전북대학교 오픈소스소프트웨어 팀 프로젝트

MBTI에 기반하여 사용자에게 알맞는 여가활동 추천하는 어플리케이션

개발 기간 🗓

• 2024.04 ~ 2024.06

역할 분담 🧑‍💻

개발 인원 : 5명

이름	개인 역할	담당 역할 및 기능
원동훈	PM, Developer	PM, 기획, 프론트엔드, MBTI Test 구현
김유림	Developer	UI/UX, 프론트엔드, MBTI Test 구현, OpenAI 파인튜닝
신광철	Developer	백엔드, Firebase 로그인 기능 구현, 서버 통신
김솔래	Developer	백엔드, REST API 로그인 구현
주효돈	Developer	백엔드, Firebase API, 날씨&지도 API, 서버 통신

기술 스택 💻

(Version : Unity 2022.3.22f1 - LTS)

협업 가이드 및 규칙 Tool - 프로젝트 스케줄 📅

노션 Notion

• https://www.notion.so/ab5763575e0940c09e21e68cd2c7b464

• https://unmarred-deer-17b.notion.site/ab5763575e0940c09e21e68cd2c7b464?pvs=4

설치 및 빌드

키 값 입력

- Assets/Firebase/google-services.json에 19번 줄 부분에 'current_key'에 notion에 있는 google서비스 키 값 입력 - Assets/03.Scripts/AI/OpenAI-Fine-Tuning/auth.json 에 있는 'api-key'와 'organization'에 notion에 있는 키 값을 각각 입력 해줄 것

유니티 설치

https://unity.com/kr/download

• 상단에 Windows-Package Manger 클릭

• 좌측상단에 + 버튼을 클릭 후 Add package from git URL 클릭 아래 URL 입력 후 Add https://github.com/srcnalt/OpenAI-Unity.git

• OpenAI Unity 찾은 후 Install 버튼 클릭

유니티 실행

https://unity.com/kr/download

참고 자료

OpenAI Fine-Tuning

MBTI 특성 정리

MBTI Personality Types 500 Dataset

OpenAI 파인튜닝

1. OpenAI에서 gpt-3.5-turbo로 데이터셋 제작.

   • Create_MBTI_Data_Openai_api.ipynb
   • 데이터셋 변환 중 발생한 오류: ChatGPT 솔루션

2. OpenAI ‘gpt-3.5-turbo-1106’ 모델을 베이스로 파인튜닝

   • OpenAI Fine-tuning

Unity에 파인튜닝된 모델 적용

How To Make ChatGPT NPC In Unity - Tutorial

날씨 및 지도 API

기상청 날씨예보 받아오는 샘플코드 https://www.data.go.kr/tcs/dss/selectApiDataDetailView.do?publicDataPk=15084084

사용자 위치정보 가져오는 코드 https://velog.io/@jm450_/Unity-AR-GPS%EC%97%90-%EB%94%B0%EB%A5%B8-%EC%9C%84%EC%B9%98-%EC%9D%B4%EB%8F%99

기상청 좌표 xy로 변환 https://gist.github.com/fronteer-kr/14d7f779d52a21ac2f16

Firebase API

firebase sdk 사용법 https://firebase.google.com/docs/web/setup?hl=ko&authuser=0&_gl=1*vrvf6k*_ga*MTU4OTg2ODE2LjE3MTg4OTQ3Mjk.*_ga_CW55HF8NVT*MTcxODk0NzI0NS41LjEuMTcxODk0NzM3Ny40Ni4wLjA. firebase R/W 활용 https://chatgpt.com/c/f8a2acc9-5e1f-4004-952f-a01bcc2880af

서버

[app.py] 서버에 데이터 주고 파일로 저장 및 데이터 유저에게 전달 (.send_data), 서버에 저장된 파일 데이터 유저에게 전달 (.read_data) 데이터 정의 및 직렬화, 서버와의 통신

참고 자료 // https://github.com/AakashGD890/FirebaseStarterProject // https://firebase.google.com/docs/auth/unity/start?hl=ko)&_gl=1*2pq1it*_up*MQ..*_ga*NDUxNzQ2NTQ0LjE3MTQwMDYzODg.*_ga_CW55HF8NVT*MTcxNDAwNjM4OC4xLjAuMTcxNDAwNjM4OC4wLjAuMA.. (firebase 공식 docs)

Swagger 해설

설명 : API개발에 도움이 되도록 API통신을 쉽게 테스트해볼 수 있는 여건을 제공해준다. https://swagger.io/

테스트 링크 : (swagger UI editor 기본예제인 Petstore API) https://petstore.swagger.io/?_gl=1*1jcnyq5*_gcl_au*MzAyNjY4OTguMTcxODAyNzI4MA..&_ga=2.38522087.518992663.1718952823-1509199943.1718027280

flask_restx 레퍼런스 : https://flask-restx.readthedocs.io/en/latest/

적용 방법 : (flask 서버 + python 이용) (python으로 만들어진 코드를 Swagger 정의로 자동변환함) 1. 기존에 서버로 사용되었던 파일에 flask_restx 를 설치해 불러옵니다. 2. Swagger API로 사용되는 변수를 추가합니다 api = Api(app, version='1.0', title='Sample API', description='A sample API', ) 3. api.amespace를 통해 기능을 대분류로 나눕니다. 4. api.model를 통해 사용할 데이터 구조를 정의합니다. (자료형, 필수입력여부 등) 5. 각 기능을 구현할 class를 구현합니다. 클래스는 flask_restx의 Resource 클래스로부터 상속받습니다. 6. 클래스 상단에 @<구현한 namespace 이름>.route()로 실제 api 접속 주소를, .param()으로 이 기능에서 사용될 입력을 추가합니다. 7. 각 클래스에서 get, post, put 등의 이름을 가진 메서드를 구현합니다. 리턴값이 곧 응답 결과물 입니다. (swagger는 Resoure에 오버라이딩 하면 알아서 인식해 표시합니다) 8. 각 메서드 상단에는 @<구현한 namespace 이름>.expect()를 통해 입력 데이터 구조를 정의하고, .response(code, text)를 통해 응답을 설정해 줄 수 있습니다.

....