AI 수학 과외 선생님 GPT만들기: GPT × Supabase 연결 실험기

소개

정답을 빠르게 제시하는 챗봇이 아닌,
학생 스스로 개념을 이해하고 문제 해결 과정을 탐색하도록 돕는

'AI 과외 선생님' GPT 튜터를 만들고 싶었습니다.
그래서 ChatGPT Custom GPT와 Supabase를 활용해,
소크라테스 문답법과 폴리아의 문제 해결 4단계를 적용한

'AI 과외 선생님' 을 만들게 되었습니다.

진행 방법

OT가이드대로 지침을 작성하고 스타터 버튼 세팅까지 완료한 뒤, 기능을 살펴보다가 지난 수업 시간에 여행가 J님께서 소개해주신 코드 인터프리터와 데이터 분석 기능이 눈에 들어왔어요.

🧠 코드 인터프리터 기능이란?

코드 인터프리터는 GPT가 직접 코드를 실행하고 계산, 표 작성, 그래프 시각화 등을 수행할 수 있게 해주는 기능입니다.

예를 들어:

복잡한 수학 문제를 계산하고 풀이 과정을 출력
학습 이력을 표로 정리
성취도를 그래프로 보여주기

➡️ GPT가 단순 텍스트 응답을 넘어, 실제 계산과 분석까지 가능해지는 기능입니다.

그걸 보자마자 “이건 수학 학습에 딱 필요한 기능 아닌가?”라는 생각이 번뜩 들었습니다! ⚡

‘체크하고 새 작업 만들기’ 버튼을 눌러 들어가보니, 그 안에 스키마 설정이라는 항목이 있더라고요.

📦 스키마 기능이란?

**스키마(Schema)**는 GPT가 외부 API와 통신하기 위해 참조하는 설명서 같은 역할을 합니다.

예: Supabase에 학습 기록을 저장하고 싶을 때,

어떤 경로로 (endpoint)
어떤 방식으로 (POST/GET)
어떤 데이터 형식으로 (필드/타입)

을 GPT에 알려주는 구조가 바로 OpenAPI 스키마입니다.

➡️ 스키마를 잘 정의해주면 GPT는 외부 DB와 안전하게 연결되어 정보를 주고받을 수 있어요!

내용을 읽어보는 순간...

“이걸로 자녀의 학습 기록을 DB에서 자동으로 불러올 수 있다고?”

그 부분에 확 꽂혔습니다 😮

그래서 다시 ‘풀잎이’ GPT에게 물어봤죠:

“너에게 꼭 필요한 스키마는 어떤 것들이 있을까?”

GPT는 다음과 같은 구성 예시를 제시해줬습니다:

OCR 기능: 이미지 속 문제 인식
수식 변환: 수식 복사 시 깨짐 방지
문제 은행 API: 자동 문제 출제용
학습 기록 저장: 개인 맞춤 복습 설계를 위해 필요

💬 GPT와 나눈 주요 질문들

OCR 기능이 정말 꼭 필요한가?
수식을 다른 문서로 옮길 때 깨지는 경우는 없는가?
문제 은행 API를 제공하는 곳은 있는가?
기존 GPT도 대화 내용 저장이 되는데, 학습 기록 DB를 따로 붙이는 의미는 무엇일까?

이런 질문들을 하나씩 던지고 GPT와 토론한 끝에 얻은 결론은 명확했습니다.

“진짜 중요한 건 복습이다.”

배움을 제공하는 곳은 많지만,

복습을 체계적이고 정교하게 도와주는 GPT는 아직 드물다는 생각했습니다
그래서 저는 학습 기록을 남기고,

이를 기반으로 복습까지 설계할 수 있는 GPT 튜터형 시스템을 만들어보기로 결심했어요.

풀잎이 GPT – 전체 워크플로우 설계

목표 흐름

학생 질문 → 모르는 개념 진단 → 개념 정리 → 단계적 질문 → 확인 퀴즈 → 학습 기록 저장 → 복습 기반 피드백 제공

전체 흐름 요약

사용자가 질문을 입력하면 GPT는 질문의 유형을 분석
모르는 개념이 탐지되면 개념 설명 + 개념 카드 제공
사고력을 유도하는 발문 질문을 단계별로 제시
간단한 퀴즈로 이해도를 확인
대화 결과를 Supabase DB에 저장 (예: study_logs)
다음 학습 때 이전 기록을 기반으로 맞춤형 피드백 제공

이 흐름으로 하나씩 실행하니 큰 어려움 없이 진행 가능하였습니다.
그리고 이제 말로만 듣던 Supabase도 본격적으로 사용해보게 되었어요.

Supabase가 어떤 도구인지
왜 REST API 기반으로 작동하는지
GPT와 어떻게 연동될 수 있는지

튜토리얼과 문서를 따라가며 하나하나 직접 경험하며 배워갔습니다.
처음 써보는 도구였지만 덕분에 많이 배울 수 있었어요 💡

GPT Actions 연동 시도와 제약 사항

스키마는 GPT Builder 화면에서 붙여넣는 데까지는 문제없이 진행됐습니다.
그래서 Supabase와 실제로 연동해보려고 했는데, 핵심 기능인 인증 탭이 제 계정에 표시되지 않았습니다.

결국 문제는 여기서 발생했습니다.

GPT가 외부 API와 통신하려면 인증 탭에 API 키(예: Supabase의 anon key)를 입력해야 하는데,
GPT Actions 기능이 아직 제 계정에 롤아웃되지 않아 인증 탭 자체가 비활성화되어 있었습니다.

이건 설정 문제나 실수가 아니라, OpenAI 측에서 기능을 순차적으로 계정별로 열어주고 있기 때문이었습니다.

결론:

스키마는 붙일 수 있지만, Supabase에 연결해서 실제 학습 기록을 저장하는 기능은 사용할 수 없다.

이렇게 벽에 부딪혀 간단한 GPT 만들리로 용두사미가 되었지만...이것도 큰 경험이라 여기기로!!

결과와 배운 점

워크플로우를 미리 짜고 GPT와 단계별로 함께 진행하니, 중간에 딴 길로 빠져도 다시 돌아오기 쉬웠습니다.
Supabase는 처음 써봤지만, 이번 기회에 개념을 조금은 이해하게 되어 의미 있는 시간이었습니다.
평소엔 검색 위주로만 GPT를 써왔는데, 이번 프로젝트를 통해 GPT가 훨씬 다양한 기능을 갖고 있다는 사실도 알게 되었습니다.
특히 ‘스키마’라는 단어조차 몰랐던 제가 그 기능을 직접 다뤄본 것이 인상 깊었습니다.

아쉬웠던 점

끝까지 기능을 완성해보지 못한 것이 무척 아쉬웠습니다.
여러 가지 우회 경로도 찾아봤지만 아직 제 역량으로는 부족하다는 생각이 들었습니다.
타이칸님의 조언 덕분에, 이 과정을 Gemini에서 진행하면 훨씬 수월할 수 있다는 점을 알게 되었습니다.
특히 워크스페이스 내 저장 공간을 활용하면 학습 기록 관리가 더 유연하다는 점이 인상 깊었어요. 다음 도전은 Gemini의 GEMS를 활용한 AI 과외선생님 만들기