238 lines
No EOL
9.6 KiB
Python
238 lines
No EOL
9.6 KiB
Python
import logging
|
|
import httpx
|
|
from typing import Dict, Any, List, Optional, Union
|
|
from fastapi import HTTPException
|
|
from modules.utility import APP_CONFIG
|
|
|
|
# Logger konfigurieren
|
|
logger = logging.getLogger(__name__)
|
|
|
|
# Konfigurationsdaten laden
|
|
def load_config_data():
|
|
return {
|
|
"api_key": APP_CONFIG.get('Connector_AiAnthropic_API_SECRET'),
|
|
"api_url": APP_CONFIG.get('Connector_AiAnthropic_API_URL'),
|
|
"model_name": APP_CONFIG.get('Connector_AiAnthropic_MODEL_NAME'),
|
|
"temperature": float(APP_CONFIG.get('Connector_AiAnthropic_TEMPERATURE')),
|
|
"max_tokens": int(APP_CONFIG.get('Connector_AiAnthropic_MAX_TOKENS'))
|
|
}
|
|
|
|
class ChatService:
|
|
"""
|
|
Connector für die Kommunikation mit der Anthropic API.
|
|
"""
|
|
|
|
def __init__(self):
|
|
# Konfiguration laden
|
|
self.config = load_config_data()
|
|
self.api_key = self.config["api_key"]
|
|
self.api_url = self.config["api_url"]
|
|
self.model_name = self.config["model_name"]
|
|
|
|
# HttpClient für API-Aufrufe
|
|
self.http_client = httpx.AsyncClient(
|
|
timeout=120.0, # Längeres Timeout für komplexe Anfragen
|
|
headers={
|
|
"x-api-key": self.api_key,
|
|
"anthropic-version": "2023-06-01", # Anthropic API Version
|
|
"Content-Type": "application/json"
|
|
}
|
|
)
|
|
|
|
logger.info(f"Anthropic Connector initialisiert mit Modell: {self.model_name}")
|
|
|
|
async def call_api(self, messages: List[Dict[str, Any]], temperature: float = None, max_tokens: int = None) -> Dict[str, Any]:
|
|
"""
|
|
Ruft die Anthropic API mit den gegebenen Nachrichten auf.
|
|
|
|
Args:
|
|
messages: Liste von Nachrichten im OpenAI-Format (role, content)
|
|
temperature: Temperatur für die Antwortgenerierung (0.0-1.0)
|
|
max_tokens: Maximale Anzahl der Token in der Antwort
|
|
|
|
Returns:
|
|
Die Antwort umgewandelt ins OpenAI-Format
|
|
|
|
Raises:
|
|
HTTPException: Bei Fehlern in der API-Kommunikation
|
|
"""
|
|
try:
|
|
# OpenAI-Format in Anthropic-Format umwandeln
|
|
formatted_messages = self._convert_to_anthropic_format(messages)
|
|
|
|
# Verwende Parameter aus der Konfiguration, falls keine überschrieben wurden
|
|
if temperature is None:
|
|
temperature = self.config.get("temperature", 0.2)
|
|
|
|
if max_tokens is None:
|
|
max_tokens = self.config.get("max_tokens", 2000)
|
|
|
|
# Anthropic API Payload erstellen
|
|
payload = {
|
|
"model": self.model_name,
|
|
"messages": formatted_messages,
|
|
"temperature": temperature,
|
|
"max_tokens": max_tokens
|
|
}
|
|
|
|
response = await self.http_client.post(
|
|
self.api_url,
|
|
json=payload
|
|
)
|
|
|
|
if response.status_code != 200:
|
|
logger.error(f"Anthropic API-Fehler: {response.status_code} - {response.text}")
|
|
raise HTTPException(status_code=500, detail="Fehler bei der Kommunikation mit Anthropic API")
|
|
|
|
# Antwort im Anthropic-Format in OpenAI-Format umwandeln
|
|
anthropic_response = response.json()
|
|
openai_formatted_response = self._convert_to_openai_format(anthropic_response)
|
|
|
|
return openai_formatted_response
|
|
|
|
except Exception as e:
|
|
logger.error(f"Fehler beim Aufruf der Anthropic API: {str(e)}")
|
|
raise HTTPException(status_code=500, detail=f"Fehler beim Aufruf der Anthropic API: {str(e)}")
|
|
|
|
def _convert_to_anthropic_format(self, openai_messages: List[Dict[str, Any]]) -> List[Dict[str, Any]]:
|
|
"""
|
|
Konvertiert Nachrichten vom OpenAI-Format ins Anthropic-Format.
|
|
|
|
OpenAI verwendet:
|
|
[{"role": "system", "content": "..."},
|
|
{"role": "user", "content": "..."},
|
|
{"role": "assistant", "content": "..."}]
|
|
|
|
Anthropic verwendet:
|
|
[{"role": "user", "content": "..."},
|
|
{"role": "assistant", "content": "..."}]
|
|
|
|
Anmerkung: Anthropic hat kein direktes System-Message-Äquivalent,
|
|
daher fügen wir System-Nachrichten in die erste User-Nachricht ein.
|
|
"""
|
|
anthropic_messages = []
|
|
system_content = ""
|
|
|
|
# Extrahiere zuerst alle System-Nachrichten
|
|
for msg in openai_messages:
|
|
if msg.get("role") == "system":
|
|
system_content += msg.get("content", "") + "\n\n"
|
|
|
|
# Konvertiere die restlichen Nachrichten
|
|
for i, msg in enumerate(openai_messages):
|
|
role = msg.get("role")
|
|
content = msg.get("content", "")
|
|
|
|
# System-Nachrichten überspringen (bereits extrahiert)
|
|
if role == "system":
|
|
continue
|
|
|
|
# Für die erste User-Nachricht: System-Inhalte voranstellen, falls vorhanden
|
|
if role == "user" and system_content and not any(m.get("role") == "user" for m in anthropic_messages):
|
|
if isinstance(content, str):
|
|
content = system_content + content
|
|
elif isinstance(content, list):
|
|
# Wenn content ein Array ist (für Multimodal-Nachrichten)
|
|
text_parts = []
|
|
for part in content:
|
|
if part.get("type") == "text":
|
|
text_parts.append(part)
|
|
|
|
if text_parts:
|
|
text_parts[0]["text"] = system_content + text_parts[0].get("text", "")
|
|
|
|
# Anthropic unterstützt nur "user" und "assistant" als Rollen
|
|
if role not in ["user", "assistant"]:
|
|
role = "user"
|
|
|
|
anthropic_messages.append({"role": role, "content": content})
|
|
|
|
return anthropic_messages
|
|
|
|
def _convert_to_openai_format(self, anthropic_response: Dict[str, Any]) -> Dict[str, Any]:
|
|
"""
|
|
Konvertiert eine Antwort vom Anthropic-Format ins OpenAI-Format.
|
|
"""
|
|
# Extrahiere Inhalt aus Anthropic-Antwort
|
|
content = ""
|
|
if "content" in anthropic_response:
|
|
if isinstance(anthropic_response["content"], list):
|
|
# Inhalt ist eine Liste von Teilen (bei neueren API-Versionen)
|
|
for part in anthropic_response["content"]:
|
|
if part.get("type") == "text":
|
|
content += part.get("text", "")
|
|
else:
|
|
# Direkter Inhalt als String (bei älteren API-Versionen)
|
|
content = anthropic_response["content"]
|
|
|
|
# Erstelle OpenAI-formatierte Antwort
|
|
return {
|
|
"id": anthropic_response.get("id", ""),
|
|
"object": "chat.completion",
|
|
"created": anthropic_response.get("created", 0),
|
|
"model": anthropic_response.get("model", self.model_name),
|
|
"choices": [
|
|
{
|
|
"message": {
|
|
"role": "assistant",
|
|
"content": content
|
|
},
|
|
"index": 0,
|
|
"finish_reason": "stop"
|
|
}
|
|
]
|
|
}
|
|
|
|
async def analyze_image(self, image_data: Union[str, bytes], mime_type: str = None, prompt: str = "Describe this image") -> str:
|
|
"""
|
|
Analysiert ein Bild mit der OpenAI Vision API.
|
|
|
|
Args:
|
|
image_data: Entweder ein Dateipfad (str) oder Bilddaten (bytes)
|
|
mime_type: Der MIME-Typ des Bildes (optional, nur für Binärdaten)
|
|
prompt: Der Prompt für die Analyse
|
|
|
|
Returns:
|
|
Die Antwort der OpenAI Vision API als Text
|
|
"""
|
|
try:
|
|
# Unterscheide zwischen Dateipfad und Binärdaten
|
|
if isinstance(image_data, str):
|
|
# Es ist ein Dateipfad - importiere filehandling nur bei Bedarf
|
|
from gateway.gwserver.modules import agentservice_filemanager as file_handler
|
|
base64_data, auto_mime_type = file_handler.encode_file_to_base64(image_data)
|
|
mime_type = mime_type or auto_mime_type
|
|
else:
|
|
# Es sind Binärdaten
|
|
import base64
|
|
base64_data = base64.b64encode(image_data).decode('utf-8')
|
|
# MIME-Typ muss angegeben sein für Binärdaten
|
|
if not mime_type:
|
|
# Fallback auf generischen Bildtyp
|
|
mime_type = "image/png"
|
|
|
|
# Bereite den Payload für die Vision API vor
|
|
messages = [
|
|
{
|
|
"role": "user",
|
|
"content": [
|
|
{"type": "text", "text": prompt},
|
|
{
|
|
"type": "image_url",
|
|
"image_url": {
|
|
"url": f"data:{mime_type};base64,{base64_data}"
|
|
}
|
|
}
|
|
]
|
|
}
|
|
]
|
|
|
|
# Verwende die bestehende call_api Funktion mit dem Vision-Modell
|
|
response = await self.call_api(messages)
|
|
|
|
# Inhalt extrahieren und zurückgeben
|
|
return response["choices"][0]["message"]["content"]
|
|
|
|
except Exception as e:
|
|
logger.error(f"Fehler bei der Bildanalyse: {str(e)}", exc_info=True)
|
|
return f"[Fehler bei der Bildanalyse: {str(e)}]" |