app.py

import gradio as gr
from huggingface_hub import InferenceClient
import openai  # OpenAI API를 사용하기 위해 추가
import os
import random
import logging

# 로깅 설정
logging.basicConfig(filename='language_model_playground.log', level=logging.DEBUG, 
                    format='%(asctime)s - %(levelname)s - %(message)s')

# 모델 목록
MODELS = {
    "Zephyr 7B Beta": "HuggingFaceH4/zephyr-7b-beta",
    "DeepSeek Coder V2": "deepseek-ai/DeepSeek-Coder-V2-Instruct",
    "Meta Llama 3.1 8B": "meta-llama/Meta-Llama-3.1-8B-Instruct",
    "Meta-Llama 3.1 70B-Instruct": "meta-llama/Meta-Llama-3.1-70B-Instruct",
    "Microsoft": "microsoft/Phi-3-mini-4k-instruct",
    "Mixtral 8x7B": "mistralai/Mistral-7B-Instruct-v0.3",
    "Mixtral Nous-Hermes": "NousResearch/Nous-Hermes-2-Mixtral-8x7B-DPO",
    "Cohere Command R+": "CohereForAI/c4ai-command-r-plus",
    "Aya-23-35B": "CohereForAI/aya-23-35B",
    "GPT-4o Mini": "gpt-4o-mini"  # 새로운 모델 추가
}

# HuggingFace 토큰 설정
hf_token = os.getenv("HF_TOKEN")
if not hf_token:
    raise ValueError("HF_TOKEN 환경 변수가 설정되지 않았습니다.")

# OpenAI API 키 설정
openai.api_key = os.getenv("OPENAI_API_KEY")

def call_hf_api(prompt, reference_text, max_tokens, temperature, top_p, model):
    if model == "gpt-4o-mini":
        return call_openai_api(prompt, reference_text, max_tokens, temperature, top_p)
    
    client = InferenceClient(model=model, token=hf_token)
    combined_prompt = f"{prompt}\n\n참고 텍스트:\n{reference_text}"
    random_seed = random.randint(0, 1000000)
    
    try:
        response = client.text_generation(
            combined_prompt,
            max_new_tokens=max_tokens,
            temperature=temperature,
            top_p=top_p,
            seed=random_seed
        )
        return response
    except Exception as e:
        logging.error(f"HuggingFace API 호출 중 오류 발생: {str(e)}")
        return f"응답 생성 중 오류 발생: {str(e)}. 나중에 다시 시도해 주세요."

def call_openai_api(content, system_message, max_tokens, temperature, top_p):
    response = openai.ChatCompletion.create(
        model="gpt-4o-mini",  # 모델 ID
        messages=[
            {"role": "system", "content": system_message},
            {"role": "user", "content": content},
        ],
        max_tokens=max_tokens,
        temperature=temperature,
        top_p=top_p,
    )
    return response.choices[0].message['content']

def generate_response(prompt, reference_text, max_tokens, temperature, top_p, model):
    if model == "GPT-4o Mini":
        system_message = "이것은 사용자 요청에 대한 참고 텍스트를 활용하여 응답을 생성하는 작업입니다."
        response = call_openai_api(prompt, reference_text, max_tokens, temperature, top_p)
    else:
        response = call_hf_api(prompt, reference_text, max_tokens, temperature, top_p, MODELS[model])
    
    response_html = f"""
    <h3>생성된 응답:</h3>
    <div style='max-height: 500px; overflow-y: auto; white-space: pre-wrap; word-wrap: break-word;'>
    {response}
    </div>
    """
    return response_html

# Gradio 인터페이스 설정
with gr.Blocks() as demo:
    gr.Markdown("## 언어 모델 프롬프트 플레이그라운드")

    with gr.Column():
        model_radio = gr.Radio(choices=list(MODELS.keys()), value="Zephyr 7B Beta", label="언어 모델 선택")
        prompt_input = gr.Textbox(label="프롬프트 입력", lines=5)
        reference_text_input = gr.Textbox(label="참고 텍스트 입력", lines=5)

        # 입력창 3개 추가
        input1 = gr.Textbox(label="입력창 1")
        input2 = gr.Textbox(label="입력창 2")
        input3 = gr.Textbox(label="입력창 3")

        # 파일 업로드 메뉴 (이미지 파일 업로드)
        image_upload = gr.File(label="파일 업로드", file_types=["image"])

        # 폰트 파일 업로드 메뉴
        font_upload = gr.File(label="폰트 파일 업로드", file_types=["font"])

        # 업로드한 폰트를 선택할 수 있는 드롭다운 메뉴
        font_dropdown = gr.Dropdown(label="폰트 선택", choices=[])

        # 출력창 2개 추가
        output1 = gr.Textbox(label="출력창 1")
        output2 = gr.Textbox(label="출력창 2")

        with gr.Row():
            max_tokens_slider = gr.Slider(minimum=0, maximum=5000, value=2000, step=100, label="최대 토큰 수")
            temperature_slider = gr.Slider(minimum=0, maximum=1, value=0.75, step=0.05, label="온도")
            top_p_slider = gr.Slider(minimum=0, maximum=1, value=0.95, step=0.05, label="Top P")

        generate_button = gr.Button("응답 생성")
        run_button = gr.Button("실행")  # 실행 버튼 생성
        response_output = gr.HTML(label="생성된 응답")

    # 폰트 파일 업로드 시 드롭다운 메뉴 업데이트 함수
    def update_font_list(font_file):
        if font_file is not None:
            font_name = os.path.basename(font_file.name)
            current_fonts = font_dropdown.choices or []
            if font_name not in current_fonts:
                updated_fonts = current_fonts + [font_name]
                return gr.Dropdown.update(choices=updated_fonts)
        return gr.Dropdown.update()

    # 폰트 파일 업로드 이벤트에 함수 연결
    font_upload.upload(update_font_list, inputs=font_upload, outputs=font_dropdown)

    # 응답 생성 버튼 클릭 시 함수 실행
    generate_button.click(
        generate_response,
        inputs=[prompt_input, reference_text_input, max_tokens_slider, temperature_slider, top_p_slider, model_radio],
        outputs=response_output
    )

    # 실행 버튼 클릭 시 동작할 함수 정의
    def run_action(input1_value, input2_value, input3_value):
        output_text1 = f"입력창 1의 내용: {input1_value}"
        output_text2 = f"입력창 2의 내용: {input2_value}"
        return output_text1, output_text2

    # 실행 버튼 클릭 시 함수 연결
    run_button.click(
        run_action,
        inputs=[input1, input2, input3],
        outputs=[output1, output2]
    )

# 인터페이스 실행
demo.launch(share=True)