Fixing inference cancellation

interfaces/tui/actions.py

@@ -39,9 +39,13 @@ def _exit_app(app, stdscr):
 
 
 def _cancel_inference(app, stdscr):
-    app.llm.cancel_requested = True
-    app.agent_done.set()
-    log(app, "system", "  Inference cancelled by user")
+    # Hanya menandai + membangunkan stream; penghentian loop dan pembersihan
+    # log dilakukan oleh agent thread sendiri (CursesObserver.on_cancelled),
+    # supaya tidak ada balapan tulis terhadap app.log dari dua thread.
+    # `agent_done` sengaja tidak di-set: main loop harus menunggu thread agen
+    # benar-benar berhenti, bukan berpura-pura selesai lalu mulai prompt baru
+    # di atas messages yang sedang ditulisnya.
+    app.llm.cancel()
 
 
 def _send_prompt(app, stdscr):

interfaces/tui/agent.py

@@ -27,6 +27,14 @@ def _persist_msg(app, message):
         app.current_session.doc_id, message["role"], message["content"], **extra
     )
 
+
+def _truncate_msg(app, count):
+    """Buang `count` pesan terakhir dari DB session (dipanggil saat turn
+    dibatalkan), supaya riwayat tersimpan identik dengan app.messages."""
+    if not app.current_session or count <= 0:
+        return
+    app.session_mgr.remove_last_messages(app.current_session.doc_id, count)
+
 WELCOME_ART = """
 ,--.  ,--.,------.,--.  ,--.,------.  ,------. ,--.,--. ,--. 
 |  '--'  ||  .---'|  ,'.|  ||  .-.  \\ |  .--. '|  ||  .'   / 
@@ -224,6 +232,23 @@ class CursesObserver(agent_loop.AgentObserver):
     def on_max_iterations(self, max_iterations=None):
         log(self.app, "error", "Max iterations reached without final answer.")
 
+    def on_cancelled(self, result):
+        """Turn dihentikan user. Berjalan di thread agen — satu-satunya writer
+        app.log, jadi tidak ada balapan dengan main loop."""
+        self._pop_thinking()
+        # Sisa turn dibuang dari konteks (assistant parsial dengan tool_calls
+        # tanpa hasil = payload tidak valid), tapi teks yang sudah terbaca tetap
+        # ditampilkan supaya user tidak kehilangan apa yang sudah dihasilkan.
+        partial = result.partial or ""
+        self._drop_placeholder()
+        if partial.strip():
+            entry = log(self.app, "ai", partial, model_info=self.pair,
+                        usage=result.usage)
+            entry["cancelled"] = True
+        log(self.app, "system", "  Inference cancelled by user")
+        log(self.app, "sep", "")
+        self._follow()
+
     # ----------------------------------------------------------------- utils ---
     def _follow(self):
         if self.app.scroll_follow:
@@ -251,16 +276,23 @@ def _run_agent(app):
         app.messages,
         on_append=lambda msg: _persist_msg(app, msg),
         keep_model_info=True,
+        on_truncate=lambda n: _truncate_msg(app, n),
     )
-    agent_loop.run_agent_loop(
-        store,
-        app.llm,
-        app.TOOLS,
-        app.TOOL_HANDLERS,
-        app.agent_max_iterations,
-        observer=CursesObserver(app),
-        tool_reminder=None,
-    )
+    try:
+        agent_loop.run_agent_loop(
+            store,
+            app.llm,
+            app.TOOLS,
+            app.TOOL_HANDLERS,
+            app.agent_max_iterations,
+            observer=CursesObserver(app),
+            tool_reminder=None,
+        )
+    finally:
+        # Selalu tandai selesai, meskipun engine melempar. Tanpa ini UI bisa
+        # terkunci di PROCESSING selamanya kalau ada exception tak terduga
+        # (mis. saat pembatalan).
+        app.agent_done.set()
 
 
 def submit(app, stdscr):
@@ -289,6 +321,9 @@ def submit(app, stdscr):
 
     _add_msg(app, "user", query)
 
+    # Turn baru: bersihkan state cancel sebelumnya supaya cancel yang tertunda
+    # tidak membatalkan prompt yang baru dikirim.
+    app.llm.begin_turn()
     app.agent_done.clear()
     app.agent_thread = threading.Thread(
         target=_run_agent,

interfaces/tui/app.py

@@ -289,8 +289,9 @@ class HendrikTUI:
                 key = keycodes.read_key(stdscr, timeout_ms)
             except KeyboardInterrupt:
                 if self.processing:
-                    self.llm.cancel_requested = True
-                    self.agent_done.set()
+                    # Sama seperti Esc: cukup minta pembatalan, biarkan thread
+                    # agen yang membersihkan log lalu menandai dirinya selesai.
+                    self.llm.cancel()
                 else:
                     break
                 key = -1

interfaces/tui/render.py

@@ -186,7 +186,13 @@ def draw_chat(app, stdscr):
             if info_line:
                 _add_row([(C_AI, info_line, False)])
 
-            label = f" {app.character_name} ({item['time']}) "
+            # Teks parsial dari turn yang dibatalkan: diberi penanda supaya
+            # user tahu ini bukan jawaban lengkap (dan tidak ikut dikirim
+            # sebagai konteks pada prompt berikutnya).
+            if item.get("cancelled"):
+                label = f" {app.character_name} ({item['time']}) \u2717 cancelled "
+            else:
+                label = f" {app.character_name} ({item['time']}) "
             _add_row([(C_AI, label)])
             _wrap_render(text, indent=1, color=C_INPUT, bold=False)
             # Baris token usage setelah teks pesan respons

lib/agent_loop.py

@@ -53,34 +53,58 @@ class SessionStore:
     `messages`      state aktif yang dikirim ke LLM (list dict).
     `on_append`     dipanggil setelah tiap pesan masuk — untuk persistensi
                     (TUI/GUI/API via NeoSessionManager). Boleh None.
+    `on_truncate`   dipanggil dengan jumlah pesan yang harus dihapus dari ekor
+                    saat turn dibatalkan. Boleh None.
     `keep_model_info`
                     False (default): kunci `model_info` dibuang sebelum pesan
                     masuk list, jadi payload ke provider identik dengan sebelum
                     refactor. Interface yang menampilkan info model menyalakannya.
     """
 
-    def __init__(self, messages, on_append=None, keep_model_info=False):
+    def __init__(self, messages, on_append=None, keep_model_info=False,
+                 on_truncate=None):
         self.messages = messages
         self._on_append = on_append
         self.keep_model_info = keep_model_info
+        self._on_truncate = on_truncate
+        # Berapa pesan yang sudah ditambahkan loop ini pada turn berjalan.
+        self.turn_appends = 0
 
     def append(self, message):
         if not self.keep_model_info:
             message.pop('model_info', None)
             message.pop('usage', None)   # metadata display, bukan payload LLM
         self.messages.append(message)
+        self.turn_appends += 1
         if self._on_append:
             self._on_append(message)
 
+    def discard_turn(self):
+        """Buang semua pesan yang ditulis loop ini pada turn yang dibatalkan.
+
+        Penting: assistant message dengan `tool_calls` yang hasilnya tidak ikut
+        lengkap membuat konteks jadi tidak valid bagi banyak provider (400 karena
+        tool_call_id menggantung). Yang tersimpan di DB pun ikut dipangkas lewat
+        `on_truncate`, supaya session yang dibuka lagi tidak membawa sisa turn."""
+        n = self.turn_appends
+        if n > 0:
+            del self.messages[len(self.messages) - n:]
+            self.turn_appends = 0
+        if n and self._on_truncate:
+            self._on_truncate(n)
+
 class AgentResult:
     # Hasil satu kali jalan loop.
-    def __init__(self, content=None, session_ended=False, model_info=None, warning=None, is_multimodal=False, usage=None):
+    def __init__(self, content=None, session_ended=False, model_info=None, warning=None,
+                 is_multimodal=False, usage=None, cancelled=False, partial=""):
         self.content = content              # str | None
         self.session_ended = session_ended  # tool end_session pernah dipanggil
         self.model_info = model_info or {}  # model yang benar-benar menjawab
         self.warning = warning              # mis. fallback chain model
         self.is_multimodal = is_multimodal
         self.usage = usage                  # token turn ini: prompt/completion/total (dict | None)
+        self.cancelled = cancelled          # turn dihentikan user sebelum selesai
+        self.partial = partial              # teks yang sempat dihasilkan sebelum berhenti
 
 
 class AgentObserver:
@@ -129,6 +153,10 @@ class AgentObserver:
     def on_max_iterations(self, max_iterations=None):
         pass
 
+    def on_cancelled(self, result):
+        """Turn dihentikan user sebelum ada jawaban final."""
+        pass
+
 
 class ConsoleObserver(AgentObserver):
     """Observer default proses headless (service bot): log gorilla ke stdout.
@@ -163,9 +191,20 @@ class ConsoleObserver(AgentObserver):
         loggorilla.prcss("agent_loop",
                          f"Max iterations ({max_iterations}) reached")
 
+    def on_cancelled(self, result):
+        loggorilla.prcss("agent_loop", "Turn cancelled by user")
+
 
 # ------------------------------------------------------------------- loop ---
 
+def _cancelled(llm_client) -> bool:
+    """Apakah user meminta turn ini dibatalkan?
+
+    Hanya bertanya ke LLM client (single source of truth state cancel) — engine
+    tidak punya salinan flag sendiri, jadi tidak ada yang bisa tersinkron rusak."""
+    return bool(getattr(llm_client, "cancel_requested", False))
+
+
 def run_agent_loop(store, llm_client, TOOLS, TOOL_HANDLERS, max_iterations,
                    observer=None, tool_reminder=None, disable_reasoning=None):
     """Jalankan loop LLM <-> tool sampai ada jawaban final atau batas iterasi.
@@ -176,6 +215,16 @@ def run_agent_loop(store, llm_client, TOOLS, TOOL_HANDLERS, max_iterations,
 
     Return AgentResult. Engine tidak mengklasifikasikan konten sebagai error;
     itu keputusan interface (lihat CursesObserver di interfaces/tui/agent.py).
+
+    Pembatalan (cancel) dicek pada setiap boundary: sebelum panggilan LLM,
+    tepat setelah respons tiba, dan sebelum tiap tool dijalankan. Saat user
+    membatalkan, loop berhenti seketika dan sisa turn dibuang dari konteks lewat
+    `store.discard_turn()`. Interface yang ingin menawarkan "lanjutkan" dapat
+    menaruh kembali teks parsial (`result.partial`) sebagai pesan user.
+
+    State cancel TIDAK direset di sini: flag hanya boleh dibersihkan oleh
+    interface tepat saat pesan user dikirim. Kalau engine yang membersihkannya,
+    cancel yang ditekan sebelum thread ini sempat jalan akan hilang begitu saja.
     """
     if observer is None:
         observer = ConsoleObserver()
@@ -206,9 +255,31 @@ def run_agent_loop(store, llm_client, TOOLS, TOOL_HANDLERS, max_iterations,
         if isinstance(pt, (int, float)):
             turn_usage["context_tokens"] = int(pt)
 
+    def _stop(partial=""):
+        """Akhiri turn karena dibatalkan: buang sisa turn dari konteks, beri
+        tahu observer, kembalikan hasil tanpa jawaban final."""
+        result = AgentResult(
+            content=None,
+            session_ended=session_ended,
+            model_info=model_info,
+            warning=warning,
+            usage=dict(turn_usage) if any_usage else None,
+            cancelled=True,
+            partial=partial,
+        )
+        store.discard_turn()
+        observer.on_cancelled(result)
+        observer.on_run_end()
+        return result
+
     observer.on_run_start()
 
     for step in range(max_iterations):
+        # Cancel bisa datang dari mana saja: dari antrean sebelum thread ini
+        # sempat jalan, atau dari user saat tool masih berjalan.
+        if _cancelled(llm_client):
+            return _stop()
+
         observer.on_step_start(step)
 
         response = llm_client.chat(
@@ -225,6 +296,12 @@ def run_agent_loop(store, llm_client, TOOLS, TOOL_HANDLERS, max_iterations,
         warning = getattr(response, "warning", None)
         usage = getattr(response, "usage", None)
         _accumulate(usage)
+
+        # Stream dipotong user: jangan tulis sisa turn ke konteks.
+        if getattr(response, "cancelled", False) or _cancelled(llm_client):
+            partial = response.content if isinstance(response.content, str) else ""
+            return _stop(partial)
+
         observer.on_response(model_info, warning, usage)
 
         if response.tool_calls:
@@ -246,6 +323,11 @@ def run_agent_loop(store, llm_client, TOOLS, TOOL_HANDLERS, max_iterations,
                                    [tc['function']['name'] for tc in response.tool_calls])
 
             for tc in response.tool_calls:
+                # Sebelum eksekusi tool: batalkan tanpa menjalankan efek samping
+                # (tool adalah bagian paling berbahaya untuk disetop tengah —
+                # lebih baik tidak dijalankan sama sekali daripada separuh jalan).
+                if _cancelled(llm_client):
+                    return _stop(response.content or "")
                 observer.on_tool_call(tc['function']['name'], tc['function']['arguments'])
                 if tc['function']['name'] == 'end_session':
                     session_ended = True
@@ -265,6 +347,8 @@ def run_agent_loop(store, llm_client, TOOLS, TOOL_HANDLERS, max_iterations,
                         'tool_call_id': tc['id'],
                         'content': str(result),
                     })
+                if _cancelled(llm_client):
+                    return _stop(response.content or "")
             observer.on_step_end(step)
             continue
 

services/llm_client.py

@@ -1,9 +1,161 @@
 import json
 import socket
+import threading
 from lib import gadget, moop
 import urllib.request
 import urllib.error
 
+
+class StreamCancelled(Exception):
+    """User meminta pembatalan saat stream berjalan.
+
+    `partial` menyimpan teks yang sudah ter-stream supaya tidak hilang.
+    Sengaja bukan turunan _LLMFail: rantai fallback/auto-switch tidak boleh
+    memperlakukan cancel sebagai kegagalan provider lalu mencoba model
+    berikutnya (jumlah percobaan tidak terbatas)."""
+
+    def __init__(self, partial=""):
+        super().__init__("Stream cancelled by user")
+        self.partial = partial
+
+
+class _CancelState:
+    """Penghubung thread UI (yang membatalkan) dan thread agen (pembaca SSE).
+
+    Masalah yang dipecahkan: pembacaan stream memblokir di dalam recv() selama
+    provider diam — model masih 'thinking' sebelum token pertama, header belum
+    dikirim, atau koneksi menggantung. Flag cancel saja tidak cukup karena ia
+    hanya diperiksa ketika satu baris penuh tiba, jadi Cancel/Stop baru
+    bereaksi setelah provider mengirim sesuatu (bisa puluhan detik, atau tidak
+    pernah).
+
+    Solusi: objek socket koneksi aktif dicatat begitu TCP/TLS terbentuk; saat
+    cancel diminta, shutdown(SHUT_RDWR) pada objek itu membangunkan recv()
+    seketika di thread mana pun. Yang dipegang adalah objek socket-nya (bukan
+    fd mentah), sehingga balapan antara cancel dan penutupan koneksi tidak
+    pernah mengenai fd yang sudah dipakai ulang oleh koneksi lain.
+
+    Beberapa stream bisa berjalan bersamaan pada satu klien (Telegram/XMPP
+    memproses tiap pesan di thread sendiri dan berbagi satu LLMClient), jadi
+    semua socket aktif dilacak dan dibangunkan sekaligus — persis seperti flag
+    global lama yang dilihat oleh setiap loop."""
+
+    def __init__(self):
+        self._lock = threading.Lock()
+        self._socks = []
+        self.requested = False
+
+    def set_socket(self, sock):
+        """Daftarkan socket stream aktif. Jika cancel sudah diminta sebelum
+        stream sempat terbentuk, bangunkan sekarang juga."""
+        wake = None
+        with self._lock:
+            if self.requested:
+                wake = [sock]
+            else:
+                # Bersihkan entri yang socket-nya sudah ditutup (mis. sisa
+                # stream yang selesai tanpa sempat release) supaya daftar tidak
+                # tumbuh tanpa batas.
+                self._socks = [s for s in self._socks if not self._dead(s)]
+                if sock not in self._socks:
+                    self._socks.append(sock)
+        if wake:
+            self._shutdown_all(wake)
+
+    def release(self, sock):
+        """Panggil ketika pembacaan selesai: setelah ini cancel tidak pernah
+        menyentuh socket ini lagi. Hanya melepas satu socket — stream thread
+        lain pada klien yang sama tidak boleh ikut terputus pendaftarannya."""
+        if sock is None:
+            return
+        with self._lock:
+            if sock in self._socks:
+                self._socks.remove(sock)
+
+    def request(self):
+        with self._lock:
+            self.requested = True
+            socks = self._socks
+            self._socks = []
+        self._shutdown_all(socks)
+
+    def reset(self):
+        # Daftar socket TIDAK dikosongkan: pada klien yang dipakai bersama
+        # (Telegram/XMPP) bisa ada stream thread lain yang masih berjalan dan
+        # harus tetap bisa dibatalkan. Socket mati tersapu sendiri oleh
+        # set_socket/release.
+        with self._lock:
+            self.requested = False
+
+    def _shutdown_all(self, socks):
+        for s in socks:
+            self._shutdown(s)
+
+    @staticmethod
+    def _dead(sock):
+        """True jika socket sudah ditutup (fileno() tidak bisa dipakai lagi)."""
+        try:
+            sock.fileno()
+        except (OSError, ValueError):
+            return True
+        return False
+
+    @staticmethod
+    def _shutdown(sock):
+        """Putus koneksi sekarang juga. Aman dipanggil dua kali atau pada
+        socket yang sudah ditutup: efek yang dibutuhkan hanya membangunkan
+        recv() yang terblokir — sekaligus menghentikan generation di sisi
+        provider, jadi token tidak ditagih untuk output yang dibuang."""
+        try:
+            sock.shutdown(socket.SHUT_RDWR)
+        except (OSError, ValueError):
+            pass
+        except Exception:
+            pass
+
+
+class _CapturingHandler:
+    """Campuran handler urllib: mendaftarkan socket koneksi ke _CancelState
+    tepat setelah connect(), sehingga cancel bisa membangunkan pembacaan
+    header maupun body yang terblokir."""
+
+    def __init__(self, state, base_class):
+        super().__init__()
+        self._state = state
+        self._base = base_class
+
+    def do_open(self, http_class, req, **http_conn_args):
+        state = self._state
+        captured = []
+
+        class _Conn(http_class):
+            def connect(self):
+                http_class.connect(self)
+                sock = getattr(self, "sock", None)
+                if sock is not None:
+                    captured.append(sock)
+                    state.set_socket(sock)
+
+        try:
+            return self._base.do_open(self, _Conn, req, **http_conn_args)
+        except BaseException:
+            # do_open menutup socket-nya sendiri saat gagal: lepas pendaftaran
+            # supaya thread cancel tidak menyentuhnya lagi.
+            for sock in captured:
+                state.release(sock)
+            raise
+
+
+class _HTTPHandler(_CapturingHandler, urllib.request.HTTPHandler):
+    def __init__(self, state):
+        _CapturingHandler.__init__(self, state, urllib.request.HTTPHandler)
+
+
+class _HTTPSHandler(_CapturingHandler, urllib.request.HTTPSHandler):
+    def __init__(self, state):
+        _CapturingHandler.__init__(self, state, urllib.request.HTTPSHandler)
+
+
 class _LLMFail(Exception):
     """
     - 'auth'        : 401/403 → rotasi key (coba key berikutnya di provider yang sama)
@@ -21,7 +173,11 @@ class LLMClient:
         self.model = model
         self.api_key = api_key
         self.timeout = timeout
-        self.cancel_requested = False
+
+        # State cancel + opener yang menangkap socket koneksi (_CancelState).
+        self._cancel = _CancelState()
+        self._opener = urllib.request.build_opener(
+            _HTTPHandler(self._cancel), _HTTPSHandler(self._cancel))
 
         # Chaining kandidat set model per tipe ('llm', 'imagevision', ...)
         self._chains: dict[str, list[dict]] = {}
@@ -29,12 +185,51 @@ class LLMClient:
         self._chain_key: str | None = None
         self._chain_index = 0
 
+    # -------------------------------------------------------- cancellation ---
+
+    @property
+    def cancel_requested(self) -> bool:
+        return self._cancel.requested
+
+    @cancel_requested.setter
+    def cancel_requested(self, value):
+        # Kompatibel dengan pemanggil lama (`llm.cancel_requested = True/False`).
+        if value:
+            self.cancel()
+        else:
+            self.begin_turn()
+
+    def cancel(self):
+        """Minta inference berhenti. Aman dipanggil dari thread UI mana pun,
+        kapan pun — termasuk saat stream belum terbentuk atau tool sedang
+        berjalan. Membangunkan pembacaan socket yang terblokir seketika."""
+        self._cancel.request()
+
+    def begin_turn(self):
+        """Bersihkan state cancel pada awal turn baru (dipanggil interface saat
+        user mengirim pesan). Cancel turn sebelumnya tidak boleh merembes ke
+        turn berikutnya."""
+        self._cancel.reset()
+
+    def _cancelled_message(self, partial=""):
+        """Respons untuk turn yang dibatalkan user.
+
+        Teks parsial dikembalikan apa adanya di `content` dan ditandai lewat
+        atribut `cancelled` — penanda visual ("dibatalkan") adalah urusan
+        interface, bukan bagian dari isi pesan. Rantai model tidak dianggap
+        gagal: cancel adalah perintah user, bukan masalah provider."""
+        result = self.Message({'content': partial or "", 'tool_calls': None})
+        result.cancelled = True
+        return result
+
     class Message:
         def __init__(self, msg, model_info=None):
             raw_content     = msg.get('content', '')      # Ambil konten mentah
             self.content    = gadget.strip_thinking(raw_content) if isinstance(raw_content, str) else raw_content # Auto-strip <thinking> dari content
             self.tool_calls = msg.get('tool_calls', None) # Ambil tool calls
             self.warning    = None
+            # True jika pesan ini adalah hasil turn yang dihentikan user.
+            self.cancelled  = False
             # Pemakaian token dari provider (prompt/completion/total) jika ada.
             self.usage      = None
             # Model yang benar-benar dipakai menghasilkan pesan ini. Bisa berbeda
@@ -129,15 +324,24 @@ class LLMClient:
 
     def chat(self, messages, tools=None, on_stream_chunk=None, disable_reasoning=False, tool_reminder=None):
 
+        if self._cancel.requested:
+            # Cancel diminta sebelum permintaan sempat berangkat (mis. saat
+            # tool masih berjalan di langkah sebelumnya). Jangan mulai request
+            # baru — kembalikan turn yang ditandai sebagai dibatalkan.
+            return self._cancelled_message("")
+
         if not self._chains: # kalau bukan chain
-            result = self._chat_once(
-                self.base_url, self.model, self.api_key,
-                messages,
-                tools=tools,
-                on_stream_chunk=on_stream_chunk,
-                disable_reasoning=disable_reasoning,
-                tool_reminder=tool_reminder,
-            )
+            try:
+                result = self._chat_once(
+                    self.base_url, self.model, self.api_key,
+                    messages,
+                    tools=tools,
+                    on_stream_chunk=on_stream_chunk,
+                    disable_reasoning=disable_reasoning,
+                    tool_reminder=tool_reminder,
+                )
+            except StreamCancelled as e:
+                return self._cancelled_message(e.partial)
             result.model_info = self._model_info()
             return result
 
@@ -204,6 +408,13 @@ class LLMClient:
                 # permintaan) supaya pemanggil bisa menampilkan data yang jujur.
                 result.model_info = self._model_info(cand)
                 return result
+            except StreamCancelled as e:
+                # Cancel user: hentikan rantai total — bukan kegagalan provider,
+                # jadi jangan lompat ke kandidat model berikutnya.
+                self._chain_index = idx
+                result = self._cancelled_message(e.partial)
+                result.model_info = self._model_info(cand)
+                return result
             except _LLMFail as e:
                 last = e
                 if e.kind == "auth" and idx + 1 < len(chain) and self._same_target(chain[idx + 1], cand):
@@ -285,87 +496,103 @@ class LLMClient:
         stream_started = False
         usage = None  # prompt/completion/total tokens dari chunk terakhir
 
+        my_sock = None
         try:
-            self.cancel_requested = False
-            with urllib.request.urlopen(req, timeout=self.timeout) as resp:
-                # Streaming: baca line by line
-                for line in resp:
-                    if self.cancel_requested:
-                        # Stream cancellation
-                        full_content += "\n\n[Stream cancelled by user]"
-                        break
+            with self._opener.open(req, timeout=self.timeout) as resp:
+                # Cadangan pendaftaran socket (jika handler capture tidak
+                # sempat mengisi, mis. perubahan internal urllib): cukup untuk
+                # membangunkan pembacaan body.
+                my_sock = self._register_socket(resp)
+                try:
+                    # Streaming: baca line by line
+                    for line in resp:
+                        if self._cancel.requested:
+                            raise StreamCancelled(full_content)
 
-                    line = line.decode('utf-8').strip()
-                    if not line or not line.startswith('data: '):
-                        continue
+                        line = line.decode('utf-8').strip()
+                        if not line or not line.startswith('data: '):
+                            continue
 
-                    data_str = line[6:]  # Hapus "data: " prefix
-                    if data_str == '[DONE]':
-                        break
+                        data_str = line[6:]  # Hapus "data: " prefix
+                        if data_str == '[DONE]':
+                            break
 
-                    try:
-                        chunk = json.loads(data_str)
-                    except json.JSONDecodeError:
-                        continue
+                        try:
+                            chunk = json.loads(data_str)
+                        except json.JSONDecodeError:
+                            continue
 
-                    # Pemakaian token datang di chunk penutup (choices kosong
-                    # pada banyak provider) — ambil selama masih None / terbaru.
-                    if chunk.get('usage'):
-                        usage = chunk['usage']
+                        # Pemakaian token datang di chunk penutup (choices kosong
+                        # pada banyak provider) — ambil selama masih None / terbaru.
+                        if chunk.get('usage'):
+                            usage = chunk['usage']
 
-                    # Parse delta dari chunk
-                    choices = chunk.get('choices') or []
-                    delta = choices[0].get('delta', {}) if choices else {}
-                    finish_reason = choices[0].get('finish_reason', None) if choices else None
+                        # Parse delta dari chunk
+                        choices = chunk.get('choices') or []
+                        delta = choices[0].get('delta', {}) if choices else {}
+                        finish_reason = choices[0].get('finish_reason', None) if choices else None
 
-                    # Stream reasoning content jika ada
-                    if 'reasoning_content' in delta:
-                        reasoning_content += delta['reasoning_content']
+                        # Stream reasoning content jika ada
+                        if 'reasoning_content' in delta:
+                            reasoning_content += delta['reasoning_content']
 
-                    # Stream tool_calls jika ada
-                    if 'tool_calls' in delta:
-                        tool_calls = delta['tool_calls']
-                        for tc in tool_calls:
-                            idx = tc.get('index', 0)
-                            # Pastikan list cukup panjang
-                            while len(full_tool_calls) <= idx:
-                                full_tool_calls.append({
-                                    "id": "",
-                                    "type": "function",
-                                    "function": {"name": "", "arguments": ""}
-                                })
+                        # Stream tool_calls jika ada
+                        if 'tool_calls' in delta:
+                            tool_calls = delta['tool_calls']
+                            for tc in tool_calls:
+                                idx = tc.get('index', 0)
+                                # Pastikan list cukup panjang
+                                while len(full_tool_calls) <= idx:
+                                    full_tool_calls.append({
+                                        "id": "",
+                                        "type": "function",
+                                        "function": {"name": "", "arguments": ""}
+                                    })
 
-                            # Update ID
-                            if 'id' in tc and tc['id']:
-                                full_tool_calls[idx]['id'] = tc['id']
+                                # Update ID
+                                if 'id' in tc and tc['id']:
+                                    full_tool_calls[idx]['id'] = tc['id']
 
-                            # Update function name
-                            if 'function' in tc and 'name' in tc['function']:
-                                full_tool_calls[idx]['function']['name'] += tc['function']['name']
+                                # Update function name
+                                if 'function' in tc and 'name' in tc['function']:
+                                    full_tool_calls[idx]['function']['name'] += tc['function']['name']
 
-                            # Update arguments
-                            if 'function' in tc and 'arguments' in tc['function']:
-                                full_tool_calls[idx]['function']['arguments'] += tc['function']['arguments']
+                                # Update arguments
+                                if 'function' in tc and 'arguments' in tc['function']:
+                                    full_tool_calls[idx]['function']['arguments'] += tc['function']['arguments']
 
-                    # Stream content (text response atau multimodal blocks)
-                    if 'content' in delta:
-                        chunk = delta['content']
-                        if isinstance(chunk, str):
-                            full_content += chunk or ""
-                            if chunk:
-                                stream_started = True
-                            if on_stream_chunk and chunk:
-                                on_stream_chunk(chunk)
-                        elif isinstance(chunk, list):
-                            full_multimodal_content.extend(chunk)
-                            for block in chunk:
-                                if isinstance(block, dict) and block.get('type') == 'text':
-                                    t = block.get('text', '')
-                                    if t:
-                                        full_content += t
-                                        stream_started = True
-                                        if on_stream_chunk:
-                                            on_stream_chunk(t)
+                        # Stream content (text response atau multimodal blocks)
+                        if 'content' in delta:
+                            chunk = delta['content']
+                            if isinstance(chunk, str):
+                                full_content += chunk or ""
+                                if chunk:
+                                    stream_started = True
+                                if on_stream_chunk and chunk:
+                                    on_stream_chunk(chunk)
+                            elif isinstance(chunk, list):
+                                full_multimodal_content.extend(chunk)
+                                for block in chunk:
+                                    if isinstance(block, dict) and block.get('type') == 'text':
+                                        t = block.get('text', '')
+                                        if t:
+                                            full_content += t
+                                            stream_started = True
+                                            if on_stream_chunk:
+                                                on_stream_chunk(t)
+                finally:
+                    # Lepas pendaftaran begitu pembacaan selesai: socket akan
+                    # ditutup oleh with-block, dan thread cancel tidak boleh
+                    # menyentuhnya lagi. Hanya socket milik panggilan ini —
+                    # stream thread lain pada klien yang sama tetap terdaftar.
+                    self._cancel.release(my_sock)
+                    my_sock = None
+
+            # shutdown() dari thread cancel bisa membuat pembacaan berakhir rapi
+            # seperti EOF — pastikan itu tidak disalahartikan sebagai jawaban
+            # lengkap.
+            if self._cancel.requested:
+                raise StreamCancelled(full_content)
 
             # Build final response
             if full_multimodal_content:
@@ -402,7 +629,11 @@ class LLMClient:
                     message['tool_calls'] = valid_tool_calls
 
             response = {'choices': [{'message': message}]}
+        except StreamCancelled:
+            raise
         except urllib.error.HTTPError as e:
+            if self._cancel.requested:
+                raise StreamCancelled(full_content)
             body_text = ""
             try:
                 body_text = e.read().decode('utf-8', errors='replace')
@@ -436,14 +667,20 @@ class LLMClient:
                 raise _LLMFail("auth", f"HTTP {e.code} {e.reason}{detail}")
             raise _LLMFail("unreachable", f"HTTP {e.code} {e.reason}{detail}")
         except urllib.error.URLError as e:
+            if self._cancel.requested:
+                raise StreamCancelled(full_content)
             if stream_started:
                 return self.Message({'content': f"Error: {e.reason}", 'tool_calls': None})
             raise _LLMFail("unreachable", f"Connection error: {e.reason}")
         except (TimeoutError, socket.timeout) as e:
+            if self._cancel.requested:
+                raise StreamCancelled(full_content)
             if stream_started:
                 return self.Message({'content': f"Error: Timeout", 'tool_calls': None})
             raise _LLMFail("unreachable", f"Timeout")
         except Exception as e:
+            if self._cancel.requested:
+                raise StreamCancelled(full_content)
             if stream_started:
                 return self.Message({'content': f"Error: {str(e)}", 'tool_calls': None})
             raise _LLMFail("unreachable", f"Error: {str(e)}")
@@ -483,3 +720,25 @@ class LLMClient:
         result = self.Message(message)
         result.usage = usage
         return result
+
+    @staticmethod
+    def _socket_of(resp):
+        """Objek socket di balik HTTPResponse; None jika struktur urllib
+        berbeda dari yang diharapkan (maka fallback wake tidak tersedia)."""
+        try:
+            fp = resp.fp
+            raw = getattr(fp, "raw", None)
+            sock = getattr(raw, "_sock", None)
+            return sock if isinstance(sock, socket.socket) else None
+        except (AttributeError, TypeError, ValueError):
+            return None
+
+    def _register_socket(self, resp):
+        """Daftarkan socket respons ke state cancel; kembalikan socket-nya
+        supaya pemanggil bisa melepasnya sendiri saat selesai (tidak menyentuh
+        stream thread lain). Jika cancel sudah diminta, set_socket langsung
+        memutusnya sehingga pembacaan pertama tidak sempat terblokir."""
+        sock = self._socket_of(resp)
+        if sock is not None:
+            self._cancel.set_socket(sock)
+        return sock

services/session_manager_neo.py

@@ -136,6 +136,26 @@ class NeoSessionManager:
     def update_model_info(self, doc_id: int, model_info: dict) -> bool:
         return self._table.update({"model_info": model_info}, doc_ids=[doc_id])
 
+    def remove_last_messages(self, doc_id: int, count: int) -> bool:
+        """Hapus `count` pesan terakhir dari session.
+
+        Dipakai saat turn dibatalkan: engine sudah membuang sisa turn dari
+        konteks aktif, dan DB harus ikut dipangkas supaya session yang dibuka
+        lagi tidak menampilkan — atau mengirim — pesan assistant dengan
+        tool_calls yang hasilnya tidak ada."""
+        if count <= 0:
+            return True
+        doc = self._table.get(doc_id=doc_id)
+        if doc is None:
+            return False
+        messages = doc["messages"]
+        del messages[len(messages) - min(count, len(messages)):]
+        now = datetime.now(timezone.utc).isoformat()
+        return self._table.update(
+            {"messages": messages, "updated_at": now},
+            doc_ids=[doc_id],
+        )
+
     @staticmethod
     def _doc_to_session(doc) -> NeoSession:
         return NeoSession(

services/telegram_client.py

@@ -259,6 +259,11 @@ class TelegramClient:
 
         tool_reminder = None
 
+        # Turn baru: bersihkan state cancel. LLMClient dipakai bersama antar
+        # interface, jadi cancel yang tertinggal (mis. dari TUI) tidak boleh
+        # membuat turn ini langsung berhenti.
+        self._llm.begin_turn()
+
         outcome = run_agent_loop(
             SessionStore(session.messages),
             self._llm, self._TOOLS, self._TOOL_HANDLERS, self._max_iterations,
@@ -267,6 +272,15 @@ class TelegramClient:
         )
         final_content, should_close = outcome.content, outcome.session_ended
 
+        if outcome.cancelled:
+            # Turn dihentikan (cancel adalah flag global pada LLMClient yang
+            # dipakai bersama antar interface). Sisa turn sudah dibuang engine
+            # dari konteks; jangan kirim pesan "max iterations" yang menyesatkan.
+            loggorilla.prcss('telegram', f'Turn cancelled for {chat_id}')
+            session.start_timer(86400 if chat_type == 'private' else 1800,
+                                self._timeout_session, chat_id)
+            return
+
         def _pop_ghost(sentinel: str):
             # Hapus pesan assistant sentinel (NO-REPLY / END-SESSION) yang
             # tidak dikirim agar konteks tidak tercemar balasan hantu.

services/xmpp_client.py

@@ -624,6 +624,10 @@ class XMPPClient(ClientXMPP):
 
         tool_reminder = None
 
+        # Turn baru: bersihkan state cancel warisan antar interface/thread
+        # yang berbagi satu LLMClient.
+        self._llm.begin_turn()
+
         outcome = run_agent_loop(
             SessionStore(session.messages),
             self._llm, self._TOOLS, self._TOOL_HANDLERS, self._max_iterations,
@@ -632,6 +636,13 @@ class XMPPClient(ClientXMPP):
         )
         final_content, should_close = outcome.content, outcome.session_ended
 
+        if outcome.cancelled:
+            # Turn dihentikan (flag cancel global pada LLMClient bersama).
+            # Sisa turn sudah dibuang engine; jangan kirim "max iterations".
+            print(f'[{_ts()}] DM: turn cancelled for {jid}', flush=True)
+            session.start_timer(86400, self._timeout_session, jid, 'chat')
+            return
+
         if final_content is not None:
             if is_roleplay:
                 # For DM: No selective response here.
@@ -712,6 +723,9 @@ class XMPPClient(ClientXMPP):
 
         tool_reminder = None
 
+        # Turn baru: bersihkan state cancel warisan antar interface/thread.
+        self._llm.begin_turn()
+
         outcome = run_agent_loop(
             SessionStore(session.messages),
             self._llm, self._TOOLS, self._TOOL_HANDLERS, self._max_iterations,
@@ -720,6 +734,13 @@ class XMPPClient(ClientXMPP):
         )
         final_content, should_close = outcome.content, outcome.session_ended
 
+        if outcome.cancelled:
+            # Turn dihentikan: sisa turn sudah dibuang engine dari konteks.
+            # Diam total (tanpa "max iterations") lalu lanjutkan timer sesi.
+            print(f'[{_ts()}] MUC: turn cancelled for {room}', flush=True)
+            session.start_timer(1800, self._timeout_session, room, 'groupchat')
+            return
+
         def _pop_ghost(sentinel: str):
             # Hapus pesan assistant sentinel (NO-REPLY / END-SESSION) yang
             # tidak dikirim agar konteks tidak tercemar balasan hantu.