콘텐츠로 이동
AggregaAggrega
언어 선택: 한국어
이 페이지는 기계 번역되었습니다. 영어 원문 읽기.

Flowise 챗플로우 가져오기 — 채팅 모델을 사용하는 대화 체인

ChatOpenAI 노드, Buffer Memory, Conversation Chain으로 이루어진 Flowise 챗플로우를 aggrega import로 Aggregate, Release, Manifest로 가져온 것으로, 이들은 작성된 그대로 Docker Compose용으로 빌드됩니다.

Flowise 챗플로우 가져오기에서는 명령, 그 명령이 작성하는 파일, 빌드, 그리고 빌드된 결과의 실행을 단계별로 안내합니다. 이 폴더에는 그 안내의 각 단계가 들어 있습니다:

폴더내용
source/챗플로우 support-chat.json, 폴더를 워크스페이스로 만드는 .aggrega-config.yaml, 그리고 어떤 챗플로우도 담을 수 없는 내용에 대한 답변인 import-answers.yaml: 소유자 계정의 이메일과 Kubernetes용 import가 요청하는 Kubernetes Secret의 이름
draft/aggrega import support-chat.json --target compose 명령이 작성한 파일(변경 없음)과 출력한 내용: 표준 출력은 stdout.txt, 표준 오류는 import.txt

source/support-chat.json 파일은 이 예제를 위해 Flowise 편집기가 챗플로우를 내보내는 형태로 작성되었습니다.

문서 저장소의 체크아웃에서 check.sh는 가져오기를 다시 실행하고, 작성하고 출력한 내용을 draft/와 비교하고, 안내에서 인용하는 블록을 이 파일들과 비교한 뒤, 가져오기가 작성한 내용을 검증하고 빌드합니다. 표준 라이브러리 카탈로그(얻는 곳)가 이 저장소 옆에 체크아웃되어 있거나, 그 디렉터리가 AGGREGA_CATALOG_DIRS에 지정되어 있어야 합니다.

예제 생성하기

이 예제의 가져오기는 아래 명령으로 실행하거나 AI 어시스턴트에게 대신 실행하게 할 수 있습니다.

예제 이름을 딴 새 폴더에 예제를 씁니다:

Terminal window
aggrega scaffold --example import-flowise

그런 다음 이어서 실행할 명령을 출력합니다. 첫 번째 명령은 새 폴더로 이동합니다:

Terminal window
cd import-flowise

빌드

import는 프로젝트 옆의 source/에 Aggrega 파일 초안을 작성하고, import-answers.yaml에서 소유자 계정의 이메일을 가져오며, 빌드에 필요한 것을 풀합니다. import는 프로젝트를 표준 라이브러리 카탈로그와 비교하는데, 이 카탈로그는 워크스페이스의 기본 레지스트리가 서명된 스냅샷으로 게시합니다. 첫 번째 import가 이를 가져와 검증하고, 워크스페이스의 콘텐츠 캐시에 보관하며, 초안 옆에 작성하는 기록에 그 다이제스트로 명시합니다. 자체 카탈로그 폴더를 지정하는 워크스페이스는 — AGGREGA_CATALOG_DIRS에서 또는 workspace.catalog_dirs 아래에서 — 대신 그 폴더들을 기준으로 import합니다:

Terminal window
cd source
aggrega import support-chat.json --target compose
aggrega validate --release release.yaml
aggrega build --release release.yaml

빌드가 작성한 결과를 실행하는 방법은 위에 링크된 안내에 있습니다.

AI 어시스턴트 사용

Aggrega 도구로 설정한 AI 어시스턴트도 같은 작업을 할 수 있습니다. 다음 프롬프트를 붙여 넣으십시오.

Aggrega 도구만 사용하고, 폴더를 직접 만들지 마십시오. 작업 영역 폴더에 아직 `import-flowise` 폴더가 없으면 `example`를 `import-flowise`로 설정하고 `dir` 없이 `scaffold` 도구를 한 번 호출하십시오. 이 도구는 예제를 새 `import-flowise` 폴더에 작성하며, 그 `source` 폴더에는 이 예제가 가져오는 내용이 들어 있습니다. 그런 다음 `workspace_root`를 `import-flowise/source`로, `source`를 `support-chat.json`으로, `target`을 `compose`로 설정하여 `import` 도구를 호출하십시오. 이 도구는 `support-chat.json` 옆의 `import-answers.yaml`에서 필요한 답변을 읽고, 초안을 `import-flowise/source`에 작성하며, 초안에 필요한 것을 가져옵니다. 그런 다음 `workspace_root`를 `import-flowise/source`로, `release`를 `release.yaml`로 설정하여 `validate` 도구를 호출하고, `workspace_root`를 `import-flowise/source`로, `release`를 `release.yaml`로, `write`를 true로 설정하여 `build` 도구를 호출하십시오. 빌드가 작성한 파일을 알려 주십시오. 파일은 `import-flowise/source/dist/` 아래에 있습니다.

테스트하기

단계별 안내에서 실행하는 대로 Flowise를 실행하고 chatflow를 넣은 다음, http://127.0.0.1:3000을 열어 소유자로 로그인하고, chatflow의 예측 엔드포인트를 통해 질문합니다:

Terminal window
curl -sS -X POST http://127.0.0.1:3000/api/v1/prediction/40d9f5c5-5187-54c1-a9f5-a8dac92f88bb \
-H 'Content-Type: application/json' -d '{"question": "In one short sentence: what is Docker Compose?"}'
{"statusCode":500,"success":false,"message":"401 Unauthorized – check your API key and ensure it has access to the requested model.","stack":{}}

이 실행의 OpenAI 키는 자리 표시자였으므로 응답은 그 키에 대한 OpenAI의 거부입니다. chatflow는 모델 호출까지 실행되었습니다. 단계별 안내에서 설명하듯이, 이 실행에서는 머신에서 3000이 사용 중이었으므로 Flowise를 3002에 게시했습니다.

--target helm으로 가져와 Kubernetes에 적용하면, 로컬 포트를 Flowise의 Service로 전달한 뒤 chatflow가 같은 주소에서 같은 요청에 응답합니다. 이 실행에서도 그곳에서 같은 거부를 받았습니다:

Terminal window
kubectl port-forward -n <namespace> svc/flowise-default 3000:3000