Spring Boot + Thymleaf + FastAPI + LangChain + MySQL + Elasticsearch를 활용한 챗봇 기반 개인화 학습 지원 서비스
사용자가 직접 업로드한 교재(PDF)를 기반으로, 개인의 학습 상황에 맞춘 문제 생성, 개념 설명, 페이지 추천 등을 제공하는 챗봇 기반 개인화 학습 지원 서비스입니다. LangChain과 GPT-4를 활용해, 단순한 챗봇이 아닌 대화 흐름에 따라 반복 학습과 오답 피드백 루프를 구성할 수 있으며, 이를 위해 Spring Boot ↔ FastAPI(LangChain) ↔ Elasticsearch가 유기적으로 연결됩니다.
https://www.figma.com/board/Xw0B6VFKSx0Uj0tRNO2FgA/Untitled?node-id=0-1&p=f&t=8jBj2pGFQPkSKXHv-0
본 시스템은 Docker Compose 네트워크 기반의 멀티 컨테이너 아키텍처로, Spring Boot, FastAPI, MySQL, Elasticsearch 등 주요 컴포넌트를 통합하여 다음과 같은 기능을 제공합니다:
- ✍️ 노트/메모 기반 학습 지원
- 💬 상태 기반 챗봇과의 자연스러운 대화 흐름
- 🧠 LangChain 기반 문제 생성 및 오답 피드백
- 🔍 Elasticsearch를 통한 교재 검색 및 유사 문서 탐색
| 구분 | 기술 |
|---|---|
| 프론트엔드 | Thymeleaf (Spring 기반 SSR) |
| 백엔드 (메인) | Spring Boot (Java 17) |
| AI 서버 | FastAPI (Python 3.10) + LangChain |
| 데이터베이스 | MySQL 8.0 |
| 검색엔진 | Elasticsearch 8.x |
| 컨테이너화 | Docker, Docker Compose |
| LLM 연동 | OpenAI GPT-4 API |
| 문서 검색 최적화 | RAG (Retrieval-Augmented Generation) 기반 구조 |
| 구성 요소 | 역할 |
|---|---|
| 👥 사용자 | 웹 UI에서 챗봇과 상호작용, 노트 작성, PDF 열람 |
| 🌱 Spring Boot + Thymleaf | 상태 제어, 사용자 인증, PDF 렌더링 및 노트 관리 |
| ⚡ FastAPI (LangChain) | 예상 문제 생성, 오답 분석, 개념 설명 (LLM 호출) |
| 🔎 Elasticsearch | 교재 문서 임베딩 및 RAG 기반 검색 |
| 🐬 MySQL | 사용자/노트/이력 정보 저장 |
| 🌐 외부 API | 위키/백과 등을 통한 개념 설명 보강 |
[사용자 요청]
↓
[Spring ChatService: 상태 판단 + 흐름 제어]
↓ ↘️
[상태 전이에 따른 로직 처리] → (필요 시) [FastAPI (/chat)] 호출
↓
[다음 상태 + 메시지 결정]
↓
[ChatHistory 저장 + 응답 반환]
📍 START → WAITING_USER_SELECT_FEATURE
// 기능 선택 대기 (1. 문제 생성 / 2. 페이지 찾기 / 3. 개념 설명)
├─ 1. 예상 문제 생성
│ → WAITING_PROBLEM_CRITERIA_SELECTION
│ // 문제 기준 선택 요청
│ → WAITING_PROBLEM_CONTEXT_INPUT
│ // 챕터/개념 입력 요청
│ → ⚡ GENERATING_QUESTION_WITH_RAG
│ // FastAPI 호출로 문제 생성
│ → ⚡ EVALUATING_ANSWER_AND_LOGGING
│ // FastAPI 호출로 정오답 판단 및 해설 포함
│ → WAITING_CONCEPT_RATING
│ // 해설에 대한 이해도 평가 요청
│ ├─ 4~5점 → WAITING_NEXT_ACTION_AFTER_LEARNING
│ │ // 다음 행동 선택 (1. 다음 문제 / 2. 기능 선택)
│ │ ├─ 1. 다음 문제 → ⚡ GENERATING_ADDITIONAL_QUESTION_WITH_RAG
│ │ │ → ⚡ EVALUATING_ANSWER_AND_LOGGING → ...
│ │ └─ 2. 기능 선택 → WAITING_USER_SELECT_FEATURE
│ └─ 1~3점 → WAITING_REASON_FOR_LOW_RATING
│ // 낮은 점수 이유 요청
│ → ⚡ REEXPLAINING_CONCEPT
│ // FastAPI 호출로 보충 설명
│ → WAITING_CONCEPT_RATING (반복)
├─ 2. 페이지 찾기
│ → WAITING_KEYWORD_FOR_PAGE_SEARCH
│ // 키워드 입력 대기
│ → ⚡ PROCESSING_PAGE_SEARCH_RESULT
│ // FastAPI 호출로 페이지/챕터 추천
│ → WAITING_USER_SELECT_FEATURE (루프)
└─ 3. 개념 설명
→ WAITING_CONCEPT_INPUT
// 개념 입력 대기
→ ⚡ PRESENTING_CONCEPT_EXPLANATION
// FastAPI 호출로 개념 설명
→ WAITING_CONCEPT_RATING
// 설명에 대한 평가
├─ 4~5점 → WAITING_NEXT_ACTION_AFTER_LEARNING → (선택에 따라 루프)
└─ 1~3점 → WAITING_REASON_FOR_LOW_RATING → ⚡ REEXPLAINING_CONCEPT → WAITING_CONCEPT_RATING (반복)
📦KDT_BE12_Toy_Project4/
├─ 📁 application-server/ # Spring Boot 애플리케이션
│ └─ 📁 application/ # 핵심 서버 애플리케이션 모듈
│ ├─ 📁 src/ # Java 소스 코드
│ ├─ 📜 build.gradle # Gradle 빌드 스크립트
│ ├─ 📜 Dockerfile # Spring Boot Dockerfile
│ └─ ...
│
├─ 📁 langchain-server/ # FastAPI + LangChain 기반 AI 서버
│ ├─ 📁 app/ # FastAPI 라우터 및 서비스 코드
│ ├─ 📁 tests/ # 테스트 코드
│ ├─ 📜 Dockerfile # FastAPI Dockerfile
│ ├─ 📜 Dockerfile.elasticsearch # Elasticsearch 포함 빌드용 Dockerfile
│ └─ 📜 pyproject.toml # Python 프로젝트 설정
│
├─ 📜 docker-compose.yml # 전체 멀티 컨테이너 구성 파일
├─ 📜 .env.dev # 개발용 환경 변수
├─ 📜 .env.prod # 운영용 민감 정보 (Git 제외 권장)
├─ 📜 README.md
└─ ...
| 구성 요소 | 설명 | 호스트 포트 → 컨테이너 포트 |
|---|---|---|
Spring Boot |
사용자 API / View 렌더링 | 8080:8080 |
MySQL |
관계형 데이터베이스 | 3307:3306 |
FastAPI (LangChain) |
AI 기반 응답 처리 | 8000:8000 |
Elasticsearch |
검색 기반 시스템 | 9200:9200 |
- 모든 컨테이너는 Docker Compose의
backend네트워크로 연결 - 내부 DNS 이름 (
mysql,langchain,elasticsearch)으로 서로 접근
| 파일명 | 목적 | 비고 |
|---|---|---|
.env.dev |
개발 환경용 설정 (DB 포트, 서비스 이름 등) | 로컬 개발자들이 공통으로 사용할 수 있도록 Git에 포함 |
.env.prod |
운영 또는 배포용 민감 정보 (API 키, 시크릿 등) | 보안상 Git에 포함 ❌, 로컬 또는 서버에서 개별 관리 필요 |
OPENAI_API_KEY=sk-xxxxxxxxxxxx
OPENAI_MODEL_NAME=gpt-4
GEMINI_API_KEY=xxxxxxxxxxxx
GOOGLE_SEARCH_API_KEY=xxxxxxxxxxxx
GOOGLE_CSE_ID=xxxxxxxxxxxx
