TwentyTwentyOne

✅ Swarm 시스템을 FastAPI로 외부에 개방하기 (5편)– 나만의 AI 멀티 Agent 시스템을 API로 배포해보자지금까지 우리는 Swarm을 이용해✅ 나만의 GPT Agent를 만들고✅ 다양한 역할을 가진 Agent들로 협업 Task를 구성했으며✅ Tool을 이용해 능동적인 Agent 시스템까지 구축했습니다.이제 이 시스템을 외부에서 요청할 수 있는 서비스형 API로 감싸면,✅ 웹, 모바일, Slack, Notion 등 어디서든 AI 협업 기능을 쓸 수 있습니다.🎯 목표이번 글에서 만들고자 하는 구조:[클라이언트 (웹/앱/슬랙)] ↓ REST API 요청 (POST /swarm/task) [FastAPI 서버] ↓ Swarm Task 실행 (run_task) ..

홈서버에 서버리스 시스템 구축하는 방법1. 홈서버에서 서버리스 환경을 구축하는 이유서버리스(Serverless)는 일반적으로 클라우드 환경(AWS Lambda, Google Cloud Functions 등)에서 제공되지만, 홈서버에서도 비슷한 환경을 구축할 수 있습니다.홈서버에서 서버리스를 구축하는 이유는 다음과 같습니다.✅ 비용 절감 – 클라우드 사용 비용 없이 로컬에서 서버리스 환경 구축✅ 개발 및 테스트 환경 – 서버리스 애플리케이션을 로컬에서 실험 및 테스트✅ 네트워크 제어 – 로컬 네트워크에서 서버리스 기능 실행 가능✅ 데이터 보안 – 외부 클라우드에 의존하지 않고 개인 서버에서 데이터 처리홈서버에서 서버리스를 구현하려면 컨테이너 기반으로 실행하는 것이 일반적이며, 대표적인 방법은 다음과 같습니..

🚀 FastAPI 기반 로컬 LLM + RAG 챗봇 – 3.1.3 Tailwind CSS 및 UI 라이브러리 설정 (DaisyUI + ShadCN 반영)이번 글에서는 Next.js에서 Tailwind CSS를 활용하여 UI를 구성하는 방법과 함께 추가적인 UI 라이브러리를 설정하는 과정을 다룹니다.✅ Tailwind CSS를 활용한 스타일링, DaisyUI 및 ShadCN 설정 및 활용법을 소개합니다.📌 1. Tailwind CSS 및 UI 라이브러리 설치Next.js에서 Tailwind CSS와 DaisyUI, ShadCN을 사용하려면 관련 패키지를 설치해야 합니다.아래 명령어를 실행하여 Tailwind CSS, PostCSS, DaisyUI, ShadCN을 설치합니다.✅ 1.1 Tailwind C..

🚀 FastAPI 기반 로컬 LLM + RAG 챗봇 – 프로젝트 설정 및 필수 패키지 설치이번 글에서는 Next.js 프로젝트를 설정하고 필수 라이브러리를 설치하는 과정을 다룹니다.✅ Next.js 개발 환경을 구성하고, Tailwind CSS 및 필요한 패키지를 설정하여 프로젝트를 시작합니다.📌 1. Next.js 개발 환경 구성✅ 1.1 Next.js 프로젝트 생성Next.js 프로젝트를 생성하려면 create-next-app을 사용합니다.아래 명령어를 실행하여 새로운 Next.js 프로젝트를 생성합니다.npx create-next-app@latest my-project --typescript --eslint --app설치가 완료되면 프로젝트 디렉토리로 이동합니다.cd my-project📌 2...

🚀 FastAPI 기반 로컬 LLM + RAG 챗봇 만들기 – 벡터 임베딩 저장 및 검색 구현이번 글에서는 pgvector를 활용하여 FastAPI에서 벡터 데이터를 저장하고 유사도 검색을 수행하는 방법을 다룹니다.✅ LangChain을 사용한 벡터 임베딩 생성 → 벡터 데이터를 PostgreSQL에 저장 → 유사도 검색을 통한 RAG 구현 순서로 진행됩니다.📌 1. PostgreSQL에 벡터 저장을 위한 테이블 생성📌 PostgreSQL 내부에서 SQL 실행CREATE TABLE IF NOT EXISTS documents ( id SERIAL PRIMARY KEY, content TEXT NOT NULL, embedding vector(768) NOT NULL -- 768차원 벡..

🚀 FastAPI 기반 로컬 LLM + RAG 챗봇 만들기 – 2.3.2 Docker를 활용한 PostgreSQL 및 pgvector 설정이번 글에서는 Docker를 사용하여 PostgreSQL 및 pgvector를 설치하고 설정하는 방법을 다룹니다.✅ Docker로 PostgreSQL + pgvector 컨테이너 실행 → PostgreSQL 환경 설정 → FastAPI에서 PostgreSQL 연결 순서로 진행됩니다.📌 1. Docker를 활용하는 이유PostgreSQL 및 pgvector를 Docker로 실행하면 다음과 같은 장점이 있습니다.✅ 빠른 설치 및 실행 → 시스템에 직접 설치하지 않아도 간편하게 컨테이너 실행✅ 환경 격리 → 개발 환경과 운영 환경을 분리하여 충돌 방지✅ 손쉬운 유지보수 ..

🚀 FastAPI 기반 로컬 LLM + RAG 챗봇 만들기 –  PostgreSQL 및 pgvector 개요이번 글에서는 PostgreSQL과 pgvector의 개념과 역할을 설명하고, FastAPI에서 pgvector를 활용하는 방법을 다룹니다.✅ PostgreSQL이란? → pgvector의 개념과 역할 → FastAPI에서 pgvector 활용 방법 순서로 진행됩니다.📌 1. PostgreSQL이란?✅ PostgreSQL 개요PostgreSQL은 **오픈소스 관계형 데이터베이스(RDBMS)**로, 높은 확장성과 성능을 제공하는 데이터베이스 시스템입니다.💡 특히 대규모 데이터 처리, JSON 지원, 트랜잭션 안정성 등이 뛰어나 많은 애플리케이션에서 사용됩니다.✅ PostgreSQL의 주요 특징:..

🚀 FastAPI 기반 로컬 LLM + RAG 챗봇 만들기 – FastAPI에서 Ollama API 호출 구현이번 글에서는 FastAPI에서 Ollama API를 호출하는 기능을 구현합니다.✅ FastAPI 엔드포인트 생성 → Ollama API 요청 코드 작성 → API 실행 및 테스트 순서로 진행됩니다.📌 1. FastAPI에서 Ollama API 호출 방식FastAPI가 Ollama API를 호출하는 방식은 다음과 같습니다.사용자 → (1) FastAPI → (2) Ollama API → (3) FastAPI 응답 → (4) 사용자에게 결과 반환1️⃣ 사용자 → FastAPI에 POST /chat/ 요청을 보냄2️⃣ FastAPI → Ollama API(http://localhost:11434/..

🚀 FastAPI 기반 로컬 LLM + RAG 챗봇 만들기 – 2.2.1 FastAPI에서 Ollama API 호출 개요이번 글에서는 FastAPI와 Ollama를 연동하는 개념과 방식을 살펴봅니다.✅ Ollama API 개념 → FastAPI와 Ollama의 연동 방식 → Ollama API 활용 가능성 순서로 설명합니다.📌 1. Ollama API란?✅ Ollama 개요Ollama는 로컬에서 LLM(대형 언어 모델, Large Language Model)을 실행할 수 있도록 지원하는 프레임워크입니다.이를 통해 클라우드 의존도를 줄이고, 로컬 환경에서 AI 모델을 쉽게 배포 및 실행할 수 있습니다.✅ Ollama의 주요 기능:로컬 LLM 실행 → 인터넷 없이도 AI 모델 사용 가능다양한 모델 지원 ..

🚀 FastAPI 기반 로컬 LLM + RAG 챗봇 만들기 – FastAPI의 비동기(Async) 처리 방식이번 글에서는 FastAPI의 비동기(Async) 처리 방식을 심층적으로 다룹니다.✅ 비동기(Async) vs 동기(Sync) 차이 → FastAPI에서 async 및 await 사용법 → FastAPI의 Starlette 기반 비동기 구조 순서로 설명합니다.📌 1. 동기(Synchronous) vs 비동기(Asynchronous) 개념FastAPI는 비동기(Async) 기반의 프레임워크이며, 기존의 동기(Sync) 방식과 비교하면 성능과 응답 속도에서 큰 차이를 보입니다.✅ 1️⃣ 동기(Sync) 방식이란?동기(Synchronous) 방식은 요청이 순차적으로 실행되며, 하나의 요청이 완료될 때..