> ## Documentation Index
> Fetch the complete documentation index at: https://wb-21fd5541-sdk-testing-latest.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.
# 퀵스타트: LLM 입력 및 출력 추적
> LLM 애플리케이션에 트레이싱을 추가해 모델 상호작용을 디버그하고 모니터링하며 W&B Weave를 시작해 보세요.
export const GitHubLink = ({url}) =>
GitHub 소스 코드
;
export const ColabLink = ({url}) =>
Colab에서 사용해 보기
;
코드에 트레이싱을 추가해 Weave로 LLM call을 추적하는 방법을 알아보세요. 이 퀵스타트에서는 OpenAI로 보내는 요청을 트레이스하고 Weave UI에서 결과를 확인하는 방법을 안내합니다. Weave를 처음 사용하는 개발자가 디버깅과 모니터링을 위해 LLM 애플리케이션을 계측하려는 경우에 적합합니다.
## 배울 내용
이 가이드에서는 다음 방법을 설명합니다:
* 코드에 Weave를 임포트하고 설정하기.
* `weave.op` 데코레이터를 사용해 코드를 추적하기.
* Weave UI에서 트레이스 보기.
## 사전 요구 사항
* [W\&B 계정](https://wandb.ai/signup)
* Python 3.10+ 또는 Node.js 18+
* 필수 패키지가 설치되어 있어야 합니다:
* **Python**: `pip install weave openai`
* **TypeScript**: `npm install weave openai`
* [OpenAI API 키](https://platform.openai.com/api-keys)를 환경 변수로 설정해야 합니다.
## 새 프로젝트에 트레이스 로깅하기
이 섹션에서는 Weave가 입력, 출력, 코드를 기록할 수 있도록 작은 애플리케이션에 계측을 추가합니다. 코드 추적을 시작하고 Weave에 트레이스를 로깅하려면 다음 단계를 수행하세요.
1. 코드에 `weave` 라이브러리를 임포트합니다.
2. 코드에서 `weave.init('your_wb_team/project_name')`를 호출하여 추적 정보를 W\&B [팀](/ko/platform/app/settings-page/teams) 및 [프로젝트](/ko/platform/hosting/iam/org_team_struct#project)로 전송합니다. 팀을 설정하지 않으면 Weave는 트레이스를 [기본 팀](/ko/platform/app/settings-page/user-settings/#default-team)으로 전송합니다. 지정한 프로젝트가 팀에 없으면 Weave가 해당 프로젝트를 생성합니다.
3. 추적하려는 함수에 [`@weave.op()` 데코레이터](/ko/weave/guides/tracking/ops)를 추가합니다. Weave는 지원되는 LLM Call을 자동으로 추적하지만, 이 데코레이터를 사용하면 특정 함수의 입력, 출력, 코드도 추적할 수 있습니다. TypeScript에서는 `weave.op(your_function)` 구문을 사용합니다.
다음 예시 코드는 OpenAI에 요청을 보내며([OpenAI API 키](https://platform.openai.com/docs/quickstart) 필요), Weave가 요청의 트레이싱 정보를 기록합니다. 이 요청은 입력에서 공룡 이름을 추출하고 각 공룡의 식성(초식 또는 육식)을 파악하도록 OpenAI 모델에 요청합니다.
다음 예시 코드는 Weave로 첫 번째 프로젝트를 추적합니다.
```python lines {1-2,7-8,27-28} theme={null}
# Weave 라이브러리를 임포트합니다
import weave
from openai import OpenAI
client = OpenAI()
# Weave가 이 함수의 입력, 출력 및 코드를 자동으로 추적합니다
@weave.op()
def extract_dinos(sentence: str) -> dict:
response = client.chat.completions.create(
model="gpt-4o",
messages=[
{
"role": "system",
"content": """In JSON format extract a list of `dinosaurs`, with their `name`,
their `common_name`, and whether its `diet` is a herbivore or carnivore"""
},
{
"role": "user",
"content": sentence
}
],
response_format={ "type": "json_object" }
)
return response.choices[0].message.content
# Weave를 초기화하고, 데이터를 로깅할 팀과 프로젝트를 설정합니다
weave.init('your-team/traces-quickstart')
sentence = """I watched as a Tyrannosaurus rex (T. rex) chased after a Triceratops (Trike), \
both carnivore and herbivore locked in an ancient dance. Meanwhile, a gentle giant \
Brachiosaurus (Brachi) calmly munched on treetops, blissfully unaware of the chaos below."""
result = extract_dinos(sentence)
print(result)
```
```typescript twoslash lines {1-2,7-8,20,24-25} theme={null}
// @noErrors
// Weave 라이브러리를 임포트합니다
import * as weave from 'weave';
import OpenAI from 'openai';
const openai = new OpenAI();
// Weave가 이 함수의 입력, 출력 및 코드를 자동으로 추적합니다
async function extractDinos(input: string) {
const response = await openai.chat.completions.create({
model: 'gpt-4o',
messages: [
{
role: 'user',
content: `In JSON format extract a list of 'dinosaurs', with their 'name', their 'common_name', and whether its 'diet' is a herbivore or carnivore: ${input}`,
},
],
});
return response.choices[0].message.content;
}
const extractDinosOp = weave.op(extractDinos);
async function main() {
// Weave를 초기화하고, 데이터를 로깅할 팀과 프로젝트를 설정합니다
await weave.init('your-team/traces-quickstart');
const result = await extractDinosOp(
'I watched as a Tyrannosaurus rex (T. rex) chased after a Triceratops (Trike), both carnivore and herbivore locked in an ancient dance. Meanwhile, a gentle giant Brachiosaurus (Brachi) calmly munched on treetops, blissfully unaware of the chaos below.'
);
console.log(result);
}
main();
```
`extract_dinos` 함수를 호출하면 Weave가 터미널에 트레이스를 확인할 수 있는 링크를 출력합니다. 출력은 다음과 같습니다.
```text theme={null}
weave: $ pip install weave --upgrade
weave: Logged in as Weights & Biases user: example-username.
weave: View Weave data at https://wandb.ai/your-team/traces-quickstart/weave
weave: 🍩 https://wandb.ai/your-team/traces-quickstart/r/call/019ae171-7f32-7c96-8b42-931a32f900b7
{
"dinosaurs": [
{
"name": "Tyrannosaurus rex",
"common_name": "T. rex",
"diet": "carnivore"
},
{
"name": "Triceratops",
"common_name": "Trike",
"diet": "herbivore"
},
{
"name": "Brachiosaurus",
"common_name": "Brachi",
"diet": "herbivore"
}
]
}
```
## 프로젝트에서 애플리케이션 트레이스 확인하기
이제 코드가 트레이스를 생성했으므로 Weave UI에서 이를 살펴볼 수 있습니다. 터미널의 링크를 클릭하거나 브라우저에 붙여넣어 Weave UI를 여세요. Weave UI의 **Traces** 패널에서 트레이스를 클릭해 입력, 출력, 지연 시간, token 사용량 등의 데이터를 확인하세요.
이제 첫 번째 Weave 트레이스를 로깅하고 확인했습니다.
## 트레이스에 대해 더 알아보기
* [함수에 데코레이터를 적용하고 call 정보를 조회하는 방법](/ko/weave/guides/tracking/tracing)을 알아보세요.
* [플레이그라운드](/ko/weave/guides/tools/playground)를 사용해 로깅된 트레이스에서 다양한 모델을 테스트해 보세요.
* [인테그레이션을 살펴보세요](/ko/weave/guides/integrations/). Weave는 OpenAI, Anthropic 등 다양한 LLM 라이브러리에 대한 call을 자동으로 추적합니다. 현재 사용 중인 LLM 라이브러리가 Weave 인테그레이션 중 하나가 아니더라도, `@weave.op()`로 감싸면 다른 LLM 라이브러리나 프레임워크에 대한 call도 추적할 수 있습니다.
## 다음 단계
[앱 평가 시작하기](/ko/weave/tutorial-eval)를 먼저 살펴본 다음, [RAG 애플리케이션 평가 방법](/ko/weave/tutorial-rag)을 확인하세요.
이제 첫 번째 Weave 트레이스를 로깅하고 확인했습니다.