[PYTHON/LANGCHAIN] ConversationTokenBufferMemory 클래스 : save_context 메소드를 사용해 메시지 히스토리 추가하기

■ ConversationTokenBufferMemory 클래스의 save_context 메소드를 사용해 메시지 히스토리를 추가하는 방법을 보여준다.

※ OPENAI_API_KEY 환경 변수 값은 .env 파일에 정의한다.

▶ main.py


from dotenv           import load_dotenv
from langchain_openai import ChatOpenAI
from langchain.memory import ConversationTokenBufferMemory

load_dotenv()

chatOpenAI = ChatOpenAI(model = "gpt-4o-mini")

conversationTokenBufferMemory = ConversationTokenBufferMemory(llm = chatOpenAI, max_token_limit = 100, return_messages = True)

conversationTokenBufferMemory.save_context(
    inputs  = {"human" : "안녕하세요, 저는 최근에 여러분 회사의 공작 기계를 구매했습니다. 설치 방법을 알려주실 수 있나요?"},
    outputs = {"ai"    : "안녕하세요! 구매해 주셔서 감사합니다. 해당 기계 모델 번호를 알려주시겠어요?"}
)

conversationTokenBufferMemory.save_context(
    inputs  = {"human" : "네, 모델 번호는 XG-200입니다."},
    outputs = {"ai"    : "감사합니다. XG-200 모델의 설치 안내를 도와드리겠습니다. 먼저, 설치할 장소의 전원 공급 상태를 확인해주세요. 기계는 220V 전원이 필요합니다."}
)

conversationTokenBufferMemory.save_context(
    inputs  = {"human" : "전원은 확인했습니다. 다음 단계는 무엇인가요?"},
    outputs = {"ai"    : "좋습니다. 다음으로, 기계를 평평하고 안정된 바닥에 배치해 주세요. 이후, 제공된 사용자 매뉴얼에 따라 케이블 연결을 진행해 주시기 바랍니다."}
)

conversationTokenBufferMemory.save_context(
    inputs  = {"human" : "연결은 어떻게 하나요?"},
    outputs = {"ai"    : "매뉴얼의 5페이지를 참조해 주세요. 케이블 연결에 관한 상세한 지침이 있습니다. 이 과정에서 어려움이 있으시면 추가적으로 도와드리겠습니다."}
)

conversationTokenBufferMemory.save_context(
    inputs  = {"human" : "설치가 완료되면 어떻게 해야 하나요?"},
    outputs = {"ai"    : "설치가 완료되면, 전원을 켜고 초기 구동 테스트를 진행해 주시기 바랍니다. 테스트 절차는 매뉴얼의 10페이지에 설명되어 있습니다. 만약 기계에 이상이 있거나 추가적인 지원이 필요하시면 언제든지 연락 주시기 바랍니다."}
)

conversationTokenBufferMemory.save_context(
    inputs  = {"human" : "감사합니다, 도움이 많이 되었어요!"},
    outputs = {"ai"    : "언제든지 도와드릴 준비가 되어 있습니다. 추가적인 질문이나 지원이 필요하시면 언제든지 문의해 주세요. 좋은 하루 되세요!"}
)

from dotenv import load_dotenv

from langchain_openai import ChatOpenAI

from langchain.memory import ConversationTokenBufferMemory

load_dotenv()

chatOpenAI = ChatOpenAI(model = "gpt-4o-mini")

conversationTokenBufferMemory = ConversationTokenBufferMemory(llm = chatOpenAI, max_token_limit = 100, return_messages = True)