JAVA에서 BOT을 만들어보자. (부제. 봇 들이 판치는 세상을 만들어보자!)

만약 이 자바 봇을 이용해 슬랙이나 노션 어쩌구 봇을 만들고 싶다면 해당 스랙과 노션의 출력 형식에 맞게 고쳐야 한다. 나는 java 봇 만 할 것이다.

 

안녕 구글 api

 

이렇게 모든 것에는 api가 있다.

 

그 중에서 나는 그록 api를 쓸 것이다.

그롯 한테 와서 저 api keys라는 곳에서 api키를 받아다가 어딘가 저장을 해두었다가.

 

 

모델을 선택하고 view code 부분에 들어가서 설정을 해줘야 합니다. 
그럼 코드가 나오는데 그것을 기억해야합니다.

 

gsk_xoYjD2j8JhXl  -- LLM_API_KEY



curl "https://api.groq.com/openai/v1/chat/completions" -- LLM_API_URL \
  -X POST \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer ${GROQ_API_KEY}" \
  -d '{
         "messages": [
           {
             "role": "user",
             "content": " 메롱"
           },
           {
             "role": "assistant",
             "content": "메롱!은 한국에서 유명한 배우입니다. 그의 연기력과 카리스마로 많은 팬을 가지고 있습니다. 그가 출연한 드라마나 영화를 보셨나요?"
           }
         ],
         "model": "llama-3.3-70b-versatile", -- LLM_MODEL
         "temperature": 1,
         "max_completion_tokens": 1024,
         "top_p": 1,
         "stream": true,
         "stop": null
       }'




이렇게 나옵니다.
 저렇게 부분에 해당하는 애들을 알고 있어야 합니다. 저 모델 친구는 제 프롬프트와 본문 글 친구입니다.

잘 알았다면 이제 그림 친구모델을 가져옵니다.


투게더
457afd2f0c997b28 --LLM2_API_KEY



curl -X POST "https://api.together.xyz/v1/images/generations" --LLM2_API_URL
  -H "Authorization: Bearer $TOGETHER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "black-forest-labs/FLUX.1-schnell-Free", --LLM2_MODEL
    "prompt": "[]",
    "width": 640,
    "height": 640,
    "steps": 4,
    "n": 1,
    "response_format": "b64_json"
   }'

뭐 이렇게  가져옵니다. 해당하는 부분을 잘 기억해 뒀다가 이제

 

원래는 인텔리 j 라는 애 한테서 해야하는데 귀찮으니 vscode에서 합니다.

이제 파일들은 .github 아래에 만듭니다. 우리의 bot은 깃허브에서 돌릴 꺼니까요. 

깃허브에서는 셋팅즈에서 secrets and variavles에 내 소중한 key들과 주소들을 secrets와 variables에 나눠서 저장을 해둔다.

뭐.. 나중에 바나나 우유 처럼 꺼내 드세요.

맛있겠다.

 

무튼 
파일에서 Send-message.yml 이라는 파일이 있는데 

이렇게 워크 플로우에 JavaBot이라고 나온다.
-----------------------------------------------------------------------------------------------------------------------------

name: JavaBot  # GitHub Actions의 워크플로우 이름을 "JavaBot"으로 설정

on:
  workflow_dispatch:  # 수동 실행을 허용 (GitHub에서 직접 실행 가능)
  schedule:
    - cron: '0 * * * *'  # ⏰ 매 정각(00분)에 실행 (예: 00:00, 01:00, 02:00 ...)
    # 💡 cron 표현식: '0 * * * *'
    # - 첫 번째 값(0): 매 시간 정각(00분)에 실행
    # - 두 번째 값(*): 매 시간을 의미
    # - 나머지 값(* * *): 매일, 매월, 요일 무관하게 실행
    # → 즉, 매 1시간마다 실행됨.

jobs:
  create-issue:  # "create-issue"라는 이름의 작업 정의
    runs-on: ubuntu-latest  # 최신 Ubuntu 환경에서 실행

    steps:  # 작업 단계 정의
      - name: Checkout Repository  # 🔹 현재 GitHub 리포지토리의 코드를 가져옴
        uses: actions/checkout@v4  # GitHub의 공식 checkout 액션 사용 (코드 복사)

      - name: Setup Java 17  # 🔹 Java 17 환경을 설정
        uses: actions/setup-java@v4  # Java를 설정하는 GitHub 액션 사용
        with:
          distribution: temurin  # OpenJDK 기반의 Temurin 배포판 사용
          java-version: '17'  # Java 버전을 17로 설정
          # 💡 만약 인텔리제이 등에서 23버전으로 올리고 싶다면 여기서 수정 가능

      - name: Compile and Run Bot  # 🔹 JavaBot 실행
        run: |  # 여러 명령어를 순차적으로 실행
          javac JavaBot.java  # Java 소스 파일(JavaBot.java)을 컴파일
          java JavaBot  # 컴파일된 Java 프로그램 실행
        env:  # 실행 환경 변수 설정 (Java 프로그램 실행 시 필요한 값들)
            GITHUB_TOKEN: ${{ secrets.GIT_TOKEN }}  # GitHub API 인증 토큰
            GITHUB_REPO: ${{ vars.GIT_REPO }}  # 실행할 GitHub 리포지토리 정보
            LLM_API_URL: ${{ vars.LLM_API_URL }}  # LLM API의 기본 URL
            LLM_API_KEY: ${{ secrets.LLM_API_KEY }}  # LLM API의 인증 키 (보안 유지 필요)
            LLM_MODEL: ${{ vars.LLM_MODEL }}  # 사용할 LLM 모델 이름
            LLM2_API_URL: ${{ vars.LLM2_API_URL }}  # 추가 LLM API URL
            LLM2_API_KEY: ${{ secrets.LLM2_API_KEY }}  # 추가 LLM API 인증 키
            LLM2_MODEL: ${{ vars.LLM2_MODEL }}  # 추가 LLM 모델 이름

-----------------------------------------------------------------------------------------------------------------------------

그리고 JavaBot.java는 .github/workflows의 밖에 있어야한다.
---------------------------------------------------------------------------------------------------

// 필요한 라이브러리 임포트
import java.net.URI; // URL을 다루는 Java 클래스
import java.net.http.HttpClient; // HTTP 요청을 보낼 때 사용하는 클라이언트
import java.net.http.HttpRequest; // HTTP 요청을 생성하는 클래스
import java.net.http.HttpResponse; // HTTP 응답을 처리하는 클래스
import java.nio.charset.StandardCharsets; // UTF-8 등의 문자 인코딩을 사용하기 위한 패키지
import java.util.regex.Matcher; // 정규 표현식을 이용해 문자열에서 원하는 패턴을 추출하는 클래스
import java.util.regex.Pattern; // 정규 표현식을 정의하는 클래스

public class JavaBot { // JavaBot 클래스 정의 (메인 실행 클래스)
    public static void main(String[] args) {
        // 🟢 1. LLM을 이용하여 알고리즘 추천 받기
        String llmResult = useLLM("자바 알고리즘 중 개발자 현업에서 많이 사용되는 알고리즘을 랜덤으로 하나를 추천하고 왜 필요한지 사례 위주 1000자 이내로 작성. 별도의 앞뒤 내용 없이 해당 내용만 출력. nutshell, for slack message, in korean.");
        System.out.println("llmResult = " + llmResult);
        
        // 🟢 2. LLM을 이용하여 제목 요약 생성
        String summarizedTitle = summarizeText(llmResult);
        System.out.println("Summarized Title = " + summarizedTitle);

        // 🟢 3. LLM을 이용해 이미지 생성
        String image_url = useLLM2("A modern software development company's interior in Japanese manga style. The open office layout features a spacious and organized workspace where multiple developers are actively coding at their desks. Some are discussing ideas while looking at their monitors, while others are brainstorming on a whiteboard. The walls are adorned with various tech-related posters and whiteboards, and desks are cluttered with laptops, dual monitors, coffee cups, snacks, and figurines. The lighting is warm and inviting, creating a comfortable atmosphere. A cityscape can be seen through the windows. The characters are drawn in a vibrant Japanese anime style, exuding energy and liveliness.");
        System.out.println("image url = " + image_url);

        // 🟢 4. GitHub Issue 생성
        sendIssues(summarizedTitle, llmResult, image_url);
    }

    // 🔹 LLM API를 호출하는 메서드 (텍스트 생성용)
    public static String useLLM(String prompt) {
        return callLLMApi(prompt);
    }

    // 🔹 LLM API를 호출하는 메서드 (이미지 생성용)
    public static String useLLM2(String prompt) {
        return callLLMApi2(prompt);
    }

    // 🔹 LLM을 이용해 텍스트 요약 (10자 이내의 제목 생성)
    public static String summarizeText(String text) {
        return callLLMApi("다음 내용을 10자 내외의 간결한 제목으로 요약해줘. '" + text + "'");
    }

    // 🔹 LLM API 호출 (텍스트 기반 응답)
    public static String callLLMApi(String prompt) {
        String apiUrl = System.getenv("LLM_API_URL"); // LLM API의 URL 환경 변수
        String apiKey = System.getenv("LLM_API_KEY"); // LLM API의 인증 키
        String model = System.getenv("LLM_MODEL"); // 사용할 LLM 모델

        // API 요청을 위한 JSON 페이로드 생성
        String payload = """
                {
                  "messages": [
                    {
                      "role": "user",
                      "content": "%s"
                    }
                  ],
                  "model": "%s"
                }
                """.formatted(prompt, model);

        HttpClient client = HttpClient.newHttpClient(); // HTTP 클라이언트 생성
        HttpRequest request = HttpRequest.newBuilder()
                .uri(URI.create(apiUrl)) // 요청할 API URL 설정
                .header("Content-Type", "application/json") // JSON 요청임을 명시
                .header("Authorization", "Bearer " + apiKey) // API 인증 헤더 추가
                .POST(HttpRequest.BodyPublishers.ofString(payload, StandardCharsets.UTF_8)) // POST 요청
                .build();

        try {
            HttpResponse<String> response = client.send(request, HttpResponse.BodyHandlers.ofString());

            System.out.println("response.statusCode() = " + response.statusCode()); // HTTP 상태 코드 출력
            System.out.println("response.body() = " + response.body()); // 응답 본문 출력

            if (response.statusCode() == 200) {
                return extractContent(response.body()); // 정규식으로 응답 내용 추출
            } else {
                return "LLM API 오류: " + response.statusCode();
            }
        } catch (Exception e) {
            e.printStackTrace();
            return "예외 발생: " + e.getMessage();
        }
    }

    // 🔹 LLM API 호출 (이미지 생성)
    public static String callLLMApi2(String prompt) {
        String apiUrl = System.getenv("LLM2_API_URL");
        String apiKey = System.getenv("LLM2_API_KEY");
        String model = System.getenv("LLM2_MODEL");

        // API 요청 페이로드 (이미지 생성)
        String payload = """
                {
                "prompt": "%s",
                "model": "%s",
                "width": 640,
                "height": 640,
                "steps": 4,
                "n": 1
                }
                """.formatted(prompt, model);

        HttpClient client = HttpClient.newHttpClient();
        HttpRequest request = HttpRequest.newBuilder()
                .uri(URI.create(apiUrl))
                .header("Content-Type", "application/json")
                .header("Authorization", "Bearer " + apiKey)
                .POST(HttpRequest.BodyPublishers.ofString(payload, StandardCharsets.UTF_8))
                .build();

        try {
            HttpResponse<String> response = client.send(request, HttpResponse.BodyHandlers.ofString());

            if (response.statusCode() == 200) {
                return extractImageUrl(response.body());
            } else {
                return "LLM API 오류: " + response.statusCode();
            }
        } catch (Exception e) {
            e.printStackTrace();
            return "예외 발생: " + e.getMessage();
        }
    }

    // 🔹 JSON 응답에서 "content" 값 추출 (텍스트)
    public static String extractContent(String json) {
        Pattern pattern = Pattern.compile("\"content\":\"([^\"]+)\""); // "content":"내용"
        Matcher matcher = pattern.matcher(json);

        if (matcher.find()) {
            return matcher.group(1);
        }
        return "응답에서 content 값을 찾을 수 없음";
    }

    // 🔹 JSON 응답에서 "url" 값 추출 (이미지 URL)
    public static String extractImageUrl(String json) {
        Pattern pattern = Pattern.compile("\"url\"\\s*:\\s*\"(https?://[^\"]+)\"");
        Matcher matcher = pattern.matcher(json);

        if (matcher.find()) {
            return matcher.group(1);
        }
        return "응답에서 이미지 URL을 찾을 수 없음";
    }

    // 🔹 GitHub Issue 생성 함수
    public static void sendIssues(String title, String body, String imageUrl) {
        String repo = System.getenv("GITHUB_REPO");
        String token = System.getenv("GITHUB_TOKEN");
        String apiUrl = "https://api.github.com/repos/" + repo + "/issues";

        if (repo == null || token == null) {
            System.out.println("GITHUB_REPO 또는 GITHUB_TOKEN 환경 변수가 설정되지 않았습니다.");
            return;
        }

        // 제목과 본문에서 JSON 문법 오류 방지를 위해 이스케이프 처리
        String safeTitle = title.replace("\"", "\\\"").replace("\n", "\\n");
        String safeBody = body.replace("\"", "\\\"").replace("\n", "\\n");

        // Markdown 형식으로 이미지 추가
        String fullBody = safeBody + "\\n\\n---\\n![Generated Image](" + imageUrl + ")";

        String payload = "{"
                + "\"title\": \"" + safeTitle + "\","
                + "\"body\": \"" + fullBody + "\""
                + "}";

        HttpClient client = HttpClient.newHttpClient();
        HttpRequest request = HttpRequest.newBuilder()
                .uri(URI.create(apiUrl))
                .header("Authorization", "Bearer " + token)
                .POST(HttpRequest.BodyPublishers.ofString(payload))
                .build();

        try {
            HttpResponse<String> response = client.send(request, HttpResponse.BodyHandlers.ofString());

            if (response.statusCode() == 201) {
                System.out.println("✅ GitHub Issue 생성 성공!");
            } else {
                System.out.println("❌ GitHub Issue 생성 실패: " + response.body());
            }
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}



코드는 위와 같다.

------------------------------------------------------------------------------------------------------------------------------------------
이렇게 하면 이제 깃허브에서 알아서 llm이 글 과 이미지를 준다.

200은 정상 400 403 에러