#!/usr/bin/env bash
# ─────────────────────────────────────────────────────────────────────────────
# Configuració de desplegament MiroFish a Azure
#
# INSTRUCCIONS:
#   1. Còpia aquest fitxer a azure/config.sh  (NO comitegis config.sh — té secrets)
#      cp azure/config.sh.example azure/config.sh
#   2. Omple tots els valors marcats amb <...>
#   3. Executa: az login
#   4. Executa: bash azure/1-infra.sh        (una sola vegada)
#   5. Executa: bash azure/2-build-deploy.sh (a cada nova versió)
# ─────────────────────────────────────────────────────────────────────────────

# ── Subscripció i localització Azure ─────────────────────────────────────────
AZURE_SUBSCRIPTION_ID="<la-teva-subscription-id>"
AZURE_LOCATION="westeurope"           # canvia si prefereixes altra regió

# ── Noms de recursos (pots deixar els valors per defecte) ─────────────────────
RESOURCE_GROUP="rg_mirofish"
PROJECT_NAME="mirofish"               # prefix per a tots els recursos Azure
# Nota: el nom de l'ACR serà "${PROJECT_NAME}acr" (sense guions, tot minúscula)

# ── Secrets de l'aplicació ────────────────────────────────────────────────────

# Contrasenya de l'usuari "demo" per fer login a l'app
DEMO_PASSWORD="<contrasenya-segura>"

# Flask SECRET_KEY per signar tokens JWT
# Genera-la amb: python -c "import secrets; print(secrets.token_hex(32))"
SECRET_KEY="<flask-secret-key>"

# ── LLM principal (OpenAI-compatible) ─────────────────────────────────────────
LLM_API_KEY="<la-teva-llm-api-key>"
LLM_BASE_URL="https://dashscope.aliyuncs.com/compatible-mode/v1"
LLM_MODEL_NAME="qwen-plus"

# Proveïdor LLM especial (opcional):
#   gemini  → configura automàticament Google AI Studio (no cal LLM_BASE_URL)
#   (buit)  → qualsevol API compatible OpenAI
LLM_PROVIDER=""

# ── LLM accelerador (opcional — deixar buit per desactivar) ───────────────────
LLM_BOOST_API_KEY=""
LLM_BOOST_BASE_URL=""
LLM_BOOST_MODEL_NAME=""

# ── Backend de graf ───────────────────────────────────────────────────────────
# Opcions: zep (Zep Cloud, per defecte) | graphiti (Neo4j local/Azure)
GRAPH_BACKEND="zep"

# --- Zep Cloud (si GRAPH_BACKEND=zep) ---
ZEP_API_KEY="<la-teva-zep-api-key>"

# --- Graphiti + Neo4j (si GRAPH_BACKEND=graphiti) ---
# URI bolt del servidor Neo4j (pot ser una VM Azure, ACI, etc.)
NEO4J_URI="bolt://<ip-o-hostname>:7687"
NEO4J_USER="neo4j"
NEO4J_PASSWORD="<contrasenya-neo4j>"
NEO4J_DATABASE="neo4j"

# --- Embedding LLM (usat per Graphiti per a indexació vectorial) ---
# Si no s'estableix, fa fallback a LLM_API_KEY / LLM_BASE_URL.
LLM_EMBED_API_KEY=""
LLM_EMBED_BASE_URL=""
LLM_EMBED_MODEL_NAME="text-embedding-3-small"

# --- Small/fast LLM (usat per Graphiti per a reranking i tasques lleugeres) ---
# Si no s'estableix, fa fallback a LLM_API_KEY / LLM_BASE_URL / LLM_MODEL_NAME.
LLM_SMALL_API_KEY=""
LLM_SMALL_BASE_URL=""
LLM_SMALL_MODEL_NAME=""

# ── Simulació OASIS (valors per defecte recomanats) ───────────────────────────
OASIS_DEFAULT_MAX_ROUNDS="10"

# ── Report Agent (valors per defecte recomanats) ──────────────────────────────
REPORT_AGENT_MAX_TOOL_CALLS="5"
REPORT_AGENT_MAX_REFLECTION_ROUNDS="2"
REPORT_AGENT_TEMPERATURE="0.5"