oskaragent 0.1.38a0__py3-none-any.whl

tests/3b_test_upload_img.py

@@ -0,0 +1,43 @@
+from __future__ import annotations
+
+from pathlib import Path
+from typing import Any
+
+from oskaragent.agent import Oskar
+from oskaragent.agent_config import AgentConfig
+from tests.helpers import set_key
+
+
+def main() -> None:
+    # Set OpenAI API key
+    set_key()
+
+    # Caminho do arquivo de imagem a ser descrito
+    img_path = (Path(__file__).parent / "sources" / "img_pent.png").resolve()
+    if not img_path.exists():
+        raise FileNotFoundError(f"Arquivo não encontrado: {img_path}")
+
+    # Instancia o agente oskaragent (configuração simples)
+    agent_cfg = AgentConfig(
+        model_settings={
+            "history_window_size": 5,  # parametrizável
+        },
+    )
+    agent = Oskar(agent_config=agent_cfg, is_verbose=False)
+
+    # Pergunta ao agente para descrever a imagem
+    question = "Descreva a imagem anexada em detalhes em português."
+    result: dict[str, Any] = agent.answer(
+        question=question,
+        attached_files=str(img_path)
+    )
+
+    # Extrai e imprime o conteúdo da resposta (descrição)
+    content = (result or {}).get("content") or ""
+    print("Descrição gerada:\n")
+    print(content)
+
+
+if __name__ == "__main__":
+    main()
+

tests/3c_test_upload_pdf_compare.py

@@ -0,0 +1,44 @@
+from __future__ import annotations
+
+from pathlib import Path
+from typing import Any
+
+from oskaragent.agent import Oskar
+from oskaragent.agent_config import AgentConfig
+
+from tests.helpers import set_key
+
+
+def main() -> None:
+    # Set OpenAI API key
+    set_key()
+
+    # Caminho dos arquivos pdf para comparação
+    pdf1_path = Path("sources/GlobalThreatReport2024.pdf").resolve()
+    if not pdf1_path.exists():
+        raise FileNotFoundError(f"Arquivo não encontrado: {pdf1_path}")
+
+    pdf2_path = Path("sources/comptia-state-of-cybersecurity-2025.pdf").resolve()
+    if not pdf2_path.exists():
+        raise FileNotFoundError(f"Arquivo não encontrado: {pdf2_path}")
+
+    # Instancia o agente oskaragent (com configurações padrão)
+    agent = Oskar(agent_config=AgentConfig(), is_verbose=True)
+
+    # Pergunta ao agente para fazer um resumo do arquivo
+    question = "Faça uma análise comparativa desses dois documentos PDF e apresente o resultado em português."
+
+    result: dict[str, Any] = agent.answer(
+        question=question,
+        attached_files=[str(pdf1_path), str(pdf2_path)]
+    )
+
+    # Extrai e imprime o conteúdo da resposta (resumo)
+    content = (result or {}).get("content") or ""
+    print("Resumo gerado:\n")
+    print(content)
+
+
+if __name__ == "__main__":
+    main()
+

tests/4_test_RAG.py

@@ -0,0 +1,56 @@
+from __future__ import annotations
+
+from typing import Any
+
+from tests.helpers import set_key
+from oskaragent.agent import Oskar
+from oskaragent.agent_config import AgentConfig
+
+
+def main() -> None:
+    """Execute smoke test forcing local RAG retriever against the psicologia base."""
+    # Set OpenAI API key
+    set_key()
+
+    # cria a base de dados RAG
+    # create_knowledge_base_from_file(knowledge_base_name="psicologia",
+    #                                 knowledge_base_folder="./sources/vectorstore",
+    #                                 file_path="./sources/artigo psicologia.md")
+
+    # Configura o agente para usar o índice local de RAG
+    ag_cfg = AgentConfig(
+        knowledge_base=[
+            {
+                "name": "psicologia",
+                "folder": "./sources/vectorstore"
+            }
+        ]
+        # Observação: para habilitar o retriever local, também é possível
+        # informar `working_dbs=["./sources/vectorstore"]`. Aqui seguimos exatamente o pedido.
+    )
+
+    # Ativar logs detalhados para ver chamadas de ferramenta (inclui logs azuis)
+    agent = Oskar(agent_config=ag_cfg, is_verbose=True)
+
+    question = "Quantas sessões foram realizadas?"
+    # Força o uso do RAG local chamando explicitamente a ferramenta de recuperação
+    # Caso prefira deixar o modelo decidir, use action="chat".
+    result: dict[str, Any] = agent.answer(
+        question=question,
+        action="tool:retriever_tool",
+        message_format="raw",
+        is_consult_prompt=False,
+    )
+
+    # Imprime apenas o conteúdo textual da resposta
+    content = (result or {}).get("content")
+    if content:
+        print(content)
+    else:
+        # Fallback: imprime o objeto completo para facilitar o debug
+        import json as _json
+        print(_json.dumps(result or {}, ensure_ascii=False, indent=2))
+
+
+if __name__ == "__main__":
+    main()

tests/5_test_MAS.py

@@ -0,0 +1,58 @@
+from __future__ import annotations
+
+from typing import Any
+import json
+
+from tests.helpers import set_key
+from oskaragent.agent import Oskar
+from oskaragent.agent_config import AgentConfig
+
+
+def _response_log(assistant_message_struct: dict[str, Any]):
+    usage = assistant_message_struct.get("usage", {}) or {}
+    print(
+            f"[callback] message_id={assistant_message_struct.get('message_id')} "
+            f"tokens={{'input_tokens': {usage.get('input_tokens')}, 'output_tokens': {usage.get('output_tokens')}, 'total_tokens': {usage.get('total_tokens')}}}"
+    )
+
+
+def main() -> int:
+    # Set OpenAI API key
+    set_key()
+
+    # ------------- agente subordinado
+    ag_cfg = AgentConfig(
+            agent_id="AssistenteOskar",
+            agent_name="Assistente do oskaragent",
+            system_prompt="""
+                Você conhece todos os colaboradores da empresa.
+                Quando for perguntado, você informar o cargo de qualquer um deles.
+                Segue a lista dos colaboradores:
+                - José Carlos: Programador
+                - Elisa: Gerente de Financeiro
+                - Jacques: Diretor
+                - Maria: Analista de BI
+                """,
+    )
+    agent_assistente = Oskar(agent_config=ag_cfg, response_callback=_response_log, is_verbose=True)
+
+    # ------------- agente orquestrador
+    ag_cfg = AgentConfig(
+            agent_name="Chefe",
+            model_settings={"history_window_size": 5},
+    )
+    agent_chefe = Oskar(agent_config=ag_cfg, response_callback=_response_log, is_verbose=True)
+
+    agent_chefe.add_subordinated_agent(agent_assistente,
+                                       role="Conhece todos os colaboradores da empresa e pode informar o cargo de qualquer um deles.")
+    test_q = "Qual é o cargo do colaborador Jacques?"
+    res = agent_chefe.answer(test_q)
+
+    print(test_q)
+    # Ensure UTF-8 characters are printed properly (no ASCII escapes)
+    print(json.dumps(res, indent=2, ensure_ascii=False))
+    return 0
+
+
+if __name__ == "__main__":
+    raise SystemExit(main())

tests/6a_test_MCP_tool_CRM.py

@@ -0,0 +1,77 @@
+from __future__ import annotations
+
+from textwrap import dedent
+from typing import Any
+import json
+
+from tests.helpers import set_key
+from oskaragent.agent import Oskar
+from oskaragent.agent_config import AgentConfig
+
+
+def _response_log(assistant_message_struct: dict[str, Any]):
+    usage = assistant_message_struct.get("usage", {}) or {}
+    print(
+        f"[callback] message_id={assistant_message_struct.get('message_id')} "
+        f"tokens={{'input_tokens': {usage.get('input_tokens')}, 'output_tokens': {usage.get('output_tokens')}, 'total_tokens': {usage.get('total_tokens')}}}"
+    )
+
+
+def main() -> int:
+    # Set OpenAI API key
+    set_key()
+
+    system_prompt = dedent("""
+    ### Instruções:
+    Atue como um analista especializado no módulo de vendas do Salesforce. Use suas habilidades e conhecimentos técnicos para orientar vendedores na superação de obstáculos em negociações, oferecendo estratégias eficazes para fechar vendas. Você deve manter um comportamento didático, criativo, organizado e comunicativo, empregando seu elevado pensamento crítico para adaptar as soluções às necessidades específicas dos clientes.
+
+    Você tem conhecimento em venda de produtos de segurança da informação dos fabricantes Check Point, Fortinet, Checkmarx, Proofpoint, Algosec e vários outros. Então você também pode responder perguntas e pedidos técnicos referentes a esses produtos.
+
+    ### Interlocutor
+    Suas respostas devem ser direcionadas a vendedores que possuem um entendimento básico a intermediário sobre produtos de segurança da informação e técnicas de venda, mas buscam aprimoramento na negociação e no entendimento técnico avançado das soluções oferecidas.
+
+    ### Tarefas
+    - Usar a ferramenta apropriada para buscar as informações atualizadas da oportunidade, que estão no Salesforce.
+    - Responda ao pedido realizado.
+
+    ### Modo, tom e estilo da resposta
+    Suas respostas devem ser diretas, confiantes e didáticas, mantendo um tom profissional e acessível. Priorize a clareza e precisão nas informações técnicas, adaptando a complexidade das explicações ao nível de entendimento do interlocutor.
+
+    ### Casos atípicos
+    1. Se o interlocutor pedir algo sobre uma oportunidade, mas não informar o código da oportunidade, então considere o código {OPO}.
+    2. Se o interlocutor fizer perguntas que não se relacionam diretamente com estratégias de venda ou produtos de segurança da informação, responda que seu foco é fornecer consultoria em vendas e segurança da informação e sugira buscar um especialista adequado para outras questões.
+
+    ### Limites da conversa
+    Responda apenas perguntas sobre estratégias de venda, produtos de segurança da informação e sua aplicação, e uso do CRM Salesforce. Não responda perguntas e pedidos que não sejam associados ao papel 'Consultor de Vendas'.
+    """)
+
+    mcp_tools = [
+        {
+            "mcpServerUrl": "http://localhost:8001/mcp",
+            "tools": ["get_opportunity_info_by_id"]
+        }
+    ]
+
+    ag_cfg = AgentConfig(
+        system_prompt=system_prompt,
+        tools_names=["get_opportunity_info_by_id"],
+    )
+
+    agent = Oskar(agent_config=ag_cfg,
+                  response_callback=_response_log,
+                  mcp_tools=mcp_tools,
+                  is_verbose=True)
+
+    # No explicit question provided: run a quick test prompt and exit
+    # test_q = "Mostre a linha do tempo da oportunidade OPO-ORIZON-2024-08-0001"
+    test_q = "Qual é a dor do cliente na oportunidade OPO-ACME-2025-11-0042"
+    res = agent.answer(test_q)
+
+    print(test_q)
+    # Ensure UTF-8 characters are printed properly (no ASCII escapes)
+    print(json.dumps(res, indent=2, ensure_ascii=False))
+    return 0
+
+
+if __name__ == "__main__":
+    raise SystemExit(main())

tests/6b_test_MCP_tool_ITSM.py

@@ -0,0 +1,72 @@
+from __future__ import annotations
+
+from textwrap import dedent
+from typing import Any
+import json
+
+from tests.helpers import set_key
+from oskaragent.agent import Oskar
+from oskaragent.agent_config import AgentConfig
+
+
+def _response_log(assistant_message_struct: dict[str, Any]):
+    usage = assistant_message_struct.get("usage", {}) or {}
+    print(
+        f"[callback] message_id={assistant_message_struct.get('message_id')} "
+        f"tokens={{'input_tokens': {usage.get('input_tokens')}, 'output_tokens': {usage.get('output_tokens')}, 'total_tokens': {usage.get('total_tokens')}}}"
+    )
+
+
+def main() -> int:
+    # Set OpenAI API key
+    set_key()
+
+    system_prompt = dedent("""
+    # Persona:
+    Atue como um analista responsável pela consulta e armazenamentos dos dados de chamados de suporte técnico no Salesforce Services Cloud.
+    
+    # Objetivo:
+    Consultar informações de chamados no Salesforce, fazer análises e responder as perguntas solicitadas.
+    
+    # Restrições:
+    - Se o interlocutor fizer perguntas que não se relacionam diretamente ao suporte técnico, responda que seu foco é fornecer consultoria em suporte técnico e segurança da informação e sugira buscar um especialista adequado para outras questões.
+    - Não responda perguntas e pedidos que não sejam associados ao seu papel.
+    - Se não localizar as informações solicitadas, então responda "Não tenho a informação solicitada". Não crie ou invente numa resposta.
+    
+    # Formato e Estilo:
+    - Suas respostas devem ser diretas, confiantes e didáticas, mantendo um tom profissional e acessível.
+    - Suas respostas devem ser direcionadas a analistas que possuem entendimento avançados sobre produtos de segurança da informação.
+    
+    # Tarefas
+    - Recuperar os dados do chamado técnico usando a ferramenta apropriada.
+    - Preparar e apresentar o relatório solicitado em formato markdown.""")
+
+    mcp_tools = [
+        {
+            "mcpServerUrl": "http://localhost:8001/mcp",
+            "tools": ["get_salesforce_case_info_by_id"]
+        }
+    ]
+
+    ag_cfg = AgentConfig(
+        system_prompt=system_prompt,
+        tools_names=["get_salesforce_case_info_by_id"],
+    )
+
+    agent = Oskar(agent_config=ag_cfg,
+                  mcp_tools=mcp_tools,
+                  response_callback=_response_log,
+                  is_verbose=True)
+
+    # No explicit question provided: run a quick test prompt and exit
+    test_q = "Mostre a linha do tempo do chamado 00042386"
+    res = agent.answer(test_q)
+
+    print(test_q)
+    # Ensure UTF-8 characters are printed properly (no ASCII escapes)
+    print(json.dumps(res, indent=2, ensure_ascii=False))
+    return 0
+
+
+if __name__ == "__main__":
+    raise SystemExit(main())

tests/6c_test_MCP_tool_SQL.py

@@ -0,0 +1,69 @@
+from __future__ import annotations
+
+from textwrap import dedent
+from typing import Any
+import json
+
+from tests.helpers import set_key
+from oskaragent.agent import Oskar
+from oskaragent.agent_config import AgentConfig
+
+
+def _response_log(assistant_message_struct: dict[str, Any]):
+    usage = assistant_message_struct.get("usage", {}) or {}
+    print(
+            f"[callback] message_id={assistant_message_struct.get('message_id')} "
+            f"tokens={{'input_tokens': {usage.get('input_tokens')}, 'output_tokens': {usage.get('output_tokens')}, 'total_tokens': {usage.get('total_tokens')}}}"
+    )
+
+
+def main() -> int:
+    # Set OpenAI API key
+    set_key()
+
+    system_prompt = dedent("""
+    ### Papel
+    Atue como um assistente para os colaboradores da equipe de BDR, para responder perguntas sobre pessoas e empresas.
+
+    ### Tarefas
+    - Usar a ferramenta apropriada para buscar as informações sobre pessoas e empresas.
+    - Responda ao pedido realizado.
+
+    ### Modo, tom e estilo da resposta
+    Suas respostas devem ser diretas, confiantes e didáticas, mantendo um tom profissional e acessível. Priorize a clareza e precisão nas informações técnicas, adaptando a complexidade das explicações ao nível de entendimento do interlocutor.
+
+    ### Casos atípicos
+    Se o interlocutor fizer perguntas que não se relacionam diretamente com pessoas e empresas, responda que seu foco é fornecer consultoria para as atividades de BDR.
+
+    ### Limites da conversa
+    Responda apenas perguntas sobre pessoas, empresas e atividades de BDR. Não responda perguntas e pedidos que não sejam associados à base de clientes.
+    """)
+
+    mcp_tools = [
+        {
+            "mcpServerUrl": "http://localhost:8001/mcp",
+            "tools": ["get_salesforce_case_info_by_id"]
+        }
+    ]
+
+    ag_cfg = AgentConfig(
+            system_prompt=system_prompt
+    )
+
+    agent = Oskar(agent_config=ag_cfg,
+                  response_callback=_response_log,
+                  mcp_tools=mcp_tools,
+                  is_verbose=True)
+
+    # No explicit question provided: run a quick test prompt and exit
+    test_q = 'Liste em formato de tabela as pessoas cujos nomes correspondam a "José Carlos".'
+    res = agent.answer(test_q)
+
+    print(test_q)
+    # Ensure UTF-8 characters are printed properly (no ASCII escapes)
+    print(json.dumps(res, indent=2, ensure_ascii=False))
+    return 0
+
+
+if __name__ == "__main__":
+    raise SystemExit(main())

tests/6d_test_MCP_tool_DOC_SQL.py

@@ -0,0 +1,45 @@
+from __future__ import annotations
+
+from typing import Any
+import json
+
+from tests.helpers import set_key
+from oskaragent.agent import Oskar
+
+
+def _response_log(assistant_message_struct: dict[str, Any]):
+    usage = assistant_message_struct.get("usage", {}) or {}
+    print(
+            f"[callback] message_id={assistant_message_struct.get('message_id')} "
+            f"tokens={{'input_tokens': {usage.get('input_tokens')}, 'output_tokens': {usage.get('output_tokens')}, 'total_tokens': {usage.get('total_tokens')}}}"
+    )
+
+
+def main() -> int:
+    # Set OpenAI API key
+    set_key()
+
+    mcp_tools = [
+        {
+            "mcpServerUrl": "http://localhost:8001/mcp",
+            "tools": ["get_salesforce_case_info_by_id"]
+        }
+    ]
+
+    agent = Oskar(input_data={"ticket": 42555},
+                  response_callback=_response_log,
+                  mcp_tools=mcp_tools,
+                  is_verbose=True)
+
+    # No explicit question provided: run a quick test prompt and exit
+    test_q = 'Faça uma síntese do ticket {ticket}.'
+    res = agent.answer(test_q)
+
+    print(test_q)
+    # Ensure UTF-8 characters are printed properly (no ASCII escapes)
+    print(json.dumps(res, indent=2, ensure_ascii=False))
+    return 0
+
+
+if __name__ == "__main__":
+    raise SystemExit(main())

tests/7a_test_BI_CSV.py

@@ -0,0 +1,37 @@
+from __future__ import annotations
+
+import json
+
+from oskaragent.agent import Oskar
+from oskaragent.agent_config import AgentConfig
+from tests.helpers import set_key
+
+
+def main() -> None:
+    # Set OpenAI API key
+    set_key()
+
+    # Configura o agente para usar o índice local de RAG
+    ag_cfg = AgentConfig(
+        working_files=[
+            {
+                "name": "basileia",
+                "description": "Dados de temperatura da cidade de Basileia",
+                "pathname": "./sources/Basileia.csv"
+            }
+        ]
+    )
+
+    # Ativar logs detalhados para ver chamadas de ferramenta (inclui logs azuis)
+    agent = Oskar(agent_config=ag_cfg, is_verbose=True)
+
+    test_q = 'Faça um gráfico de linhas que mostra a evolução da média da temperatura ao longo dos anos. Considere a maior valor de cada ano.'
+    res = agent.answer(test_q)
+
+    print(test_q)
+    # Ensure UTF-8 characters are printed properly (no ASCII escapes)
+    print(json.dumps(res, indent=2, ensure_ascii=False))
+
+
+if __name__ == "__main__":
+    main()

tests/7b_test_BI_SQL.py

@@ -0,0 +1,47 @@
+from __future__ import annotations
+
+import json
+
+from oskaragent.agent import Oskar
+from oskaragent.agent_config import AgentConfig
+from tests.helpers import set_key
+
+
+def main() -> None:
+    # Set OpenAI API key
+    set_key()
+
+    # Configura o agente para usar o índice local de RAG
+    ag_cfg = AgentConfig(
+            working_databases=[
+                {
+                    "name": "Chamados",
+                    "description": "Informações sobre chamados de suporte técnico",
+                    "connection_string": "Driver={SQL Server};Server=CGSQL07;Database=DB_KPI;Uid=relkpi;Pwd=tele13",
+                    "query": """
+                             select top 100
+                                    CH.NumeroChamado as 'Número do Chamado', CJE.MnemonicoCliente as 'Nome do Cliente', CH.TipoChamado as 'Tipo do Chamado', CH.Classificacao as 'Classificação', CH.[Status] as 'Situação', CH.[Fila] as 'Grupo de Atendimento', CH.[Contrato] as 'Contrato', CH.DataAbertura as 'Data da Abertura', CH.DataEncerramento as 'Data do Encerramento', CH.Titulo as 'Título', CH.Descricao as 'Descrição', CH.Fabricante,
+                                    CH.CausaIncidente as 'Causa do Incidente', CH.DetalheCausas as 'Detalhe da Causa', CH.Indisponibilidade,
+                                    CH.Resolucao as 'Solucão'
+                             from gestaocorp.vwChamado as CH
+                                      join gestaocorp.vwCotacao as CO on CO.IdCotacao = CH.IdCotacao
+                                      join gestaocorp.vwOportunidade as OPO on OPO.IdOportunidade = CO.IdOportunidade
+                                      join gestaocorp.vwConjEmpresas as CJE on CJE.IdConjEmpresas = OPO.IdConjEmpresas
+                             """,
+                }
+            ]
+    )
+
+    # Ativar logs detalhados para ver chamadas de ferramenta (inclui logs azuis)
+    agent = Oskar(agent_config=ag_cfg, is_verbose=True)
+
+    test_q = 'Faça um gráfico de barras por Fabricante.'
+    res = agent.answer(test_q)
+
+    print(test_q)
+    # Ensure UTF-8 characters are printed properly (no ASCII escapes)
+    print(json.dumps(res, indent=2, ensure_ascii=False))
+
+
+if __name__ == "__main__":
+    main()