Claude API를 활용한 진로상담 챗봇 만들기
안녕하세요! 이번 포스트에서는 Claude API를 활용하여 진로상담 챗봇을 만드는 과정을 아주 상세하게 설명해드리려고 합니다. 취업과 진로에 대한 고민이 많은 학생들을 위해, AI 기술을 활용한 상담 서비스를 직접 구현해보는 프로젝트입니다.
1. 개발 환경 설정 (Prerequisites)
Python 설치
- Python 3.8 이상 버전을 설치합니다.
- 설치 시 "Add Python to PATH" 옵션을 반드시 체크해주세요.
- 설치 완료 후 터미널에서
python --version명령어로 정상 설치를 확인합니다.
가상환경 설정
# 가상환경 생성
python -m venv venv
# 가상환경 활성화 (Windows)
venv\Scripts\activate
# 가상환경 활성화 (Mac/Linux)
source venv/bin/activate
필요한 라이브러리 설치
# Conda를 사용한 라이브러리 설치
conda install flask
conda install -c conda-forge anthropic
conda install python-dotenv
conda install -c conda-forge flask-sqlalchemy
이후 requirements.txt 파일을 생성하여 의존성을 관리합니다:
Flask==2.0.1
anthropic==0.3.0
python-dotenv==0.19.0
Flask-SQLAlchemy==2.5.1
2. Claude API 설정하기
API 키 발급 과정
- Anthropic 공식 웹사이트(https://anthropic.com)에 접속합니다.
- 회원가입 후 로그인을 진행합니다.
- Console 또는 Dashboard에서 API 섹션으로 이동합니다.
- "Create New API Key" 버튼을 클릭하여 새로운 API 키를 생성합니다.
- 생성된 API 키를 안전한 곳에 보관합니다.
환경변수 설정
프로젝트 루트 디렉토리에 .env 파일을 생성하고 다음과 같이 작성합니다:
ANTHROPIC_API_KEY=your_api_key_here
FLASK_ENV=development
FLASK_APP=run.py
3. 프로젝트 구조 설정
디렉토리 구조 상세 설명
project/
├── app/
│ ├── __init__.py # Flask 애플리케이션 초기화
│ ├── templates/ # HTML 템플릿 파일들
│ │ ├── index.html # 메인 페이지
│ │ ├── chat.html # 채팅 인터페이스
│ │ └── base.html # 기본 템플릿
│ ├── static/ # 정적 파일들
│ │ ├── css/ # 스타일시트
│ │ └── js/ # 자바스크립트 파일들
│ └── utils.py # 유틸리티 함수들
├── config.py # 설정 파일
├── requirements.txt # 의존성 목록
└── run.py # 애플리케이션 실행 파일
주요 파일 설정
config.py
import os
from dotenv import load_dotenv
load_dotenv()
class Config:
SECRET_KEY = os.urandom(24)
ANTHROPIC_API_KEY = os.getenv('ANTHROPIC_API_KEY')
app/init.py
from flask import Flask
from config import Config
def create_app():
app = Flask(__name__)
app.config.from_object(Config)
from app.routes import main
app.register_blueprint(main)
return app
4. 웹 인터페이스 구현
메인 페이지 구현
메인 페이지는 사용자 친화적인 인터페이스를 제공합니다. Bootstrap을 활용하여 반응형 디자인을 구현했으며, 다음과 같은 요소들을 포함합니다:
- 환영 메시지와 서비스 소개
- 채팅 시작 버튼
- 사용 가이드
- 최근 상담 내역 (로그인 시)
채팅 인터페이스
채팅 인터페이스는 다음과 같은 특징을 가집니다:
- 실시간 메시지 표시
- 사용자/AI 응답 구분을 위한 다른 스타일 적용
- 입력창과 전송 버튼
- 대화 내역 자동 스크롤
- 로딩 인디케이터
HTML/CSS 구현
<!-- index.html 주요 부분 -->
<div class="chat-container">
<div class="chat-messages" id="messageArea">
<!-- 메시지들이 여기에 동적으로 추가됨 -->
</div>
<div class="input-area">
<input type="text" id="userInput" placeholder="질문을 입력하세요..." />
<button onclick="sendMessage()">전송</button>
</div>
</div>
5. Claude API 연동
API 호출 구현
# app/utils.py
import anthropic
def get_claude_response(message):
client = anthropic.Client(api_key=os.getenv('ANTHROPIC_API_KEY'))
try:
response = client.messages.create(
model="claude-3-opus-20240229",
max_tokens=1000,
messages=[{
"role": "user",
"content": message
}]
)
return response.content[0].text
except Exception as e:
return f"Error: {str(e)}"
프롬프트 설계
진로 상담에 특화된 프롬프트를 다음과 같이 체계적으로 설계했습니다:
def engineer_prompt(user_info, user_message):
system_prompt = """당신은 전문적인 고등학생 진로 상담 AI입니다.
상담 시 고려해야 할 핵심 영역:
1. 학업 역량 분석
- 교과목별 성취도와 선호도 파악
- 학습 스타일과 학업 태도 분석
- 교과 외 학습 활동 및 자기주도학습 능력
- 특정 분야에 대한 심화학습 경험
2. 적성 및 흥미 분석
- MBTI 성격유형과 직업 적합성
- 취미와 관심사의 진로 연계 가능성
- 동아리 활동과 교내외 활동 경험
- 봉사활동과 사회참여 경험
3. 진로 탐색 및 설계
- 희망 직업군에 대한 상세 정보 제공
- 필요한 역량과 자격요건 안내
- 관련 학과 및 커리큘럼 소개
- 진학 전략 및 준비 방법 제시
4. 역량 개발 계획
- 학업 성취도 향상을 위한 학습 전략
- 필요한 자격증 및 스펙 준비 계획
- 외국어 및 컴퓨터 활용능력 향상 방안
- 독서 및 교양 함양 방법
5. 심리적 지원
- 학업 스트레스 관리 방안
- 진로 불안 해소를 위한 조언
- 자신감과 동기부여 강화
- 긍정적 자아상 형성 지원
6. 미래 전망 분석
- 관심 분야의 산업 동향
- 미래 유망 직종 정보
- 기술 발전에 따른 직업 변화
- 사회 변화와 진로 적응력
7. 실천적 행동 계획
- 단기 목표(6개월-1년)
- 중기 목표(1-3년)
- 장기 목표(3-5년)
- 구체적 실천 방안과 타임라인"""
user_context = f"""
# 학생 기본 정보
- 이름: {user_info['name']}
- 나이: {user_info['age']}
- 학년: {user_info['grade']}
- 계열: {user_info['academic_track']}
# 학업 현황
- 학업 성취도: {user_info['academic_performance']}
- 좋아하는 과목: {user_info['favorite_subject']}
- 싫어하는 과목: {user_info['disliked_subject']}
- 학습 스타일: {user_info.get('learning_style', '정보 없음')}
# 진로 탐색
- 관심사: {user_info['interests']}
- 희망 진로: {user_info['career_interests']}
- 장래 희망: {user_info['future_job']}
- 롤모델: {user_info['role_model']}"""
return system_prompt + "\n\n" + user_context + "\n\n학생 메시지: " + user_message
프롬프트 구성 요소 설명
-
시스템 프롬프트 (System Prompt)
- AI의 역할 정의: 전문적인 고등학생 진로 상담가
- 상담 영역 구체화: 7개 핵심 영역 설정
- 상담 방식 가이드라인 제시
-
사용자 정보 컨텍스트 (User Context)
- 기본 정보: 이름, 나이, 학년, 계열
- 학업 현황: 성취도, 선호 과목
- 진로 관련 정보: 관심사, 희망 진로, 롤모델
-
상담 원칙
- 개별화된 접근: 학생별 맞춤형 상담
- 현실적 조언: 실현 가능한 목표 설정
- 동기부여: 긍정적 피드백과 격려
- 전문성: 최신 정보와 데이터 기반
- 윤리적 고려: 편견 없는 상담
-
응답 구조화
<h2>종합 분석</h2> [학생의 특성과 상황에 대한 전문적 분석] <h2>진로 적합성 평가</h2> [희망 진로와 현재 역량의 일치도 분석] <h2>맞춤형 발전 계획</h2> [단계별 목표와 실천 계획] <h2>추천 자료</h2> [맞춤형 학습 자료 및 활동 추천]
프롬프트 최적화 전략
-
맥락 강화
- 학생 정보의 체계적 구조화
- 관련 정보간 연계성 강조
- 시간적 흐름을 고려한 정보 배치
-
응답 품질 향상
- 구체적인 가이드라인 제시
- 체계적인 응답 구조 설정
- 실행 가능한 조언 강조
-
개인화 강화
- MBTI 성격유형 활용
- 학습 스타일 고려
- 개인별 강점과 약점 분석
-
실용성 확보
- 구체적 행동 계획 수립
- 시간대별 목표 설정
- 실천 가능한 단계 제시
6. 데이터베이스 연동
SQLAlchemy 모델 정의
from app import db
class ChatHistory(db.Model):
id = db.Column(db.Integer, primary_key=True)
user_message = db.Column(db.Text, nullable=False)
ai_response = db.Column(db.Text, nullable=False)
timestamp = db.Column(db.DateTime, default=datetime.utcnow)
대화 내역 저장 및 조회 기능
def save_chat(user_message, ai_response):
chat = ChatHistory(
user_message=user_message,
ai_response=ai_response
)
db.session.add(chat)
db.session.commit()
7. 보안 및 에러 처리
API 키 보안
- 환경 변수 사용
- .gitignore 파일에 .env 추가
- 프로덕션 환경에서의 보안 설정
에러 핸들링
@app.errorhandler(500)
def internal_error(error):
return jsonify({
'error': 'Internal server error',
'message': str(error)
}), 500
8. 배포 준비
프로덕션 설정
# config.py
class ProductionConfig(Config):
DEBUG = False
# 프로덕션 데이터베이스 설정
SQLALCHEMY_DATABASE_URI = os.getenv('DATABASE_URL')
서버 실행
gunicorn run:app
마무리
이렇게 해서 Claude API를 활용한 진로상담 챗봇의 전체적인 구현 과정을 살펴보았습니다. 이 프로젝트를 통해 다음과 같은 기술들을 학습할 수 있었습니다:
- Flask 웹 프레임워크 활용
- API 연동 및 비동기 처리
- 데이터베이스 설계 및 구현
- 프론트엔드 인터페이스 구현
- 보안 및 에러 처리
더 나은 서비스를 위한 향후 개선 방향:
- 사용자 인증 시스템 추가
- 상담 내역 분석 및 리포트 기능
- 다국어 지원
- 음성 인터페이스 추가
- 모바일 앱 버전 개발
전체 소스 코드는 깃허브에서 확인하실 수 있습니다.