Ús de la IA en la programació i comentaris al codi. Documentació del repositori actualitzada (README, CHANGELOG, CONTRIBUTING).

# =============================================================================
# PROJECTE: CHATBOT INTEL·LIGENT PER A GOOGLE SITES
# Autor: [El teu nom]
# Descripció: Aquest script crea un servidor intermediari (backend) que connecta 
# una interfície web amb la IA Gemini de Google.
# =============================================================================

# 1. INSTAL·LACIÓ DE LES LLIBRERIES NECESSÀRIES
# Flask: El framework per crear el servidor web.
# flask-cors: Permet que la web (Google Sites) faci peticions al servidor sense bloquejos de seguretat.
# pyngrok: Crea un túnel per fer que el servidor local sigui accessible des d'Internet.
!pip install flask flask-cors pyngrok

import os
import requests
from flask import Flask, request, jsonify
from flask_cors import CORS
from pyngrok import ngrok
from google.colab import userdata

# 2. INICIALITZACIÓ DE L'APLICACIÓ
# Creem el servidor Flask i activem el protocol CORS per a comunicació externa.
app = Flask(__name__)
CORS(app)

# 3. CONFIGURACIÓ DE SEGURETAT (API KEYS)
# Recuperem la clau de Google des dels "Secrets" de Colab per seguretat (no escrita al codi).
API_KEY = userdata.get('GOOGLE_API_KEY')

# Configurem el token d'autenticació de Ngrok per poder aixecar el túnel dinàmic.
NGROK_TOKEN = "3B4KlnKFUgUPjVxUhYdbNWo2dDY_663jvfi4zNBDsUWoWUUC5"
ngrok.set_auth_token(NGROK_TOKEN)

# 4. DEFINICIÓ DE LA RUTA DEL XAT (/ask)
# Aquest és el punt on la nostra web enviarà les preguntes mitjançant un mètode POST.
@app.route('/ask', methods=['POST'])
def ask_gemini():
    try:
        # Extraiem el missatge que ha enviat l'usuari des del format JSON.
        data = request.json
        pregunta = data.get("message")
        
        # URL de l'API de Google fent servir el model Gemini 1.5 Flash.
        # S'ha escollit el model 1.5 per la seva gran velocitat i eficiència.
        url = f"https://generativelanguage.googleapis.com/v1/models/gemini-1.5-flash:generateContent?key={API_KEY}"
        
        # Preparem l'estructura de dades (payload) que demana Google.
        payload = {"contents": [{"parts": [{"text": pregunta}]}]}
        
        # Enviem la pregunta a Google i rebem la resposta de la IA.
        response = requests.post(url, json=payload)
        res_data = response.json()
        
        # Validem si la resposta de Google és correcta i extraiem el text de la IA.
        if "candidates" in res_data:
            texto_ia = res_data["candidates"][0]["content"]["parts"][0]["text"]
            return jsonify({"reply": texto_ia.strip()})
        else:
            # En cas d'error de quota o de l'API, ho imprimim a la consola per depurar.
            print(f"❌ Error de Google: {res_data}")
            return jsonify({"error": "Error de quota o configuració a Google Studio."}), 500
            
    except Exception as e:
        # Captura qualsevol error inesperat per evitar que el servidor s'aturi.
        print(f"💥 Error en el servidor: {str(e)}")
        return jsonify({"error": str(e)}), 500

# 5. EXECUCIÓ I OBERTURA DEL TÚNEL PÚBLIC
# Netegem connexions velles, obrim el port 5000 i generem la URL pública de Ngrok.
ngrok.kill()
public_url = ngrok.connect(5000)

print(f"\n✅ SERVIDOR BACKEND EN MARXA!")
print(f"🌐 COPIA AQUESTA URL AL TEU CODI HTML DE GOOGLE SITES:")
print(f"👉 {public_url.public_url}/ask")
print("-" * 60)

# Iniciem el servidor Flask en el port 5000.
if __name__ == '__main__':
    app.run(port=5000)