# 导入Gradio库，这是一个用于快速创建机器学习模型演示界面的Python库
import gradio as gr
# 导入TextBlob库，这是一个用于处理文本数据的自然语言处理库，可以进行情感分析、词性标注等
from textblob import TextBlob

# 定义情感分析函数，接收文本字符串作为输入，返回包含情感分析结果的字典
def sentiment_analysis(text: str) -> dict:
    """
    Analyze the sentiment of the given text.
    Args:
        text (str): The text to analyze
    Returns:
        dict: A dictionary containing polarity, subjectivity, and assessment
    """
    # 使用输入的文本创建TextBlob对象，该对象可以进行各种自然语言处理操作
    blob = TextBlob(text)
    # 调用sentiment属性获取情感分析结果，返回一个包含polarity和subjectivity的namedtuple
    sentiment = blob.sentiment
    
    # 返回一个包含情感分析结果的字典
    return {
        # polarity表示情感极性，范围从-1（最负面）到1（最正面），保留2位小数
        "polarity": round(sentiment.polarity, 2),  # -1 (negative) to 1 (positive)
        # subjectivity表示主观性程度，范围从0（完全客观）到1（完全主观），保留2位小数
        "subjectivity": round(sentiment.subjectivity, 2),  # 0 (objective) to 1 (subjective)
        # assessment是基于polarity值的文本情感评估：大于0为积极，小于0为消极，等于0为中性
        "assessment": "positive" if sentiment.polarity > 0 else "negative" if sentiment.polarity < 0 else "neutral"
    }

# 使用Gradio的Interface类创建交互式界面
# Create the Gradio interface
demo = gr.Interface(
    # fn参数指定要调用的函数，这里是sentiment_analysis函数
    fn=sentiment_analysis,
    # inputs参数定义输入组件，这里使用文本框，并设置占位符提示文字
    inputs=gr.Textbox(placeholder="Enter text to analyze..."),
    # outputs参数定义输出组件，这里使用JSON格式显示结果
    outputs=gr.JSON(),
    # title参数设置界面的标题
    title="Text Sentiment Analysis",
    # description参数设置界面的描述信息
    description="Analyze the sentiment of text using TextBlob"
)

# 判断是否作为主程序运行（而不是被导入）
# Launch the interface and MCP server
if __name__ == "__main__":
    # 启动Gradio界面，mcp_server=True参数表示启用MCP（Model Context Protocol）服务器
    # MCP服务器允许该应用作为一个服务被其他应用调用
    demo.launch(mcp_server=True)