Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
LLM Action은 GitHub Actions용 액션으로, OpenAI와 호환되는 다양한 LLM 서비스(OpenAI, Ollama, LocalAI 등)와 상호작용합니다. 이 액션은 사용자 지정 엔드포인트 지원, Go 템플릿 프롬프트, 그리고 함수 호출을 통한 구조화된 출력을 제공하여 AI 기반 CI/CD 자동화를 가능하게 합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 GitHub AI Tools의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기LLM Action
Lint and Testing
Trivy Security Scan
Go Report Card
A GitHub Action으로, 사용자 지정 엔드포인트, 자체 호스팅 모델(Ollama, LocalAI, vLLM), SSL/CA 인증서, Go 템플릿 프롬프트 및 함수 호출을 통한 구조화된 출력을 지원하는 OpenAI와 호환되는 LLM 서비스와 상호 작용합니다.
이 액션을 사용하여 AI 기반 GitHub 자동화 워크플로우를 구축하는 방법을 알아보세요:
AI 기반 개발이 주류가 되면서, CI/CD 파이프라인에 LLM을 통합하는 것이 현대 소프트웨어 팀에게 필수적입니다. 하지만 기존 솔루션들은 종종 다음과 같은 문제에 직면합니다:
LLM Action은 다음을 제공함으로써 이러한 문제를 해결하기 위해 만들어졌습니다:
자동화된 코드 리뷰, PR 요약, 이슈 분류 또는 모든 AI 기반 워크플로우를 구축하든, LLM Action은 워크플로우의 이식성과 유지보수성을 유지하면서 어떤 LLM 서비스든 사용할 수 있는 유연성을 제공합니다.
| Input | Description | Required | Default |
|---|---|---|---|
base_url | OpenAI 호환 API 엔드포인트의 기본 URL | No | https://api.openai.com/v1 |
| ... | |||
For 새로운 설정에서는 max_completion_tokens를 선호하세요: |
with:
max_completion_tokens: "2000"
이는 max_tokens보다 우선합니다. max_tokens는 해당 필드만 지원하는 레거시 서비스에 사용하세요. max_completion_tokens가 설정되지 않은 경우, Action은 인식된 추론 모델(o1/o3/o4/gpt-5 시리즈)의 경우 자동으로 max_tokens를 max_completion_tokens로 전송합니다.
| Output | Description |
|---|---|
response | LLM의 원본 응답 (항상 사용 가능) |
| ... | |
| 출력 동작: |
response 출력은 항상 사용 가능하며, 원본 LLM 응답을 포함합니다.tool_schema를 사용할 경우, 함수 인수가 파싱되어 response 외에 각 필드가 개별 출력으로 추가됩니다.response라는 이름의 필드를 정의하는 경우, 이는 건너뛰어지며 경고 메시지가 표시됩니다. 이는 response가 원본 LLM 출력을 위해 예약되었기 때문입니다.예시: 스키마에 city와 country 필드가 정의된 경우, 출력은 다음과 같습니다:
steps.<id>.outputs.response - 원시 JSON 응답steps.<id>.outputs.city - 도시 필드 값steps.<id>.outputs.country - 국가 필드 값name: LLM Workflow
on: [push]
...
이 액션의 특정 버전에 고정할 수 있습니다:
# 메이저 버전 사용 (권장 - 호환되는 업데이트가 자동으로 적용됩니다)
uses: appleboy/LLM-action@v1
...
권장 사항: 메이저 버전 태그(예: @v1)를 사용하여 하위 호환성 업데이트와 버그 수정 사항을 자동으로 받으세요.
- name: LLM을 이용한 코드 검토
id: review
uses: appleboy/LLM-action@v1
...
```python
def add(a, b):
return a + b
```
temperature: "0.3"
max_tokens: "2000"
...
- name: 고급 코드 검토
id: review
uses: appleboy/LLM-action@v1
...
YAML에 긴 프롬프트를 임베딩하는 대신, 파일에서 로드할 수 있습니다:
- name: 프롬프트 파일을 이용한 코드 검토
id: review
uses: appleboy/LLM-action@v1
...
```python
def calculate(x, y):
return x / y
```
또는 file:// 접두사를 사용합니다:
- name: 파일 URI를 이용한 코드 검토
uses: appleboy/LLM-action@v1
with:
...
원격 URL에서 프롬프트를 로드합니다:
- name: 원격 프롬프트를 이용한 코드 검토
id: review
uses: appleboy/LLM-action@v1
...
입력 프롬프트도 파일에서 로드할 수 있습니다:
- name: 파일로부터 코드 분석
uses: appleboy/LLM-action@v1
with:
...
원격 URL에서 입력 콘텐츠를 로드합니다:
- name: 원격 콘텐츠 분석
uses: appleboy/LLM-action@v1
with:
...
both system_prompt와 input_prompt 모두 Go 템플릿을 지원하여 환경 변수를 프롬프트에 동적으로 삽입할 수 있습니다. 이는 리포지토리 이름, 브랜치 이름 또는 사용자 정의 변수와 같은 컨텍스트를 포함하려는 GitHub Actions 워크플로우에서 특히 유용합니다.
주요 기능:
{{.VAR_NAME}}을 사용하여 모든 환경 변수에 접근할 수 있습니다.INPUT_ 접두사가 붙은 환경 변수는 접두사 유무와 관계없이 사용할 수 있습니다.
INPUT_MODEL은 {{.MODEL}} 또는 {{.INPUT_MODEL}}로 접근할 수 있습니다.GITHUB_REPOSITORY, GITHUB_REF_NAME)를 사용할 수 있습니다.- name: Analyze Repository with Context
uses: appleboy/LLM-action@v1
with:
...
- name: Set Custom Variables
run: |
echo "INPUT_PROJECT_TYPE=web-application" >> $GITHUB_ENV
...
.github/prompts/review-template.txt라는 템플릿 파일을 생성합니다:
Please review this pull request for {{.GITHUB_REPOSITORY}}.
Repository: {{.GITHUB_REPOSITORY}}
...
그런 다음 워크플로우에서 사용합니다:
- name: Code Review with Template File
uses: appleboy/LLM-action@v1
with:
...
- name: Conditional Prompt
uses: appleboy/LLM-action@v1
with:
...
템플릿에서 사용할 수 있는 일반적인 변수들:
{{.GITHUB_REPOSITORY}} - Repository 이름 (예: owner/repo){{.GITHUB_REF_NAME}} - 브랜치 또는 태그 이름{{.GITHUB_ACTOR}} - 워크플로우를 트리거한 사람의 사용자 이름{{.GITHUB_SHA}} - 커밋 SHA{{.GITHUB_EVENT_NAME}} - 워크플로우를 트리거한 이벤트{{.GITHUB_WORKFLOW}} - 워크플로우 이름{{.GITHUB_RUN_ID}} - 고유한 워크플로우 실행 ID{{.GITHUB_RUN_NUMBER}} - 고유한 워크플로우 실행 번호함수 호출(function calling)을 사용하여 LLM으로부터 구조화된 JSON 출력을 얻는 데 tool_schema를 사용합니다. 이는 LLM이 후속 워크플로우 단계에서 쉽게 파싱되고 사용될 수 있는 특정 형식의 데이터로 반환해야 할 때 유용합니다.
- name: Extract City Information
id: extract
uses: appleboy/LLM-action@v1
...
- name: Structured Code Review
id: review
uses: appleboy/LLM-action@v1
...
```python
def divide(a, b):
return a / b
```
tool_schema: |
{
"name": "code_review",
...
```