"""MCP tools for decision drafting support."""

from __future__ import annotations

import json
from uuid import UUID

from legal_mcp.services import db, embeddings


DECISION_TEMPLATE = """# החלטה

## בפני: דפנה תמיר, יו"ר ועדת הערר מחוז ירושלים

**ערר מספר:** {case_number}
**נושא:** {subject}
**העוררים:** {appellants}
**המשיבים:** {respondents}
**כתובת הנכס:** {property_address}

---

## א. רקע עובדתי

[תיאור הרקע העובדתי של הערר]

## ב. טענות העוררים

[סיכום טענות העוררים]

## ג. טענות המשיבים

[סיכום טענות המשיבים]

## ד. דיון והכרעה

[ניתוח משפטי]

## ה. מסקנה

[מסקנת הוועדה]

## ו. החלטה

[ההחלטה הסופית]

---
ניתנה היום, {date}
דפנה תמיר, יו"ר ועדת הערר
"""


async def get_style_guide() -> str:
    """שליפת דפוסי הסגנון של דפנה - נוסחאות, ביטויים אופייניים ומבנה."""
    patterns = await db.get_style_patterns()

    if not patterns:
        return "לא נמצאו דפוסי סגנון. יש להעלות החלטות קודמות ולהריץ ניתוח סגנון (/style-report)."

    grouped: dict[str, list] = {}
    for p in patterns:
        pt = p["pattern_type"]
        if pt not in grouped:
            grouped[pt] = []
        grouped[pt].append({
            "text": p["pattern_text"],
            "context": p["context"],
            "frequency": p["frequency"],
        })

    type_names = {
        "opening_formula": "נוסחאות פתיחה",
        "transition": "ביטויי מעבר",
        "citation_style": "סגנון ציטוט",
        "analysis_structure": "מבנה ניתוח",
        "closing_formula": "נוסחאות סיום",
        "characteristic_phrase": "ביטויים אופייניים",
    }

    result = "# מדריך סגנון - דפנה תמיר\n\n"
    for ptype, items in grouped.items():
        result += f"## {type_names.get(ptype, ptype)}\n\n"
        for item in items:
            result += f"- **{item['text']}** ({item['context']}, תדירות: {item['frequency']})\n"
        result += "\n"

    return result


async def draft_section(
    case_number: str,
    section: str,
    instructions: str = "",
) -> str:
    """הרכבת הקשר מלא לניסוח סעיף בהחלטה - כולל עובדות מהמסמכים, תקדימים רלוונטיים ודפוסי סגנון.

    Args:
        case_number: מספר תיק הערר
        section: סוג הסעיף (facts, appellant_claims, respondent_claims, legal_analysis, conclusion, ruling)
        instructions: הנחיות נוספות לניסוח
    """
    case = await db.get_case_by_number(case_number)
    if not case:
        return f"תיק {case_number} לא נמצא."

    case_id = UUID(case["id"])

    # 1. Get relevant chunks from case documents
    section_query = {
        "facts": "רקע עובדתי של התיק",
        "appellant_claims": "טענות העוררים",
        "respondent_claims": "טענות המשיבים",
        "legal_analysis": "ניתוח משפטי ודיון",
        "conclusion": "מסקנות",
        "ruling": "החלטה",
    }.get(section, section)

    query_emb = await embeddings.embed_query(section_query)
    case_chunks = await db.search_similar(
        query_embedding=query_emb, limit=10, case_id=case_id
    )

    # 2. Get similar sections from precedents
    precedent_chunks = await db.search_similar(
        query_embedding=query_emb, limit=5, section_type=section
    )
    # Filter out chunks from the same case
    precedent_chunks = [c for c in precedent_chunks if str(c["case_id"]) != case["id"]]

    # 3. Get style patterns
    style_patterns = await db.get_style_patterns()

    # Build context
    context = {
        "case": {
            "case_number": case["case_number"],
            "title": case["title"],
            "appellants": case["appellants"],
            "respondents": case["respondents"],
            "subject": case["subject"],
            "property_address": case["property_address"],
        },
        "section": section,
        "instructions": instructions,
        "case_documents": [
            {
                "document": c["document_title"],
                "section_type": c["section_type"],
                "content": c["content"],
            }
            for c in case_chunks
        ],
        "precedents": [
            {
                "case_number": c["case_number"],
                "document": c["document_title"],
                "content": c["content"][:500],
            }
            for c in precedent_chunks[:3]
        ],
        "style_patterns": [
            {
                "type": p["pattern_type"],
                "text": p["pattern_text"],
            }
            for p in style_patterns[:15]
        ],
    }

    return json.dumps(context, ensure_ascii=False, indent=2)


async def get_decision_template(case_number: str) -> str:
    """קבלת תבנית מבנית להחלטה מלאה עם פרטי התיק.

    Args:
        case_number: מספר תיק הערר
    """
    from datetime import date

    case = await db.get_case_by_number(case_number)
    if not case:
        return f"תיק {case_number} לא נמצא."

    template = DECISION_TEMPLATE.format(
        case_number=case["case_number"],
        subject=case["subject"],
        appellants=", ".join(case.get("appellants", [])),
        respondents=", ".join(case.get("respondents", [])),
        property_address=case.get("property_address", ""),
        date=date.today().strftime("%d.%m.%Y"),
    )

    return template


async def analyze_style() -> str:
    """הרצת ניתוח סגנון על קורפוס ההחלטות של דפנה. מחלץ דפוסי כתיבה ושומר אותם."""
    from legal_mcp.services.style_analyzer import analyze_corpus

    result = await analyze_corpus()
    return json.dumps(result, ensure_ascii=False, indent=2)