from typing import Optional

from fastapi import APIRouter, Depends, Form, Request
from services.inference_service import InferenceHandler
from utils.checking_keys import get_api_key

router = APIRouter(prefix="/dummy", tags=["Dummy"])


# ✅ POST:DUMMY
@router.post(
    "/extract/outer",
    summary="더미 응답 생성",
    description="""### **요약**
실제 모델 추론이나 파일 업로드 없이, 지정된 모델의 응답 형식을 테스트하기 위한 더미(dummy) 결과를 생성합니다.

### **작동 방식**
-   요청 시, 시스템에 미리 저장된 더미 응답(`dummy_response.json`)을 즉시 반환합니다.
-   실제 OCR, LLM 추론 등 어떠한 백그라운드 작업도 수행하지 않습니다.
-   네트워크나 모델 성능에 관계없이 API 응답 구조를 빠르게 확인하는 용도로 사용됩니다.

### **입력 (multipart/form-data)**
-   `model` (선택): 응답 형식의 기준이 될 모델 이름. (기본값: `dummy`)
    -   이 값은 실제 추론에 사용되지 않으며, 형식 테스트용으로만 기능합니다.

### **출력 (application/json)**
-   **즉시 반환**:
    ```json
    {
        "filename": "dummy_input.pdf",
        "dummy_model": {
            "ocr_model": "dummy",
            "llm_model": "dummy",
            "api_url": "dummy"
        },
        "time": {
            "duration_sec": "0.00",
            "started_at": "...",
            "ended_at": "..."
        },
        "fields": {},
        "parsed": "dummy",
        "generated": "dummy",
        "processed": {
            "dummy response"
        }
    }
    ```
""",
)
async def extract_outer(
    request_info: Request,
    model: Optional[str] = Form(
        default="dummy", description="실제 추론 없이 포맷 테스트용으로 사용됩니다."
    ),
    api_key: str = Depends(get_api_key),
):
    return await InferenceHandler.handle_extract_background(
        request_id=None,
        result_id=None,
        input_file=None,
        schema_file=None,
        prompt_file=None,
        mode="dummy",
        model_list=[model],
        request_info=request_info,
        api_key=api_key,
    )