Custom versions of ChatGPT

“You can now create custom versions of ChatGPT that combine instructions, extra knowledge, and any combination of skills.

Overview

Custom versions of ChatGPT(이하 GPTs)는 OpenAI가 제공하는 기능으로, 개발 지식 없이도 특정 목적에 맞는 나만의 챗봇을 쉽게 만들 수 있도록 돕는 웹 기반 도구이다 (November 6, 2023 출시).

• UI 기반 프롬프트 구성
• 참고 문서 또는 데이터 업로드 지원
• 외부 API 연동 (Actions 기능) 가능

누구나 몇 단계만으로 간단한 AI 챗봇을 만들 수 있다는 것이 핵심이다.

NOTE

ChatGPT Plus 또는 Enterprise 사용자만 설계 가능하다.

Data control and privacy

• GPTs 개발자와 사용자 간 대화는 공유되지 않음
• 외부 API 사용 시, 사용자가 직접 데이터 전송 여부를 결정
• GPTs에 Actions 또는 지식 추가 시, 모델 학습 사용 여부를 설정 가능

Actions

GPTs에 Actions를 설정하면 외부 API와 연동되어 실제 데이터를 질의하거나, 명령을 수행할 수 있게 된다. 예시:

• 데이터베이스 연결: 여행 정보, 재고, 날씨, 금융 데이터 등 질의
• 이메일 연동: Gmail, Outlook 등에서 받은 메일 읽기, 작성, 정리
• 전자상거래 통합: 상품 검색, 주문 등 가능

Advantages of GPTs

• Create multiple GPTs: GPTs 개수 무제한 생성 가능
• Upload knowledge source files: 지식 파일 업로드로 도메인 대응
• Share your GPT: 간단한 공유 링크 생성 가능

Application to current service

Image

현재 woorinara-chatbot 서비스는 다음과 같은 흐름을 가진다:

1. 사용자의 query가 들어오면
2. RuleBase 기반으로 Location 또는 Visa로 분류
3. 분류에 따라 PostgreSQL 또는 Qdrant에서 정보 검색 후 응답 생성

기술적 구성 방식

우리가 고려해야 할 기술적 구성 방식은 3가지로 볼 수 있다.

분류 처리

GPTs Builder 내부 프롬프트로 분류 가능 (조건 분기 포함):

당신은 사용자의 질문을 기반으로 다음 두 카테고리 중 하나로 분류해야 합니다:
- "Location": 지역, 위치, 주변 정보 관련
- "Visa": 비자, 입국, 체류 조건 관련
 
그 후, 해당 카테고리에 따라 적절한 API를 호출하여 정보를 받아오고, 그 결과를 바탕으로 정확한 답변을 구성하세요.

PostgreSQL 연동

GPTs는 HTTP API(REST API)만 호출할 수 있다. PostgreSQL은 DataBase이므로 직접 연결(DB connection)은 안 되고, 중간 API 서버가 필요하다.

따라서, PostgreSQL → 중간 서버 → HTTP API 구조로 바꿔야 Custom GPT가 접근 가능하다.

이 중간 API 서버는 FastAPI, Flask 등으로 구현한 후 켜져 있어야(인터넷에서 접근 가능한 상태) 요청을 받을 수 있다.

Qdrant 연동

Qdrant는 REST API를 지원하므로, 직접 Actions 연동 가능하다.

하지만, 직접 가능하다는 것은 단순한 Qdrant Vector Search이고 현재 코드에 구현되어 있는 복잡한 검색 기능(BM 25 + RRF)이나 Google 번역 처리 등의 기능들은 불가능하다.

따라서 서버에서 전체 처리 후 결과만 반환하는 API 구성이 필요하다.

기술적 결론: 구현 가능하나 제약 존재

PostgreSQL은 전처리한 .xlsx 업로드 등으로 우회 가능하고 Qdrant도 기본 검색은 가능하지만, 복잡한 처리엔 API 서버가 필요하다. 또한 복잡한 LangGraph 기반 흐름은 GPTs에서는 구현이 불가하다.

따라서 GPTs는 단순한 인터페이스 챗봇에는 매우 적합하지만, 고급 AI 파이프라인에는 백엔드 서버/코드 기반 통합이 필요하다.

GPTs의 핵심 철학

“Developer tools 없이 구현 가능”이라는 게 핵심 철학이다.

P.S. 생각보다 많은 부분에서 서버와의 연동이 필요한데, 현재 구현되어 있는 코드 또는 실행되고 있는 서버를 이용할 수 있는지는 확인이 필요하다. 서버 쪽이라 잘 모르겠다.

결론

Custom GPTs는 누구나 쉽게 챗봇을 만들 수 있도록 설계된 매우 직관적인 웹 기반 도구이지만, 실제 서비스에 적용하기에는 몇 가지 중요한 한계와 고려사항이 존재한다. 우선, GPTs는 외부 데이터와의 연동을 위해 REST API 기반의 Actions만을 지원한다. 이로 인해 PostgreSQL과 같은 전통적인 데이터베이스와는 직접적인 연결이 불가능하며, 반드시 중간 API 서버를 별도로 구성해야 한다. 또한 복잡한 로직(예: LangGraph 기반의 멀티스텝 제어 흐름이나 RAG 파이프라인, 번역 후 재검색 등)을 구현하려면, 결국 GPTs가 아닌 별도의 백엔드 서버에서 처리하고 결과만 전달하는 방식이 필요하다.

게다가 GPTs는 오직 OpenAI의 웹 서비스(예: ChatGPT 사이트) 내에서만 작동하므로, 별도의 모바일 앱이나 외부 서비스에 직접 통합하는 데 제약이 있다. 이를 우회하기 위해 WebView로 GPTs 링크를 임베딩하는 방법도 있지만, UX나 제어권 측면에서 불완전한 대안일 뿐이다.

따라서 GPTs는 간단한 Q&A, 내부 업무 자동화, 개인화 도우미와 같은 단일 목적 챗봇에는 매우 적합하지만, 정교한 도메인 분기, 보안 통제, LLM 기반 후처리와 같은 고도화된 AI 서비스에는 한계가 분명하다. 실제 운영 환경에 도입할 경우, REST API 설계, 서버 인프라 가용성, 보안성 고려, LLM 응답 품질 통제 등의 사전 검토가 반드시 필요하다. GPTs는 “개발자 도구 없이 빠르게 만들 수 있는 AI 인터페이스”라는 목적에 충실하지만, 복잡한 요구사항이 있는 프로젝트에서는 백엔드 아키텍처 설계와 연계한 하이브리드 접근이 필요하다.

Reference

• https://openai.com/index/introducing-gpts/
• https://help.openai.com/en/articles/8554397-creating-a-gpt
• https://zapier.com/blog/custom-chatgpt/