gg auth and new tool

.env.example

@@ -16,9 +16,19 @@ NEO4J_PASSWORD=CHANGE_ME
 # Google AI (Gemini)
 GOOGLE_API_KEY=your_google_api_key
 
+# Google OAuth
+GOOGLE_CLIENT_ID=your_google_api_key
+JWT_SECRET=your-super-secret-jwt-key-change-in-production
+
 # MegaLLM (OpenAI-compatible - DeepSeek)
 MEGALLM_API_KEY=your_megallm_api_key
 MEGALLM_BASE_URL=https://ai.megallm.io/v1
 
+# Brave Social Search
+BRAVE_API_KEY=your_brave_api_key
+
+# Google OAuth
+GOOGLE_CLIENT_ID=your_google_client_id
+
 # CLIP (optional - for image embeddings)
 HUGGINGFACE_API_KEY=your_hf_api_key

app/agent/mmca_agent.py

@@ -43,16 +43,22 @@ SYSTEM_PROMPT = """Bạn là trợ lý du lịch thông minh cho Đà Nẵng. B
    - Ví dụ: "Quán cafe gần Cầu Rồng", "Nhà hàng gần bãi biển Mỹ Khê"
    - Đặc biệt: Có thể lấy chi tiết đầy đủ với photos, reviews
 
+**4. search_social_media** - Tìm kiếm mạng xã hội và tin tức
+   - Khi nào: Hỏi về "review", "tin hot", "trend", "tiktok", "facebook", "tin mới"
+   - Ví dụ: "Review quán ăn ngon Đà Nẵng trên TikTok", "Tin hot tuần qua"
+   - Tham số: query, freshness ("pw": tuần, "pm": tháng), platforms (["tiktok", "facebook", "reddit"])
+
 **Quy tắc quan trọng:**
 1. Phân tích intent để chọn ĐÚNG tool (không chỉ dùng 1 tool)
 2. Với câu hỏi tổng quát ("quán cafe ngon") → dùng retrieve_context_text
 3. Với câu hỏi vị trí ("gần X", "quanh Y") → dùng find_nearby_places
-4. Với ảnh → dùng retrieve_similar_visuals
-5. Có thể kết hợp nhiều tools để có kết quả tốt nhất
+4. Với câu hỏi trend/review từ MXH -> dùng search_social_media
+5. Với ảnh → dùng retrieve_similar_visuals
 6. Trả lời tiếng Việt, thân thiện, cung cấp thông tin cụ thể (tên, rating, khoảng cách)
 """
 
 
+
 @dataclass
 class ChatMessage:
     """Chat message model."""
@@ -244,6 +250,11 @@ class MMCAAgent:
         if not intents:
             intents.append("text_search")
         
+        # Social intent detection
+        social_keywords = ["review", "tin hot", "trend", "tin mới", "tiktok", "facebook", "reddit", "youtube", "mạng xã hội"]
+        if any(kw in message.lower() for kw in social_keywords):
+            intents.append("social_search")
+            
         return " + ".join(intents)
 
     def _get_tool_purpose(self, tool_name: str) -> str:
@@ -252,6 +263,7 @@ class MMCAAgent:
             "retrieve_context_text": "Tìm kiếm semantic trong văn bản (review, mô tả)",
             "retrieve_similar_visuals": "Tìm địa điểm có hình ảnh tương tự",
             "find_nearby_places": "Tìm địa điểm gần vị trí được nhắc đến",
+            "search_social_media": "Tìm kiếm thông tin từ mạng xã hội (news, trends)",
         }
         return purposes.get(tool_name, tool_name)
 
@@ -274,6 +286,30 @@ class MMCAAgent:
                 arguments={"image_url": image_url, "limit": 5},
             ))
 
+        # Check for social media intent FIRST
+        social_keywords = ["review", "tin hot", "trend", "tin mới", "tiktok", "facebook", "reddit", "youtube", "mạng xã hội"]
+        if any(kw in message.lower() for kw in social_keywords):
+            # Determine freshness
+            freshness = "pw" # Default past week
+            if "tháng" in message.lower() or "month" in message.lower():
+                freshness = "pm"
+            
+            # Determine platforms
+            platforms = []
+            for p in ["tiktok", "facebook", "reddit", "youtube", "twitter", "instagram"]:
+                if p in message.lower():
+                    platforms.append(p)
+            
+            tool_calls.append(ToolCall(
+                tool_name="search_social_media",
+                arguments={
+                    "query": message,
+                    "limit": 5,
+                    "freshness": freshness,
+                    "platforms": platforms if platforms else None
+                }
+            ))
+
         # Analyze message for location/proximity queries
         location_keywords = ["gần", "cách", "nearby", "gần đây", "quanh", "xung quanh"]
         if any(kw in message.lower() for kw in location_keywords):
@@ -296,13 +332,16 @@ class MMCAAgent:
                 },
             ))
 
-        # For general queries without location keywords, use text search
+        # For general queries without location keywords AND NO SOCIAL INTENT, use text search
+        # If social search is already triggered, we might skip text search to avoid noise, 
+        # or keep it if query is mixed. For now, let's keep text search only if no other tools used.
         if not tool_calls:
             tool_calls.append(ToolCall(
                 tool_name="retrieve_context_text",
                 arguments={"query": message, "limit": 5},
             ))
 
+
         return tool_calls
 
     async def _execute_tool(
@@ -370,6 +409,25 @@ class MMCAAgent:
                     for r in results
                 ]
 
+            elif tool_call.tool_name == "search_social_media":
+                results = await self.tools.search_social_media(
+                    query=tool_call.arguments.get("query", ""),
+                    limit=tool_call.arguments.get("limit", 10),
+                    freshness=tool_call.arguments.get("freshness", "pw"),
+                    platforms=tool_call.arguments.get("platforms"),
+                )
+                tool_call.result = [
+                    {
+                        "title": r.title,
+                        "url": r.url,
+                        "description": r.description,
+                        "age": r.age,
+                        "platform": r.platform,
+                    }
+                    for r in results
+                ]
+
+
         except Exception as e:
             agent_logger.error(f"Tool execution failed: {tool_call.tool_name}", e)
             tool_call.result = [{"error": str(e)}]

app/agent/react_agent.py

@@ -259,16 +259,27 @@ class ReActAgent:
                 db=db,
                 image_url=url,
                 limit=action_input.get("limit", 5),
+            )
+                for r in results
+            ]
+        
+        elif action == "search_social_media":
+            results = await self.tools.search_social_media(
+                query=action_input.get("query", ""),
+                limit=action_input.get("limit", 5),
+                freshness=action_input.get("freshness", "pw"),
+                platforms=action_input.get("platforms"),
             )
             return [
                 {
-                    "place_id": r.place_id,
-                    "name": r.name,
-                    "category": r.category,
-                    "similarity": r.similarity,
+                    "title": r.title,
+                    "url": r.url,
+                    "age": r.age,
+                    "platform": r.platform,
                 }
                 for r in results
             ]
+
         
         else:
             return {"error": f"Unknown tool: {action}"}

app/agent/reasoning.py

@@ -28,6 +28,10 @@ REACT_SYSTEM_PROMPT = """Bạn là agent du lịch thông minh cho Đà Nẵng v
    - Input: {"image_url": "..."}
    - Output: [{name, similarity, image_url}]
 
+5. `search_social_media` - Tìm kiếm mạng xã hội và tin tức
+   - Input: {"query": "review quán ăn", "freshness": "pw", "platforms": ["tiktok"]}
+   - Output: [{title, url, age, platform}]
+
 **Quy trình:**
 Với mỗi bước, bạn phải:
 1. **Thought**: Suy nghĩ về bước tiếp theo cần làm
@@ -46,11 +50,13 @@ Với mỗi bước, bạn phải:
 **Quan trọng:**
 - Nếu cần biết vị trí → dùng get_location_coordinates trước
 - Nếu tìm theo khoảng cách → dùng find_nearby_places
+- Nếu tìm review/trend MXH → dùng search_social_media
 - Nếu cần lọc theo đặc điểm (view, không gian, giá) → dùng retrieve_context_text
 - Khi đủ thông tin → action = "finish"
 """
 
 
+
 @dataclass
 class ReasoningResult:
     """Result from LLM reasoning step."""
@@ -157,6 +163,8 @@ def get_tool_purpose(action: str) -> str:
         "find_nearby_places": "Tìm địa điểm gần vị trí",
         "retrieve_context_text": "Tìm theo văn bản (reviews, mô tả)",
         "retrieve_similar_visuals": "Tìm theo hình ảnh tương tự",
+        "search_social_media": "Tìm kiếm mạng xã hội và tin tức",
         "finish": "Hoàn thành và tổng hợp kết quả",
     }
+
     return purposes.get(action, action)

app/auth/controls.py

@@ -8,12 +8,12 @@ from datetime import datetime, timedelta
 import jwt
 import os
 from uuid import uuid4
+from app.core.config import settings
 
 # Google OAuth verification URL
-GOOGLE_VERIFY_URL = "https://www.googleapis.com/oauth2/v3/userinfo?access_token="
+GOOGLE_VERIFY_URL = "https://www.googleapis.com/oauth2/v3/userinfo"
 
-# JWT settings (should be in environment variables)
-JWT_SECRET = os.getenv("JWT_SECRET", "your-secret-key-change-in-production")
+# JWT settings
 JWT_ALGORITHM = "HS256"
 JWT_EXPIRATION_HOURS = 24
 
@@ -43,7 +43,11 @@ async def login_control(access_token: str, db: AsyncSession) -> dict:
     # Verify token with Google
     async with httpx.AsyncClient() as client:
         try:
-            response = await client.get(f"{GOOGLE_VERIFY_URL}{access_token}")
+            # Get user info using access token
+            response = await client.get(
+                GOOGLE_VERIFY_URL,
+                headers={"Authorization": f"Bearer {access_token}"}
+            )
             
             if response.status_code != 200:
                 raise HTTPException(
@@ -53,6 +57,10 @@ async def login_control(access_token: str, db: AsyncSession) -> dict:
             
             google_user_info = response.json()
             
+            # Verify the token was issued for our client
+            # Note: For access tokens from Token Client, we trust Google's validation
+            # The token is already validated by Google if we get a 200 response
+            
         except httpx.RequestError as e:
             raise HTTPException(
                 status_code=500,
@@ -133,7 +141,7 @@ async def login_control(access_token: str, db: AsyncSession) -> dict:
         "email": email,
         "exp": datetime.utcnow() + timedelta(hours=JWT_EXPIRATION_HOURS)
     }
-    token = jwt.encode(token_payload, JWT_SECRET, algorithm=JWT_ALGORITHM)
+    token = jwt.encode(token_payload, settings.jwt_secret, algorithm=JWT_ALGORITHM)
     
     return {
         "user_id": user_id,

app/core/config.py

@@ -23,6 +23,10 @@ class Settings(BaseSettings):
 
     # Google AI
     google_api_key: str
+    
+    # Google OAuth
+    google_client_id: str
+    jwt_secret: str
 
     # MegaLLM (OpenAI-compatible)
     megallm_api_key: str | None = None

app/mcp/tools/__init__.py

@@ -31,10 +31,15 @@ from app.mcp.tools.graph_tool import (
     get_place_details,
     get_nearby_by_relationship,
     get_same_category_places,
-    geocode_location,
     get_location_coordinates,
     TOOL_DEFINITION as GRAPH_TOOL_DEFINITION,
 )
+from app.mcp.tools.social_tool import (
+    SocialSearchResult,
+    search_social_media,
+    # TODO: Define TOOL_DEFINITION in social_tool if needed for agent JSON schema
+)
+
 
 
 # Combined tool definitions for agent
@@ -91,6 +96,13 @@ class MCPTools:
     async def get_location_coordinates(self, location_name):
         """Get coordinates for a location (Neo4j + OSM fallback)."""
         return await get_location_coordinates(location_name)
+    
+    # Social Tool
+    async def search_social_media(self, query: str, limit: int = 10, freshness: str = "pw", platforms: list[str] = None) -> list[SocialSearchResult]:
+        """Search for social media content (news, trends)."""
+        return await search_social_media(query, limit, freshness, platforms)
+
+
 
 
 # Global MCP tools instance

app/mcp/tools/social_tool.py

@@ -0,0 +1,135 @@
+
+import os
+import httpx
+from dataclasses import dataclass
+from typing import Optional, List, Dict, Any
+
+@dataclass
+class SocialSearchResult:
+    title: str
+    url: str
+    description: str
+    age: str = ""
+    platform: str = "Web"
+    
+class BraveSocialSearch:
+    """
+    Native Python implementation of Brave Social Search.
+    Wraps Brave Search API with social media specific filters.
+    """
+    
+    BASE_URL = "https://api.search.brave.com/res/v1/web/search"
+    
+    def __init__(self, api_key: str = None):
+        self.api_key = api_key or os.getenv("BRAVE_API_KEY")
+        if not self.api_key:
+            # Fallback or warning? For now assume it will be provided or env
+            pass
+            
+    async def search(self, query: str, limit: int = 10, freshness: str = "pw", platforms: List[str] = None) -> List[SocialSearchResult]:
+        if not self.api_key:
+            print("Warning: BRAVE_API_KEY not found.")
+            return []
+
+        headers = {
+            "Accept": "application/json",
+            "Accept-Encoding": "gzip",
+            "X-Subscription-Token": self.api_key
+        }
+        
+        # Default social sites if none provided
+        if not platforms:
+            social_sites = [
+                'site:twitter.com', 'site:x.com', 
+                'site:facebook.com', 
+                'site:reddit.com', 
+                'site:linkedin.com', 
+                'site:tiktok.com',
+                'site:instagram.com',
+                'site:threads.net'
+            ]
+        else:
+            # Map friendly names to site operators if needed, or assume raw site: checks
+            # Simplest is to assume user passes ["facebook", "reddit"] -> ["site:facebook.com", "site:reddit.com"]
+            # But let's be robust:
+            social_sites = []
+            for p in platforms:
+                p = p.lower()
+                if "facebook" in p: social_sites.append("site:facebook.com")
+                elif "reddit" in p: social_sites.append("site:reddit.com")
+                elif "twitter" in p or "x" == p: social_sites.extend(["site:twitter.com", "site:x.com"])
+                elif "linkedin" in p: social_sites.append("site:linkedin.com")
+                elif "tiktok" in p: social_sites.append("site:tiktok.com")
+                elif "instagram" in p: social_sites.append("site:instagram.com")
+                elif "site:" in p: social_sites.append(p) # Direct operator
+        
+        # Construct query with site OR operator
+        if len(social_sites) > 1:
+            sites_query = " OR ".join(social_sites)
+            full_query = f"{query} ({sites_query})"
+        elif len(social_sites) == 1:
+            full_query = f"{query} {social_sites[0]}"
+        else:
+            full_query = query
+            
+        params = {
+            "q": full_query,
+
+
+            "count": min(limit, 20),
+            "freshness": freshness, 
+            "result_filter": "web,news,discussions",
+            "text_decorations": 0,
+            "spellcheck": 1
+        }
+        
+        async with httpx.AsyncClient() as client:
+            try:
+                response = await client.get(
+                    self.BASE_URL, 
+                    headers=headers, 
+                    params=params, 
+                    timeout=10.0
+                )
+                response.raise_for_status()
+                data = response.json()
+                
+                results = []
+                
+                # Parse 'web' results (most common)
+                if "web" in data and "results" in data["web"]:
+                    for item in data["web"]["results"]:
+                        # Extract platform from profile or url
+                        platform = "Web"
+                        if "profile" in item and "name" in item["profile"]:
+                            platform = item["profile"]["name"]
+                        else:
+                            # Simple heuristic
+                            domain = item.get("url", "").split("//")[-1].split("/")[0]
+                            if "reddit" in domain: platform = "Reddit"
+                            elif "twitter" in domain or "x.com" in domain: platform = "X (Twitter)"
+                            elif "facebook" in domain: platform = "Facebook"
+                            
+                        results.append(SocialSearchResult(
+                            title=item.get("title", ""),
+                            url=item.get("url", ""),
+                            description=item.get("description", ""),
+                            age=item.get("age", ""),
+                            platform=platform
+                        ))
+                        
+                return results
+                
+            except Exception as e:
+                print(f"Error calling Brave Search API: {e}")
+                return []
+
+# Singleton instance
+social_search_tool = BraveSocialSearch()
+
+async def search_social_media(query: str, limit: int = 10, freshness: str = "pw", platforms: List[str] = None) -> List[SocialSearchResult]:
+    """
+    Search for social media content (news, discussions) about a topic.
+    """
+    return await social_search_tool.search(query, limit, freshness, platforms)
+

docs/PROMPT_REPORT.md

@@ -0,0 +1,148 @@
+# LocalMate Backend - Prompt Documentation Report
+
+This document contains a comprehensive report of all LLM prompts used within the `localmate-danang-backend-v2` project.
+
+## 1. MMCA Agent (Main Chatbot)
+
+**File:** `app/agent/mmca_agent.py`
+
+### System Prompt (`SYSTEM_PROMPT`)
+This is the core instruction for the Multi-Modal Contextual Agent. It defines the available tools and decision-making rules.
+
+```python
+Bạn là trợ lý du lịch thông minh cho Đà Nẵng. Bạn có 3 công cụ tìm kiếm:
+
+**1. retrieve_context_text** - Tìm kiếm văn bản thông minh
+   - Khi nào: Hỏi về menu, review, mô tả, đặc điểm, phong cách
+   - Ví dụ: "Phở ngon giá rẻ", "Quán cafe view đẹp", "Nơi lãng mạn hẹn hò"
+   - Đặc biệt: Tự động phát hiện category (cafe, pho, seafood...) và boost kết quả
+
+**2. retrieve_similar_visuals** - Tìm theo hình ảnh
+   - Khi nào: Người dùng gửi ảnh hoặc mô tả về không gian, decor
+   - Scene filter: food, interior, exterior, view
+   - Ví dụ: "Quán có không gian giống ảnh này"
+
+**3. find_nearby_places** - Tìm theo vị trí
+   - Khi nào: Hỏi về khoảng cách, "gần đây", "gần X", "quanh Y"
+   - Ví dụ: "Quán cafe gần Cầu Rồng", "Nhà hàng gần bãi biển Mỹ Khê"
+   - Đặc biệt: Có thể lấy chi tiết đầy đủ với photos, reviews
+
+**4. search_social_media** - Tìm kiếm mạng xã hội và tin tức
+   - Khi nào: Hỏi về "review", "tin hot", "trend", "tiktok", "facebook", "tin mới"
+   - Ví dụ: "Review quán ăn ngon Đà Nẵng trên TikTok", "Tin hot tuần qua"
+   - Tham số: query, freshness ("pw": tuần, "pm": tháng), platforms (["tiktok", "facebook", "reddit"])
+
+**Quy tắc quan trọng:**
+1. Phân tích intent để chọn ĐÚNG tool (không chỉ dùng 1 tool)
+2. Với câu hỏi tổng quát ("quán cafe ngon") → dùng retrieve_context_text
+3. Với câu hỏi vị trí ("gần X", "quanh Y") → dùng find_nearby_places
+4. Với câu hỏi trend/review từ MXH -> dùng search_social_media
+5. Với ảnh → dùng retrieve_similar_visuals
+6. Trả lời tiếng Việt, thân thiện, cung cấp thông tin cụ thể (tên, rating, khoảng cách)
+```
+
+### Synthesis Prompt (`_synthesize_response`)
+Used to generate the final natural language response based on tool outputs.
+
+```python
+{history_section}Dựa trên kết quả tìm kiếm sau, hãy trả lời câu hỏi của người dùng một cách tự nhiên và hữu ích.
+
+Câu hỏi hiện tại: {message}
+
+{context}
+
+Hãy trả lời bằng tiếng Việt, thân thiện. Nếu có nhiều kết quả, hãy giới thiệu top 2-3 địa điểm phù hợp nhất.
+Nếu có lịch sử hội thoại, hãy cân nhắc ngữ cảnh trước đó khi trả lời.
+```
+
+---
+
+## 2. ReAct Agent (Reasoning Engine)
+
+**Files:** `app/agent/react_agent.py` and `app/agent/reasoning.py`
+
+### System Prompt (`REACT_SYSTEM_PROMPT`)
+**File:** `app/agent/reasoning.py`
+Defines the multi-step reasoning capability.
+
+````python
+Bạn là agent du lịch thông minh cho Đà Nẵng với khả năng suy luận multi-step.
+
+**Tools có sẵn:**
+1. `get_location_coordinates` - Lấy tọa độ từ tên địa điểm
+   - Input: {"location_name": "Dragon Bridge"}
+   - Output: {"lat": 16.06, "lng": 108.22}
+
+2. `find_nearby_places` - Tìm địa điểm gần vị trí
+   - Input: {"lat": 16.06, "lng": 108.22, "category": "cafe", "max_distance_km": 3}
+   - Output: [{name, category, distance_km, rating}]
+
+3. `retrieve_context_text` - Tìm semantic trong reviews/descriptions
+   - Input: {"query": "cafe view đẹp", "limit": 5}
+   - Output: [{name, category, rating, source_text}]
+
+4. `retrieve_similar_visuals` - Tìm địa điểm có hình ảnh tương tự
+   - Input: {"image_url": "..."}
+   - Output: [{name, similarity, image_url}]
+
+5. `search_social_media` - Tìm kiếm mạng xã hội và tin tức
+   - Input: {"query": "review quán ăn", "freshness": "pw", "platforms": ["tiktok"]}
+   - Output: [{title, url, age, platform}]
+
+**Quy trình:**
+Với mỗi bước, bạn phải:
+1. **Thought**: Suy nghĩ về bước tiếp theo cần làm
+2. **Action**: Chọn tool hoặc "finish" nếu đủ thông tin
+3. **Action Input**: JSON parameters cho tool
+
+**Trả lời CHÍNH XÁC theo format JSON:**
+```json
+{
+  "thought": "Suy nghĩ của bạn...",
+  "action": "tool_name hoặc finish",
+  "action_input": {"param1": "value1"}
+}
+```
+
+**Quan trọng:**
+- Nếu cần biết vị trí → dùng get_location_coordinates trước
+- Nếu tìm theo khoảng cách → dùng find_nearby_places
+- Nếu tìm review/trend MXH → dùng search_social_media
+- Nếu cần lọc theo đặc điểm (view, không gian, giá) → dùng retrieve_context_text
+- Khi đủ thông tin → action = "finish"
+````
+
+### Reasoning Step Prompt (`build_reasoning_prompt`)
+**File:** `app/agent/reasoning.py`
+Dynamic prompt constructed at each step of the ReAct loop.
+
+````python
+**Câu hỏi của user:** {query}
+{image_text}
+{context_summary}
+{steps_text}
+**Bước tiếp theo là gì?**
+
+Trả lời theo format JSON:
+```json
+{{
+  "thought": "...",
+  "action": "tool_name hoặc finish",
+  "action_input": {{...}}
+}}
+``` 
+````
+
+---
+
+## 3. Tool Documentation
+
+This section provides a reference for all available tools in the project.
+
+| Tool Name | Description | Arguments | Recommended Use |
+| :--- | :--- | :--- | :--- |
+| **`retrieve_context_text`** | Semantic text search using vector embeddings. | `query` (str), `limit` (int) | General queries about place descriptions, reviews, or vague characteristics (e.g., "romance", "good for work"). |
+| **`retrieve_similar_visuals`** | Visual similarity search using CLIP embeddings. | `image_url` (str) or `image_bytes`, `limit` (int) | When the user provides an image or asks to find places looking like X. |
+| **`find_nearby_places`** | Spatial search using Neo4j and Haversine distance. | `lat` (float), `lng` (float), `max_distance_km` (float), `category` (str) | Proximity queries (e.g., "near Dragon Bridge", "around here"). |
+| **`get_location_coordinates`** | Geocoding service (Nominatim + Neo4j fallback). | `location_name` (str) | To convert a location string to lat/lng before searching nearby. |
+| **`search_social_media`** | **[NEW]** Real-time social media and news search via Brave API. | `query` (str), `freshness` (str: "pw", "pm"), `platforms` (list[str]) | Retrieving recent reviews, trending topics, or content from specific platforms like TikTok, Reddit, Facebook. |

scripts/verify_social.py

@@ -0,0 +1,30 @@
+
+import asyncio
+import os
+import sys
+from pathlib import Path
+
+# Add app to path
+sys.path.append(str(Path(__file__).parent.parent))
+
+from app.mcp.tools import mcp_tools
+
+async def main():
+    api_key = os.getenv("BRAVE_API_KEY")
+    if not api_key:
+        print("Error: BRAVE_API_KEY not set")
+        return
+
+    print("Testing Social Search Integration...")
+    try:
+        results = await mcp_tools.search_social_media("AI Trends", limit=3)
+        print(f"Found {len(results)} results:")
+        for r in results:
+            print(f"- [{r.platform}] {r.title} ({r.age})")
+            print(f"  Url: {r.url}")
+            
+    except Exception as e:
+        print(f"Error: {e}")
+
+if __name__ == "__main__":
+    asyncio.run(main())