코딩 왕초보도 따라 하는 AI 챗봇 개발 (Hugging Face & Streamlit)

AI 챗봇은 이제 더 이상 전문가만 만들 수 있는 기술이 아닙니다. 이 글에서는 Python과 Streamlit을 활용하여 AI 챗봇을 쉽게 구현하는 방법을 소개합니다. 특히, Hugging Face의 LLM (Gemma 2 모델)을 사용하여 대화형 챗봇을 만들고, Streamlit을 통해 간단한 웹 UI까지 구축할 것입니다.

이제부터 코딩 왕초보도 따라 할 수 있는 AI 챗봇 개발을 시작해 봅시다! 🚀

---

1. GitHub 저장소 만들기 🛠️

프로젝트를 체계적으로 관리하기 위해 GitHub 저장소를 먼저 생성합니다.

📌 GitHub 저장소 생성 방법

1️⃣ GitHub 계정이 없다면 가입 → GitHub 가입하기

2️⃣ 새로운 저장소(Repository) 생성 → hehe-gpt와 같은 적절한 이름 사용

3️⃣ 로컬에서 Git 초기화 및 업로드

GitHub · Build and ship software on a single, collaborative platform

 

git init
git add .
git commit -m "First commit"
git branch -M main
git remote add origin https://github.com/your-repo.git
git push -u origin main

이제 GitHub 저장소에 코드가 업로드되었습니다.

---

2. AI 챗봇 개발 과정 🎯

이제 본격적으로 챗봇을 개발해봅시다.

📌 사용 기술

이 프로젝트에서는 다음과 같은 기술을 사용합니다.

• Python: AI 챗봇 개발을 위한 기본 프로그래밍 언어
• Streamlit: 간단한 웹 UI를 구현하는 프레임워크
• Hugging Face API: LLM(대형 언어 모델) 기반 AI 챗봇 사용
• Gemma 2 모델: Google이 개발한 AI 모델로 자연어 처리가 가능
• .env 환경 변수 설정: API 키 보안 보호

🛠️ 사전 준비

• Python 3.8 이상 설치 → Python 공식 다운로드
• VS Code 설치 → VS Code 다운로드
• Hugging Face 계정 생성 → Hugging Face 가입
• Streamlit 설치

  pip install streamlit
  

• Hugging Face API 설치

  pip install huggingface_hub
  

📌 Hugging Face API 키 설정하기

AI 챗봇을 사용하려면 Hugging Face API 키가 필요합니다. API 키는 .env 파일을 사용하여 보안 설정할 수 있습니다.

.env 파일 생성 후 아래 내용 추가

HUGGINGFACE_API_KEY=your_api_key_here

Python에서 API 키를 불러올 때는 dotenv 라이브러리를 사용합니다.

from dotenv import load_dotenv
import os

load_dotenv()
api_key = os.getenv("HUGGINGFACE_API_KEY")

📌 AI 챗봇 기본 코드 작성

AI 챗봇을 실행하는 가장 기본적인 코드입니다.

import streamlit as st
from huggingface_hub import InferenceClient

# API 설정
client = InferenceClient(provider="hf-inference", api_key=api_key)

# Streamlit UI
st.set_page_config(page_title="AI 챗봇", page_icon="🤖")
st.title("🤖 AI 챗봇 with Hugging Face")

# 사용자 입력 받기
user_input = st.text_input("질문을 입력하세요:")

if st.button("답변 받기"):
    with st.spinner("AI가 응답 중입니다..."):
        response = client.chat.completions.create(
            model="google/gemma-2-9b-it", 
            messages=[{"role": "user", "content": user_input}], 
            max_tokens=1024,
        )
        st.write("💬 AI 답변:", response.choices[0].message.content)

위 코드를 실행하면 AI 챗봇이 동작하며, 사용자가 입력한 질문에 따라 AI가 응답을 제공합니다. 🚀

---

3. AI 챗봇 배포하기 🚀

챗봇을 만들었으니, 이제 배포해야겠죠? Streamlit Cloud를 사용하면 쉽게 배포할 수 있습니다.

📌 Streamlit Cloud 배포 과정

1️⃣ Streamlit Cloud에 로그인 → Streamlit Cloud

2️⃣ 새로운 앱 생성 → GitHub 저장소 연결

3️⃣ Python 환경 변수 설정 → .env 파일을 Streamlit Secrets Manager에 추가

4️⃣ 앱 실행 후 공유 링크 확인

배포가 완료되면 https://your-app.streamlit.app/ 같은 링크가 생성됩니다.

---

4. AI 챗봇을 더 발전시키려면? 🔥

AI 챗봇을 더 발전시키기 위해 추가할 수 있는 기능들

✅ 채팅 기록 저장 → 사용자의 대화를 기록하여 분석 가능

✅ 음성 인식 (STT) 추가 → 사용자가 말한 내용을 텍스트로 변환 후 AI가 답변

✅ 자동 문서 요약 → PDF, TXT 파일을 업로드하면 AI가 요약해 줌

✅ FAQ 기능 추가 → 자주 묻는 질문을 등록하여 빠른 응답 제공

---

🎯 결론: 왕초보도 AI 챗봇을 만들 수 있다!

이 글에서는 코딩 초보자도 따라 할 수 있는 AI 챗봇 개발 과정을 설명했습니다.

• Hugging Face API 사용 → AI 모델 연동
• Streamlit 활용 → 간단한 UI 구성
• 배포까지 완료 → 누구나 사용할 수 있는 AI 챗봇 완성

이제 여러분도 AI 챗봇을 만들어 볼 수 있습니다! 

https://hehe-gpt-kdnjkbyh8tun45a6cxp9qt.streamlit.app/

헷GPT

 

 

 여러분의 AI 챗봇 프로젝트를 공유해 주세요!

 도움이 되셨다면 댓글 & 공유 부탁드립니다. 😊