app.py

# 필요한 라이브러리 불러오기
import gradio as gr              # Gradio: 웹 인터페이스 구성을 위한 라이브러리
import requests                  # requests: HTTP 요청을 보내기 위한 라이브러리
from openai import OpenAI        # OpenAI: Upstage Solar API와 호환되는 클라이언트

# ------------------------------
# 🔍 문서 파싱 함수 정의
# ------------------------------
def parse_document(file, api_key):
    """
    업로드된 PDF 문서를 HTML로 변환하는 함수 (Upstage Document Parse API 사용)
    """
    url = "https://api.upstage.ai/v1/document-ai/document-parse"  # API 요청 URL
    headers = {'Authorization': f'Bearer {api_key}'}              # 인증 헤더 설정
    files = {"document": open(file.name, "rb")}                   # 파일 읽기
    data = {
        "base64_encoding": "['table']",  # 테이블 데이터는 base64로 인코딩
        "model": "document-parse"        # 사용 모델 명시
    }

    response = requests.post(url, headers=headers, files=files, data=data)  # POST 요청
    result = response.json()                                                # 응답 결과 파싱
    html_text = result.get("content", {}).get("html", "")                  # HTML 추출
    return html_text


# ------------------------------
# 💬 문서 기반 Q&A 함수 정의
# ------------------------------
def chat_with_document(history, html_text, user_question, api_key):
    """
    문서 내용을 기반으로 사용자 질문에 답변하는 Solar LLM 함수
    """
    if not html_text.strip():
        return history, history, "⚠️ 먼저 문서를 변환해주세요."  # 문서가 없는 경우 안내

    # OpenAI 클라이언트 초기화 (Upstage Solar LLM)
    client = OpenAI(
        api_key=api_key,
        base_url="https://api.upstage.ai/v1"
    )

    # 이전 대화 기록 초기화
    history = history or []

    # 시스템 프롬프트: HTML 문서 내용을 기반으로 답변 요청
    system_prompt = f"""The following is a financial statement document extracted in HTML format.
                    Please answer user questions accurately and concisely in Korean, based on the text within HTML tags.
                    
                    Document:
                    {html_text}
                    """

    # 메시지 구성 (시스템 → 사용자/봇 대화 → 현재 질문)
    messages = [{"role": "system", "content": system_prompt}]
    for user, bot in history:
        messages.append({"role": "user", "content": user})
        messages.append({"role": "assistant", "content": bot})
    messages.append({"role": "user", "content": user_question})

    # Solar LLM 호출
    try:
        response = client.chat.completions.create(
            model="solar-pro",     # 사용할 모델 이름
            messages=messages,     # 전체 메시지 전달
            temperature=0,         # 창의성 최소화
            max_tokens=1024        # 최대 응답 길이
        )
        bot_reply = response.choices[0].message.content  # 응답 메시지 추출
    except Exception as e:
        bot_reply = f"⚠️ 오류가 발생했습니다: {str(e)}"  # 에러 처리

    # 대화 이력 업데이트 후 반환
    history.append((user_question, bot_reply))
    return history, history, ""


# ------------------------------
# 🔁 HTML 보기 토글 함수
# ------------------------------
def toggle_html_view(current_html, is_visible):
    """
    HTML 보기/숨기기 상태를 토글하는 함수
    """
    return (
        gr.update(value=current_html, visible=not is_visible),  # 텍스트박스 숨기기/보이기
        gr.update(value=current_html, visible=is_visible),      # HTML 렌더링 반대 동작
        not is_visible                                          # 상태 반전
    )


# ------------------------------
# 📦 Gradio UI 구성
# ------------------------------
with gr.Blocks() as demo:
    # 제목 및 설명 표시
    gr.Markdown("# 📄 재무제표 분석 챗봇")
    gr.Markdown("1. Document Parse API로 PDF 문서를 HTML로 변환합니다.\n"
                "2. Solar LLM을 통해 문서 기반 질문에 답변합니다.")

    # 🔑 API Key 입력창 (사용자가 직접 입력)
    api_key_input = gr.Textbox(label="🔑 Upstage API Key", type="password", placeholder="Paste your API key here")

    # 📎 파일 업로드 + 문서 변환 버튼
    with gr.Row():
        file_input = gr.File(label="📎 재무제표 업로드")
        parse_btn = gr.Button("문서 HTML 변환")

    # 📘 HTML 출력 영역 (텍스트 + HTML 토글 뷰)
    html_output = gr.Textbox(label="📘 문서 내용", lines=10, visible=True, elem_id="scrollable-html")
    html_display = gr.HTML(visible=False, elem_id="scrollable-html-display")
    toggle_html_btn = gr.Button("🔁 HTML 보기 전환")
    html_visible_state = gr.State(False)  # 보기 상태 저장

    # 문서 변환 버튼 클릭 시 → HTML 생성
    parse_btn.click(
        fn=parse_document,
        inputs=[file_input, api_key_input],
        outputs=html_output
    )

    # HTML 보기 전환 버튼 클릭 시 → 토글 동작 실행
    toggle_html_btn.click(
        fn=toggle_html_view,
        inputs=[html_output, html_visible_state],
        outputs=[html_output, html_display, html_visible_state]
    )

    # 💬 챗봇 인터페이스
    chatbot = gr.Chatbot(label="💬 문서 기반 Q&A", height=400)
    user_question = gr.Textbox(label="❓ 질문을 입력하세요", lines=2)
    answer_btn = gr.Button("답변 생성")
    chat_state = gr.State([])  # 대화 상태 저장

    # 💡 예제 질문 버튼 구성
    with gr.Row():
        gr.Markdown("💡 예제 질문:")
        ex1 = gr.Button("어떤 기업의 재무제표인가요?")
        ex2 = gr.Button("3분기 총 순매출은 얼마인가요?")

    # 예제 질문 버튼 클릭 시 → 질문 + 응답 실행
    for btn, question in [(ex1, "어떤 기업의 재무제표인가요?"), (ex2, "1분기 총 순매출은 얼마인가요?")]:
        btn.click(
            fn=lambda q=question: q,        # 질문 텍스트 전달
            inputs=[],
            outputs=user_question
        ).then(
            fn=chat_with_document,
            inputs=[chat_state, html_output, user_question, api_key_input],
            outputs=[chatbot, chat_state, user_question],
            show_progress=True
        )

    # 사용자 질문 제출 → Solar LLM 답변
    answer_btn.click(
        fn=chat_with_document,
        inputs=[chat_state, html_output, user_question, api_key_input],
        outputs=[chatbot, chat_state, user_question],
        show_progress=True
    )

# ------------------------------
# 🎨 스크롤 가능한 HTML 박스 스타일 지정
# ------------------------------
demo.css = """
#scrollable-html, #scrollable-html-display {
    max-height: 400px;
    overflow: auto;
    border: 1px solid #ccc;
    padding: 10px;
}
"""

# 🚀 앱 실행
if __name__ == "__main__":
    demo.launch()