Update app.py

app.py

@@ -37,12 +37,50 @@ used_model = "gemini-2.5-flash-preview-04-17"
 
 print("Define test response work")
 def model_response(message, history):
-    print(f"\n=========\nUser message\n{message}\n")
-    chat = client.chats.create(model=used_model, history=history)
-    print(message["text"])
-    response = chat.send_message(message["text"])
-    print(f"\nResponse\n{response}=========\n")
-    return response.text
+    # print(f"\n=========\nUser message\n{message}\n")
+    # chat = client.chats.create(model=used_model, history=history)
+    # print(message["text"])
+    # response = chat.send_message(message["text"])
+    # print(f"\nResponse\n{response}=========\n")
+
+    # return response.text
+
+    # --- Преобразование формата истории Gradio в формат Google GenAI ---
+    gemini_history = []
+    # История Gradio обычно [['user1', 'bot1'], ['user2', 'bot2'], ..., ['usern', None]]
+    # Нам нужно отформатировать предыдущие ходы (user1/bot1, user2/bot2 и т.д.)
+    # Текущее сообщение 'message' будет отправлено *после* создания чата с историей.
+    for human, assistant in history:
+        # Добавить сообщение пользователя, если оно существует
+        if human is not None:
+            gemini_history.append({'role': 'user', 'parts': [{'text': human}]})
+        # Добавить сообщение ассистента, если оно существует (для предыдущих ходов)
+        if assistant is not None:
+             gemini_history.append({'role': 'model', 'parts': [{'text': assistant}]})
+
+    print(f"Отформатированная история для Gemini: {gemini_history}")
+
+    try:
+        # Создать новую сессию чата с историческим контекстом
+        # Примечание: Это инициализирует чат с предыдущими ходами.
+        # Вместо client.chats.create используем client.start_chat
+        chat = client.start_chat(history=gemini_history)
+
+        # Отправить *текущее* сообщение пользователя
+        response = chat.send_message(message)
+
+        # Извлечь текстовый ответ
+        response_text = response.text
+
+        print(f"Ответ модели: {response_text}")
+
+        return response_text
+
+    except Exception as e:
+        print(f"Ошибка вызова Google GenAI API: {e}")
+        # Обработка потенциальных ошибок, например, блокировка модерацией контента, ошибки API
+        # Возможно, вы захотите вернуть пользователю информативное сообщение
+        return f"Произошла ошибка при генерации ответа: {e}"
 
 print("Define test1 response work")
 def random_response(message, history):