기본 콘텐츠로 건너뛰기

AWS EC2, Flask를 이용한 카카오 챗봇 제작

AWS EC2, Flask를 이용한 카카오 챗봇 제작

Ruby on Rails에 이어 Flask기반으로 카카오 챗봇을 개발해보겠습니다.

AWS 카테고리의 첫번째 글에서 키페어 파일을 계속 갖고 있으셔야 합니다. (필자는 지워버려서 다시 생성하였습니다..)

저는 맥 OSX에서 개발하였습니다.

chmod 400 kim_n.pem

먼저 위와 같이 내게만 읽기 권한을 갖도록 권한을 변경합니다.

테스트로 보여드리는 IP입니다. 지금 다시 주소 변경했습니다.

그 후 위 사진의 DNS 주소를 복사한 후 아래와 같이 입력하여 ssh 접속합니다.

ssh -i "kim_n.pem" ubuntu@ec2-15-164-214-51.ap-northeast-2.compute.amazonaws.com

접속이 성공될 경우, 위와 같은 화면을 보실 수 있게 됩니다.

ubuntu에 접속하게 되면 python3가 자동적으로 설치되어 있습니다. 이어서 python3-pip와 flask를 설치하셔야 합니다.

sudo apt-get install python3-pip pip3 install flask

위의 두 줄을 차례대로 입력하시면 설치가 완료됩니다.

flask가 설치 되었다면 이제 간단하게 소스를 입력해봅시다! 저는 [vi chat.py] 를 입력하여 chat.py 파일을 생성하였습니다.

import os from flask import Flask, request, jsonify import json app = Flask(__name__) @app.route('/keyboard') def Keyboard(): return jsonify ({ "type" : "buttons", "buttons" : ["인사말", "버전"] }) @app.route('/message', methods = ["POST"]) def Message(): dataReceive = request.get_json() content = dataReceive['content'] if content == u"인사말": dataSend ={ "message" : { "text" : "안녕하세요! 반갑습니다." } } elif content == u"버전": dataSend ={ "message" : { "text" : "아직 프로토타입입니다." } } return jsonify(dataSend) if __name__ == "__main__": app.run(host = '0.0.0.0', port = 8000)

아래에 만약 port 8000으로 접속을 원하실 경우, 전 글과 같이 인바운드 규칙에 8000을 추가로 넣어주셔야 합니다.

8000번 포트를 추가한 후 작성한 chat,py 파일을 실행 시켜보겠습니다.

정상적으로 실행이 되신다면 이제 카카오톡 챗봇 사이트에 해당 주소를 연결합니다.

API 테스트가 정상적으로 작동이 되시면 이제 카카오 챗봇을 확인해주시면 됩니다.

정상적으로 작동되는 것을 확인할 수 있었습니다.

from http://rile1036.tistory.com/84 by ccl(A)

댓글

이 블로그의 인기 게시물

[GCP] Flask로 TF 2.0 MNIST 모델 서빙하기

[GCP] Flask로 TF 2.0 MNIST 모델 서빙하기 Google Cloud Platform 우선 TensorFlow 2.0을 설치하자. 머신에 직접 설치하거나 도커를 다운받아 사용, 혹은 구글 colab을 활용( https://www.tensorflow.org/install)하면 되는데, TensorFlow에서 권장하는대로 머신에 VirtualEnv를 활용해서 설치하자 ( https://www.tensorflow.org/install/pip). 설치하는 김에 Flask도 같이 설치해보자. Compute Machine 하나를 생성(크게 부담 없는 예제라 g1 instance)하고, SSH를 연결하여 실행하면 된다. $ sudo apt update $ sudo apt install python3-dev python3-pip $ sudo pip3 install -U virtualenv # 굳이 system-wide로 flask를 설치할 필요는 없지만 그렇게 했다. $ sudo pip3 install flask $ sudo pip3 install flask-restful # virtualenv 환경에서 tensorflow 2.0 설치 $ virtualenv --system-site-packages -p python3 ./venv $ source ./venv/bin/activate # sh, bash, ksh, or zsh (venv) $ pip install --upgrade pip (venv) $ pip install --upgrade tensorflow 모든 환경이 마련되었으니, 우선 MNIST 모델을 TF 2.0으로 Training하여 모델을 Save 해 두자(tf_mnist_train.py). 대략 99% 이상 정확도가 나온다! import tensorflow as tf import numpy as np # 학습 데이터 load ((train_data, train_label), (eval_data, eval_label)) = tf....

스프링 프레임워크(Spring Framework)란?

스프링 프레임워크(Spring Framework)란? "코드로 배우느 스프링 웹 프로젝트"책을 개인 공부 후 자료를 남기기 위한 목적이기에 내용 상에 오류가 있을 수 있습니다. '스프링 프레임워크'가 무엇인지 말 할 수 있고, 해당 프레임워크의 특징 및 장단점을 설명할 수 잇는 것을 목표로합니다. 1. 프레임워크란? 2. 스프링 프레임워크 "뼈대나 근간을 이루는 코드들의 묶음" Spring(Java의 웹 프레임워크), Django(Python의 웹 프레임워크), Flask(Python의 마이크로 웹 프레임워크), Ruby on rails(Ruby의 웹 프레임워크), .NET Framework, Node.js(Express.js 프레임워크) 등등. 프레임워 워크 종류 : 3. 개발 시간을 단축할 수 있다. 2. 일정한 품질이 보장된 결과물을 얻을 수 있다. 1. 실력이 부족한 개발자라 허다러도 반쯤 완성한 상태에서 필요한 부분을 조립하는 형태의 개발이 가능하다. 프레임워크를 사용하면 크게 다음 3가지의 장점 이 있습니다. 프레임워크 이용 한다는 의미 : 프로그램의 기본 흐름이나 구조를 정하고, 모든 팀원이 이 구조에 자신의 코드를 추가하는 방식으로 개발 한다. => 이러한 상황을 극복하기 위한 코드의 결과물이 '프레임워크' 입니다. 개발자는 각 개개인의 능력차이가 크고, 따라서 개발자 구성에 따라서 프로젝트의 결과 차이가 큽니다. 2. 스프링 프레임워크(Spring Framework) 자바 플랫폼을 위한 오픈 소스 애플리케이션 스프링의 다른 프레임워크와 가장 큰 차이점은 다른 프레임워크들의 포용 입니다. 이는 다시말해 기본 뼈대를 흔들지 않고, 여러 종류의 프레임워크를 혼용해서 사용할 수 있다는 점입니다. 대한민국 공공기관의 웹 서비스 개발 시 사용을 권장하고 있는 전자정부 표준프레임워크 이다. 여러 프레임워크들 중 자바(JAV...

Dummy to resolve the flask problems

Dummy to resolve the flask problems This post is about flask problems that I struggled with. Hope you this is useful things when you taste it. Issue : How to deploy a flask application on Apache2 Resolve : As you know, flask is a micro framework. It can be handled on Apache2 using WSGI module. See the reference. Reference: https://www.digitalocean.com/community/tutorials/how-to-deploy-a-flask-application-on-an-ubuntu-vps Issue : Flask caused ERR_CONNECTION_ABORTED on POST Resolve : There are lots issues for this problem in principle. It caused when browser keep sending some buffer but server doesn't want to receive. My case is like this (submit.html) (submit.py) @bp.route('/submit', methods=["GET", "POST"]) def submit(): return render_template("submit.html") This kinda skel code to explain this. In flask case, this can be caused when it runs as develop server such as run...