"""
main.py — 컨텍스트 압축 통합 버전

초반: StateReader 직접 사용 (상세 정보 필요)
중반 이후: ContextCompressor로 자동 전환 (건물 50개 초과 시)
"""
import time
import os
import json
from factorio_rcon       import FactorioRCON
from state_reader        import StateReader
from context_compressor  import ContextCompressor
from ai_planner          import AIPlanner
from action_executor     import ActionExecutor

RCON_HOST     = os.getenv("FACTORIO_HOST",     "127.0.0.1")
RCON_PORT     = int(os.getenv("FACTORIO_PORT", "25575"))
RCON_PASSWORD = os.getenv("FACTORIO_PASSWORD", "factorio_ai")
ACTION_DELAY  = 0.5
LOG_FILE      = "agent_log.jsonl"

# 건물 N개 이상이면 압축 모드로 전환
COMPRESS_THRESHOLD = 50


def run():
    print("=" * 60)
    print("  팩토리오 완전 자율 AI 에이전트 (컨텍스트 압축 포함)")
    print("=" * 60)

    with FactorioRCON(RCON_HOST, RCON_PORT, RCON_PASSWORD) as rcon:
        reader     = StateReader(rcon)
        compressor = ContextCompressor(rcon)
        planner    = AIPlanner()
        executor   = ActionExecutor(rcon)

        total_actions = 0
        queue: list[dict] = []
        entity_count = 0  # 마지막으로 파악한 건물 수

        while True:
            try:
                if not queue:
                    print(f"\n{'='*50}")
                    print(f"[재계획] 총 {total_actions}개 실행 완료")

                    # ── 압축 레벨 자동 선택 ──────────────────────
                    if entity_count < COMPRESS_THRESHOLD:
                        # 초반: 상세 상태
                        print("[상태] 초반 모드 — 상세 상태 수집")
                        state   = reader.get_full_state()
                        summary = reader.summarize_for_ai(state)
                        entity_count = sum(
                            v for v in state.get("buildings", {}).values()
                            if isinstance(v, int)
                        )
                    elif entity_count < 200:
                        # 중반: 구역별 압축 (level 1)
                        print(f"[상태] 중반 모드 — 구역 압축 (건물 {entity_count}개)")
                        summary = compressor.get_compressed_state(detail_level=1)
                    else:
                        # 후반: 글로벌 압축 (level 0)
                        print(f"[상태] 후반 모드 — 글로벌 압축 (건물 {entity_count}개)")
                        summary = compressor.get_compressed_state(detail_level=0)

                    # 건물 수 업데이트
                    global_info = compressor._get_global_summary()
                    entity_count = global_info.get("total_entities", entity_count)

                    # ── AI 계획 ──────────────────────────────────
                    queue = planner.decide(summary)
                    if not queue:
                        print("[경고] AI가 행동 반환 안 함. 10초 후 재시도")
                        time.sleep(10)
                        continue

                # ── 행동 실행 ─────────────────────────────────────
                action = queue.pop(0)
                total_actions += 1
                act    = action.get("action", "")
                reason = action.get("reason", "")

                print(f"\n[{total_actions}] {act}")
                print(f"    이유: {reason}")
                print(f"    params: {json.dumps(action.get('params',{}), ensure_ascii=False)}")

                success, message = executor.execute(action)
                status = "✅" if success else "❌"
                print(f"    결과: {status} {message}")

                planner.record_feedback(action, success, message)

                if not success:
                    print("    → 실패. 재계획")
                    queue.clear()

                _log(total_actions, action, success, message)
                time.sleep(ACTION_DELAY)

            except KeyboardInterrupt:
                print(f"\n종료 (총 {total_actions}개 실행)")
                break
            except Exception as e:
                print(f"[오류] {e}")
                time.sleep(5)


def _log(step, action, success, message):
    with open(LOG_FILE, "a", encoding="utf-8") as f:
        f.write(json.dumps({
            "step": step, "action": action,
            "success": success, "message": message
        }, ensure_ascii=False) + "\n")


if __name__ == "__main__":
    run()