QUICKSTART.md

# 🚀 Guide de Démarrage Rapide

## Installation en 5 minutes

### 1. Prérequis
- Python 3.12+
- Clés API OpenAI et Mistral AI

### 2. Installation

```bash
# Créer environnement virtuel
python -m venv venv
source venv/bin/activate  # Linux/Mac
# ou venv\Scripts\activate sur Windows

# Installer dépendances
pip install -r requirements.txt
```

### 3. Configuration

Copiez `.env.example` vers `.env` et remplissez vos clés API:

```env
OPENAI_API_KEY=sk-votre-cle-openai
MISTRALAI_API_KEY=votre-cle-mistral
JWT_SECRET_KEY=changez-moi-en-production
```

### 4. Lancement

```bash
python app.py
```

L'API sera accessible sur: http://localhost:7860

Documentation interactive: http://localhost:7860/docs

## 🎯 Premier test

### 1. Obtenir un token JWT

```bash
curl -X POST http://localhost:7860/auth/token
```

Vous obtiendrez:
```json
{
  "access_token": "eyJhbG...",
  "token_type": "bearer",
  "expires_in": 3600
}
```

### 2. Tester la completion

```bash
TOKEN="<votre-token>"

curl -X POST http://localhost:7860/completion \
  -H "Authorization: Bearer $TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "message": "Dis bonjour en français",
    "model": "gpt-4o",
    "stream": false
  }'
```

### 3. Tester le streaming

```bash
curl -N -X POST http://localhost:7860/completion \
  -H "Authorization: Bearer $TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "message": "Compte de 1 à 10",
    "model": "gpt-3.5-turbo",
    "stream": true
  }'
```

### 4. Lister les modèles disponibles

```bash
curl -X GET http://localhost:7860/models \
  -H "Authorization: Bearer $TOKEN"
```

### 5. Transcription audio

```bash
curl -X POST http://localhost:7860/transcription \
  -H "Authorization: Bearer $TOKEN" \
  -F "file=@votre-fichier.mp3"
```

## 🔧 Configuration avancée

### LangSmith (monitoring)

Activez LangSmith dans `.env`:
```env
LANGCHAIN_TRACING_V2=true
LANGCHAIN_API_KEY=votre-cle-langsmith
LANGCHAIN_PROJECT=routeur-ia
```

### Production

```bash
# Générer un secret JWT sécurisé
python -c "import secrets; print(secrets.token_urlsafe(32))"

# Lancer en production
uvicorn app:app --host 0.0.0.0 --port 7860 --workers 4
```

## 🐳 Docker

```bash
# Build
docker build -t routeur-ia-api .

# Run
docker run -p 7860:7860 --env-file .env routeur-ia-api
```

## 📚 Prochaines étapes

- Consultez le [README.md](README.md) pour la documentation complète
- Explorez la documentation interactive sur `/docs`
- Ajoutez vos propres graphes LangGraph dans `graphs/`
- Personnalisez les agents dans `services/agent_registry.py`

## ❓ Problèmes courants

### Erreur "Could not validate credentials"
→ Vérifiez que vous incluez le token dans le header `Authorization: Bearer <token>`

### Erreur "API key not found"
→ Vérifiez votre fichier `.env` et que les clés API sont correctes

### Erreur au lancement
→ Vérifiez que toutes les dépendances sont installées: `pip install -r requirements.txt`

## 💡 Exemples de code

### Python

```python
import requests

# Obtenir token
token_response = requests.post("http://localhost:7860/auth/token")
token = token_response.json()["access_token"]

# Completion
headers = {"Authorization": f"Bearer {token}"}
response = requests.post(
    "http://localhost:7860/completion",
    headers=headers,
    json={
        "message": "Bonjour!",
        "model": "gpt-4o",
        "stream": False
    }
)
print(response.json())
```

### JavaScript

```javascript
// Obtenir token
const tokenRes = await fetch('http://localhost:7860/auth/token', {
  method: 'POST'
});
const { access_token } = await tokenRes.json();

// Completion
const response = await fetch('http://localhost:7860/completion', {
  method: 'POST',
  headers: {
    'Authorization': `Bearer ${access_token}`,
    'Content-Type': 'application/json'
  },
  body: JSON.stringify({
    message: 'Hello!',
    model: 'gpt-4o',
    stream: false
  })
});
const data = await response.json();
console.log(data);
```

Bon codage! 🎉