【従来の対話型アプローチ (人間依存)】
[LLM] ---> コード生成 ---> [人間が手動実行] ---> エラー発生 ---> [人間がエラーをコピーしてLLMへ手動再投入]

【Self-Healing Agent (自律閉ループ)】
[LLM] ---> コード生成 ---> [サブプロセス実行] 
               ↑                 ↓ (エラー捕捉)
               └--- Traceback自動解析 ───┘ (全自動リトライ)

import os
import sys
import ast
import subprocess
import tempfile
from typing import Optional, Tuple
from pydantic import BaseModel, Field
from openai import OpenAI

# 1. Pydantic による構造化出力モデルの定義

class CodeGenerationOutput(BaseModel):
    """LLMが生成するコードおよび解説"""
    thought_process: str = Field(description="どのようなロジックでコードを記述・修復したかの思考プロセス")
    python_code: str = Field(description="実行可能な完全なPythonソースコード（```python などのフェンスは除外）")


# =====================================================================
# Self-Healing Agent コアクラスの実装
# =====================================================================

class SelfHealingAgent:
    def __init__(self, model_name: str = "gpt-4o", max_retries: int = 3, timeout_seconds: int = 10):
        self.client = OpenAI(api_key=os.environ.get("OPENAI_API_KEY", "dummy_key"))
        self.model_name = model_name
        self.max_retries = max_retries
        self.timeout_seconds = timeout_seconds

    def validate_ast(self, code_text: str) -> Tuple[bool, Optional[str]]:
        """1. AST (抽象構文ツリー) による静的文法チェック"""
        try:
            ast.parse(code_text)
            return True, None
        except SyntaxError as e:
            error_msg = f"SyntaxError [Line {e.lineno}, Col {e.offset}]: {e.msg}\n該当行: {e.text}"
            return False, error_msg

    def execute_code_in_subprocess(self, code_text: str) -> Tuple[bool, str, str]:
        """2. 隔離サブプロセスでのコード安全実行"""
        # 一時ファイルにコードを出力
        with tempfile.NamedTemporaryFile(mode="w", suffix=".py", delete=False, encoding="utf-8") as temp_file:
            temp_file.write(code_text)
            temp_script_path = temp_file.name

        try:
            # sys.executable を用いて現在のPython環境のサブプロセスで実行
            result = subprocess.run(
                [sys.executable, temp_script_path],
                capture_output=True,
                text=True,
                timeout=self.timeout_seconds
            )
            
            is_success = (result.returncode == 0)
            return is_success, result.stdout, result.stderr

        except subprocess.TimeoutExpired:
            return False, "", f"ExecutionTimeout: コードの実行が指定時間({self.timeout_seconds}秒)を超えタイムアウトしました。"
        except Exception as e:
            return False, "", f"SubprocessException: {str(e)}"
        finally:
            # 一時スクリプトファイルの削除クリーンアップ
            if os.path.exists(temp_script_path):
                os.remove(temp_script_path)

    def generate_or_fix_code(self, task_description: str, previous_code: Optional[str] = None, error_log: Optional[str] = None) -> CodeGenerationOutput:
        """3. LLMを用いたコード生成・エラー解読・修正パッチ作成"""
        if not previous_code:
            # 初回コード生成
            prompt = f"""あなたは優れたPythonエンジニアです。以下のタスクを解決する完全なPythonコードを作成してください。

【タスク内容】:
{task_description}

【制約事項】:
- インポートから実行部まで省略なく単体で動くコードにしてください。
- 出力は必ず指定の形式に従ってください。
"""
        else:
            # エラー解読と修復パッチ生成
            prompt = f"""前回のコード実行でエラーが発生しました。Tracebackを解読し、バグを修正した完全なPythonコードを再生成してください。

【要求タスク】: {task_description}

【失敗した前回のコード】:
{previous_code}

【発生したエラー / Traceback】:
{error_log}

【修正の指針】:
1. エラーの原因（モジュール未存在、引数間違い、型不一致等）を特定してください。
2. 根本原因を解決するようにコード全体を書き直してください。
"""
        response = self.client.beta.chat.completions.parse(
            model=self.model_name,
            messages=[{"role": "user", "content": prompt}],
            response_format=CodeGenerationOutput,
            temperature=0.1
        )
        return response.choices[0].message.parsed

    def run_task(self, task_description: str) -> bool:
        """Self-Healing 閉ループフィードバックの統合実行"""
        print(f"\n🤖 === Self-Healing Agent 起動: 『{task_description}』 ===")
        
        current_code = None
        error_log = None
        
        for attempt in range(1, self.max_retries + 1):
            print(f"\n🔄 --- [試行 #{attempt} / 最大 {self.max_retries} 回] ---")
            
            # Step A: コードの作成または修正パッチ適用
            res = self.generate_or_fix_code(task_description, current_code, error_log)
            current_code = res.python_code
            
            print(f"💡 [思考プロセス]: {res.thought_process}")
            
            # Step B: AST 静的文法チェック
            is_valid_ast, ast_error = self.validate_ast(current_code)
            if not is_valid_ast:
                print(f"❌ [ASTエラー検知]: 静的文法チェックで不合格になりました。\n{ast_error}")
                error_log = f"AST Syntax Check Error:\n{ast_error}"
                continue
                
            print("✅ [AST文法チェック]: 合格 (Syntax OK)")
            
            # Step C: 隔離サブプロセスでの試走
            print("🚀 [サブプロセス実行]: コードを隔離環境で試走中...")
            is_success, stdout, stderr = self.execute_code_in_subprocess(current_code)
            
            if is_success:
                print("\n🎉 ==================================================")
                print("     Self-Healing Agent: タスク実行成功！")
                print("==================================================")
                print("【実行出力 (stdout)】:")
                print(stdout if stdout else "(標準出力なし)")
                print("\n【完成した最終コード】:")
                print(current_code)
                return True
            else:
                print(f"💥 [実行時エラー発生 (Exit Code != 0)]")
                print("【捕獲された Traceback / stderr】:")
                print(stderr)
                error_log = stderr

        print(f"\n❌ [自己修復失敗]: {self.max_retries} 回試行しましたが、エラーを解消できませんでした。")
        return False

if __name__ == "__main__":
    if "OPENAI_API_KEY" not in os.environ:
        print("💡 NOTE: 実際に動かす場合は OPENAI_API_KEY の環境変数を設定してください。")
        sys.exit(0)

    agent = SelfHealingAgent(model_name="gpt-4o", max_retries=3)
    
    # あえてLLMが古いライブラリ引数や仕様誤りを犯しやすいタスクを指示
    task = "現在の日時とシステムメモリ使用率を取得し、PandasのDataFrameに格納して、'Timestamp'と'Memory_MB'の列名で表示するPythonスクリプトを作成してください。"
    
    agent.run_task(task)

【プロダクションでのセキュア構成】
[Self-Healing Agent] ---> (コード送信) ---> [Docker無菌サンドボックスコンテナ]
                                                     ↓ (隔離実行)
[Agent] <--- (Tracebackのみ返却) <--- [コンテナ実行結果 / タイムアウト遮断]