멀티턴 대화 시스템 구현 - 작동 확인

.vscode/launch.json

@@ -0,0 +1,20 @@
+{
+    // Use IntelliSense to learn about possible attributes.
+    // Hover to view descriptions of existing attributes.
+    // For more information, visit: https://go.microsoft.com/fwlink/?linkid=830387
+    "version": "0.2.0",
+    "configurations": [
+        {
+            "name": "Python Debugger: Debug app.py",
+            "type": "debugpy",
+            "request": "launch",
+            "program": "${workspaceFolder}/app.py",
+            "console": "integratedTerminal",
+            "env": {
+                "FLASK_NEV": "development",
+                "FLASK_APP": "app.py"
+            },
+            "args":[]
+        }
+    ]
+}

npc_social_network/manager/conversation_manager.py

@@ -1,7 +1,8 @@
 # portfolio/npc_social_network/manager/conversation_manager.py
 # 대화의 시작, 진행, 종료를 총괄하는 역할
 from .. import simulation_core
-from ..models.llm_helper import summarize_memories
+from ..models.llm_helper import summarize_memories, summarize_text
+import threading
 from typing import List, Optional, TYPE_CHECKING
 if TYPE_CHECKING:
     from ..npc.npc_base import NPC
@@ -35,12 +36,31 @@ class ConversationManager:
     def _add_and_log_utterance(self,speaker: "NPC", utterance: str):
         """대사를 대화 기록과 UI 로그에 모두 추가"""
         if not self.is_conversation_active():
-            return
-        
+            return        
         log_message = f"[{speaker.korean_name}]: {utterance}"
         self.active_conversation.conversation_history.append(log_message)
         simulation_core.add_log(log_message)
-    
+
+    def _summarize_and_remember_in_background(self, conv: "Conversation"):
+        """백그라운드 스레드 대화를 요약하고 기억시키는 함수"""
+        try:
+            if not conv.conversation_history:
+                print("기억할 대화 내용이 없어 종료.")
+                return
+            initiator, target = conv.participants[0], conv.participants[1]
+            full_conversation = "\n".join(conv.conversation_history)
+
+            summary = summarize_text(full_conversation)
+            with simulation_core.simulation_lock:
+                memory_content = f"'{conv.topic}'에 대해 대화하며 '{summary}'라는 결론을 내렸다."
+                initiator.remember(content=f"{target.korean_name}와(과) {memory_content}", importance=7, memory_type="Conversation")
+                target.remember(content=f"{initiator.korean_name}와(과) {memory_content}", importance=7, memory_type="Conversation")
+                print(f"[{initiator.korean_name}, {target.korean_name}] 대화 내용이 기억에 저장되었습니다.")
+        except Exception as e:
+            print(f"[에러] 백그라운드 기억 저장 중 문제 발생: {e}")
+            import traceback
+            traceback.print_exc()
+
     def start_conversation(self, initiator: "NPC", target: "NPC",
                            topic: Optional[str] = None):
         """새로운 대화를 시작, 바로 다음 턴을 호출"""
@@ -51,34 +71,33 @@ class ConversationManager:
         self.active_conversation = Conversation(initiator, target, conv_topic)
         print(f"--[대화 시작]--")
         print(f"주제: {conv_topic} / 참여자: {initiator.korean_name}, {target.korean_name}")
-
-        
         
         # 1. 첫 마디 생성
         self.next_turn()
 
     def end_conversation(self, reason: str = "자연스럽게"):
         """현재 대화를 종료하고, 대화 내용을 요약하여 기억으로 저장"""
-        if self.is_conversation_active():
+        if not self.is_conversation_active():
             return
         
         # 대화가 끝나면, 전체 대화 내용을 바탕으로 기억을 생성하고 관계를 업데이트
-        conv = self.active_conversation
-        if conv.conversation_history:
-            initiator = conv.participants[0]
-            target = conv.participants[1]
-            full_conversation = "\n".join(conv.conversation_history)
+        conv_to_process = self.active_conversation
 
-            # LLM을 통해 전체 대화 내용을 한 문장으로 요약
-            summary = summarize_memories(full_conversation)
+        # 1. 대화 상태를 즉시 '종료'로 변경하여 메인 루프를 해방
+        self.active_conversation = None
+        print(f"---[대화 종료: {reason}]---\n")
 
-            with simulation_core.simulation_lock:
-                # 양쪽 모두에게 대화 기억을 저장
-                initiator.remember(content=f"{target.korean_name}와 '{conv.topic}'에 대해 대화했다:\n{full_conversation}", importance=7, memory_type="Conversation")
-                target.remember(content=f"{initiator.korean_name}와 '{conv.topic}'에 대해 대화했다:\n{full_conversation}", importance=7, memory_type="Conversation")
+        # 2. 시간이 걸리는 '기억 저장' 작업은 별도의 스레드를 생성하여 백그라운드에서 처리.
+        background_thread = threading.Thread(
+            target=self._summarize_and_remember_in_background,
+            args=(conv_to_process,)
+        )
+        background_thread.start()
+
+        # 3. 대화가 종료된 직후, 현재까지의 시뮬레이션 전체 상태를 즉시 저장.
+        with simulation_core.simulation_lock:
+            simulation_core.save_simulation(simulation_core.npc_manager)
 
-        print(f"---[대화 종료: {reason}]---\n")
-        self.active_conversation = None
 
     def next_turn(self):
         """대화의 다음 턴을 진행, 생성된 대사 처리"""
@@ -86,17 +105,20 @@ class ConversationManager:
             return
         
         conv = self.active_conversation
+        speaker = conv.get_current_speaker()
 
+        # 상태 1: 마무�� 단계 (작별 인사)
         if conv.is_ending:
+            utterance, _ = speaker.generate_dialogue_turn(conv, is_final_turn=True)
+            self._add_and_log_utterance(speaker, utterance)
             self.end_conversation("작별 인사 완료")
             return
-        
-        speaker = conv.get_current_speaker()
 
-        # 대답 생성 로직
+        # 상태 2: 진행 단계 (일반 대화)
         utterance, action = speaker.generate_dialogue_turn(conv)
         self._add_and_log_utterance(speaker, utterance)
 
+        # 상태 전환 결정
         if action != "CONTINUE" or len(conv.conversation_history) >= 10:
             conv.is_ending = True
             conv.switch_turn()

npc_social_network/models/llm_helper.py

@@ -41,6 +41,23 @@ def query_llm_with_prompt(prompt: str) -> str:
         return response.text.strip()
     except Exception as e:
         return f"[LLM Error] {str(e)}"
+    
+def summarize_text(text: str) -> str:
+    """주어진 긴 텍스트(대화 내용 등)를 한 문장으로 요약"""
+    if not text.strip():
+        return "아무 내용 없는 대화였음"
+    
+    prompt = f"""
+# Instruction
+다음 텍스트를 가장 핵심적인 내용을 담아 한국어 한 문장으로 요약해주세요.
+
+# Text
+{text}
+
+# Summary (a single sentence):
+"""
+    summary = query_llm_with_prompt(prompt)
+    return summary if summary and "[LLM Error]" not in summary else "대화 요약에 실패함"
 
 def summarize_memories(memories: List[Memory]) -> str:
     """
@@ -179,11 +196,25 @@ Your response MUST be a valid JSON array of strings, where each string is a step
         return result
     return ["[계획 생성에 실패했습니다]"] # 최종 실패 시 안전한 값 반환
 
-def generate_dialogue_action(speaker: "NPC", target: "NPC", conversation: "Conversation", memories: List["Memory"]) -> dict:
+def generate_dialogue_action(speaker: "NPC", target: "NPC", conversation: "Conversation",
+                             memories: List["Memory"], is_final_turn: bool = False) -> dict:
     """NPC의 모든 내면 정보를 바탕으로 다음 대사와 행동을 생성."""
     history_str = "\n".join(conversation.conversation_history)
     memory_str = "\n".join([f"- {m.content}" for m in memories]) if memories else "관련된 특별한 기억 없음"
 
+    if is_final_turn:
+        task_instruction = """
+- 상대방이 대화를 마무리하려고 합니다. 상대방의 마지막 말에 어울리는 자연스러운 작별 인사를 생성하세요. (예: "네, 조심히 가세요.", "다음에 또 봬요.", "알겠습니다. 좋은 하루 보내세요.")
+- 이 대사를 끝으로 대화를 마무리("END")하세요.
+"""
+    else:
+        task_instruction = """
+- 위 대화의 흐름과 주제에 맞춰, 당신이 이번 턴에 할 자연스러운 대사를 생성하세요.
+- 대화를 계속 이어갈지("CONTINUE"), 아니면 이 대사를 끝으로 대화를 마무리할지("END") 결정하세요.
+- **대화를 끝내기로 결정했다면 (`action: "END"`), 당신의 대사는 반드시 "이제 가봐야겠어요", "다음에 또 이야기 나눠요" 와 같이 대화의 마무리를 암시하는 내용이어야 합니다.**
+- 단순히 상대방의 말에 동의만 하지 말고, 당신의 기억이나 성격을 바탕으로 새로운 생각이나 질문, 화제를 꺼내어 대화를 풍부하게 만드세요.
+"""
+
     # 대화 전략(Conversation Strategies) 프롬프트 도입
     prompt = f"""
 # Persona
@@ -203,11 +234,9 @@ def generate_dialogue_action(speaker: "NPC", target: "NPC", conversation: "Conve
 {history_str}
 
 # Instruction
-- 위 대화의 흐름과 주제에 맞춰, 당신이 이번 턴에 할 자연스러운 대사를 생성하세요.
-- 이 대화를 계속 이어갈지("CONTINUE"), 아니면 이 대사를 끝으로 대화를 마무리할지("END") 결정하세요.
+{task_instruction}
 - 당신의 응답은 반드시 아래 JSON 형식이어야 합니다.
 - 대사에는 이름, 행동 묘사, 따옴표를 절대 포함하지 마세요.
-- 단순히 상대방의 말을 따라 하거나, 계속해서 질문만 던지는 앵무새처럼 행동하지 마세요.
 - 아래의 'Conversation Strategies'과 같이 현재 대화의 맥락과 당신의 성격에 가장 적절한 행동 하나를 선택하세요.
 
 # Conversation Strategies

npc_social_network/npc/npc_base.py

@@ -142,7 +142,7 @@ class NPC:
         self.personality_stage = None
         self.update_personality_stage()
 
-    def generate_dialogue_turn(self, conversation: "Conversation") -> Tuple[str, str]:
+    def generate_dialogue_turn(self, conversation: "Conversation", is_final_turn: bool=False) -> Tuple[str, str]:
         """대화의 현재 턴에 대한 응답과 행동을 생성 (기억과 관계를 총 동원)"""
         
         # 1. 생각하기: '첫 마디'와 '대답'에 따라 다른 정보로 기억을 탐색.
@@ -158,7 +158,8 @@ class NPC:
             speaker = self,
             target = conversation.participants[1-conversation.turn_index],
             conversation = conversation,
-            memories = relevant_memories
+            memories = relevant_memories,
+            is_final_turn = is_final_turn
         )
         dialogue = result.get("dialogue", "...")
         action = result.get("action", "END").strip().upper()

npc_social_network/simulation_core.py

@@ -61,19 +61,20 @@ def simulation_loop():
     tick_counter = 0
 
     while True:
-        # 대화 중일 때는 대화만 진행
-        if conversation_manager and conversation_manager.is_conversation_active():
-            conversation_manager.next_turn()
-
-        elif not simulation_paused:
-            tick_simulation()
-
-            # 틱이 발생할 때마다 카운터 증가
-            tick_counter += 1
-            if tick_counter >= save_interval_ticks:
-                with simulation_lock:
-                    save_simulation(npc_manager)
-                tick_counter = 0
+        if not simulation_paused:
+            # 대화 중일 때는 대화만 진행
+            if conversation_manager and conversation_manager.is_conversation_active():
+                conversation_manager.next_turn()
+
+            # 대화 중이 아닐때 전체 시뮬레이션 진행
+            else:
+                tick_simulation()
+                # 틱이 발생할 때마다 카운터 증가
+                tick_counter += 1
+                if tick_counter >= save_interval_ticks:
+                    with simulation_lock:
+                        save_simulation(npc_manager)
+                    tick_counter = 0
                 
         time.sleep(5)   # 5초에 한 번씩 틱 발생 (이것보다 줄이면 Gemini API 사용량 초과 발생 가능)