fix(adapter): ejecutar tool calls que DeepSeek emite como texto DSML

Tercer modo de fallo del conector OpenAI (distinto de followup_mode y de
finish_reason=stop): DeepSeek a veces emite las tool calls en su formato interno
DSML (<｜｜DSML｜｜tool_calls>…, con U+FF5C) como TEXTO en el content, en vez de
como tool_calls nativos. El endpoint OpenAI no lo convierte, asi que el adapter
lo trataba como texto y el agente "se paraba" mostrando DSML inerte (0 tools).

Fix en OpenAIAdapter.stream: reutiliza el parser del claude_adapter
(_parse_xml_tool_calls / _TOOL_CALL_OPEN_RE). Acumula el content; si detecta el
inicio de un tool call en texto deja de emitirlo al usuario (DSML no debe verse);
al cerrar el turno, si no hubo tool_calls nativos, parsea el content y emite los
tool calls encontrados como tool_use para que el engine los ejecute.

Validado: el DSML real de la sesion (2x acai_grep) se parsea correctamente.

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>

src/adapters/openai_adapter.py

@@ -55,9 +55,19 @@ class OpenAIAdapter(ModelAdapter):
 
         stream = await self._client.chat.completions.create(**kwargs)
 
+        # Fallback de tool-calls-en-texto: DeepSeek a veces emite las tool calls
+        # en su formato interno DSML como TEXTO (en el content) en vez de como
+        # tool_calls nativos. El endpoint OpenAI no lo convierte, asi que sin
+        # esto el agente "se para" mostrando DSML inerte. Reutilizamos el parser
+        # del claude_adapter.
+        from .claude_adapter import _parse_xml_tool_calls, _TOOL_CALL_OPEN_RE
+
         tool_calls_acc: dict[int, dict[str, str]] = {}
 
         final_usage: dict[str, int] = {}
+        full_content = ""       # content acumulado (para el fallback DSML)
+        emitted_chars = 0       # cuanto de full_content ya se emitio como delta
+        suppress_text = False   # tras detectar un tool-call-en-texto, no emitir mas
 
         async for chunk in stream:
             # With include_usage, the last chunk has usage but no choices
@@ -79,7 +89,19 @@ class OpenAIAdapter(ModelAdapter):
 
             # Text content
             if delta and delta.content:
-                yield StreamChunk(delta=delta.content)
+                full_content += delta.content
+                if not suppress_text:
+                    # Si arranca un tool call en texto (DSML/XML), emitimos lo
+                    # previo y dejamos de emitir el resto (el DSML no debe verse).
+                    m = _TOOL_CALL_OPEN_RE.search(full_content, emitted_chars)
+                    if m:
+                        suppress_text = True
+                        if m.start() > emitted_chars:
+                            yield StreamChunk(delta=full_content[emitted_chars:m.start()])
+                        emitted_chars = len(full_content)
+                    else:
+                        yield StreamChunk(delta=full_content[emitted_chars:])
+                        emitted_chars = len(full_content)
 
             # Tool calls
             if delta and delta.tool_calls:
@@ -127,12 +149,27 @@ class OpenAIAdapter(ModelAdapter):
                     if final_usage:
                         yield StreamChunk(usage=final_usage)
                 else:
-                    yield StreamChunk(
+                    # Fallback: DeepSeek pudo emitir las tool calls como TEXTO
-                        finish_reason="end_turn"
+                    # (DSML/XML) en vez de nativas. Parseamos el content y, si hay
-                        if choice.finish_reason in ("stop", "tool_calls")
+                    # tool calls, las ejecutamos igual; si no, cerramos el turno.
-                        else choice.finish_reason,
+                    text_calls = _parse_xml_tool_calls(full_content) if full_content else []
-                        usage=final_usage,
+                    if text_calls:
-                    )
+                        for c in text_calls:
+                            yield StreamChunk(
+                                tool_call_id=c["id"],
+                                tool_name=c["name"],
+                                tool_arguments=json.dumps(c.get("arguments", {}), ensure_ascii=False),
+                                finish_reason="tool_use",
+                            )
+                        if final_usage:
+                            yield StreamChunk(usage=final_usage)
+                    else:
+                        yield StreamChunk(
+                            finish_reason="end_turn"
+                            if choice.finish_reason in ("stop", "tool_calls")
+                            else choice.finish_reason,
+                            usage=final_usage,
+                        )
 
     # ------------------------------------------------------------------
     # Non-streaming