"""Search within loaded legal acts."""
import contextlib
import logging
from typing import Annotated
from fastmcp import Context, FastMCP
from law_scrapper_mcp.models.tool_outputs import EnrichedResponse, SearchInActOutput
from law_scrapper_mcp.tools.error_handling import handle_tool_errors
logger = logging.getLogger(__name__)
def register(mcp: FastMCP) -> None:
"""Register search in act tool."""
@mcp.tool(tags={"analysis", "search"})
@handle_tool_errors(
default_factory=lambda e, kw: SearchInActOutput(
eli=kw.get("eli", ""),
query=kw.get("query", ""),
matches=[],
total_matches=0,
),
)
async def search_in_act(
eli: Annotated[
str,
"Identyfikator ELI aktu. Format: \"{wydawca}/{rok}/{pozycja}\". "
"Wydawcy: DU (Dziennik Ustaw), MP (Monitor Polski). "
"Przykłady: \"DU/2024/1716\", \"MP/2023/500\", \"DU/2024/1\". "
"Akt MUSI być wcześniej załadowany przez get_act_details(eli=..., load_content=True).",
],
query: Annotated[
str,
"Termin do wyszukania w treści aktu (np. 'podatek', 'obowiązek', 'art. 5'). "
"Wielkość liter jest ignorowana.",
],
context_chars: Annotated[
str | int,
"Liczba znaków kontekstu przed i po każdym trafieniu. Domyślnie 500.",
] = 500,
ctx: Context = None,
) -> str:
"""
Wyszukaj termin w treści załadowanego aktu prawnego.
WYMAGANIE: Akt musi być wcześniej załadowany za pomocą
get_act_details(eli=..., load_content=True).
Zwraca wszystkie trafienia z kontekstem i informacją o sekcji.
Przykłady:
- search_in_act(eli="DU/2024/1692", query="straż") - Znajdź "straż" w akcie
- search_in_act(eli="DU/2024/1692", query="obowiązek", context_chars=200) - Z krótszym kontekstem
- search_in_act(eli="DU/2024/1692", query="art. 5") - Odwołania do artykułu 5
- search_in_act(eli="DU/2024/1692", query="kara") - Fragmenty o karach
- search_in_act(eli="DU/2024/1692", query="termin") - Wszystkie wzmianki o terminach
"""
assert ctx is not None
document_store = ctx.request_context.lifespan_context["document_store"]
# Normalize int (MCP clients may send string)
context_chars_int = 500
with contextlib.suppress(ValueError, TypeError):
context_chars_int = int(context_chars)
hits = await document_store.search(eli, query, context_chars_int)
matches = [
{
"section_id": hit.section_id,
"section_title": hit.section_title,
"context": hit.context,
"position": f"{hit.match_start}-{hit.match_end}",
}
for hit in hits
]
response = EnrichedResponse(
data=SearchInActOutput(
eli=eli,
query=query,
matches=matches,
total_matches=len(matches),
),
)
return response.model_dump_json()
