# SQL Optimizer Team (Agno)

POC de um time de agentes usando o framework **Agno** para reproduzir o fluxo do projeto oracle-sql-query-optimizer.

## Objetivo

- Receber uma SQL e o banco alvo (oracle/sqlserver/postgresql/mysql/sqlite).
- Gerar explicação detalhada (SQL → linguagem natural).
- Gerar SQL otimizada (linguagem natural → SQL), preservando 100% da lógica de negócio.
- (Opcional) Gerar análise conservadora (sem reescrever a query).

As **prompts** são mantidas idênticas às do projeto oracle-sql-query-optimizer.

## Estrutura

```text
src/
  sql_optimizer_team/
    team_app.py
    agents/
    tools/
```

## Configuração rápida

1) Crie o ambiente e instale dependências:
   - `pip install -r requirements.txt`
2) Configure variáveis de ambiente (exemplo em `sample.env` ou `.env`).
3) Execute o servidor:
   - `./scripts/start.sh`

Acesse:

- `http://localhost:8204/docs` (Swagger UI)
- `http://localhost:8204` (informações básicas da API)

## UI local (Agent UI)

Use o **Agent UI** (agno-agi/agent-ui) como front local:

1) Instale com o script oficial:

- `npx create-agent-ui@latest`

1) Inicie a UI:

- `pnpm dev`

1) Abra `http://localhost:3000` e ajuste o endpoint para `http://localhost:8204`.

Opcional: se o AgentOS usar autenticação, configure `OS_SECURITY_KEY` conforme o README do Agent UI.

## Fluxo do time

1) **Gestor** recebe a requisição e valida o contexto (banco + SQL).
2) **SQL Analyst** gera a explicação detalhada usando a prompt original.
3) **SQL Optimizer** gera a query otimizada preservando toda a lógica.
4) **SQL Quality Reviewer** valida fidelidade e checklist.
5) **Conservative Analyst** (se solicitado) gera análise sem reescrever a query.
6) **Gestor** consolida e entrega.

## RAG (KB interna)

- Coloque documentos em `kb/` (md/txt/sql/pdf).
- O RAG local usa Chroma + SentenceTransformers.
- Variáveis principais:
  - `SQL_OPT_KB_PATH`, `SQL_OPT_KB_CHROMA_PATH`, `SQL_OPT_KB_DB_FILE`
  - `SQL_OPT_KB_EMBEDDER_ID`
  - `SQL_OPT_BLOCK_EXTERNAL_TOOLS=true` bloqueia ferramentas externas.

## Observabilidade de tokens/custos

- Ative com `LLM_LOG_USAGE=true`.
- Defina preços (USD por 1K tokens) com:
  - `LLM_COST_INPUT_PER_1K`
  - `LLM_COST_OUTPUT_PER_1K`

## Observações

- Use o provedor configurado em `.env` (ex.: Ollama local, OpenAI, Gemini, Groq, etc.).
- O time é colaborativo e mantém histórico em SQLite (configurável via env).