Gradio에서 표로 표시하기

!pip install openai
!pip install gradio

import gradio as gr
from openai import OpenAI
import json
import pandas as pd

client = OpenAI()

# 쿼리를 실행하는 함수 정의
def product_inquiry(query):

    conn = sqlite3.connect('products.db')
    df = pd.read_sql_query(query, conn)

    return df


tools = [
  {
      "type": "function",
      "function": {
          "name": "product_inquiry",
          "description": "고객이 문의한 제품에 대한 문의사항을 처리하는 함수",
          "parameters": {
              "type": "object",
              "properties": {
                  "query": {
                     "type": "string",
                     "description": "고객이 문의한 내용에 대한 답변을 생성하기 위해 SQLite 기반으로 작성된 SQL 명령어",
                  },
              },
              "required": ["query"]
          },
      },
  },
]


# df 생성함수
def make_df(str):
    a = {'결과' : [str]}
    pd.DataFrame(a)  


# 응답 생성 함수
def generate_response(prompt_text: str):

    completion = client.chat.completions.create(
        model="gpt-4o-mini",
        messages=[
            {"role": "system", "content": "요청사항을 분석한 후 다음의 상품정보 테이블에서 데이터를 조회하는 SQLite 기반의 SQL 명령어를 작성해줘."},
            {"role": "system", "content": "상품정보 테이블의 구성은 다음과 같아: create table products(prod_id integer primary key, prod_type text, prod_name text, prod_price integer, prod_count integer, desc text, ref text)"},
            {"role": "system", "content": "prod_name은 제품의 이름, prod_price는 제품의 가격, prod_count는 제품의 판매 가능한 재고 숫자를 의미해."},
            {"role": "system", "content": "생성된 SQL 쿼리를 product_inquiry 함수를 호출하여 넘겨줘."},
            {"role": "user", "content": prompt_text}
        ],
        tools=tools,
    )

    response = completion.choices[0].message;

    if response.tool_calls:
        tool_call = response.tool_calls[0]

        arguments = tool_call.function.arguments
        function_name = tool_call.function.name

        arguments_json = json.loads(arguments)

        if function_name == "product_inquiry":  
           query = arguments_json.get('query')

           #쿼리를 실행함
           df = product_inquiry(query)

           return df

        else:
           return make_df("정의되지 않은 함수입니다.")

    elif response.function_call:
        return make_df(response.function_call)

    else:
        return make_df(response.content)


# Gradio Blocks 인터페이스 설정
def chatgpt_interface():
    with gr.Blocks() as demo:
        gr.Markdown("### My ChatGPT")

        with gr.Row():
            with gr.Column():
                # 사용자 입력 텍스트 박스
                input_text = gr.Textbox(label="문의 사항을 입력해 주세요:")

                # 버튼 클릭 시 실행될 출력 필드
                output = gr.DataFrame(label="결과")

                # 버튼 클릭 시, ChatGPT 응답 생성
                input_text.submit(generate_response, inputs=input_text, outputs=output)

        demo.launch()

# ChatGPT 인터페이스 실행
chatgpt_interface()