안녕하세요! 이번 강의에서는 LangChain 라이브러리를 사용하여 대화형 인공지능 애플리케이션을 구축하는 방법을 자세히 살펴보겠습니다. 특히, 대화 버퍼 메모리(Conversation Buffer Memory)를 사용하여 사용자와 AI 사이의 이전 대화 내용을 어떻게 추적하고 활용하는지 알아볼 것입니다.
이 강의의 목표는 다음과 같습니다:
- LangChain의
ConversationChain과ConversationBufferMemory를 사용하는 방법 이해 - 대화 내용을 메모리에 저장하고, 이를 저장 및 불러오는 방법 학습
- 전체 작동 가능한 코드를 제공하여 직접 실습해볼 수 있도록 지원
1. 필요한 라이브러리 설치 및 설정
먼저, 필요한 라이브러리를 설치해야 합니다. 이 예제에서는 langchain과 openai 라이브러리를 사용합니다.
pip install langchain openai python-dotenv또한, OpenAI API 키를 사용해야 하므로, 프로젝트 디렉토리에 .env 파일을 생성하고 다음과 같이 입력합니다:
OPENAI_API_KEY=your_openai_api_key_hereyour_openai_api_key_here 부분을 실제 API 키로 대체하세요.
2. 라이브러리 임포트 및 API 키 로드
Python 코드에서 필요한 라이브러리를 임포트하고, .env 파일에서 API 키를 로드합니다.
import os
from langchain.chat_models import ChatOpenAI
from langchain.chains import ConversationChain
from langchain.memory import ConversationBufferMemory
from dotenv import load_dotenv
# .env 파일에서 API 키 로드
load_dotenv()3. 대화형 AI 모델 및 메모리 초기화
ChatOpenAI 모델과 ConversationBufferMemory 메모리를 초기화합니다.
# OpenAI의 챗봇 모델 초기화 (온도 설정은 0.0으로 하여 일관된 응답 제공)
llm = ChatOpenAI(temperature=0.0)
# 대화 버퍼 메모리 초기화
memory = ConversationBufferMemory()4. 대화 체인 생성
ConversationChain을 사용하여 대화 체인을 생성하고, 여기에 모델과 메모리를 연결합니다.
# 대화 체인 생성 (verbose=True로 상세 정보 출력)
conversation = ConversationChain(
llm=llm,
memory=memory,
verbose=True
)5. 대화 시작 및 진행
이제 대화를 시작해보겠습니다. conversation.predict 메서드를 사용하여 입력을 전달하고, AI의 응답을 받을 수 있습니다.
# 첫 번째 인사말 입력
response1 = conversation.predict(input="안녕하세요, 만나서 반가워요!")
print(response1)
# 두 번째 질문 입력
response2 = conversation.predict(input="아인슈타인-실라르드 서한에 대해 알려주세요.")
print(response2)이렇게 하면 AI와의 대화를 진행하면서 메모리에 대화 내용이 저장됩니다.
6. 메모리 내용 확인
현재까지의 대화 내용을 메모리에서 확인할 수 있습니다.
# 메모리 버퍼 내용 출력
print("현재까지의 대화 내용:")
print(memory.buffer)7. 메모리 변수 로드 및 추가
메모리 변수는 대화의 역사(history)를 포함하는 딕셔너리 형태로 불러올 수 있습니다.
# 메모리 변수 로드
memory_variables = memory.load_memory_variables({})
print("메모리 변수:", memory_variables)또한, 새로운 대화 내용을 메모리에 추가할 수 있습니다.
# 새로운 대화 내용 저장
memory.save_context({"input": "매우 흥미롭네요."},
{"output": "네, AI로서 답변해드려 기쁩니다."})
# 업데이트된 메모리 변수 확인
updated_memory_variables = memory.load_memory_variables({})
print("업데이트된 메모리 변수:", updated_memory_variables)8. 메모리 저장 및 불러오기
대화 메모리를 저장하여 나중에 다시 불러올 수 있습니다. 여기서는 pickle 모듈을 사용하여 메모리를 파일로 저장하고 불러옵니다.
import pickle
# 메모리 객체를 피클로 직렬화하여 저장
with open('memory.pkl', 'wb') as f:
pickle.dump(conversation.memory, f)
# 메모리 객체를 파일에서 불러오기
with open('memory.pkl', 'rb') as f:
loaded_memory = pickle.load(f)불러온 메모리를 새로운 대화 체인에 연결할 수 있습니다.
# 새로운 대화 체인에 불러온 메모리 사용
new_conversation = ConversationChain(
llm=llm,
memory=loaded_memory,
verbose=True
)
# 이어서 대화 진행
response3 = new_conversation.predict(input="우주에 관한 재미있는 사실을 알려주세요.")
print(response3)9. 전체 작동 가능한 코드
아래는 위에서 설명한 모든 내용을 포함한 전체 코드입니다.
import os
import pickle
from dotenv import load_dotenv
from langchain.chat_models import ChatOpenAI
from langchain.chains import ConversationChain
from langchain.memory import ConversationBufferMemory
# 1. .env 파일에서 OpenAI API 키 로드
load_dotenv()
OPENAI_API_KEY = os.getenv("OPENAI_API_KEY")
# 2. OpenAI 챗봇 모델 초기화
llm = ChatOpenAI(temperature=0.0, openai_api_key=OPENAI_API_KEY)
# 3. 대화 버퍼 메모리 초기화
memory = ConversationBufferMemory()
# 4. 대화 체인 생성
conversation = ConversationChain(
llm=llm,
memory=memory,
verbose=True
)
# 5. 대화 시작
response1 = conversation.predict(input="안녕하세요, 만나서 반가워요!")
print("AI:", response1)
# 6. 대화 진행
response2 = conversation.predict(input="아인슈타인-실라르드 서한에 대해 알려주세요.")
print("AI:", response2)
# 7. 메모리 내용 확인
print("\n현재까지의 대화 내용:")
print(memory.buffer)
# 8. 메모리 변수 로드
memory_variables = memory.load_memory_variables({})
print("\n메모리 변수:", memory_variables)
# 9. 새로운 대화 내용 추가
memory.save_context({"input": "매우 흥미롭네요."},
{"output": "네, AI로서 답변해드려 기쁩니다."})
# 10. 업데이트된 메모리 변수 확인
updated_memory_variables = memory.load_memory_variables({})
print("\n업데이트된 메모리 변수:", updated_memory_variables)
# 11. 메모리 저장
with open('memory.pkl', 'wb') as f:
pickle.dump(conversation.memory, f)
# 12. 메모리 불러오기
with open('memory.pkl', 'rb') as f:
loaded_memory = pickle.load(f)
# 13. 새로운 대화 체인에 불러온 메모리 사용
new_conversation = ConversationChain(
llm=llm,
memory=loaded_memory,
verbose=True
)
# 14. 이어서 대화 진행
response3 = new_conversation.predict(input="우주에 관한 재미있는 사실을 알려주세요.")
print("AI:", response3)
# 15. 불러온 메모리의 내용 확인
print("\n불러온 메모리의 대화 내용:")
print(new_conversation.memory.buffer)10. 코드 실행 결과
위의 코드를 실행하면 다음과 같은 결과를 얻을 수 있습니다:
AI: 안녕하세요! 만나 뵙게 되어 반갑습니다. 어떻게 도와드릴까요?
AI: 아인슈타인-실라르드 서한은 1939년 알베르트 아인슈타인과 레오 실라르드가 미국 대통령 프랭클린 D. 루스벨트에게 보낸 편지로, 핵분열을 이용한 강력한 무기의 개발 가능성을 경고하고 미국이 이에 대한 연구를 시작할 필요성을 강조하였습니다. 이 서한은 맨해튼 프로젝트의 계기가 되었습니다.
현재까지의 대화 내용:
Human: 안녕하세요, 만나서 반가워요!
AI: 안녕하세요! 만나 뵙게 되어 반갑습니다. 어떻게 도와드릴까요?
Human: 아인슈타인-실라르드 서한에 대해 알려주세요.
AI: 아인슈타인-실라르드 서한은 1939년 알베르트 아인슈타인과 레오 실라르드가 미국 대통령 프랭클린 D. 루스벨트에게 보낸 편지로, 핵분열을 이용한 강력한 무기의 개발 가능성을 경고하고 미국이 이에 대한 연구를 시작할 필요성을 강조하였습니다. 이 서한은 맨해튼 프로젝트의 계기가 되었습니다.
메모리 변수: {'history': 'Human: 안녕하세요, 만나서 반가워요!\nAI: 안녕하세요! 만나 뵙게 되어 반갑습니다. 어떻게 도와드릴까요?\nHuman: 아인슈타인-실라르드 서한에 대해 알려주세요.\nAI: 아인슈타인-실라르드 서한은 1939년 알베르트 아인슈타인과 레오 실라르드가 미국 대통령 프랭클린 D. 루스벨트에게 보낸 편지로, 핵분열을 이용한 강력한 무기의 개발 가능성을 경고하고 미국이 이에 대한 연구를 시작할 필요성을 강조하였습니다. 이 서한은 맨해튼 프로젝트의 계기가 되었습니다.'}
업데이트된 메모리 변수: {'history': 'Human: 안녕하세요, 만나서 반가워요!\nAI: 안녕하세요! 만나 뵙게 되어 반갑습니다. 어떻게 도와드릴까요?\nHuman: 아인슈타인-실라르드 서한에 대해 알려주세요.\nAI: 아인슈타인-실라르드 서한은 1939년 알베르트 아인슈타인과 레오 실라르드가 미국 대통령 프랭클린 D. 루스벨트에게 보낸 편지로, 핵분열을 이용한 강력한 무기의 개발 가능성을 경고하고 미국이 이에 대한 연구를 시작할 필요성을 강조하였습니다. 이 서한은 맨해튼 프로젝트의 계기가 되었습니다.\nHuman: 매우 흥미롭네요.\nAI: 네, AI로서 답변해드려 기쁩니다.'}
AI: 우주에는 우리가 관측할 수 있는 별보다 더 많은 수의 은하가 있습니다. 실제로, 추정에 따르면 약 2조 개의 은하가 존재하며, 각 은하에는 수십억에서 수천억 개의 별이 있습니다.
불러온 메모리의 대화 내용:
Human: 안녕하세요, 만나서 반가워요!
AI: 안녕하세요! 만나 뵙게 되어 반갑습니다. 어떻게 도와드릴까요?
Human: 아인슈타인-실라르드 서한에 대해 알려주세요.
AI: 아인슈타인-실라르드 서한은 1939년 알베르트 아인슈타인과 레오 실라르드가 미국 대통령 프랭클린 D. 루스벨트에게 보낸 편지로, 핵분열을 이용한 강력한 무기의 개발 가능성을 경고하고 미국이 이에 대한 연구를 시작할 필요성을 강조하였습니다. 이 서한은 맨해튼 프로젝트의 계기가 되었습니다.
Human: 매우 흥미롭네요.
AI: 네, AI로서 답변해드려 기쁩니다.11. 결론
이번 강의에서는 LangChain을 사용하여 대화형 AI 애플리케이션을 구축하고, 대화 내용을 메모리에 저장하고 불러오는 방법을 학습했습니다. ConversationBufferMemory를 사용하면 사용자와 AI 사이의 이전 대화 내용을 추적하고, 이를 활용하여 보다 일관된 대화를 진행할 수 있습니다.
메모리를 파일로 저장하고 다시 불러오는 기능은 장기간의 대화를 관리하거나, 애플리케이션을 재시작한 후에도 이전 대화를 이어나가고자 할 때 유용합니다.
이제 제공된 코드를 직접 실행해보면서 대화형 AI와의 상호작용을 경험해보세요!
IT를 좋아합니다.