Funk-lab/stt/server/stt_server/app.py
ALI YESILKAYA 1faf50a9be
feat(stt-server): contextes présélectionnables + sources live + contexte assemblé (visualiseur) (#38)
Asa n'est plus bloqué sur le seul contexte « doc cluster grounding-strict ». Le client
choisit un contexte par requête ; le serveur change le system prompt ET injecte les
données live du domaine, puis renvoie le contexte assemblé pour le visualiseur du HUD.

- contexts.py : profils funk / ghostfolio / grafana / alerting / cluster (system prompt
  + sources) + assemble() (prompt final + structure de visualisation).
- sources.py : fetchers live best-effort (Ghostfolio auth+details, Alertmanager alerts
  hors Watchdog, Prometheus cluster/metrics), env-config, dégradation propre.
- brain.py : ask() reçoit le system prompt déjà assemblé (assemblage remonté).
- app.py : /v1/ask accepte `context`, renvoie context_id + le contexte assemblé ;
  nouveau GET /v1/contexts ; RAG doc conditionné au profil.
- config.py : URLs sources + STT_GHOSTFOLIO_TOKEN + STT_DEFAULT_CONTEXT.
- deployment : env in-cluster (Prometheus/Alertmanager monitoring, Ghostfolio ai),
  jeton via secret optionnel stt-server-secrets/ghostfolio-token.
- bump 0.3.1 → 0.4.0.

Validé en local : assemblage (blocs+RAG+mémoire), parsing des sources (mock),
endpoints /v1/contexts et /v1/ask (LLM mocké) — context_id, visualiseur, fallback
contexte inconnu → funk.

Co-authored-by: Claude Opus 4.8 <noreply@anthropic.com>
2026-06-20 23:49:29 +02:00

162 lines
5.6 KiB
Python

"""STT-server — API FastAPI pour les clients STT.
Endpoints :
GET /healthz → état du service
POST /v1/ask {text}{reply} (requête AI, orchestrée vers LiteLLM)
"""
from __future__ import annotations
import logging
import time
from contextlib import asynccontextmanager
import httpx
from fastapi import BackgroundTasks, FastAPI, HTTPException
from pydantic import BaseModel
from stt_server import __version__
from stt_server import brain
from stt_server.brain import ask as brain_ask
from stt_server.config import settings
from stt_server.contexts import CONTEXTS, assemble, get_context
from stt_server.knowledge import Knowledge
from stt_server.longterm import LongTermMemory
from stt_server.memory import SessionStore
from stt_server.sources import fetch_blocks
log = logging.getLogger("stt_server")
# uvicorn ne configure que ses propres loggers : on attache notre handler en INFO
# pour que les lignes de timing (`ask … recall/gen/total`) sortent dans les logs du pod.
if not log.handlers:
log.setLevel(logging.INFO)
_h = logging.StreamHandler()
_h.setFormatter(logging.Formatter("%(levelname)s: %(name)s: %(message)s"))
log.addHandler(_h)
log.propagate = False
sessions = SessionStore()
longterm = LongTermMemory() if settings.memory_longterm else None
knowledge = Knowledge() if settings.docs_rag else None
@asynccontextmanager
async def lifespan(app: FastAPI):
yield
# Fermeture propre des clients HTTP persistants (pooling).
await brain.aclose()
if longterm:
await longterm.aclose()
if knowledge:
await knowledge.aclose()
app = FastAPI(title="STT-server", version=__version__, lifespan=lifespan)
class AskRequest(BaseModel):
text: str
model: str | None = None # alias LiteLLM ; défaut serveur si absent
session_id: str | None = None # mémoire court-terme : fil de conversation
context: str | None = None # contexte présélectionné (funk/ghostfolio/…)
class AskReply(BaseModel):
reply: str
model: str
context_id: str # contexte effectivement utilisé
context: dict | None = None # contexte assemblé (visualiseur HUD)
@app.get("/healthz")
async def healthz() -> dict:
return {"status": "ok", "version": __version__}
@app.get("/v1/models")
async def v1_models() -> dict:
return {"default": settings.model, "available": settings.allowed_models}
@app.get("/v1/contexts")
async def v1_contexts() -> dict:
"""Contextes présélectionnables (pour le sélecteur du HUD)."""
return {
"default": settings.default_context,
"contexts": [
{"id": c.id, "label": c.label, "icon": c.icon, "description": c.description}
for c in CONTEXTS.values()
],
}
@app.get("/v1/memory/health")
async def v1_memory_health() -> dict:
"""État de la mémoire long-terme (embeddings + Qdrant + collection), erreurs exposées."""
if not longterm:
return {"enabled": False}
return await longterm.health()
@app.post("/v1/reset")
async def v1_reset(req: AskRequest) -> dict:
if req.session_id:
sessions.reset(req.session_id)
return {"status": "reset"}
@app.post("/v1/ask", response_model=AskReply)
async def v1_ask(req: AskRequest, background: BackgroundTasks) -> AskReply:
text = req.text.strip()
if not text:
raise HTTPException(status_code=400, detail="text vide")
model = req.model or settings.model
if model not in settings.allowed_models:
raise HTTPException(
status_code=400,
detail=f"modèle '{model}' non autorisé ; dispo : {settings.allowed_models}",
)
ctx = get_context(req.context)
t0 = time.perf_counter()
history = sessions.history(req.session_id) if req.session_id else None
# recall : timeout serré, dégrade vite ; renvoie aussi le vecteur (réutilisé ci-dessous)
memories, qvec = await longterm.recall(text) if longterm else ([], None)
# RAG doc : seulement si le contexte le demande (réutilise qvec, même embedder nomic)
docs = []
if "docs" in ctx.sources and knowledge:
docs = await knowledge.search(text, qvec)
# Sources live du contexte (Ghostfolio / Prometheus / Alertmanager) — best-effort
blocks: list = []
live = tuple(s for s in ctx.sources if s != "docs")
if live:
async with httpx.AsyncClient() as c:
blocks = await fetch_blocks(c, live)
t_recall = time.perf_counter()
system, ctx_debug = assemble(ctx, blocks=blocks, docs=docs, memories=memories)
try:
reply = await brain_ask(text, system, model, history)
except httpx.HTTPError as e:
raise HTTPException(status_code=502, detail=f"upstream LiteLLM : {e}") from e
t_gen = time.perf_counter()
if req.session_id:
sessions.add(req.session_id, "user", text)
sessions.add(req.session_id, "assistant", reply)
# store : APRÈS la réponse (BackgroundTasks) → hors latence perçue, et on réutilise qvec
if longterm:
background.add_task(longterm.store, req.session_id or "anon", text, qvec)
log.info(
"ask ctx=%s model=%s recall+src=%.0fms gen=%.0fms total=%.0fms mem=%d docs=%d blocks=%d",
ctx.id, model,
(t_recall - t0) * 1000,
(t_gen - t_recall) * 1000,
(t_gen - t0) * 1000,
len(memories), len(docs), len(blocks),
)
return AskReply(reply=reply, model=model, context_id=ctx.id, context=ctx_debug)
def run() -> None:
"""Entrypoint `stt-server` (dev local). En prod : uvicorn via le conteneur."""
import uvicorn
uvicorn.run(app, host="0.0.0.0", port=8000) # noqa: S104 — service interne au cluster