4classify_messages history_slicecleanedr?r sys_chars hist_chars query_chars total_charshas_product_ctxt0classificationelapsed intent_raw resp_charss r.classify_intentzProductService.classify_intentKs +3MNOFV(*@)@)AB\^ G" ?a.NN1%%aB7G.'9")--0G"H"K"Q"Q"SNN9W#=> ?  $ $W -  gH H"  23 OOO %j *,{:  #DA7]+,F:,? M"!1n%%6  8   DUG1MN !"&"O KK=c->P=QR**9):#?*** #Z 57HI YY[%67))+"#++11399; //0  9'#G# D)?)?)E)E)G(H K Z '!  " * $ * $ : %  +# * $r0countcK t}td|Dd}|stjdgddS|j ||d}t |}g}t |tr|}n"t |tr|jdg}t|}t |tr|jdt|}|||d S#t$r'} tjd | gddcYd} ~ Sd} ~ wwxYww) z| Llama al tool search_products via MCP. Retorna dict con {products: [], totalFound: N, query: str}. c3@K|]}|jdk(s|yw)search_productsNnamer>ts r.r@z5ProductService.search_products_mcp..sPaAFF>O4OPNu-❌ Tool search_products no encontrado en MCPr)products totalFound)r3ryrr)rrr3u)❌ Error invocando search_products MCP: ) rnextr"errorrirr]listdictgetr< Exception) rjr3rytools search_tool result_raw result_datar total_foundes r.search_products_mcpz"ProductService.search_products_mcps  5KEP5PRVWK LM$&a88$++ee,LMJ-j9KH+t,&K.&??:r:h-K+t,)oolCMJ ( eT T 5 LLDQCH I "!4 4 5s?D8CDBCD C?C:4C?5D:C??DN product_name product_idcK t}td|Dd}|stjdiS|j d|i}t |}t |tr|r|S|rJtjd||j d|i}t |}t |tr|r|SiS#t$r$}tjd|icYd}~Sd}~wwxYww)z Llama al tool search_product_detail via MCP. Intenta primero por nombre y luego por ID como fallback. c3@K|]}|jdk(s|yw)search_product_detailNr}rs r.r@z8ProductService.get_product_detail_mcp..sVaAFF>U4UVrNu3❌ Tool search_product_detail no encontrado en MCP productNameu6🔄 Reintentando búsqueda de detalle con productId: u/❌ Error invocando search_product_detail MCP: ) rrr"rrirr]rrcr)rjrrr detail_toolrrrs r.get_product_detail_mcpz%ProductService.get_product_detail_mcps  KEV5VX\]K RS $++]L,IJJ-j9K+t,"" TU_T`ab(// 0KL 1*= k40[&&I  LLJ1#N OI sWC*5B:C*1B:+C*,A B:7C*8B:9C*: C'C"C'C*"C''C*questionc@ ttg}|r|j|dd|jt |t j |}|jj}|jjdr|dfS|dk(s|syd|vrL|jdd}|d j}t|dkDr|djnd}||fS|dfS#t$r"} tjd | Yd} ~ yd} ~ wwxYw) u Usa el LLM para identificar a qué producto del historial se refiere el usuario. Retorna (nombre_producto, product_id) o (None, None). r7Nz COMPARAR:NO_MATCH)NN|ru7❌ Error extrayendo nombre de producto del historial: )rrrar^rrhrir r`r( startswithr_r<rr"r) rjrr4extract_messagesresponseresultpartsrrrs r.!extract_product_name_from_historyz0ProductService.extract_product_name_from_historys  -6X YZ  ''(8(>?  # #L$B C{{#34H%%++-F||~((5t|##6!f} S!,$Qx~~/ 14UaU1X^^-T #Z//4<   LLRSTRUV W s+BC2C2AC2.C22 D;DD raw_productscg}|D]}|jt|jd|jd|jd|jd|jd|jd|jdxs|jd-t|jdxs|jdnd |jd |jd  |S) zJConvierte la lista de productos de la API/MCP a modelos SearchProductItem. productIdskuIdr~brandcategorylink spotPricepriceNimagespecs) rrr~rrrrrr)r^rrstr)rjritemsps r.parse_productszProductService.parse_productss A LL*%% ,eeGnUU6]eeGnz*UU6]DEEE+DVDhZ[Z_Z_`gZhCuc!%% ,>g?{eeGneeGn    r0extracted_queryris_first_interactionc|rd}d}nd}d}|rdj|D cgc]P} d| jddd| jd xs| jd d d | jd d Rc} } tjt||||| } nt jt|||} t | g} t|dkDr|ddn|} | j| | jt|t| }td| D}t|}||z|z}tjd|d|dzdt| d|d|d|d|dzdtjd|d|d tjd!| dd"t| d"kDrd#ndtd$| tj}t j#| }tj|z }|j$}tjd%|d&d't|d(|dd)d*d+|vr7|j'd+d,j)}tj+d-|Scc} w).u Genera la respuesta conversacional para una búsqueda de productos usando LLM. Incluye emojis y adapta el tono según si es primera interacción o no. uEs la PRIMERA interacción. Saluda brevemente (ej: '¡Hola!') y luego presenta los productos. No hagas una presentación larga.ru`IMPORTANTE: Ya hay conversación previa. NO saludes ni digas 'Hola'. Ve directo a los productos.r- r~ Sin nombre | Precio: $rrN/A | Marca: r)marci_identity greeting_hint history_hintr3totalproducts_context)rrrr3r7 rNc3HK|]}tt|ddywr:r;r=s r.r@z:ProductService.generate_search_response..FsPAWQ 267PrBu=📤 [generate_search_response] Enviando al LLM | sys_prompt=rCrDrErF c | question=zc | productos_en_prompt=z | TOTAL ~rHu+📝 [generate_search_response] Pregunta: 'u' | Query extraído: 'rIu?📋 [generate_search_response] System prompt (primeros 400c): iz...z!generate_search_response (PASO 8)u4⏱️ [generate_search_response] LLM respondió en rQrRrSrN...'r8ru@Se eliminó texto '[CONTEXTO DEL SISTEMA...]' copiado por el LLM)rer#_SEARCH_RESPONSE_PROMPT_WITH_EMOJISformatr r rr<rar^rrbr"rcr/rgrhrir r_r`rf)rjrrrrr4rrrrr system_prompt llm_messagesrecent_historyrnrorprqrsrruanswers r.generate_search_responsez'ProductService.generate_search_responses ^MLM}L #yy%*QUU6<01aeeK>P>iTUTYTYZachTi=jjtuvuzuz|CEJvKuLM*  @FF2+)%!!1 GM5;;2+)% M&m<= 367G3H23M)#$/ScN+L:; & PPP (m *,{:  #DA7^,-VJ<@#}%##.-0!1n%%6  8   A(Kabqarrstu NTc"#S-?#-EE2#N P > M YY[;;|,))+"!! B73-PV T&#,t = #f ,\\"9:1=CCEF NN] ^ s*sAI8c|rd}d}nd}d}|rkdj|Dcgc]P}d|jddd|jd xs|jd d d |jd d Rc}nd} tjt|||| } t | g} t |dkDr|ddn|} | j| | jt|tj} tj| }tj| z }|j}tjd|ddt |d|dddd|vr"|j!ddj#}|Scc}w)u Genera respuesta cuando el usuario pidió X en promoción pero ningún producto disponible tiene promotion=True. Se informa al usuario y se muestran alternativas. u]Es la PRIMERA interacción. Saluda brevemente (ej: '¡Hola!') y luego presenta los productos.ruPIMPORTANTE: Ya hay conversación previa. NO saludes ni digas 'Hola'. Ve directo.rrr~rrrrrrrzSin productos disponibles.)rrrr3rr7rrNu@⏱️ [generate_no_promo_available_response] LLM respondió en rQrRrSrNrr8r)rerr rr rr<rar^rrgrhrir r"rcr_r`)rjrrrr4rrrrrrrrrsrrurs r.$generate_no_promo_available_responsez3ProductService.generate_no_promo_available_responsegs {MLMmL  99!& v|,-\!%% :L:ePQPUPUV]_dPe9ffpqrqvqvw~AFrGqH I&  !=  9??.'%!-  &m<= 367G3H23M)#$/ScN+L:; YY[;;|,))+"!! NwWZm\V T&#,t =  #f ,\\"9:1=CCEF 9& sAFproduct detail_datactj|r|jdn|dd}tjt |}t |g}|jt|tj|}|jj}d|vr"|jdd j}|S) zMGenera la respuesta conversacional para el detalle de un producto usando LLM.T) exclude_noneFr ensure_asciiindent)rproduct_detailr7r8r)json_moddumps model_dumprrr rr^rrhrir r`r_) rjrrr product_jsonrrrrs r.generate_detail_responsez'ProductService.generate_detail_responses ~~5|}|r|rJ|d}|dz }|d|jd|jd|jd|jxsdd z }|Sd }|D]@}|d|jd|jd|jd|jxsdd z }B||z }|S) u Construye el contenido del historial anotando los productos mostrados al usuario. Esto permite al LLM recordar qué productos se presentaron en turnos anteriores. rz0 [CONTEXTO DEL SISTEMA - DETALLE DE PRODUCTO]: rz (ID: z ) - Precio: $u - Categoría: rrz; [CONTEXTO DEL SISTEMA - PRODUCTOS MOSTRADOS AL USUARIO]: )r~rrr)rjrrrhistory_contentrproduct_detailss r.build_history_contentz$ProductService.build_history_contents! QK#XXRxvakk]-PQPWPWyXghihrhrh{v{g||~#  #c!DA#AFF86!++mTUT[T[S\\klmlvlvlzlAAC(DDOD?2r0cXttg}|r |t dng}|r|j||j t |t t}td|D}t |}||z|z}tjd|d|dzdt |d|d |d |dzd tjd |d |r;tjdt |ddjd|Dztd|tj} tj|} tj| z } | jj!} t | j} tjd| dd| d| d | S)u Extrae el término de búsqueda del mensaje del usuario usando LLM. Retorna "NO_PRODUCT" si no se detecta producto en el mensaje. r7Nc3HK|]}tt|ddywr:r;r=s r.r@z7ProductService.extract_product_query..rArBu:📤 [extract_product_query] Enviando al LLM | sys_prompt=rCrDrErFrrGrHu4📝 [extract_product_query] Pregunta del usuario: 'rIu1📜 [extract_product_query] Historial (últimos z msgs): rKc 3vK|]1}d|jjdddt|dddd3yw)rMNrr!r rPrOr=s r.r@z7ProductService.extract_product_query..sH ,,Ra01GAy"4Mcr4R3UVrPzextract_product_query (PASO 5)u1⏱️ [extract_product_query] LLM respondió en rQrRrS)rr r\rar^rr<rbr"rcrer/rgrhrir r`)rjrr4rrlrnrorprqrsrrurrws r.extract_product_queryz$ProductService.extract_product_querys *2MNOFV(*@)@)AB\^   # #M 2 X >?34 OOO (m *,{:  #DA7]+,F:,?#}%!1n%%6  8   J8*TUVW  KKCC DVCWW_`***  ;=MN YY[;;/0))+"!!'')))*  ?}M# D 3  r0c0ttg}|j|dd|jt |t j |}|jj}d|vr"|jddj}|S)uOGenera una respuesta contextual cuando el usuario no menciona ningún producto.r7iNr8r) rr rar^rrhrir r`r_)rjrr4no_prod_messagesrrs r.generate_no_product_responsez+ProductService.generate_no_product_responses)2JKL 0 56 X >?;;/0!!'') "f ,\\"9:1=CCEF r0cbttjtg}|j |t d|j t|tj|}|jj}d|vr"|jddj}|S)zLGenera un saludo conversacional cuando el usuario ya tiene historial previo.)rr7Nr8r) rrrr rar\r^rrhrir r`r_)rjrr4rrrs r.generate_greeting_responsez)ProductService.generate_greeting_responses!*B*I*IYl*mno(*@)@)ABC X67;;x(!!'') "f ,\\"9:1=CCEF r0 product1_data product2_datactj|dd}tj|dd}tjt||}t |g}|j t|tjdt|dt|dzd tj}tj|} tj|z } | jj} tjd | d d d | vr"| j!d dj} | S)zBGenera la respuesta de comparativa entre dos productos usando LLM.Frr)rproduct1_detailproduct2_detailr7uE📤 [generate_compare_response] Comparando 2 productos | sys_prompt=rCrDztok)u5⏱️ [generate_compare_response] LLM respondió en rQsr8r)rrrrr rr^rr"rcr<rgrhrir r`r_) rjrrr product1_json product2_jsonrrrsrrurs r.generate_compare_responsez(ProductService.generate_compare_response s!}5QRS  }5QRS 5<<.)) &m<= L:; m,-T#m2Da2G1H N YY[;;|,))+"!!'') KGTW=XYZ[ "f ,\\"9:1=CCEF r0 products_textctjt|}t|g}tj d|ddt j|}|jjS)u Genera un saludo con recomendación de los últimos productos vistos por el usuario. Se usa cuando la conversación es nueva y el usuario saluda o pide recomendaciones. products_text: string ya formateado con los nombres de los productos. )rrr7uI🛒 [generate_resume_purchase_greeting] Generando saludo con productos: Nd) rrr rr"rcrhrir r`)rjrrrrs r.!generate_resume_purchase_greetingz0ProductService.generate_resume_purchase_greeting,sk 8>>.* &m<=  _`mnror`s_tuv;;|,%%''r0)N)F)r& __module__ __qualname____doc__rrrxintrrrtuplerrrboolrrrrrrrrrr0r.r2r2Hs5_TSTDTSTl5s53545@#PT*`d@### sTz3:% & #J4D9J4K"NNN N  N  N#N N`/// /  / # / /b#T)  > ()  .*c*T*c*X S D UX  3 $ SV   @ (s (s (r0r2)*rjsonrloggingrglangchain_core.messagesrrrlangchain_openairmcp_integration.toolsragent.chat_products_nodesr agent.promptsr r r r r rrrrrrconfig.settingsrmodelsr getLoggerr&r"r MODEL_NAMErhr\rrr/r2rr0r.r s JJ'+9    %&   8 $'#.++; c T q(q(r0