"""配置管理模块"""
import os
import re
from pathlib import Path
from typing import Literal
from pydantic import BaseModel, Field, field_validator
from dotenv import load_dotenv
load_dotenv()
# ============================================================================
# GLM-4.7 模型参数配置（基于智谱 GLM-4.7 规格的默认值）
# ============================================================================
# GLM-4.7 模型规格：
# - 上下文窗口：200,000 tokens
# - 最大输出：128,000 tokens
#
# 本配置采用 GLM-4.7 参数作为默认值，确保最佳性能和稳定性：
# - context_window: 200,000（模型上限）
# - max_message_tokens: 150,000（单条文件消息上限）
# - max_tokens: 32,000（建议输出长度）
#
# 用户可通过环境变量覆盖这些默认值（适用于其他模型）
# ============================================================================
# 模型上下文窗口大小（tokens）- 默认基于 GLM-4.7 的 200K 上限
# 可通过 AURAI_CONTEXT_WINDOW 环境变量覆盖
DEFAULT_CONTEXT_WINDOW = 200000
# 单条消息最大 tokens（用于文件内容分批发送）
# 可通过 AURAI_MAX_MESSAGE_TOKENS 环境变量覆盖
DEFAULT_MAX_MESSAGE_TOKENS = 150000
# 最大输出 tokens（上级 AI 的回复长度）
# 可通过 AURAI_MAX_TOKENS 环境变量覆盖
DEFAULT_MAX_TOKENS = 32000
class AuraiConfig(BaseModel):
"""上级AI配置"""
# API提供商（固定为 custom，使用 OpenAI 兼容 API）
provider: Literal["custom"] = Field(
default="custom",
description="AI服务提供商（固定使用自定义 OpenAI 兼容 API）"
)
# API密钥
api_key: str = Field(
default_factory=lambda: os.getenv("AURAI_API_KEY", ""),
description="API密钥"
)
# API基础URL（可选，用于代理或自定义端点）
base_url: str | None = Field(
default_factory=lambda: os.getenv("AURAI_BASE_URL"),
description="API基础URL"
)
# 模型名称
model: str = Field(
default_factory=lambda: os.getenv("AURAI_MODEL", "gpt-4o"),
description="模型名称"
)
# 上下文窗口大小（tokens）- 默认基于 GLM-4.7，可通过环境变量覆盖
context_window: int = Field(
default_factory=lambda: int(os.getenv("AURAI_CONTEXT_WINDOW", str(DEFAULT_CONTEXT_WINDOW))),
ge=1,
description="模型上下文窗口大小（默认：200,000，基于 GLM-4.7）"
)
# 单条消息最大 tokens - 默认基于 GLM-4.7，可通过环境变量覆盖
max_message_tokens: int = Field(
default_factory=lambda: int(os.getenv("AURAI_MAX_MESSAGE_TOKENS", str(DEFAULT_MAX_MESSAGE_TOKENS))),
ge=1,
description="单条消息最大 tokens（默认：150,000，基于 GLM-4.7 优化）"
)
# 最大迭代次数
max_iterations: int = Field(
default=10,
description="最大迭代次数"
)
# 温度参数
temperature: float = Field(
default=0.7,
ge=0.0,
le=2.0,
description="温度参数"
)
# 最大生成 tokens - 默认基于 GLM-4.7，可通过环境变量覆盖
max_tokens: int = Field(
default_factory=lambda: int(os.getenv("AURAI_MAX_TOKENS", str(DEFAULT_MAX_TOKENS))),
ge=1,
description="最大生成 tokens（默认：32,000，基于 GLM-4.7 优化）"
)
@field_validator('api_key')
@classmethod
def validate_api_key(cls, v: str) -> str:
"""验证API密钥格式"""
if not v or not v.strip():
raise ValueError("API密钥不能为空")
v = v.strip()
# 基本长度验证（大多数API密钥至少20个字符）
if len(v) < 10:
raise ValueError("API密钥长度不能少于10个字符")
# 基本格式验证（不能包含空格或特殊控制字符）
if re.search(r'[\s\n\r\t]', v):
raise ValueError("API密钥不能包含空格或控制字符")
return v
@field_validator('base_url')
@classmethod
def validate_base_url(cls, v: str | None) -> str | None:
"""验证Base URL格式"""
if v is None or not v.strip():
return None
v = v.strip()
# 基本URL格式验证
if not v.startswith(('http://', 'https://')):
raise ValueError("Base URL 必须以 http:// 或 https:// 开头")
# 简单的URL格式检查
url_pattern = re.compile(
r'^https?://' # http:// or https://
r'(?:(?:[A-Z0-9](?:[A-Z0-9-]{0,61}[A-Z0-9])?\.)+[A-Z]{2,6}\.?|' # domain
r'localhost|' # localhost
r'\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3})' # IP
r'(?::\d+)?' # optional port
r'(?:/?|[/?]\S+)$', re.IGNORECASE
)
if not url_pattern.match(v):
raise ValueError(f"Base URL 格式无效: {v}")
return v
class ServerConfig(BaseModel):
"""服务器配置"""
# 服务器名称
name: str = "Aurai Advisor"
# 日志级别
log_level: Literal["DEBUG", "INFO", "WARNING", "ERROR"] = "INFO"
# 对话历史最大保存数
max_history: int = Field(
default_factory=lambda: int(os.getenv("AURAI_MAX_HISTORY", "50")),
ge=1,
le=200,
description="对话历史最大保存数"
)
# 启用对话历史持久化
enable_persistence: bool = Field(
default_factory=lambda: os.getenv("AURAI_ENABLE_PERSISTENCE", "true").lower() == "true",
description="是否启用对话历史持久化到文件"
)
# 对话历史文件路径（固定在用户目录）
history_path: str = Field(
default_factory=lambda: os.getenv(
"AURAI_HISTORY_PATH",
str(Path.home() / ".mcp-aurai" / "history.json")
),
description="对话历史文件路径"
)
# 全局配置实例
_config: AuraiConfig | None = None
_server_config: ServerConfig | None = None
def get_aurai_config() -> AuraiConfig:
"""获取上级AI配置"""
global _config
if _config is None:
_config = AuraiConfig()
return _config
def get_server_config() -> ServerConfig:
"""获取服务器配置"""
global _server_config
if _server_config is None:
_server_config = ServerConfig()
return _server_config
def reset_config():
"""重置配置（主要用于测试）"""
global _config, _server_config
_config = None
_server_config = None
