Etape 3 + refonte visuelle + corrections etape 2

backend/app/agents/qa_agent.py

@@ -1,10 +1,101 @@
-async def run_qa_agent(generated_code: dict) -> dict:
+import logging
+from langchain_openai import ChatOpenAI
+from langchain_core.messages import SystemMessage, HumanMessage
+import httpx
+from app.core.config import settings
+from app.schemas.qa_report import QAEvaluation
+from app.llm.prompts import QA_AGENT_PROMPT
+from app.sandbox.qa_client import run_project_qa
+
+logger = logging.getLogger(__name__)
+
+sync_client = httpx.Client(verify=False)
+async_client = httpx.AsyncClient(verify=False)
+
+async def run_qa_agent(project_title: str, dev_output: dict) -> QAEvaluation:
     """
-    Agent QA minimal :
-    - renvoie un statut de validation simulé
+    Agent QA : 
+    Analyse le code généré à l'aide de l'API externe de la Sandbox (Semgrep uniquement)
+    et produit le rapport d'évaluation structuré final.
     """
-    return {
-        "status": "passed",
-        "logs": [],
-        "checked_files": generated_code.get("tree", []),
-    }
+    logger.info(f"[QA Agent] Début du processus d'audit statique pour le projet : {project_title}")
+    
+    repo_url = dev_output.get("repo_url")
+    if not repo_url:
+        logger.error("[QA Agent] Aucun URL de dépôt Git trouvé dans le dev_output.")
+        return QAEvaluation(
+            is_complete_and_safe=False,
+            global_summary="Impossible de récupérer le code source (URL Git manquante).",
+            technical_feedback=["L'agent de développement n'a pas fourni d'URL pour le dépôt Gitea."]
+        )
+    
+    llm = ChatOpenAI(
+        base_url=settings.llm_base_url,
+        api_key=settings.llm_api_key,
+        model=settings.llm_model_qa,
+        temperature=0.1,
+        max_retries=2,
+        http_client=sync_client,
+        http_async_client=async_client,
+    )
+
+    # 2. Exécution de l'analyse statique via le service Sandbox indépendant
+    try:
+        repo_name = repo_url.rstrip("/").split("/")[-1]
+        logger.info(f"[QA Agent] Envoi du dépôt '{repo_name}' au conteneur d'analyse statique...")
+        
+        raw_results = await run_project_qa(repo_name=repo_name)
+        
+        logger.info(f"[QA Agent] 📊 Retour Sandbox Statis - Status : {'Succès' if raw_results.is_executable else 'Échec'}")
+        logger.info(f"[QA Agent] 📊 Retour Sandbox - Nombre d'alertes de sécurité/qualité (Semgrep): {len(raw_results.issues)}")
+        
+    except Exception as e:
+        logger.error(f"[QA Agent] ❌ Échec de la communication avec le conteneur de Scan : {str(e)}")
+        return QAEvaluation(
+            is_complete_and_safe=False,
+            global_summary="Échec critique lors du traitement du rapport de scan statique.",
+            technical_feedback=[f"L'API de la sandbox a échoué : {type(e).__name__}: {str(e)}"]
+        )
+    
+    # 3. Génération de l'évaluation finale via LLM
+    structured_llm = llm.with_structured_output(QAEvaluation, strict=True)
+
+    messages = [
+        SystemMessage(content=QA_AGENT_PROMPT),
+    ]
+
+    # Le prompt est nettoyé des mentions relatives à l'exécution de tests dynamiques
+    user_content = f"PROJET À AUDITER : {project_title}\n"
+    user_content += f"LIEN DU DÉPÔT : {repo_url}\n"
+    user_content += f"RÉSULTATS DE L'ANALYSE STATIQUE DU CODE (Semgrep) :\n"
+    user_content += f"{raw_results.model_dump_json(indent=2)}\n\n"
+    user_content += "Analyse ces failles, vulnérabilités et défauts de qualité de code, puis génère ton évaluation de sécurité au format structuré demandé."
+
+    messages.append(HumanMessage(content=user_content))
+
+    try:
+        qa_evaluation = await structured_llm.ainvoke(messages)
+        logger.info(f"[QA Agent] 📝 Justification du LLM : {qa_evaluation.global_summary}")
+        
+        if not qa_evaluation:
+            logger.error("[QA Agent] Le LLM a renvoyé une réponse vide (None).")
+            return QAEvaluation(
+                is_complete_and_safe=False,
+                global_summary="Erreur de formatage de l'évaluation par l'IA.",
+                technical_feedback=["L'évaluation automatique n'a pas pu être structurée correctement."]
+            )
+            
+        if qa_evaluation.is_complete_and_safe:
+            logger.info(f"[QA Agent] ✅ Projet '{project_title}' VALIDÉ (Analyse statique propre).")
+        else:
+            logger.warning(f"[QA Agent] ❌ Projet '{project_title}' REJETÉ (Failles de sécurité détectées).")
+            
+        return qa_evaluation
+
+    except Exception as e:
+        logger.error(f"[QA Agent] ❌ Échec critique lors de l'analyse LLM : {type(e).__name__}: {str(e)}")
+        return QAEvaluation(
+            is_complete_and_safe=False,
+            global_summary="Erreur interne de l'Agent QA lors de la génération du rapport LLM.",
+            technical_feedback=[f"Le LLM a crashé avec l'erreur : {type(e).__name__}."]
+        )