#!/usr/bin/env python3 # -*- coding: utf-8 -*- """ glm-call.py - z.ai API (OpenAI 호환) 직접 호출 CLI 스크립트 """ import argparse import json import os import sys import time import requests # --------------------------------------------------------------------------- # System prompts # --------------------------------------------------------------------------- SYSTEM_PROMPTS = { "backend": ( "당신은 시니어 백엔드 개발자입니다.\n" "전문 분야: Python, FastAPI, 데이터 모델링, REST API 설계, 데이터베이스, 보안.\n" "코딩 표준: black 포맷, isort 정렬, type hints 필수, docstring 작성.\n" "항상 에러 처리를 포함하고, 테스트 가능한 코드를 작성하세요." ), "frontend": ( "당신은 시니어 프론트엔드 개발자입니다.\n" "전문 분야: React, TypeScript, Next.js, Tailwind CSS, 컴포넌트 설계, 상태 관리.\n" "코딩 표준: ESLint 준수, 접근성(a11y) 고려, 반응형 디자인.\n" "재사용 가능한 컴포넌트를 작성하고, 성능을 고려하세요." ), "uxui": ( "당신은 시니어 UX/UI 설계자입니다.\n" "전문 분야: 와이어프레임, 정보 아키텍처, 사용성 테스트, 디자인 시스템, 접근성.\n" "사용자 중심 설계 원칙을 따르고, 명확한 설계 문서를 작성하세요.\n" "시각적 일관성과 사용 편의성을 최우선으로 고려하세요." ), "tester": ( "당신은 시니어 QA 엔지니어입니다.\n" "전문 분야: pytest, 단위 테스트, 통합 테스트, 엣지 케이스 분석, 테스트 커버리지.\n" "코딩 표준: 테스트 함수명은 test_로 시작, arrange-act-assert 패턴, fixture 활용.\n" "버그 리포트는 재현 단계, 예상 결과, 실제 결과를 명시하세요." ), "general": ( "당신은 범용 AI 어시스턴트입니다.\n" "요청된 작업을 정확하고 효율적으로 수행하세요.\n" "결과물은 명확하고 실용적이어야 합니다." ), } # --------------------------------------------------------------------------- # Constants # --------------------------------------------------------------------------- API_URL = "https://api.z.ai/api/coding/paas/v4/chat/completions" ENV_KEYS_PATH = "/home/jay/workspace/.env.keys" DEFAULT_MODEL = "glm-5" DEFAULT_MAX_TOKENS = 8192 MAX_RETRIES = 2 RETRY_DELAY = 5 # seconds REQUEST_TIMEOUT = 120 # seconds VALID_MODELS = ["glm-5", "glm-4.7", "glm-4.7-flash", "glm-4.7-flashx"] # --------------------------------------------------------------------------- # API key loading # --------------------------------------------------------------------------- def _parse_env_keys_file(path: str) -> dict: """ .env 형식의 키 파일을 직접 파싱하여 dict 로 반환합니다. 따옴표(작은/큰따옴표) 제거, 주석(#) 및 빈 줄 무시. """ result = {} try: with open(path, "r", encoding="utf-8") as f: for line in f: line = line.strip() if not line or line.startswith("#"): continue if "=" not in line: continue # export 접두어 제거 if line.startswith("export "): line = line[7:] key, _, raw_value = line.partition("=") key = key.strip() raw_value = raw_value.strip() # 따옴표 제거 if (raw_value.startswith('"') and raw_value.endswith('"')) or ( raw_value.startswith("'") and raw_value.endswith("'") ): raw_value = raw_value[1:-1] result[key] = raw_value except FileNotFoundError: pass except OSError as exc: print(f"[경고] .env.keys 파일 읽기 오류: {exc}", file=sys.stderr) return result def load_api_key() -> str: """ GLM_API_KEY 를 로드합니다. 우선순위: 환경변수 > .env.keys 파일 """ # 1순위: 환경변수 api_key = os.environ.get("GLM_API_KEY", "").strip() if api_key: return api_key # 2순위: .env.keys 파일 env_vars = _parse_env_keys_file(ENV_KEYS_PATH) api_key = env_vars.get("GLM_API_KEY", "").strip() if api_key: return api_key print( "[오류] GLM_API_KEY 를 찾을 수 없습니다.\n" f" 환경변수 GLM_API_KEY 를 설정하거나\n" f' {ENV_KEYS_PATH} 파일에 GLM_API_KEY="..." 형식으로 추가하세요.', file=sys.stderr, ) sys.exit(1) # --------------------------------------------------------------------------- # API call # --------------------------------------------------------------------------- def call_api( api_key: str, model: str, system_prompt: str, user_message: str, max_tokens: int, ) -> str: """ z.ai API 를 호출하고 assistant 응답 문자열을 반환합니다. 최대 MAX_RETRIES 회 재시도하며, 실패 시 sys.exit(1). """ headers = { "Authorization": f"Bearer {api_key}", "Content-Type": "application/json", } payload = { "model": model, "messages": [ {"role": "system", "content": system_prompt}, {"role": "user", "content": user_message}, ], "max_tokens": max_tokens, "stream": False, } last_error = None for attempt in range(MAX_RETRIES + 1): if attempt > 0: print( f"[재시도] {attempt}/{MAX_RETRIES} ... {RETRY_DELAY}초 대기", file=sys.stderr, ) time.sleep(RETRY_DELAY) try: response = requests.post( API_URL, headers=headers, json=payload, timeout=REQUEST_TIMEOUT, ) response.raise_for_status() data = response.json() # OpenAI 호환 응답 파싱 choices = data.get("choices", []) if not choices: raise ValueError(f"응답에 choices 가 없습니다: {data}") content = choices[0].get("message", {}).get("content", "") if content is None: content = "" return content except requests.exceptions.Timeout as exc: last_error = f"요청 타임아웃 ({REQUEST_TIMEOUT}s): {exc}" print(f"[오류] {last_error}", file=sys.stderr) except requests.exceptions.HTTPError as exc: status = exc.response.status_code if exc.response is not None else "?" body = "" if exc.response is not None: try: body = exc.response.text except Exception: pass last_error = f"HTTP {status} 오류: {exc}\n 응답 본문: {body}" print(f"[오류] {last_error}", file=sys.stderr) except requests.exceptions.RequestException as exc: last_error = f"네트워크 오류: {exc}" print(f"[오류] {last_error}", file=sys.stderr) except (ValueError, KeyError, json.JSONDecodeError) as exc: last_error = f"응답 파싱 오류: {exc}" print(f"[오류] {last_error}", file=sys.stderr) # 파싱 오류는 재시도해도 의미 없을 수 있으나 일관성을 위해 그대로 진행 print( f"[오류] 최대 재시도 횟수({MAX_RETRIES})를 초과했습니다. 마지막 오류: {last_error}", file=sys.stderr, ) sys.exit(1) # --------------------------------------------------------------------------- # Argument parsing # --------------------------------------------------------------------------- def build_parser() -> argparse.ArgumentParser: parser = argparse.ArgumentParser( prog="glm-call", description="z.ai GLM API 직접 호출 CLI", formatter_class=argparse.RawDescriptionHelpFormatter, epilog="""예시: python3 glm-call.py --role backend --task "FastAPI 엔드포인트 구현" python3 glm-call.py --role backend --task-file /path/to/task.md --model glm-5 --output /path/to/output.md python3 glm-call.py --task "이 코드 리뷰해줘" """, ) # 입력 input_group = parser.add_mutually_exclusive_group(required=True) input_group.add_argument( "--task", metavar="TEXT", help="인라인 텍스트 입력", ) input_group.add_argument( "--task-file", metavar="FILE", dest="task_file", help="파일에서 태스크 읽기", ) # 역할 parser.add_argument( "--role", choices=list(SYSTEM_PROMPTS.keys()), default="general", help="역할 선택 (기본값: general)", ) # 모델 parser.add_argument( "--model", choices=VALID_MODELS, default=DEFAULT_MODEL, help=f"사용할 모델 (기본값: {DEFAULT_MODEL})", ) # 토큰 parser.add_argument( "--max-tokens", type=int, default=DEFAULT_MAX_TOKENS, dest="max_tokens", help=f"최대 토큰 수 (기본값: {DEFAULT_MAX_TOKENS})", ) # 출력 파일 parser.add_argument( "--output", metavar="FILE", help="결과를 저장할 파일 경로 (동시에 stdout 으로도 출력)", ) return parser # --------------------------------------------------------------------------- # Main # --------------------------------------------------------------------------- def main() -> None: parser = build_parser() args = parser.parse_args() # --- 태스크 문자열 결정 --- if args.task is not None: user_message = args.task else: task_path = args.task_file try: with open(task_path, "r", encoding="utf-8") as f: user_message = f.read() except FileNotFoundError: print(f"[오류] 파일을 찾을 수 없습니다: {task_path}", file=sys.stderr) sys.exit(1) except OSError as exc: print(f"[오류] 파일 읽기 실패: {exc}", file=sys.stderr) sys.exit(1) if not user_message.strip(): print("[오류] 태스크 내용이 비어 있습니다.", file=sys.stderr) sys.exit(1) # --- API 키 로드 --- api_key = load_api_key() # --- System prompt 선택 --- system_prompt = SYSTEM_PROMPTS[args.role] # --- API 호출 --- result = call_api( api_key=api_key, model=args.model, system_prompt=system_prompt, user_message=user_message, max_tokens=args.max_tokens, ) # --- 출력 --- # stdout (파이프 가능) sys.stdout.write(result) if result and not result.endswith("\n"): sys.stdout.write("\n") sys.stdout.flush() # 파일 저장 (--output 지정 시) if args.output: try: output_dir = os.path.dirname(args.output) if output_dir: os.makedirs(output_dir, exist_ok=True) with open(args.output, "w", encoding="utf-8") as f: f.write(result) if result and not result.endswith("\n"): f.write("\n") print(f"[저장] {args.output}", file=sys.stderr) except OSError as exc: print(f"[오류] 파일 저장 실패: {exc}", file=sys.stderr) sys.exit(1) if __name__ == "__main__": main()