Create app.py

app.py

@@ -0,0 +1,97 @@
+import pandas as pd
+import gradio as gr
+from langchain_openai import ChatOpenAI
+from langchain_experimental.agents import create_pandas_dataframe_agent
+from langchain.agents.agent_types import AgentType
+from langchain.memory import ConversationBufferMemory
+import os
+
+# OpenAI API 키 설정 (환경 변수 사용 권장)
+# Hugging Face Spaces에 배포 시 Secrets에 OPENAI_API_KEY를 설정해야 합니다.
+# 로컬에서 실행 시 .env 파일을 사용하거나 직접 설정해야 합니다.
+# 예시: os.environ["OPENAI_API_KEY"] = "YOUR_API_KEY"
+
+# CSV 파일 로드
+CSV_FILE_PATH = "2.csv"
+try:
+    df = pd.read_csv("https://github.com/kairess/toy-datasets/raw/master/titanic.csv")
+except FileNotFoundError:
+    print(f"Error: '{CSV_FILE_PATH}' 파일을 찾을 수 없습니다. 파일 경로를 확인해주세요.")
+    # Gradio 인터페이스를 실행하기 전에 오류 메시지를 사용자에게 표시하는 방법 등을 고려해야 합니다.
+    # 여기서는 간단하게 종료하거나 빈 DataFrame을 사용하도록 설정할 수 있습니다.
+    df = pd.DataFrame() # 오류 발생 시 빈 DataFrame으로 진행
+except Exception as e:
+    print(f"CSV 파일 로드 중 오류 발생: {e}")
+    df = pd.DataFrame()
+
+# LLM 모델 설정
+# gpt-4o-mini 모델 사용
+llm = ChatOpenAI(model="gpt-4o-mini", temperature=0)
+
+# 대화 기록을 위한 Memory 설정
+# 챗봇이 이전 대화를 기억할 수 있도록 합니다.
+memory = ConversationBufferMemory(memory_key="chat_history")
+
+# Pandas DataFrame Agent 생성
+# allow_dangerous_code=True 설정 시 보안에 유의해야 합니다.
+# 메모리를 Agent에 연결하여 대화 기록을 활용합니다.
+if not df.empty:
+    agent = create_pandas_dataframe_agent(
+        llm,
+        df,
+        verbose=True,
+        agent_type=AgentType.OPENAI_FUNCTIONS, # 또는 AgentType.ZERO_SHOT_REACT_DESCRIPTION
+        allow_dangerous_code=True,
+        memory=memory # 메모리 연결
+    )
+else:
+    agent = None # DataFrame 로드 실패 시 Agent 생성 안 함
+
+# 챗봇 예측 함수
+def predict(message, history):
+    # Gradio history 형식을 LangChain history 형식으로 변환
+    # ConversationBufferMemory를 사용하면 이 변환 과정이 Agent 내부에서 처리됩니다.
+    # 따라서 여기서는 사용자 메시지만 Agent에 전달합니다.
+
+    if agent is None:
+        return "CSV 파일을 로드할 수 없어 챗봇이 작동하지 않습니다."
+
+    try:
+        # Agent 실행. run 대신 invoke를 사용하는 것이 더 유연할 수 있습니다.
+        # invoke는 딕셔너리 형태의 입력과 출력을 다룹니다.
+        response = agent.invoke({"input": message})
+        # invoke 결과에서 응답 텍스트 추출
+        gpt_response = response.get('output', '응답 생성 중 오류가 발생했습니다.')
+    except Exception as e:
+        print(f"에이전트 실행 중 오류 발생: {e}")
+        gpt_response = f"죄송합니다. 요청 처리 중 오류가 발생했습니다: {e}"
+
+    # Gradio history 형식에 맞춰 응답 반환
+    # history는 [[user_msg, bot_msg], [user_msg, bot_msg], ...] 형태입니다.
+    # Gradio ChatInterface는 자동으로 이전 대화를 관리하므로,
+    # 여기서는 현재 사용자 메시지와 Agent의 응답만 반환하면 됩니다.
+    # ChatInterface의 predict 함수는 (message, history)를 인자로 받고
+    # 업데이트된 history를 반환해야 합니다.
+    # Gradio 4.0부터는 history 인자를 dictionary 형태로 받습니다.
+    # history는 {"user": [...], "assistant": [...]} 형태일 수 있습니다.
+
+    # ChatInterface의 'messages' type에 맞춰 history를 업데이트하여 반환
+    # history는 [['user_message', 'bot_message'], ...] 형태입니다.
+    # Gradio ChatInterface는 이 형식을 기대합니다.
+    return gpt_response
+
+# Gradio ChatInterface 설정
+# ChatInterface는 history 관리를 자동으로 처리합니다.
+# predict 함수는 현재 메시지에 대한 응답만 반환하도록 단순화합니다.
+demo = gr.ChatInterface(
+    predict,
+    # type="messages", # ChatInterface는 기본적으로 "messages" 타입
+    title="CSV 파일 기반 챗봇",
+    description=f"{CSV_FILE_PATH} 파일에 대한 질문에 답변합니다.",
+)
+
+# Gradio 앱 실행
+# share=True 설정 시 외부에서 접근 가능한 임시 링크가 생성됩니다 (디버깅 목적).
+# Hugging Face Spaces에 배포 시 share=False로 설정해야 합니다.
+if __name__ == "__main__":
+    demo.launch()