joedac-netvigie
commited on
Commit
·
dfc18ca
1
Parent(s):
3c61e1f
remove loader
Browse files- ui/gradio_ui.py +31 -61
ui/gradio_ui.py
CHANGED
|
@@ -9,9 +9,25 @@ class GradioUI:
|
|
| 9 |
|
| 10 |
def search_products(self, query: str, max_results: int) -> str:
|
| 11 |
"""
|
| 12 |
-
|
| 13 |
-
|
| 14 |
-
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 15 |
"""
|
| 16 |
return self.food_service.search_products(query, max_results)
|
| 17 |
|
|
@@ -40,72 +56,26 @@ class GradioUI:
|
|
| 40 |
)
|
| 41 |
|
| 42 |
search_btn = gr.Button("🤖 Search", variant="primary", size="lg")
|
| 43 |
-
|
| 44 |
-
# Message de statut
|
| 45 |
-
with gr.Row():
|
| 46 |
-
status_msg = gr.Markdown("", visible=False)
|
| 47 |
-
|
| 48 |
search_output = gr.Markdown()
|
| 49 |
|
| 50 |
-
def search_products(query: str, max_results: int):
|
| 51 |
-
"""
|
| 52 |
-
Recherche des produits alimentaires dans la base de données OpenFoodFacts.
|
| 53 |
-
|
| 54 |
-
Cette fonction MCP (Model Context Protocol) effectue une recherche intelligente
|
| 55 |
-
de produits alimentaires en analysant la requête utilisateur avec Mistral AI
|
| 56 |
-
pour extraire le nom du produit et la marque, puis interroge la base DuckDB.
|
| 57 |
-
|
| 58 |
-
Args:
|
| 59 |
-
query (str): Terme de recherche saisi par l'utilisateur.
|
| 60 |
-
Peut contenir un nom de produit, une marque, ou une combinaison.
|
| 61 |
-
Exemples: "pepito", "biscuits lu", "pizza picard", "yaourt danone"
|
| 62 |
-
max_results (int): Nombre maximum de résultats à retourner.
|
| 63 |
-
Doit être compris entre 1 et 20.
|
| 64 |
-
|
| 65 |
-
Returns:
|
| 66 |
-
str: Résultats de recherche formatés en Markdown contenant :
|
| 67 |
-
- Informations nutritionnelles (Nutri-Score, Eco-Score, NOVA)
|
| 68 |
-
- Liste des ingrédients et additifs
|
| 69 |
-
- Allergènes potentiels
|
| 70 |
-
- Analyse détaillée par Mistral AI
|
| 71 |
-
|
| 72 |
-
Raises:
|
| 73 |
-
Exception: En cas d'erreur de connexion à la base de données
|
| 74 |
-
ou d'échec de l'analyse par Mistral AI.
|
| 75 |
-
|
| 76 |
-
Note:
|
| 77 |
-
La fonction utilise une approche hybride combinant l'IA générative (Mistral)
|
| 78 |
-
pour l'analyse de requête et une base de données structurée (DuckDB/Parquet)
|
| 79 |
-
pour la recherche de produits, optimisant ainsi précision et performance.
|
| 80 |
-
|
| 81 |
-
Example:
|
| 82 |
-
>>> search_products("coca cola zero", 3)
|
| 83 |
-
"# 🥤 Coca-Cola Zero\\n\\n**Nutri-Score:** B\\n**Ingrédients:** ..."
|
| 84 |
-
"""
|
| 85 |
-
yield (
|
| 86 |
-
gr.Markdown("🔍 **Searching for products...** Please wait.", visible=True),
|
| 87 |
-
gr.Markdown("")
|
| 88 |
-
)
|
| 89 |
-
|
| 90 |
-
result = self.search_products(query, max_results)
|
| 91 |
-
|
| 92 |
-
yield (
|
| 93 |
-
gr.Markdown("", visible=False),
|
| 94 |
-
gr.Markdown(result)
|
| 95 |
-
)
|
| 96 |
-
|
| 97 |
search_btn.click(
|
| 98 |
-
search_products,
|
| 99 |
inputs=[search_input, max_results],
|
| 100 |
-
outputs=[
|
| 101 |
-
show_progress="full"
|
| 102 |
)
|
| 103 |
|
| 104 |
search_input.submit(
|
| 105 |
-
search_products,
|
| 106 |
inputs=[search_input, max_results],
|
| 107 |
-
outputs=[
|
| 108 |
-
show_progress="full"
|
| 109 |
)
|
| 110 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 111 |
return demo
|
|
|
|
| 9 |
|
| 10 |
def search_products(self, query: str, max_results: int) -> str:
|
| 11 |
"""
|
| 12 |
+
Recherche des produits alimentaires dans la base de données OpenFoodFacts.
|
| 13 |
+
|
| 14 |
+
Cette fonction MCP (Model Context Protocol) effectue une recherche intelligente
|
| 15 |
+
de produits alimentaires en analysant la requête utilisateur avec Mistral AI
|
| 16 |
+
pour extraire le nom du produit et la marque, puis interroge la base DuckDB.
|
| 17 |
+
|
| 18 |
+
Args:
|
| 19 |
+
query (str): Terme de recherche saisi par l'utilisateur.
|
| 20 |
+
Peut contenir un nom de produit, une marque, ou une combinaison.
|
| 21 |
+
Exemples: "pepito", "biscuits lu", "pizza picard", "yaourt danone"
|
| 22 |
+
max_results (int): Nombre maximum de résultats à retourner.
|
| 23 |
+
Doit être compris entre 1 et 20.
|
| 24 |
+
|
| 25 |
+
Returns:
|
| 26 |
+
str: Résultats de recherche formatés en Markdown contenant :
|
| 27 |
+
- Informations nutritionnelles (Nutri-Score, Eco-Score, NOVA)
|
| 28 |
+
- Liste des ingrédients et additifs
|
| 29 |
+
- Allergènes potentiels
|
| 30 |
+
- Analyse détaillée par Mistral AI
|
| 31 |
"""
|
| 32 |
return self.food_service.search_products(query, max_results)
|
| 33 |
|
|
|
|
| 56 |
)
|
| 57 |
|
| 58 |
search_btn = gr.Button("🤖 Search", variant="primary", size="lg")
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 59 |
search_output = gr.Markdown()
|
| 60 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 61 |
search_btn.click(
|
| 62 |
+
fn=self.search_products,
|
| 63 |
inputs=[search_input, max_results],
|
| 64 |
+
outputs=[search_output]
|
|
|
|
| 65 |
)
|
| 66 |
|
| 67 |
search_input.submit(
|
| 68 |
+
fn=self.search_products,
|
| 69 |
inputs=[search_input, max_results],
|
| 70 |
+
outputs=[search_output]
|
|
|
|
| 71 |
)
|
| 72 |
|
| 73 |
+
gr.Markdown("""
|
| 74 |
+
### 💡 Exemples de recherches
|
| 75 |
+
- `nutella` - Recherche par nom de produit
|
| 76 |
+
- `pizza picard` - Recherche par produit + marque
|
| 77 |
+
- `yaourt sans lactose` - Recherche avec critères spécifiques
|
| 78 |
+
- `biscuits lu bio` - Recherche avec labels
|
| 79 |
+
""")
|
| 80 |
+
|
| 81 |
return demo
|