{
  "type": 10000, // 10000은 실시간 자막 전송을 나타냅니다
  "sender": "user_a", // 발화자의 userid입니다
  "receiver": [], // 수신자 userid 목록입니다.해당 메시지는 실제로 방 내에서 브로드캐스트됩니다
  "payload": {
     "text":"", // 음성에서 인식된 텍스트입니다
     "start_time":"00:00:01", // 이 문장의 시작 시간입니다
     "end_time":"00:00:02", // 이 문장의 종료 시간입니다
     "roundid": "xxxxx", // 한 라운드 대화의 고유 식별자입니다
     "end": true // true인 경우, 이 문장이 완전한 문장임을 나타냅니다
  }
}

{
  "type": 10001, // 로봇의 상태입니다
  "sender": "user_a", // 발신자 userid입니다. 여기는 로봇의 id입니다
  "receiver": [], // 수신자 userid 목록입니다.해당 메시지는 실제로 방 내에서 브로드캐스트됩니다
  "payload": {
    "roundid": "xxx", // 한 라운드 대화의 고유 식별자입니다
    "timestamp": 123,
    "state": 1,    //   1 듣는 중,  2 생각 중,  3 말하는 중,  4 중단됨,  5 말을 마침
  }
}


import time
from fastapi import FastAPI, HTTPException
from fastapi.middleware.cors import CORSMiddleware
from pydantic import BaseModel
from typing import List, Optional
from langchain_core.messages import HumanMessage, SystemMessage
from langchain_openai import ChatOpenAI

app = FastAPI(debug=True)

# CORS 미들웨어의 추가
app.add_middleware(
    CORSMiddleware,
    allow_origins=["*"],
    allow_credentials=True,
    allow_methods=["*"],
    allow_headers=["*"],
)

class Message(BaseModel):
    role: str
    content: str

class ChatRequest(BaseModel):
    model: str
    messages: List[Message]
    temperature: Optional[float] = 0.7

class ChatResponse(BaseModel):
    id: str
    object: str
    created: int
    model: str
    choices: List[dict]
    usage: dict

@app.post("/v1/chat/completions")
async def chat_completions(request: ChatRequest):
    try:
        # 요청 메시지를 LangChain 메시지 형식으로 변환합니다
        langchain_messages = []
        for msg in request.messages:
            if msg.role == "system":
                langchain_messages.append(SystemMessage(content=msg.content))
            elif msg.role == "user":
                langchain_messages.append(HumanMessage(content=msg.content))

        # add more historys 
        # LangChain의 ChatOpenAI 모듈 사용합니다
        chat = ChatOpenAI(temperature=request.temperature,
                          model_name=request.model)
        response = chat(langchain_messages)
        print(response)

        # OpenAI API 형식에 맞는 응답을 구성합니다
        return ChatResponse(
            id="chatcmpl-" + "".join([str(ord(c))
                                     for c in response.content[:8]]),
            object="chat.completion",
            created=int(time.time()),
            model=request.model,
            choices=[{
                "index": 0,
                "message": {
                    "role": "assistant",
                    "content": response.content
                },
                "finish_reason": "stop"
            }],
            usage={
                "prompt_tokens": -1,  # LangChain은 이 정보를 제공하지 않으므로 플레이스홀더 값을 사용합니다
                "completion_tokens": -1,
                "total_tokens": -1
            }
        )
    except Exception as e:
        raise HTTPException(status_code=500, detail=str(e))

if __name__ == "__main__":
    import uvicorn
    uvicorn.run(app, host="0.0.0.0", port=8000)

{
  "type": 20000, // 클라이언트에서 커스텀 텍스트 메시지를 전송합니다
  "sender": "user_a", // 발신자 userid입니다. 서버는 해당 userid가 유효한지 확인합니다
  "receiver": ["user_bot"], // 수신자 userid 목록입니다.로봇 userid만 기입하면 되며, 서버에서 해당 userid의 유효성을 확인합니다
  "payload": {
    "id": "uuid", // 메시지 ID입니다.문제 해결 시 uuid를 사용할 수 있습니다
    "message": "xxx", // 메시지 내용입니다
    "timestamp": 123 // 타임스탬프입니다.문제 해결에 사용할 수 있습니다
  }
}