게시일: 2025년 1월 21일
스트리밍된 LLM 응답은 점진적이고 연속적으로 내보내는 데이터로 구성됩니다. 스트리밍 데이터는 서버와 클라이언트에서 다르게 보입니다.
서버에서
스트리밍된 대답이 어떤 모습인지 알아보기 위해 명령줄 도구 curl를 사용하여 Gemini에게 긴 농담을 들려 달라고 요청했습니다. 다음 Gemini API 호출을 고려해 보세요. 시도해 보려면 URL에서 {GOOGLE_API_KEY}를 Gemini API 키로 바꿔야 합니다.
$ curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-1.5-flash:streamGenerateContent?alt=sse&key={GOOGLE_API_KEY}" \
-H 'Content-Type: application/json' \
--no-buffer \
-d '{ "contents":[{"parts":[{"text": "Tell me a long T-rex joke, please."}]}]}'
이 요청은 다음과 같은 (잘린) 출력을 이벤트 스트림 형식으로 로깅합니다.
각 줄은 data:로 시작하고 메시지 페이로드가 뒤에 옵니다. 구체적인 형식은 실제로 중요하지 않으며 중요한 것은 텍스트의 청크입니다.
//
data: {"candidates":[{"content": {"parts": [{"text": "A T-Rex"}],"role": "model"},
"finishReason": "STOP","index": 0,"safetyRatings": [{"category": "HARM_CATEGORY_SEXUALLY_EXPLICIT","probability": "NEGLIGIBLE"},{"category": "HARM_CATEGORY_HATE_SPEECH","probability": "NEGLIGIBLE"},{"category": "HARM_CATEGORY_HARASSMENT","probability": "NEGLIGIBLE"},{"category": "HARM_CATEGORY_DANGEROUS_CONTENT","probability": "NEGLIGIBLE"}]}],
"usageMetadata": {"promptTokenCount": 11,"candidatesTokenCount": 4,"totalTokenCount": 15}}
data: {"candidates": [{"content": {"parts": [{ "text": " walks into a bar and orders a drink. As he sits there, he notices a" }], "role": "model"},
"finishReason": "STOP","index": 0,"safetyRatings": [{"category": "HARM_CATEGORY_SEXUALLY_EXPLICIT","probability": "NEGLIGIBLE"},{"category": "HARM_CATEGORY_HATE_SPEECH","probability": "NEGLIGIBLE"},{"category": "HARM_CATEGORY_HARASSMENT","probability": "NEGLIGIBLE"},{"category": "HARM_CATEGORY_DANGEROUS_CONTENT","probability": "NEGLIGIBLE"}]}],
"usageMetadata": {"promptTokenCount": 11,"candidatesTokenCount": 21,"totalTokenCount": 32}}
첫 번째 페이로드는 JSON입니다. 강조 표시된 candidates[0].content.parts[0].text를 자세히 살펴보세요.
{
"candidates": [
{
"content": {
"parts": [
{
"text": "A T-Rex"
}
],
"role": "model"
},
"finishReason": "STOP",
"index": 0,
"safetyRatings": [
{
"category": "HARM_CATEGORY_SEXUALLY_EXPLICIT",
"probability": "NEGLIGIBLE"
},
{
"category": "HARM_CATEGORY_HATE_SPEECH",
"probability": "NEGLIGIBLE"
},
{
"category": "HARM_CATEGORY_HARASSMENT",
"probability": "NEGLIGIBLE"
},
{
"category": "HARM_CATEGORY_DANGEROUS_CONTENT",
"probability": "NEGLIGIBLE"
}
]
}
],
"usageMetadata": {
"promptTokenCount": 11,
"candidatesTokenCount": 4,
"totalTokenCount": 15
}
}
첫 번째 text 항목은 Gemini의 응답 시작 부분입니다. text 항목을 더 추출하면 응답이 줄바꿈으로 구분됩니다.
다음 스니펫은 모델의 최종 응답을 보여주는 여러 text 항목을 보여줍니다.
"A T-Rex"
" was walking through the prehistoric jungle when he came across a group of Triceratops. "
"\n\n\"Hey, Triceratops!\" the T-Rex roared. \"What are"
" you guys doing?\"\n\nThe Triceratops, a bit nervous, mumbled,
\"Just... just hanging out, you know? Relaxing.\"\n\n\"Well, you"
" guys look pretty relaxed,\" the T-Rex said, eyeing them with a sly grin.
\"Maybe you could give me a hand with something.\"\n\n\"A hand?\""
...
하지만 티라노사우루스 농담 대신 모델에 좀 더 복잡한 것을 요청하면 어떻게 될까요? 예를 들어 Gemini에게 숫자가 짝수인지 홀수인지 확인하는 JavaScript 함수를 만들어 달라고 요청할 수 있습니다. text: 청크가 약간 다르게 보입니다.
이제 출력에 JavaScript 코드 블록으로 시작하는 마크다운 형식이 포함됩니다. 다음 샘플에는 이전과 동일한 전처리 단계가 포함되어 있습니다.
"```javascript\nfunction"
" isEven(number) {\n // Check if the number is an integer.\n"
" if (Number.isInteger(number)) {\n // Use the modulo operator"
" (%) to check if the remainder after dividing by 2 is 0.\n return number % 2 === 0; \n } else {\n "
"// Return false if the number is not an integer.\n return false;\n }\n}\n\n// Example usage:\nconsole.log(isEven("
"4)); // Output: true\nconsole.log(isEven(7)); // Output: false\nconsole.log(isEven(3.5)); // Output: false\n```\n\n**Explanation:**\n\n1. **`isEven("
"number)` function:**\n - Takes a single argument `number` representing the number to be checked.\n - Checks if the `number` is an integer using `Number.isInteger()`.\n - If it's an"
...
더 어려운 점은 일부 마크업된 항목이 한 청크에서 시작되어 다른 청크에서 끝납니다. 일부 마크업이 중첩되어 있습니다. 다음 예에서 강조 표시된 함수는 **isEven(와 number) function:**라는 두 줄로 나뉩니다. 결합된 출력은 **isEven("number) function:**입니다. 즉, 형식이 지정된 마크다운을 출력하려면 마크다운 파서로 각 청크를 개별적으로 처리할 수 없습니다.
클라이언트 측에서
MediaPipe LLM과 같은 프레임워크를 사용하여 클라이언트에서 Gemma와 같은 모델을 실행하면 스트리밍 데이터가 콜백 함수를 통해 전송됩니다.
예를 들면 다음과 같습니다.
llmInference.generateResponse(
inputPrompt,
(chunk, done) => {
console.log(chunk);
});
Prompt API를 사용하면 ReadableStream를 반복하여 스트리밍 데이터를 청크로 가져올 수 있습니다.
const languageModel = await self.ai.languageModel.create();
const stream = languageModel.promptStreaming(inputPrompt);
for await (const chunk of stream) {
console.log(chunk);
}
다음 단계
스트리밍된 데이터를 성능이 우수하고 안전하게 렌더링하는 방법을 알고 싶으신가요? LLM 응답 렌더링 권장사항을 읽어보세요.