대부분의 LLM (Large Language Model) 데모는 하나의 프롬프트와 하나의 답변으로 이루어집니다.

이 데모는 조금 더 재미있습니다. 바로 텍스트 기반의 '당신의 선택에 따라 진행되는(choose-your-own-adventure)' 게임입니다.

플레이어는 장르를 선택하고, 캐릭터 이름을 정하고, 생성된 장면을 읽은 뒤, 옵션 1, 2 또는 3 중 하나를 선택합니다. Telnyx AI Inference가 다음 장면을 생성하는 동안 앱은 게임 상태를 추적합니다.

코드: https://github.com/team-telnyx/telnyx-code-examples/tree/main/adventure-game-python

앱의 기능

Flask API는 다음을 노출합니다:

POST /game/start
POST /game/<id>/choose
GET /game/<id>
...

각 게임은 다음 항목을 추적합니다:

• 장르 (genre)
• 플레이어 이름 (player name)
• 현재 장면 (current scene)
• 선택 가능한 선택지 (available choices)
• 위치 (location)
• 체력 (health)
• 인벤토리 (inventory)
• 턴 횟수 (turn count)
• 상태 (status)

상태는 다음과 같을 수 있습니다:

ongoing (진행 중)
won (승리)
lost (패배)
...

Telnyx AI Inference 사용 방식

앱은 다음을 호출합니다:

POST /v2/ai/chat/completions

기본 모델:

AI_MODEL=moonshotai/Kimi-K2.6

시스템 프롬프트는 모델에게 게임 마스터 (game master) 역할을 수행하고 JSON만 반환하도록 요청합니다:

{
  "scene": "장면 설명",
  "choices": ["선택지 1", "선택지 2", "선택지 3"],
...

이러한 구조가 이 예제를 유용하게 만듭니다. 모델이 장면을 작성하지만, 앱은 여전히 결과를 파싱하고, 상태를 저장하며, 선택지를 검증하고, 게임을 계속할지 여부를 결정할 수 있습니다.

실행 방법

저장소를 클론(Clone)하세요:

git clone https://github.com/team-telnyx/telnyx-code-examples.git
cd telnyx-code-examples/adventure-game-python

.env 파일을 생성하세요:

cp .env.example .env

Telnyx API 키를 추가하세요:

TELNYX_API_KEY=your_telnyx_api_key
AI_MODEL=moonshotai/Kimi-K2.6
HOST=127.0.0.1
...

설치 및 시작:

pip install -r requirements.txt
python app.py

상태 확인 (Health check):

curl http://localhost:5000/health

판타지 어드벤처 시작:

curl -X POST http://localhost:5000/game/start \
  -H "Content-Type: application/json" \
  -d '{
...

다음 행동을 선택하세요:

curl -X POST http://localhost:5000/game/game-<id>/choose \
  -H "Content-Type: application/json" \
  -d '{"choice":1}' | python3 -m json.tool

다른 장르 시도하기:

curl -X POST http://localhost:5000/game/start \
  -H "Content-Type: application/json" \
  -d '{"genre":"cyberpunk","player_name":"Void"}'

사용 가능한 장르:

• fantasy (판타지)
• sci-fi (공상과학)
• mystery (미스터리)
• horror (공포)
• cyberpunk (사이버펑크)
• post-apocalyptic (포스트 아포칼립스)

이 패턴이 유용한 이유

이 게임은 유희적이지만, 애플리케이션 패턴은 실용적입니다.

이 패턴은 다음과 같은 방법을 보여줍니다:

• 백엔드 (backend)에서 상태 (state) 유지하기
• 최근 이력 (history)을 모델 (model)로 다시 전달하기
• 구조화된 JSON 요청하기
• 사용자 선택 검증하기
• 모델 출력에 따라 세션 (session)을 계속하거나 종료하기

동일한 패턴을 훈련 시뮬레이션, 지원 흐름 (support flows), 온보딩 튜토리얼 (onboarding tutorials), 가이드형 문제 해결 (guided troubleshooting) 또는 대화형 학습 도구에 적용할 수 있습니다.

모델은 창의적인 생성 (generation)을 담당합니다. 여러분의 애플리케이션은 규칙을 소유합니다.

리소스

코드: https://github.com/team-telnyx/telnyx-code-examples/tree/main/adventure-game-python

Telnyx AI 기술 및 툴킷 (toolkits): https://github.com/team-telnyx/ai

Telnyx AI 추론 (Inference) 문서: https://developers.telnyx.com/docs/inference

Chat Completions API: https://developers.telnyx.com/api/inference/chat-completions

Telnyx 포털 (Portal): https://portal.telnyx.com/