실습: 나의 첫 LLM API 호출

오늘의 목표: Python으로 LLM에게 제조 관련 질문을 해보자.

Step 1: 환경 설정

주차 첫 과제 "시작하기 전에"에서 가상환경과 패키지 설치를 마쳤다면 이 단계는 건너뛴다.

# 가상환경 생성
python -m venv mfg-ai
source mfg-ai/bin/activate        # macOS·리눅스
mfg-ai\Scripts\Activate.ps1       # 윈도우 PowerShell

# 이번 주에 쓰는 패키지 (tiktoken은 Day 3, streamlit은 Day 4부터 쓴다)
pip install openai python-dotenv tiktoken streamlit

윈도우에서 Activate.ps1이 차단되면 Set-ExecutionPolicy -Scope CurrentUser RemoteSigned를 먼저 실행한다.

Step 2: API 키 설정

키를 만드는 것만으로는 호출이 되지 않는다. 결제 수단과 크레딧을 등록하지 않은 새 계정은 첫 호출에서 429(insufficient_quota)로 거절된다. platform.openai.com에서 순서를 지킨다.

1. Billing에서 결제 수단을 등록하고 크레딧을 충전한다
2. API keys에서 Create new secret key (창을 닫으면 키를 다시 볼 수 없다)
3. 사용량 한도(Usage limits)를 낮게 걸어 둔다

.env 파일은 편집기에서 만들어 UTF-8로 저장한다. PowerShell의 echo "..." > .env는 파일을 UTF-16으로 기록해 python-dotenv가 키를 읽지 못하고, 화면에는 401만 뜬다.

OPENAI_API_KEY=sk-여기에-실제-키-입력

# .gitignore에 추가 (필수!)
echo ".env" >> .gitignore

막히면 "시작하기 전에"의 3~5절로 돌아간다. 첫날 이탈은 거의 전부 이 세 절 안에 있다.

Step 3: 첫 번째 코드 작성

아래 코드를 first_llm.py로 저장하고 실행하세요.

Step 4: 3가지 제조 질문 테스트

코드를 실행한 후, 다음 질문들을 바꿔가며 테스트하세요:

1. "CNC 가공에서 채터링이 발생하는 원인은?"
2. "사출 성형에서 웰드라인을 줄이는 방법은?"
3. "PLC 래더 로직에서 자기유지회로란?"

각 질문의 응답 품질과 정확성을 직접 판단해보세요. 답에 나온 수치(절삭 속도, 온도, 압력)는 그대로 믿지 말고, 아는 것 하나를 골라 사실인지 확인해보세요. 이 챗봇은 어떤 문서도 읽지 않고 답합니다.