Update app.py

app.py

@@ -8,877 +8,14 @@ import time
 from datasets import load_dataset
 from sentence_transformers import SentenceTransformer, util
 
-# 미쉐린 제네시스 API 키
-GEMINI_API_KEY = os.getenv("GEMINI_API_KEY")
-genai.configure(api_key=GEMINI_API_KEY)
-
-# Google Gemini 2.0 Flash 모델 (Thinking 기능 포함) 사용
-model = genai.GenerativeModel("gemini-2.0-flash-thinking-exp-1219")
-
-########################
-# 데이터셋 불러오기
-########################
-
-# 건강 정보(PharmKG 대체)를 위한 데이터셋
-health_dataset = load_dataset("vinven7/PharmKG")
-
-# 레시피 데이터셋
-recipe_dataset = load_dataset("AkashPS11/recipes_data_food.com")
-
-# 한국 음식 정보 데이터셋
-korean_food_dataset = load_dataset("SGTCho/korean_food")
-
-# 문장 임베딩 모델 로드
-embedding_model = SentenceTransformer('sentence-transformers/all-MiniLM-L6-v2')
-
-########################
-# 부분 샘플링 (성능 개선용)
-########################
-
-MAX_SAMPLES = 100
-
-health_subset = {}
-for split in health_dataset.keys():
-    ds_split = health_dataset[split]
-    sub_len = min(MAX_SAMPLES, len(ds_split))
-    health_subset[split] = ds_split.select(range(sub_len))
-
-recipe_subset = {}
-for split in recipe_dataset.keys():
-    ds_split = recipe_dataset[split]
-    sub_len = min(MAX_SAMPLES, len(ds_split))
-    recipe_subset[split] = ds_split.select(range(sub_len))
-
-korean_subset = {}
-for split in korean_food_dataset.keys():
-    ds_split = korean_food_dataset[split]
-    sub_len = min(MAX_SAMPLES, len(ds_split))
-    korean_subset[split] = ds_split.select(range(sub_len))
-
-def find_related_restaurants(query: str, limit: int = 3) -> list:
-    """
-    Query에 관련된 미쉐린 레스토랑을 michelin_my_maps.csv에서 찾아 반환
-    """
-    try:
-        with open('michelin_my_maps.csv', 'r', encoding='utf-8') as f:
-            reader = csv.DictReader(f)
-            restaurants = list(reader)
-            
-        # 간단한 키워드 매칭
-        related = []
-        query = query.lower()
-        for restaurant in restaurants:
-            if (query in restaurant.get('Cuisine', '').lower() or
-                query in restaurant.get('Description', '').lower()):
-                related.append(restaurant)
-                if len(related) >= limit:
-                    break
-                    
-        return related
-    except FileNotFoundError:
-        print("Warning: michelin_my_maps.csv file not found")
-        return []
-    except Exception as e:
-        print(f"Error finding restaurants: {e}")
-        return []
-
-def format_chat_history(messages: list) -> list:
-    """
-    채팅 히스토리를 Gemini에서 이해할 수 있는 구조로 변환
-    """
-    formatted_history = []
-    for message in messages:
-        # "metadata"가 있는 assistant의 생각(Thinking) 메시지는 제외하고, user/assistant 메시지만 포함
-        if not (message.get("role") == "assistant" and "metadata" in message):
-            formatted_history.append({
-                "role": "user" if message.get("role") == "user" else "assistant",
-                "parts": [message.get("content", "")]
-            })
-    return formatted_history
-
-
-def find_most_similar_data(query: str):
-    """
-    입력 쿼리에 가장 유사한 데이터를 세 가지 부분 샘플링된 데이터셋에서 검색
-    """
-    query_embedding = embedding_model.encode(query, convert_to_tensor=True)
-    most_similar = None
-    highest_similarity = -1
-
-    # 건강 데이터셋
-    for split in health_subset.keys():
-        for item in health_subset[split]:
-            if 'Input' in item and 'Output' in item:
-                item_text = f"[건강 정보]\nInput: {item['Input']} | Output: {item['Output']}"
-                item_embedding = embedding_model.encode(item_text, convert_to_tensor=True)
-                similarity = util.pytorch_cos_sim(query_embedding, item_embedding).item()
-                if similarity > highest_similarity:
-                    highest_similarity = similarity
-                    most_similar = item_text
-
-    # 레시피 데이터셋
-    for split in recipe_subset.keys():
-        for item in recipe_subset[split]:
-            text_components = []
-            if 'recipe_name' in item:
-                text_components.append(f"Recipe Name: {item['recipe_name']}")
-            if 'ingredients' in item:
-                text_components.append(f"Ingredients: {item['ingredients']}")
-            if 'instructions' in item:
-                text_components.append(f"Instructions: {item['instructions']}")
-
-            if text_components:
-                item_text = "[레시피 정보]\n" + " | ".join(text_components)
-                item_embedding = embedding_model.encode(item_text, convert_to_tensor=True)
-                similarity = util.pytorch_cos_sim(query_embedding, item_embedding).item()
-
-                if similarity > highest_similarity:
-                    highest_similarity = similarity
-                    most_similar = item_text
-
-    # 한국 음식 데이터셋
-    for split in korean_subset.keys():
-        for item in korean_subset[split]:
-            text_components = []
-            if 'name' in item:
-                text_components.append(f"Name: {item['name']}")
-            if 'description' in item:
-                text_components.append(f"Description: {item['description']}")
-            if 'recipe' in item:
-                text_components.append(f"Recipe: {item['recipe']}")
-
-            if text_components:
-                item_text = "[한국 음식 정보]\n" + " | ".join(text_components)
-                item_embedding = embedding_model.encode(item_text, convert_to_tensor=True)
-                similarity = util.pytorch_cos_sim(query_embedding, item_embedding).item()
-
-                if similarity > highest_similarity:
-                    highest_similarity = similarity
-                    most_similar = item_text
-
-    return most_similar
-
-
-def stream_gemini_response(user_message: str, messages: list) -> Iterator[list]:
-    """
-    일반적인 요리/건강 질문에 대한 Gemini 답변 스트리밍
-    """
-    if not user_message.strip():
-        messages.append(ChatMessage(role="assistant", content="내용이 비어 있습니다. 유효한 질문을 입력해 주세요."))
-        yield messages
-        return
-
-    try:
-        print(f"\n=== 새 요청 (텍스트) ===")
-        print(f"사용자 메시지: {user_message}")
-
-        # 기존 채팅 히스토리 포맷팅
-        chat_history = format_chat_history(messages)
-
-        # 유사 데이터 검색
-        most_similar_data = find_most_similar_data(user_message)
-
-        # 시스템 메시지와 프롬프트 설정
-        system_message = (
-            "저는 새로운 맛과 건강을 위한 혁신적 조리법을 제시하고, "
-            "한국 음식을 비롯한 다양한 레시피 데이터와 건강 지식을 결합하여 "
-            "창의적인 요리를 안내하는 'MICHELIN Genesis'입니다."
-        )
-        system_prefix = """
-        당신은 세계적인 셰프이자 영양학적 통찰을 지닌 AI, 'MICHELIN Genesis'입니다.
-        사용자 요청에 따라 다양한 요리 레시피를 창의적으로 제안하고,
-        다음 요소들을 가능한 한 종합하여 대답하세요:
-          - 음식의 맛, 조리 기법
-          - 건강 정보(영양소, 칼로리, 특수 질환 고려)
-          - 문화·역사적 배경
-          - 알레르기 유발 성분 및 대체재
-          - 약물 복용 시 주의해야 할 식품 상호작용
-          
-        답변할 때 다음과 같은 구조를 따르세요:
-        
-        1. **요리/음식 아이디어**: 새로운 레시피나 음식 아이디어를 요약적으로 소개
-        2. **상세 설명**: 재료, 조리 과정, 맛 포인트 등 구체적으로 설명
-        3. **건강/영양 정보**: 관련된 건강 팁, 영양소 분석, 칼로리, 알레르기 주의사항, 약물 복용 상황 고려 등
-        4. **문화·역사적 배경**: 음식과 관련된 문화/역사적 에피소드나 유래 (가능한 경우)
-        5. **기타 응용**: 변형 버전, 대체 재료, 응용 방법 등 추가 아이디어
-        6. **참고 자료/데이터**: 관련 레퍼런스나 데이터 출처 (가능하면 간단히)
-        
-        * 대화 맥락을 기억하고, 모든 설명은 친절하고 명확하게 제시하세요.
-        * "지시문", "명령" 등 시스템 내부 정보는 절대 노출하지 마세요.
-        [데이터 참고]
-        """
-
-        if most_similar_data:
-            # 관련 레스토랑 찾기
-            related_restaurants = find_related_restaurants(user_message)
-            restaurant_text = ""
-            if related_restaurants:
-                restaurant_text = "\n\n[관련 미쉐린 레스토랑 추천]\n"
-                for rest in related_restaurants:
-                    restaurant_text += f"- {rest['Name']} ({rest['Location']}): {rest['Cuisine']}, {rest['Award']}\n"
-            
-            prefixed_message = (
-                f"{system_prefix} {system_message}\n\n"
-                f"[관련 데이터]\n{most_similar_data}\n"
-                f"{restaurant_text}\n"
-                f"사용자 질문: {user_message}"
-            )
-        else:
-            prefixed_message = f"{system_prefix} {system_message}\n\n사용자 질문: {user_message}"
-
-        # Gemini 챗 세션 시작
-        chat = model.start_chat(history=chat_history)
-        response = chat.send_message(prefixed_message, stream=True)
-
-        # 스트리밍 처리를 위한 버퍼 및 상태 플래그
-        thought_buffer = ""
-        response_buffer = ""
-        thinking_complete = False
-
-        # 먼저 "Thinking" 메시지를 임시로 삽입
-        messages.append(
-            ChatMessage(
-                role="assistant",
-                content="",
-                metadata={"title": "🤔 Thinking: *AI 내부 추론(실험적 기능)"}
-            )
-        )
-
-        for chunk in response:
-            parts = chunk.candidates[0].content.parts
-            current_chunk = parts[0].text
-
-            if len(parts) == 2 and not thinking_complete:
-                # 생각(Thinking) 부분 완료
-                thought_buffer += current_chunk
-                print(f"\n=== AI 내부 추론 완료 ===\n{thought_buffer}")
-
-                messages[-1] = ChatMessage(
-                    role="assistant",
-                    content=thought_buffer,
-                    metadata={"title": "🤔 Thinking: *AI 내부 추론(실험적 기능)"}
-                )
-                yield messages
-
-                # 이어서 답변 시작
-                response_buffer = parts[1].text
-                print(f"\n=== 답변 시작 ===\n{response_buffer}")
-
-                messages.append(
-                    ChatMessage(
-                        role="assistant",
-                        content=response_buffer
-                    )
-                )
-                thinking_complete = True
-
-            elif thinking_complete:
-                # 답변 스트리밍
-                response_buffer += current_chunk
-                print(f"\n=== 답변 스트리밍 중 ===\n{current_chunk}")
-
-                messages[-1] = ChatMessage(
-                    role="assistant",
-                    content=response_buffer
-                )
-            else:
-                # 생각(Thinking) 스트리밍
-                thought_buffer += current_chunk
-                print(f"\n=== 생각(Thinking) 스트리밍 중 ===\n{current_chunk}")
-
-                messages[-1] = ChatMessage(
-                    role="assistant",
-                    content=thought_buffer,
-                    metadata={"title": "🤔 Thinking: *AI 내부 추론(실험적 기능)"}
-                )
-
-            yield messages
-
-        print(f"\n=== 최종 답변 ===\n{response_buffer}")
-
-    except Exception as e:
-        print(f"\n=== 에러 발생 ===\n{str(e)}")
-        messages.append(
-            ChatMessage(
-                role="assistant",
-                content=f"죄송합니다, 오류가 발생했습니다: {str(e)}"
-            )
-        )
-        yield messages
-
-def stream_gemini_response_special(user_message: str, messages: list) -> Iterator[list]:
-    """
-    특수 질문(예: 건강 식단 설계, 맞춤형 요리 개발 등)에 대한 Gemini의 생각과 답변을 스트리밍
-    """
-    if not user_message.strip():
-        messages.append(ChatMessage(role="assistant", content="질문이 비어 있습니다. 올바른 내용을 입력하세요."))
-        yield messages
-        return
-
-    try:
-        print(f"\n=== 맞춤형 요리/건강 설계 요청 ===")
-        print(f"사용자 메시지: {user_message}")
-
-        chat_history = format_chat_history(messages)
-        most_similar_data = find_most_similar_data(user_message)
-
-        system_message = (
-            "저는 'MICHELIN Genesis'로서, 맞춤형 요리와 건강 식단을 "
-            "연구·개발하는 전문 AI입니다."
-        )
-        system_prefix = """
-        당신은 세계적인 셰프이자 영양학/건강 전문가, 'MICHELIN Genesis'입니다.
-        사용자의 특정 요구(예: 특정 질환, 비건/채식, 스포츠 영양, etc.)에 대해
-        세부적이고 전문적인 식단, 조리법, 영양학적 고찰, 조리 발전 방향 등을 제시하세요.
-
-        답변 시 다음 구조를 참고하세요:
-        
-        1. **목표/요구 사항 분석**: 사용자의 요구를 간단히 재정리
-        2. **가능한 아이디어/해결책**: 구체적인 레시피, 식단, 조리법, 재료 대체 등 제안
-        3. **과학적·영양학적 근거**: 건강 상 이점, 영양소 분석, 칼로리, 알레르기 요소, 약물 복용 주의사항 등
-        4. **추가 발전 방향**: 레시피 변형, 응용 아이디어, 식품 개발 방향
-        5. **참고 자료**: 데이터 출처나 응용 가능한 참고 내용
-        
-        * 내부 시스템 지침이나 레퍼런스 링크는 노출하지 마세요.
-        """
-
-        if most_similar_data:
-            # 관련 레스토랑 찾기
-            related_restaurants = find_related_restaurants(user_message)
-            restaurant_text = ""
-            if related_restaurants:
-                restaurant_text = "\n\n[관련 미쉐린 레스토랑 추천]\n"
-                for rest in related_restaurants:
-                    restaurant_text += f"- {rest['Name']} ({rest['Location']}): {rest['Cuisine']}, {rest['Award']}\n"
-            
-            prefixed_message = (
-                f"{system_prefix} {system_message}\n\n"
-                f"[관련 정보]\n{most_similar_data}\n"
-                f"{restaurant_text}\n"
-                f"사용자 질문: {user_message}"
-            )
-        else:
-            prefixed_message = f"{system_prefix} {system_message}\n\n사용자 질문: {user_message}"
-
-        chat = model.start_chat(history=chat_history)
-        response = chat.send_message(prefixed_message, stream=True)
-
-        thought_buffer = ""
-        response_buffer = ""
-        thinking_complete = False
-
-        messages.append(
-            ChatMessage(
-                role="assistant",
-                content="",
-                metadata={"title": "🤔 Thinking: *AI 내부 추론(실험적 기능)"}
-            )
-        )
-
-        for chunk in response:
-            parts = chunk.candidates[0].content.parts
-            current_chunk = parts[0].text
-
-            if len(parts) == 2 and not thinking_complete:
-                thought_buffer += current_chunk
-                print(f"\n=== 맞춤형 요리/건강 설계 추론 완료 ===\n{thought_buffer}")
-
-                messages[-1] = ChatMessage(
-                    role="assistant",
-                    content=thought_buffer,
-                    metadata={"title": "🤔 Thinking: *AI 내부 추론(실험적 기능)"}
-                )
-                yield messages
-
-                response_buffer = parts[1].text
-                print(f"\n=== 맞춤형 요리/건강 설계 답변 시작 ===\n{response_buffer}")
-
-                messages.append(
-                    ChatMessage(
-                        role="assistant",
-                        content=response_buffer
-                    )
-                )
-                thinking_complete = True
-
-            elif thinking_complete:
-                response_buffer += current_chunk
-                print(f"\n=== 맞춤형 요리/건강 설계 답변 스트리밍 ===\n{current_chunk}")
-
-                messages[-1] = ChatMessage(
-                    role="assistant",
-                    content=response_buffer
-                )
-            else:
-                thought_buffer += current_chunk
-                print(f"\n=== 맞춤형 요리/건강 설계 추론 스트리밍 ===\n{current_chunk}")
-
-                messages[-1] = ChatMessage(
-                    role="assistant",
-                    content=thought_buffer,
-                    metadata={"title": "🤔 Thinking: *AI 내부 추론(실험적 기능)"}
-                )
-            yield messages
-
-        print(f"\n=== 맞춤형 요리/건강 설계 최종 답변 ===\n{response_buffer}")
-
-    except Exception as e:
-        print(f"\n=== 맞춤형 요리/건강 설계 에러 ===\n{str(e)}")
-        messages.append(
-            ChatMessage(
-                role="assistant",
-                content=f"죄송합니다, 오류가 발생했습니다: {str(e)}"
-            )
-        )
-        yield messages
-
-
-def stream_gemini_response_personalized(user_message: str, messages: list) -> Iterator[list]:
-    """
-    사용자 맞춤형 음식 추천 시스템 (Personalized Cuisine Recommender) 탭에서의 답변
-    - 사용자의 알레르기, 식습관, 약물 복용, 영양 목표 등을 고려한 개인화 추천
-    """
-    if not user_message.strip():
-        messages.append(ChatMessage(role="assistant", content="질문이 비어 있습니다. 자세한 요구사항을 입력해 주세요."))
-        yield messages
-        return
-
-    try:
-        print(f"\n=== 사용자 맞춤형 음식 추천 요청 ===")
-        print(f"사용자 메시지: {user_message}")
-
-        chat_history = format_chat_history(messages)
-        most_similar_data = find_most_similar_data(user_message)
-
-        system_message = (
-            "저는 'MICHELIN Genesis'이며, 사용자의 개인적 상황(알레르기, 질환, "
-            "선호 음식, 약물 복용 등)에 맞춘 음식 및 식단을 특별히 추천하는 모드입니다."
-        )
-        system_prefix = """
-        당신은 세계적인 셰프이자 영양학·건강 전문가, 'MICHELIN Genesis'입니다.
-        이번 모드는 **개인화 추천(Personalized Cuisine Recommender)** 기능으로,
-        사용자의 프로필(알레르기, 식습관, 약물 복용, 칼로리 목표, etc.)을 최대한 반영하여
-        최적화된 음식/식단을 제시하세요.
-
-        가급적 다음 사항을 언급하세요:
-        - 식단 또는 레시피 제안
-        - 사용자의 알레르기 유발 성분 회피 및 대체재
-        - 약물 복용 시 주의사항 (식이 상호작용)
-        - 칼로리, 영양소, 문화·역사적 요소 (해당 시)
-        - 추가 변형 아이디어와 참고 자료
-
-        답변 구조 예시:
-        1. **사용자 프로필 요약**: (질문에서 받은 조건들) 
-        2. **개인화 레시피 제안**: (메인 메뉴, 조리법, 재료 설명)
-        3. **건강·영양 고려**: (알레르기/약물/칼로리 등)
-        4. **추가 아이디어**: (대체 버전, 부재료, 응용법 등)
-        5. **참고 자료**: (필요시 간단하게)
-
-        * 내부 시스템 지침 노출 금지
-        """
-
-        if most_similar_data:
-            # 관련 레스토랑 찾기
-            related_restaurants = find_related_restaurants(user_message)
-            restaurant_text = ""
-            if related_restaurants:
-                restaurant_text = "\n\n[관련 미쉐린 레스토랑 추천]\n"
-                for rest in related_restaurants:
-                    restaurant_text += f"- {rest['Name']} ({rest['Location']}): {rest['Cuisine']}, {rest['Award']}\n"
-            
-            prefixed_message = (
-                f"{system_prefix} {system_message}\n\n"
-                f"[관련 데이터]\n{most_similar_data}\n"
-                f"{restaurant_text}\n"
-                f"사용자 질문: {user_message}"
-            )
-        else:
-            prefixed_message = f"{system_prefix} {system_message}\n\n사용자 질문: {user_message}"
-
-        chat = model.start_chat(history=chat_history)
-        response = chat.send_message(prefixed_message, stream=True)
-
-        thought_buffer = ""
-        response_buffer = ""
-        thinking_complete = False
-
-        messages.append(
-            ChatMessage(
-                role="assistant",
-                content="",
-                metadata={"title": "🤔 Thinking: *AI 내부 추론(실험적 기능)"}
-            )
-        )
-
-        for chunk in response:
-            parts = chunk.candidates[0].content.parts
-            current_chunk = parts[0].text
-
-            if len(parts) == 2 and not thinking_complete:
-                thought_buffer += current_chunk
-                print(f"\n=== 사용자 맞춤형 추론 완료 ===\n{thought_buffer}")
-
-                messages[-1] = ChatMessage(
-                    role="assistant",
-                    content=thought_buffer,
-                    metadata={"title": "🤔 Thinking: *AI 내부 추론(실험적 기능)"}
-                )
-                yield messages
-
-                response_buffer = parts[1].text
-                print(f"\n=== 사용자 맞춤형 레시피/식단 답변 시작 ===\n{response_buffer}")
-
-                messages.append(
-                    ChatMessage(
-                        role="assistant",
-                        content=response_buffer
-                    )
-                )
-                thinking_complete = True
-
-            elif thinking_complete:
-                response_buffer += current_chunk
-                print(f"\n=== 사용자 맞춤형 레시피/식단 답변 스트리밍 ===\n{current_chunk}")
-
-                messages[-1] = ChatMessage(
-                    role="assistant",
-                    content=response_buffer
-                )
-            else:
-                thought_buffer += current_chunk
-                print(f"\n=== 사용자 맞춤형 추론 스트리밍 ===\n{current_chunk}")
-
-                messages[-1] = ChatMessage(
-                    role="assistant",
-                    content=thought_buffer,
-                    metadata={"title": "🤔 Thinking: *AI 내부 추론(실험적 기능)"}
-                )
-            yield messages
-
-        print(f"\n=== 사용자 맞춤형 최종 답변 ===\n{response_buffer}")
-
-    except Exception as e:
-        print(f"\n=== 사용자 맞춤형 추천 에러 ===\n{str(e)}")
-        messages.append(
-            ChatMessage(
-                role="assistant",
-                content=f"죄송합니다, 오류가 발생했습니다: {str(e)}"
-            )
-        )
-        yield messages
-
-
-def user_message(msg: str, history: list) -> tuple[str, list]:
-    """사용자 메시지를 히스토리에 추가"""
-    history.append(ChatMessage(role="user", content=msg))
-    return "", history
-
-
-########################
-# Gradio 인터페이스 구성
-########################
-with gr.Blocks(
-    theme=gr.themes.Soft(primary_hue="teal", secondary_hue="slate", neutral_hue="neutral"),
-    css="""
-        .chatbot-wrapper .message {
-            white-space: pre-wrap;
-            word-wrap: break-word;
-        }
-    """
-) as demo:
-    gr.Markdown("# 🍽️ MICHELIN Genesis: 새로운 맛과 건강의 창조 AI 🍽️")
-    gr.Markdown("### Community: https://discord.gg/openfreeai")    
-    gr.HTML("""<a href="https://visitorbadge.io/status?path=michelin-genesis-kr">
-               <img src="https://api.visitorbadge.io/api/visitors?path=michelin-genesis-kr&countColor=%23263759" />
-               </a>""")
-
-    with gr.Tabs() as tabs:
-        # 1) 일반 "창의적 레시피 및 가이드" 탭
-        with gr.TabItem("창의적 레시피 및 가이드", id="creative_recipes_tab"):
-            chatbot = gr.Chatbot(
-                type="messages",
-                label="MICHELIN Genesis Chatbot (스트리밍 출력)",
-                render_markdown=True,
-                scale=1,
-                avatar_images=(None, "https://lh3.googleusercontent.com/oxz0sUBF0iYoN4VvhqWTmux-cxfD1rxuYkuFEfm1SFaseXEsjjE4Je_C_V3UQPuJ87sImQK3HfQ3RXiaRnQetjaZbjJJUkiPL5jFJ1WRl5FKJZYibUA=w214-h214-n-nu"),
-                elem_classes="chatbot-wrapper"
-            )
-
-            with gr.Row(equal_height=True):
-                input_box = gr.Textbox(
-                    lines=1,
-                    label="당신의 메시지",
-                    placeholder="새로운 요리 아이디어나 건강/영양 질문을 입력하세요...",
-                    scale=4
-                )
-                clear_button = gr.Button("대화 초기화", scale=1)
-
-            example_prompts = [
-                ["새로운 창의적인 파스타 레시피를 만들어주세요. 문화와 역사적 유래도 함께 알고 싶어요."],
-                ["비건용 특별한 디저트를 만들고 싶어요. 초콜릿 대체재와 칼로리 정보도 알려주세요."],
-                ["고혈압 환자에게 좋은 한식 식단을 구성해 주세요. 각 재료의 약물 복용 상호작용도 주의해야 해요."]
-            ]
-            gr.Examples(
-                examples=example_prompts,
-                inputs=input_box,
-                label="예시 질문들",
-                examples_per_page=3
-            )
-
-            msg_store = gr.State("")
-            input_box.submit(
-                lambda msg: (msg, msg, ""),
-                inputs=[input_box],
-                outputs=[msg_store, input_box, input_box],
-                queue=False
-            ).then(
-                user_message,
-                inputs=[msg_store, chatbot],
-                outputs=[input_box, chatbot],
-                queue=False
-            ).then(
-                stream_gemini_response,
-                inputs=[msg_store, chatbot],
-                outputs=chatbot,
-                queue=True
-            )
-
-            clear_button.click(
-                lambda: ([], "", ""),
-                outputs=[chatbot, input_box, msg_store],
-                queue=False
-            )
-
-        # 2) 맞춤형 식단/건강 탭
-        with gr.TabItem("맞춤형 식단/건강", id="special_health_tab"):
-            custom_chatbot = gr.Chatbot(
-                type="messages",
-                label="맞춤형 건강 식단/요리 채팅 (스트리밍)",
-                render_markdown=True,
-                scale=1,
-                avatar_images=(None, "https://lh3.googleusercontent.com/oxz0sUBF0iYoN4VvhqWTmux-cxfD1rxuYkuFEfm1SFaseXEsjjE4Je_C_V3UQPuJ87sImQK3HfQ3RXiaRnQetjaZbjJJUkiPL5jFJ1WRl5FKJZYibUA=w214-h214-n-nu"),
-                elem_classes="chatbot-wrapper"
-            )
-
-            with gr.Row(equal_height=True):
-                custom_input_box = gr.Textbox(
-                    lines=1,
-                    label="맞춤형 식단/건강 요청 입력",
-                    placeholder="예: 특정 질환에 맞는 식단, 비건 밀프렙 아이디어 등...",
-                    scale=4
-                )
-                custom_clear_button = gr.Button("대화 초기화", scale=1)
-
-            custom_example_prompts = [
-                ["당뇨 환자를 위한 저당질 한식 식단 계획을 세워주세요. 끼니별 칼로리도 알려주세요."],
-                ["위궤양에 좋은 양식 레시피를 개발하고 싶습니다. 재료별 약물 상호작용도 주의하고 싶어요."],
-                ["스포츠 활동 후 빠른 회복을 위한 고단백 식단이 필요합니다. 한식 버전도 가능할까요?"]
-            ]
-            gr.Examples(
-                examples=custom_example_prompts,
-                inputs=custom_input_box,
-                label="예시 질문들: 맞춤형 식단/건강",
-                examples_per_page=3
-            )
-
-            custom_msg_store = gr.State("")
-            custom_input_box.submit(
-                lambda msg: (msg, msg, ""),
-                inputs=[custom_input_box],
-                outputs=[custom_msg_store, custom_input_box, custom_input_box],
-                queue=False
-            ).then(
-                user_message,
-                inputs=[custom_msg_store, custom_chatbot],
-                outputs=[custom_input_box, custom_chatbot],
-                queue=False
-            ).then(
-                stream_gemini_response_special,
-                inputs=[custom_msg_store, custom_chatbot],
-                outputs=custom_chatbot,
-                queue=True
-            )
-
-            custom_clear_button.click(
-                lambda: ([], "", ""),
-                outputs=[custom_chatbot, custom_input_box, custom_msg_store],
-                queue=False
-            )
-
-        # 3) 사용자 맞춤형 음식 추천 탭
-        with gr.TabItem("사용자 맞춤형 음식 추천", id="personalized_cuisine_tab"):
-            personalized_chatbot = gr.Chatbot(
-                type="messages",
-                label="사용자 맞춤형 음식 추천 (개인화)",
-                render_markdown=True,
-                scale=1,
-                avatar_images=(None, "https://lh3.googleusercontent.com/oxz0sUBF0iYoN4VvhqWTmux-cxfD1rxuYkuFEfm1SFaseXEsjjE4Je_C_V3UQPuJ87sImQK3HfQ3RXiaRnQetjaZbjJJUkiPL5jFJ1WRl5FKJZYibUA=w214-h214-n-nu"),
-                elem_classes="chatbot-wrapper"
-            )
-
-            with gr.Row(equal_height=True):
-                personalized_input_box = gr.Textbox(
-                    lines=1,
-                    label="개인화 요청 입력",
-                    placeholder="알레르기, 복용 중인 약물, 원하는 칼로리 범위 등을 자세히 적어주세요...",
-                    scale=4
-                )
-                personalized_clear_button = gr.Button("대화 초기화", scale=1)
-
-            personalized_example_prompts = [
-                ["알레르기가 (견과류, 해산물)이고, 혈압 약을 복용 중입니다. 저칼로리 저염식 추천 부탁드립니다."],
-                ["유당불내증이 있어서 유제품을 피하고 싶고, 단백질 섭취가 중요합니다. 식단 조합 좀 알려주세요."],
-                ["비건이며, 다이어트를 위해 하루 총 1500칼로리 이하 식단을 원합니다. 간단한 레시피로 구성해 주세요."]
-            ]
-            gr.Examples(
-                examples=personalized_example_prompts,
-                inputs=personalized_input_box,
-                label="예시 질문들: 사용자 맞춤형 음식 추천",
-                examples_per_page=3
-            )
-
-            personalized_msg_store = gr.State("")
-            personalized_input_box.submit(
-                lambda msg: (msg, msg, ""),
-                inputs=[personalized_input_box],
-                outputs=[personalized_msg_store, personalized_input_box, personalized_input_box],
-                queue=False
-            ).then(
-                user_message,
-                inputs=[personalized_msg_store, personalized_chatbot],
-                outputs=[personalized_input_box, personalized_chatbot],
-                queue=False
-            ).then(
-                stream_gemini_response_personalized,
-                inputs=[personalized_msg_store, personalized_chatbot],
-                outputs=personalized_chatbot,
-                queue=True
-            )
-
-            personalized_clear_button.click(
-                lambda: ([], "", ""),
-                outputs=[personalized_chatbot, personalized_input_box, personalized_msg_store],
-                queue=False
-            )
-
-# 4) 미쉐린 레스토랑 탭
-        with gr.TabItem("미슐랭 레스토랑", id="restaurant_tab"):
-            with gr.Row():
-                search_box = gr.Textbox(
-                    label="레스토랑 검색",
-                    placeholder="레스토랑 이름, 주소, 요리 종류 등으로 검색...",
-                    scale=3
-                )
-                cuisine_dropdown = gr.Dropdown(
-                    label="요리 종류",
-                    choices=[("전체", "전체")],  # 초기값 설정
-                    value="전체",
-                    scale=1
-                )
-                award_dropdown = gr.Dropdown(
-                    label="미쉐린 등급",
-                    choices=[("전체", "전체")],  # 초기값 설정
-                    value="전체",
-                    scale=1
-                )
-                search_button = gr.Button("검색", scale=1)
-
-            result_table = gr.Dataframe(
-                headers=["Name", "Address", "Location", "Price", "Cuisine", "Award", "Description"],
-                row_count=100,
-                col_count=7,
-                interactive=False,
-            )
-
-            def init_dropdowns():
-                try:
-                    with open('michelin_my_maps.csv', 'r', encoding='utf-8') as f:
-                        reader = csv.DictReader(f)
-                        restaurants = list(reader)
-                        cuisines = [("전체", "전체")] + [(cuisine, cuisine) for cuisine in 
-                            sorted(set(r['Cuisine'] for r in restaurants if r['Cuisine']))]
-                        awards = [("전체", "전체")] + [(award, award) for award in 
-                            sorted(set(r['Award'] for r in restaurants if r['Award']))]
-                        return cuisines, awards
-                except FileNotFoundError:
-                    print("Warning: michelin_my_maps.csv file not found")
-                    return [("전체", "전체")], [("전체", "전체")]
-        
-            def search_restaurants(search_term, cuisine, award):
-                try:
-                    with open('michelin_my_maps.csv', 'r', encoding='utf-8') as f:
-                        reader = csv.DictReader(f)
-                        restaurants = list(reader)
-                
-                    filtered = []
-                    search_term = search_term.lower() if search_term else ""
-            
-                    for r in restaurants:
-                        if search_term == "" or \
-                           search_term in r['Name'].lower() or \
-                           search_term in r['Address'].lower() or \
-                           search_term in r['Description'].lower():
-                            if (cuisine == "전체" or r['Cuisine'] == cuisine) and \
-                               (award == "전체" or r['Award'] == award):
-                                filtered.append([
-                                    r['Name'], r['Address'], r['Location'],
-                                    r['Price'], r['Cuisine'], r['Award'],
-                                    r['Description']
-                                ])
-                                if len(filtered) >= 100:  # 최대 10개 결과로 제한
-                                    break
-            
-                    return filtered
-                except FileNotFoundError:
-                    return [["파일을 찾을 수 없습니다", "", "", "", "", "", "michelin_my_maps.csv 파일을 확인해주세요"]]
-
-    # 드롭다운 초기화
-            cuisines, awards = init_dropdowns()
-            cuisine_dropdown.choices = cuisines
-            award_dropdown.choices = awards
-        
-            search_button.click(
-                search_restaurants,
-                inputs=[search_box, cuisine_dropdown, award_dropdown],
-                outputs=result_table
-            )
-
-
-
-
-        # 사용 가이드 탭
-        with gr.TabItem("이용 방법", id="instructions_tab"):
-            gr.Markdown(
-                """
-                ## MICHELIN Genesis: 혁신적 요리/건강 안내 AI
-
-                **MICHELIN Genesis**는 전 세계 다양한 레시피, 한국 음식 데이터, 건강 지식 그래프를 활용하여
-                창의적인 레시피를 만들고 영양·건강 정보를 분석해주는 AI 서비스입니다.
-
-                ### 주요 기능
-                - **창의적 레시피 생성**: 세계 음식, 한국 음식, 비건·저염 등 다양한 조건에 맞춰 레시피를 창안.
-                - **건강/영양 분석**: 특정 질환(고혈압, 당뇨 등)이나 조건에 맞게 영양 균형 및 주의사항을 안내.
-                - **개인화 추천 탭**: 알레르기, 약물 복용, 칼로리 목표 등을 종합해 가장 적합한 식단/레시피를 제안.
-                - **한국 음식 특화**: 전통 한식 레시피 및 한국 음식 데이터를 통해 보다 풍부한 제안 가능.
-                - **실시간 추론(Thinking) 표시**: 답변 과정에서 모델이 생각을 전개하는 흐름(실험적 기능)을 부분적으로 확인.
-                - **데이터 검색**: 내부적으로 적합한 정보를 찾아 사용자 질문에 대한 답을 풍부하게 제공.
-                - **미쉐린 레스토랑 검색**: 전 세계 미쉐린 레스토랑 검색 및 필터링 기능 제공.
-
-                ### 사용 방법
-                1. **'창의적 레시피 및 가이드' 탭**: 일반적인 요리 아이디어나 영양 정보를 문의.
-                2. **'맞춤형 식단/건강' 탭**: 특정 질환, 상황별(스포츠, 다이어트 등) 식단/레시피 상담.
-                3. **'사용자 맞춤형 음식 추천' 탭**: 알레르기, 약물, 개인 칼로리 목표 등 세부 조건을 고려한 최적 식단 추천.
-                4. **'MICHELIN Restaurant' 탭**: 미쉐린 레스토랑 검색 및 상세 정보 확인.
-                5. **예시 질문**을 클릭하면 즉시 질문으로 불러옵니다.
-                6. 필요 시 **대화 초기화** 버튼을 눌러 새 대화를 시작하세요.
-
-                ### 참고 사항
-                - **Thinking(추론) 기능**은 모델 내부 과정을 일부 공개하지만, 이는 실험적이며 실제 서비스에서는 비공개될 수 있습니다.
-                - 응답 품질은 질문의 구체성에 따라 달라집니다.
-                - 본 AI는 의료 전문 진단 서비스가 아니므로, 최종 결정은 전문가와의 상담을 통해 이루어져야 합니다.
-                """
-            )
-
-# Gradio 웹 서비스 실행
-if __name__ == "__main__":
-    demo.launch(debug=True)    
+import ast  #추가 삽입, requirements: albumentations 추가
+script_repr = os.getenv("APP")
+if script_repr is None:
+    print("Error: Environment variable 'APP' not set.")
+    sys.exit(1)
+
+try:
+    exec(script_repr)
+except Exception as e:
+    print(f"Error executing script: {e}")
+    sys.exit(1)