Langchain으로 영화 찾아보기(+Gradio)

# 환경변수 등록

import pandas as pd
from sqlalchemy import create_engine
from langchain_community.utilities import SQLDatabase
from langchain_community.agent_toolkits import create_sql_agent
from langchain_openai import ChatOpenAI
from langchain_openai import ChatOpenAI
from langchain.prompts import ChatPromptTemplate
from langchain_core.output_parsers import StrOutputParser

# CSV 파일에서 영화 데이터를 읽어 pandas 데이터프레임으로 변환
df = pd.read_csv('./db/TMDB_movie_dataset_v11.csv')

# SQLite 데이터베이스 연결을 위한 엔진 생성
engine = create_engine("sqlite:///movies.db")

# 생성된 데이터프레임을 SQLite 데이터베이스의 movies 테이블로 저장(기존 테이블이 있으면 덮어쓰기)
df.to_sql('movies', engine, if_exists='replace', index=False)

# SQLAlchemy를 사용하여 SQLite 데이터베이스 객체 생성
movies_db = SQLDatabase.from_uri("sqlite:///movies.db")

# OpenAI의 GPT-4o 모델을 사용하여 LLM 인스턴스 생성
llm = ChatOpenAI(model="gpt-4o", temperature=0)

# SQL 데이터베이스와 상호작용하는 에이전트 생성
# 에이전트는 사용자 입력을 SQL 쿼리로 변환하고 실행하여 결과 반환
agent_executor = create_sql_agent(llm, db=movies_db, agent_type="openai-tools", verbose=True)

# 사용자 질문에 대한 응답을 생성하기 위한 프롬프트 템플릿 정의
answer_prompt = """
You're a friendly AI assistant. See the results of running a given SQL query and generate natural responses to questions.

SQL query execution result:
{sql_result}

Natural language response:
"""
# 프롬프트 템플릿 객체 생성
answer_prompt_template = ChatPromptTemplate.from_template(answer_prompt)

# SQL 결과를 자연어 응답으로 변환하는 체인 구성
answer_chain = answer_prompt_template | llm | StrOutputParser()

import gradio as gr # Gradio UI 구성용
import base64 # 이미지 인코딩용

# 로고 이미지를 Base64 형식으로 인코딩하여 HTML에 직접 삽입 가능하도록 변환
with open("assets/movie1.gif", "rb") as image_file:
   encoded_string = base64.b64encode(image_file.read()).decode()

# Gradio UI 스타일을 위한 CSS 정의
css = """
#custom-title {
   display: flex;
   align-items: center;
   justify-content: center;
   margin-bottom: 20px;
}
#custom-title img {
   width: 50px;
   height: 50px;
   margin-right: 10px;
}
#custom-title h1 {
   font-size: 24px;
}
"""

# 인코딩된 이미지와 제목을 포함한 HTML 구조 정의
title_html = f"""
<div id="custom-title">
   <img src="data:image/png;base64,{encoded_string}" alt="AI CineSearch Icon">
   <h1>AI CineSearch</h1>
</div>
"""

# 사용자 입력을 처리하고 영화 정보를 검색하여 응답을 생성하는 함수
def movie_assistant(user_input): 
  query = agent_executor.invoke({"input": user_input}) # 사용자 입력을 SQL 쿼리로 변환 및 실행
  result = answer_chain.invoke({"sql_result": query}) # SQL 결과를 자연어 응답으로 변환
  return result # 생성된 응답 반환

# Gradio UI 구성 및 설정
iface = gr.Interface(
  fn=movie_assistant, # 인터페이스에서 호출할 함수 지정
  inputs=[gr.Textbox(label="어떤 영화를 찾으시나요?", lines=10)], # 사용자 입력 텍스트박스
  outputs=[gr.Textbox(label="AI가 찾은 영화입니다.", lines=10)], # 결과 출력 텍스트박스
  description=title_html,  # 상단에 표시될 제목 및 로고
  examples=[["픽사 영화를 추천해줘"], ["로맨틱 코미디 top 5"], ["해리 포터 시리즈를 인기도 순으로 알려줘"]], # 예시 질문 설정
  article="by Aeon Kim",
  css=css  # CSS 스타일 적용
)

# 디버그 모드로 Gradio 인터페이스 실행
iface.launch(debug = True)