fix(geminiLive): revert to raw WebSocket (SDK close without reason)
- Replace @google/genai SDK with raw 'ws' WebSocket
- Setup frame minimal (model + responseModalities AUDIO only)
- Forward client {type:audio} → realtimeInput JSON to Gemini
- Forward Gemini messages verbatim to client
- Detailed [T2] logs for Render debug
- Tests adapted to mock raw WS via clientFactory
This commit is contained in:
parent
61be6b1959
commit
9da733d156
2 changed files with 360 additions and 349 deletions
|
|
@ -1,36 +1,28 @@
|
|||
/**
|
||||
* geminiLive.ts — Sprint 6d.
|
||||
* geminiLive.ts — Sprint 6d (revert WS brut).
|
||||
*
|
||||
* Migration du WebSocket brut (`wss://generativelanguage.googleapis.com/...`)
|
||||
* vers le SDK officiel `@google/genai` v1.50.x. Motif : Google a migré les
|
||||
* clés API vers le mode "Vertex AI Express", incompatible avec l'endpoint WS
|
||||
* historique (réponse 403 systématique). Le SDK gère l'auth automatiquement
|
||||
* et accepte les clés Express bound à un service account.
|
||||
* Le SDK `@google/genai` fermait la session sans setupComplete ni raison
|
||||
* exploitable. On revient au WebSocket brut (package `ws`) qui était utilisé
|
||||
* par `test-gemini-live.js` et permet de loguer précisément ce que Gemini
|
||||
* répond. Config setup réduite au strict minimum tant que `setupComplete`
|
||||
* n'est pas confirmé en prod ; on réintègre champs un par un ensuite.
|
||||
*
|
||||
* Interface publique (consommée par `routes/t2live.ts`) :
|
||||
* - openGeminiLiveSession(clientWs, opts) : ouvre une session Live et
|
||||
* proxifie les messages dans les deux sens entre le client (navigateur)
|
||||
* et Gemini, accumule les transcripts, gère timeouts + close codes.
|
||||
* - WebSocketLike : interface minimale pour le client WS (Hono adapter).
|
||||
* - buildT2SystemPrompt({role, contexte}) : prompt dynamique T2 Live.
|
||||
* - GEMINI_LIVE_MODEL, T2_SESSION_TIMEOUT_MS, T2_SESSION_WARNING_MS.
|
||||
*
|
||||
* Cf. docs/IMPLEMENTATION_T2_LIVE.md §3, docs/Prompt_t2live.md §3.
|
||||
* Interface publique (consommée par `routes/t2live.ts`) — INCHANGÉE :
|
||||
* - openGeminiLiveSession(clientWs, opts)
|
||||
* - WebSocketLike, OpenGeminiLiveSessionOptions
|
||||
* - buildT2SystemPrompt({role, contexte})
|
||||
* - GEMINI_LIVE_MODEL, T2_SESSION_TIMEOUT_MS, T2_SESSION_WARNING_MS
|
||||
*/
|
||||
|
||||
import {
|
||||
GoogleGenAI,
|
||||
Modality,
|
||||
StartSensitivity,
|
||||
EndSensitivity,
|
||||
type Session,
|
||||
} from "@google/genai";
|
||||
import { WebSocket as NodeWebSocket } from "ws";
|
||||
|
||||
export const GEMINI_LIVE_URL =
|
||||
"wss://generativelanguage.googleapis.com/ws/google.ai.generativelanguage.v1beta.GenerativeService.BidiGenerateContent";
|
||||
|
||||
/**
|
||||
* Modèle Live cible. `gemini-3.1-flash-live-preview` est le choix par défaut
|
||||
* (Sprint 6d), à valider sur Express Mode via `test-gemini-live.js`. Fallback
|
||||
* documenté : `gemini-2.0-flash-live-001` (modèle Live garanti sur Express
|
||||
* d'après la doc Vertex Express).
|
||||
* Modèle Live cible. `gemini-2.0-flash-live-001` est le modèle Live confirmé
|
||||
* par la doc Google pour les clés API Developer + Express. Format `models/...`
|
||||
* dans le setup frame natif (cf. `test-gemini-live.js`).
|
||||
*/
|
||||
export const GEMINI_LIVE_MODEL = "gemini-2.0-flash-live-001";
|
||||
|
||||
|
|
@ -41,7 +33,8 @@ export const T2_SESSION_WARNING_MS = 180_000;
|
|||
|
||||
/**
|
||||
* Construit le prompt système T2 Live à partir du sujet (role + contexte).
|
||||
* Cf. docs/Prompt_t2live.md §3.
|
||||
* Cf. docs/Prompt_t2live.md §3. Conservé en signature pour usage futur quand
|
||||
* `systemInstruction` sera réintégré dans le setup frame.
|
||||
*/
|
||||
export function buildT2SystemPrompt(input: {
|
||||
role: string;
|
||||
|
|
@ -65,6 +58,7 @@ Règles à respecter impérativement :
|
|||
/**
|
||||
* Subset minimal d'une WebSocket — compatible avec :
|
||||
* - le wrapper exposé par @hono/node-ws (côté client navigateur)
|
||||
* - la WebSocket de `ws` (côté Gemini)
|
||||
* - les fakes basés sur EventEmitter dans les tests
|
||||
*/
|
||||
export interface WebSocketLike {
|
||||
|
|
@ -90,17 +84,16 @@ export interface OpenGeminiLiveSessionOptions {
|
|||
/** Surcharge la clé API (par défaut : process.env.GEMINI_API_KEY). */
|
||||
apiKey?: string;
|
||||
/**
|
||||
* Injection pour les tests — fabrique de client SDK. Permet de remplacer
|
||||
* `new GoogleGenAI(...)` par un mock dans les tests sans toucher au code prod.
|
||||
* Injection pour les tests — fabrique de WebSocket vers Gemini.
|
||||
*/
|
||||
clientFactory?: (apiKey: string) => GoogleGenAI;
|
||||
clientFactory?: (url: string) => WebSocketLike;
|
||||
}
|
||||
|
||||
/**
|
||||
* Forme minimale d'un message Live retourné par le SDK. On n'exporte pas
|
||||
* `LiveServerMessage` du SDK pour ne pas coupler les tests à son shape exact.
|
||||
* Forme minimale d'un message Gemini Live JSON entrant.
|
||||
*/
|
||||
interface LiveServerMessage {
|
||||
interface GeminiServerMessage {
|
||||
setupComplete?: unknown;
|
||||
serverContent?: {
|
||||
modelTurn?: {
|
||||
parts?: Array<{
|
||||
|
|
@ -112,7 +105,6 @@ interface LiveServerMessage {
|
|||
interrupted?: boolean;
|
||||
turnComplete?: boolean;
|
||||
};
|
||||
setupComplete?: unknown;
|
||||
}
|
||||
|
||||
interface TranscriptEntry {
|
||||
|
|
@ -185,24 +177,70 @@ function parseAudioChunk(data: unknown): string | null {
|
|||
}
|
||||
|
||||
/**
|
||||
* Ouvre une session Gemini Live via le SDK et proxifie les messages
|
||||
* dans les deux sens entre le client (navigateur) et Gemini.
|
||||
* Tente de parser un message Gemini en JSON. Retourne null si binaire / non-JSON.
|
||||
*/
|
||||
function tryParseGeminiJson(data: unknown): GeminiServerMessage | null {
|
||||
let text: string;
|
||||
if (typeof data === "string") {
|
||||
text = data;
|
||||
} else if (data instanceof Buffer) {
|
||||
try {
|
||||
text = data.toString("utf8");
|
||||
if (!text.startsWith("{")) return null;
|
||||
} catch {
|
||||
return null;
|
||||
}
|
||||
} else if (typeof data === "object" && data !== null && "toString" in data) {
|
||||
try {
|
||||
text = (data as { toString: () => string }).toString();
|
||||
if (!text.startsWith("{")) return null;
|
||||
} catch {
|
||||
return null;
|
||||
}
|
||||
} else {
|
||||
return null;
|
||||
}
|
||||
try {
|
||||
return JSON.parse(text) as GeminiServerMessage;
|
||||
} catch {
|
||||
return null;
|
||||
}
|
||||
}
|
||||
|
||||
/**
|
||||
* Construit le setup frame minimal Gemini Live (équivalent du mode
|
||||
* `minimal` de `test-gemini-live.js`). Les champs `systemInstruction`,
|
||||
* `inputAudioTranscription`, `outputAudioTranscription`,
|
||||
* `realtimeInputConfig.automaticActivityDetection` sont volontairement
|
||||
* retirés tant que `setupComplete` n'est pas confirmé en prod.
|
||||
*/
|
||||
function buildSetupFrame(): string {
|
||||
return JSON.stringify({
|
||||
setup: {
|
||||
model: `models/${GEMINI_LIVE_MODEL}`,
|
||||
generationConfig: {
|
||||
responseModalities: ["AUDIO"],
|
||||
},
|
||||
},
|
||||
});
|
||||
}
|
||||
|
||||
/**
|
||||
* Ouvre une session Gemini Live via WebSocket brut (`ws://...?key=...`) et
|
||||
* proxifie les messages dans les deux sens entre le client (navigateur) et
|
||||
* Gemini.
|
||||
*
|
||||
* - Init : `new GoogleGenAI({ vertexai: true, apiKey })` → mode Vertex Express
|
||||
* (compatible avec les clés API auto-bound à un service account).
|
||||
* - Setup config : modèle + responseModalities AUDIO + systemInstruction
|
||||
* + inputAudioTranscription + outputAudioTranscription + VAD.
|
||||
* - URL : GEMINI_LIVE_URL?key=apiKey
|
||||
* - À l'open Gemini : envoi du setup frame minimal.
|
||||
* - Forward client → Gemini : parse `{type:'audio', data: base64}` →
|
||||
* `session.sendRealtimeInput({audio: {data, mimeType: 'audio/pcm;rate=16000'}})`.
|
||||
* - Forward Gemini → client : `clientWs.send(JSON.stringify(msg))` (le frontend
|
||||
* parse `serverContent.modelTurn.parts[].inlineData.data`).
|
||||
* message JSON `{ realtimeInput: { audio: { data, mimeType } } }`.
|
||||
* - Forward Gemini → client : forward verbatim (string ou Buffer).
|
||||
* - Accumule input/outputTranscription pour la correction finale.
|
||||
* - Détecte `{type:'end'}` du client → fin de session.
|
||||
* - Timer 210 s : warning à 180 s, fin auto à 210 s.
|
||||
* - En fin : `onSessionEnd(transcript)` puis ferme la session SDK. Le client WS
|
||||
* n'est PAS fermé ici — c'est l'appelant qui décide (envoi du rapport puis
|
||||
* close 1000).
|
||||
* - Erreur SDK / close Gemini → close client 4006 GEMINI_DISCONNECTED.
|
||||
* - En fin : `onSessionEnd(transcript)` puis ferme Gemini. Le client WS
|
||||
* n'est PAS fermé ici — c'est l'appelant qui décide.
|
||||
* - Erreur Gemini / close prématurée → close client 4006 GEMINI_DISCONNECTED.
|
||||
* - GEMINI_API_KEY absente → close client 4005 GEMINI_CONFIG.
|
||||
*/
|
||||
export function openGeminiLiveSession(
|
||||
|
|
@ -218,18 +256,27 @@ export function openGeminiLiveSession(
|
|||
|
||||
const timeoutMs = opts.timeoutMs ?? T2_SESSION_TIMEOUT_MS;
|
||||
const warningMs = opts.warningMs ?? T2_SESSION_WARNING_MS;
|
||||
const systemPrompt = buildT2SystemPrompt({
|
||||
// Conservé en signature pour usage futur (réintégration `systemInstruction`).
|
||||
const _systemPrompt = buildT2SystemPrompt({
|
||||
role: opts.role,
|
||||
contexte: opts.contexte,
|
||||
});
|
||||
void _systemPrompt;
|
||||
|
||||
const ai = opts.clientFactory?.(apiKey) ?? new GoogleGenAI({ apiKey });
|
||||
const url = `${GEMINI_LIVE_URL}?key=${apiKey}`;
|
||||
const factory =
|
||||
opts.clientFactory ??
|
||||
((u: string) => new NodeWebSocket(u) as unknown as WebSocketLike);
|
||||
|
||||
console.log("[T2] Gemini WS URL:", GEMINI_LIVE_URL + "?key=***");
|
||||
console.log("[T2] Gemini WS model:", GEMINI_LIVE_MODEL);
|
||||
|
||||
const geminiWs = factory(url);
|
||||
|
||||
const transcriptEntries: TranscriptEntry[] = [];
|
||||
let sessionEnded = false;
|
||||
let warningTimer: ReturnType<typeof setTimeout> | null = null;
|
||||
let timeoutTimer: ReturnType<typeof setTimeout> | null = null;
|
||||
let session: Session | null = null;
|
||||
|
||||
const clearTimers = () => {
|
||||
if (warningTimer !== null) {
|
||||
|
|
@ -246,12 +293,10 @@ export function openGeminiLiveSession(
|
|||
if (sessionEnded) return;
|
||||
sessionEnded = true;
|
||||
clearTimers();
|
||||
if (session) {
|
||||
try {
|
||||
session.close();
|
||||
} catch {
|
||||
/* ignore */
|
||||
}
|
||||
try {
|
||||
geminiWs.close(1000);
|
||||
} catch {
|
||||
/* ignore */
|
||||
}
|
||||
if (opts.onSessionEnd) {
|
||||
try {
|
||||
|
|
@ -265,130 +310,123 @@ export function openGeminiLiveSession(
|
|||
}
|
||||
};
|
||||
|
||||
const handleSdkMessage = (msg: LiveServerMessage) => {
|
||||
// Accumuler transcripts pour la correction finale.
|
||||
const sc = msg.serverContent;
|
||||
if (sc?.inputTranscription?.text && sc.inputTranscription.text.length > 0) {
|
||||
transcriptEntries.push({
|
||||
speaker: "candidat",
|
||||
text: sc.inputTranscription.text,
|
||||
});
|
||||
}
|
||||
if (
|
||||
sc?.outputTranscription?.text &&
|
||||
sc.outputTranscription.text.length > 0
|
||||
) {
|
||||
transcriptEntries.push({
|
||||
speaker: "examinateur",
|
||||
text: sc.outputTranscription.text,
|
||||
});
|
||||
}
|
||||
|
||||
// Forward verbatim au client. Le frontend parse serverContent.modelTurn.
|
||||
geminiWs.on("open", () => {
|
||||
console.log("[T2] Gemini WS open");
|
||||
const frame = buildSetupFrame();
|
||||
console.log("[T2] Gemini setup frame:", frame);
|
||||
try {
|
||||
clientWs.send(JSON.stringify(msg));
|
||||
} catch {
|
||||
void endSession();
|
||||
}
|
||||
};
|
||||
|
||||
// ── Ouverture de la session SDK ──────────────────────────────────────
|
||||
// ⚠ DEBUG : config minimale pour isoler le champ qui fait rejeter le setup
|
||||
// par Gemini. À restaurer une fois identifié.
|
||||
// Variables conservées en signature pour ne pas casser les imports / la
|
||||
// construction du prompt qui valide le sujet.
|
||||
void systemPrompt;
|
||||
void StartSensitivity;
|
||||
void EndSensitivity;
|
||||
const sdkConfig = {
|
||||
responseModalities: [Modality.AUDIO],
|
||||
// systemInstruction: systemPrompt,
|
||||
// inputAudioTranscription: {},
|
||||
// outputAudioTranscription: {},
|
||||
// realtimeInputConfig: {
|
||||
// automaticActivityDetection: {
|
||||
// disabled: false,
|
||||
// startOfSpeechSensitivity: StartSensitivity.START_SENSITIVITY_LOW,
|
||||
// endOfSpeechSensitivity: EndSensitivity.END_SENSITIVITY_LOW,
|
||||
// silenceDurationMs: 2000,
|
||||
// },
|
||||
// },
|
||||
};
|
||||
|
||||
console.log("[T2] SDK config:", JSON.stringify(sdkConfig, null, 2));
|
||||
console.log("[T2] SDK model:", GEMINI_LIVE_MODEL);
|
||||
|
||||
ai.live
|
||||
.connect({
|
||||
model: GEMINI_LIVE_MODEL,
|
||||
config: sdkConfig,
|
||||
callbacks: {
|
||||
onopen: () => {
|
||||
console.log("[T2] Gemini SDK onopen");
|
||||
// Démarrer les timers une fois la session effectivement ouverte.
|
||||
warningTimer = setTimeout(() => {
|
||||
if (sessionEnded) return;
|
||||
try {
|
||||
clientWs.send(
|
||||
JSON.stringify({
|
||||
type: "warning",
|
||||
message: "30 secondes restantes",
|
||||
}),
|
||||
);
|
||||
} catch {
|
||||
/* ignore */
|
||||
}
|
||||
}, warningMs);
|
||||
|
||||
timeoutTimer = setTimeout(() => {
|
||||
void endSession();
|
||||
}, timeoutMs);
|
||||
},
|
||||
onmessage: (msg: LiveServerMessage) => {
|
||||
console.log(
|
||||
"[T2] Gemini SDK message:",
|
||||
JSON.stringify(msg).substring(0, 200),
|
||||
);
|
||||
handleSdkMessage(msg);
|
||||
},
|
||||
onerror: (err: unknown) => {
|
||||
console.log("[T2] Gemini SDK error:", JSON.stringify(err));
|
||||
if (!sessionEnded) {
|
||||
clearTimers();
|
||||
sessionEnded = true;
|
||||
try {
|
||||
clientWs.close(4006, "GEMINI_DISCONNECTED");
|
||||
} catch {
|
||||
/* ignore */
|
||||
}
|
||||
}
|
||||
},
|
||||
onclose: (e: unknown) => {
|
||||
console.log("[T2] Gemini SDK close:", JSON.stringify(e));
|
||||
if (!sessionEnded) {
|
||||
clearTimers();
|
||||
try {
|
||||
clientWs.close(4006, "GEMINI_DISCONNECTED");
|
||||
} catch {
|
||||
/* ignore */
|
||||
}
|
||||
}
|
||||
},
|
||||
},
|
||||
})
|
||||
.then((s: Session) => {
|
||||
session = s;
|
||||
})
|
||||
.catch((err: unknown) => {
|
||||
console.error("[T2] SDK connect error:", err);
|
||||
sessionEnded = true;
|
||||
clearTimers();
|
||||
geminiWs.send(frame);
|
||||
} catch (err) {
|
||||
console.error(
|
||||
"[T2] Gemini setup frame send failed:",
|
||||
err instanceof Error ? err.message : String(err),
|
||||
);
|
||||
try {
|
||||
clientWs.close(4006, "GEMINI_DISCONNECTED");
|
||||
} catch {
|
||||
/* ignore */
|
||||
}
|
||||
});
|
||||
return;
|
||||
}
|
||||
|
||||
// Timers démarrés à l'ouverture de la WS (avant setupComplete éventuel).
|
||||
warningTimer = setTimeout(() => {
|
||||
if (sessionEnded) return;
|
||||
try {
|
||||
clientWs.send(
|
||||
JSON.stringify({
|
||||
type: "warning",
|
||||
message: "30 secondes restantes",
|
||||
}),
|
||||
);
|
||||
} catch {
|
||||
/* ignore */
|
||||
}
|
||||
}, warningMs);
|
||||
|
||||
timeoutTimer = setTimeout(() => {
|
||||
void endSession();
|
||||
}, timeoutMs);
|
||||
});
|
||||
|
||||
geminiWs.on("message", (data) => {
|
||||
const preview =
|
||||
typeof data === "string"
|
||||
? data.slice(0, 300)
|
||||
: data instanceof Buffer
|
||||
? data.toString("utf8").slice(0, 300)
|
||||
: "[binary]";
|
||||
console.log("[T2] Gemini WS message:", preview);
|
||||
|
||||
// Accumuler input/outputTranscription.
|
||||
const parsed = tryParseGeminiJson(data);
|
||||
if (parsed) {
|
||||
const sc = parsed.serverContent;
|
||||
if (
|
||||
sc?.inputTranscription?.text &&
|
||||
sc.inputTranscription.text.length > 0
|
||||
) {
|
||||
transcriptEntries.push({
|
||||
speaker: "candidat",
|
||||
text: sc.inputTranscription.text,
|
||||
});
|
||||
}
|
||||
if (
|
||||
sc?.outputTranscription?.text &&
|
||||
sc.outputTranscription.text.length > 0
|
||||
) {
|
||||
transcriptEntries.push({
|
||||
speaker: "examinateur",
|
||||
text: sc.outputTranscription.text,
|
||||
});
|
||||
}
|
||||
}
|
||||
|
||||
// Forward verbatim au client (string ou Buffer audio inlineData).
|
||||
try {
|
||||
clientWs.send(data);
|
||||
} catch {
|
||||
void endSession();
|
||||
}
|
||||
});
|
||||
|
||||
geminiWs.on("close", (code, reason) => {
|
||||
const reasonStr =
|
||||
reason instanceof Buffer
|
||||
? reason.toString("utf8")
|
||||
: typeof reason === "string"
|
||||
? reason
|
||||
: "";
|
||||
console.log(
|
||||
"[T2] Gemini WS close:",
|
||||
JSON.stringify({ code, reason: reasonStr }),
|
||||
);
|
||||
if (!sessionEnded) {
|
||||
clearTimers();
|
||||
sessionEnded = true;
|
||||
try {
|
||||
clientWs.close(4006, "GEMINI_DISCONNECTED");
|
||||
} catch {
|
||||
/* ignore */
|
||||
}
|
||||
}
|
||||
});
|
||||
|
||||
geminiWs.on("error", (err) => {
|
||||
console.log(
|
||||
"[T2] Gemini WS error:",
|
||||
JSON.stringify(err instanceof Error ? { message: err.message } : err),
|
||||
);
|
||||
if (!sessionEnded) {
|
||||
clearTimers();
|
||||
sessionEnded = true;
|
||||
try {
|
||||
clientWs.close(4006, "GEMINI_DISCONNECTED");
|
||||
} catch {
|
||||
/* ignore */
|
||||
}
|
||||
}
|
||||
});
|
||||
|
||||
// ── Forward client → Gemini ──────────────────────────────────────────
|
||||
clientWs.on("message", (data) => {
|
||||
|
|
@ -397,46 +435,46 @@ export function openGeminiLiveSession(
|
|||
return;
|
||||
}
|
||||
const audioBase64 = parseAudioChunk(data);
|
||||
if (audioBase64 !== null && session !== null && !sessionEnded) {
|
||||
if (audioBase64 !== null && !sessionEnded) {
|
||||
try {
|
||||
session.sendRealtimeInput({
|
||||
audio: {
|
||||
data: audioBase64,
|
||||
mimeType: "audio/pcm;rate=16000",
|
||||
},
|
||||
});
|
||||
geminiWs.send(
|
||||
JSON.stringify({
|
||||
realtimeInput: {
|
||||
audio: {
|
||||
data: audioBase64,
|
||||
mimeType: "audio/pcm;rate=16000",
|
||||
},
|
||||
},
|
||||
}),
|
||||
);
|
||||
} catch (err) {
|
||||
console.log(
|
||||
"[T2] sendRealtimeInput a échoué :",
|
||||
"[T2] Gemini WS send (audio) failed:",
|
||||
err instanceof Error ? err.message : String(err),
|
||||
);
|
||||
void endSession();
|
||||
}
|
||||
}
|
||||
// Tout autre message client est ignoré (ex: ping keep-alive frontend).
|
||||
// Tout autre message client est ignoré.
|
||||
});
|
||||
|
||||
clientWs.on("close", () => {
|
||||
clearTimers();
|
||||
sessionEnded = true;
|
||||
if (session) {
|
||||
try {
|
||||
session.close();
|
||||
} catch {
|
||||
/* ignore */
|
||||
}
|
||||
try {
|
||||
geminiWs.close(1000);
|
||||
} catch {
|
||||
/* ignore */
|
||||
}
|
||||
});
|
||||
|
||||
clientWs.on("error", () => {
|
||||
clearTimers();
|
||||
sessionEnded = true;
|
||||
if (session) {
|
||||
try {
|
||||
session.close();
|
||||
} catch {
|
||||
/* ignore */
|
||||
}
|
||||
try {
|
||||
geminiWs.close(1011);
|
||||
} catch {
|
||||
/* ignore */
|
||||
}
|
||||
});
|
||||
}
|
||||
|
|
|
|||
Loading…
Add table
Add a link
Reference in a new issue