Search

[11] AWS Bedrock + Streamlit 이미지 생성 애플리케이션 만들기 Hands-On 실습

생성일
2026/10/06 03:45
태그

Amazon Bedrock으로 이미지 생성 웹 애플리케이션 만들기

아마존 베드락은 이미지 생성을 위한 Stable Diffusion 모델을 제공하며, Streamlit을 통해 인터랙티브 웹 앱을 손쉽게 만들수 있도록 합니다. 이 조합을 통해 복잡한 과정을 생략하고 바로 원하는 생성형 애플리케이션 구축을 시작할 수 있습니다.
코딩을 시작하기 전에 우리가 사용할 두 가지 핵심 구성 요소를 이해해 보겠습니다.
1.
Streamlit : Streamlit은 Python 코드만으로 웹 애플리케이션 화면(UI)을 빠르게 만들 수 있게 해주는 Python 프레임워크
2.
일반적으로 웹 애플리케이션을 만들려면 HTML, CSS, JavaScript, React 같은 기술이 필요합니다. 하지만 Streamlit은 이런 프론트엔드 기술을 많이 몰라도 Python 코드만으로 버튼, 입력창, 표, 이미지, 차트, 채팅 화면 등을 만들 수 있다.
3.
Streamlit은 사용자가 AI Agent를 편하게 사용할 수 있도록 웹 화면을 제공하는 역할을 한다.
Python 프로그램 ↓ Streamlit ↓ 웹 브라우저에서 사용할 수 있는 화면
JavaScript
복사
•
Stable Diffusion: 2022년에 출시된 이 텍스트-이미지 변환 모델로써 텍스트 설명에서 상세한 비주얼을 생성하는데 매우 뛰어난 성능을 보여준다.
•
아래 내용은 Amazon Bedrock을 통해 이미지 생성 Application을 만드는 예제 코드에 대한 설명

Streamlit 기본 구조 및 구성요소

입력 위젯 (Input Widgets)
사용자 입력을 받는 UI 요소들이다.
모든 입력 위젯은 Streamlit 내부적으로 자동 상태 저장(stateful) 구조를 가진다.
위젯
설명
예시 코드
st.text_input()
문자열 입력
name = st.text_input("이름 입력")
st.number_input()
숫자 입력
age = st.number_input("나이", 0, 120)
st.slider()
범위 선택
level = st.slider("난이도", 1, 10, 5)
st.selectbox()
드롭다운 선택
lang = st.selectbox("언어", ["Python", "R", "C++"])
st.checkbox()
체크박스
agree = st.checkbox("동의합니다")
st.file_uploader()
파일 업로드
file = st.file_uploader("CSV 업로드")

예시

import streamlit as st st.header("입력 위젯 데모") name = st.text_input("이름을 입력하세요") age = st.number_input("나이", min_value=0, max_value=120, value=25) lang = st.selectbox("언어 선택", ["Python", "R", "C++"]) submit = st.button("확인") if submit: st.success(f"{name}님은{age}세이며,{lang}을(를) 사용합니다.")
Plain Text
복사

출력 요소 (Output Components)

Streamlit은 데이터를 텍스트, 표, 차트 등 다양한 형태로 표현할 수 있습니다.
출력 함수
용도
예시
st.write()
텍스트, 변수, 데이터프레임 자동 처리
st.write(df)
st.dataframe()
스크롤 가능한 표
st.dataframe(df)
st.table()
정적 표
st.table(df.head())
st.json()
JSON 포맷 출력
st.json({\"name\": \"AI\", \"ver\": 1.0})
st.line_chart()
선형 차트
st.line_chart(df)
st.bar_chart()
막대 차트
st.bar_chart(df)
import streamlit as st import pandas as pd import numpy as np st.header("출력 요소 예제") data = pd.DataFrame({ x: np.arange(1, 6), y: np.random.randint(1, 100, 5) }) st.dataframe(data) st.bar_chart(data.set_index(x))
Plain Text
복사

디자인 템플릿 및 UI 활용 팁 (NEW)

이 장에서는 Streamlit 앱의 디자인 완성도와 사용자 경험(UX) 을 향상시키는 기법을 학습합니다.
디자인은 처음부터 새로 만들기보다, 기존 템플릿을 참고하고 커스터마이징하는 것이 훨씬 효율적입니다.
원칙:
1.
처음에는 완성된 구조를 복제하라.
2.
필요할 때만 커스터마이징하라.
3.
시각보다는 기능과 명료성을 우선하라.

참고 자료

•
Streamlit 공식 갤러리: https://streamlit.io/gallery
•
GitHub: awesome-streamlit, streamlit-extras 등
•
커뮤니티 오픈소스: HuggingFace Spaces, Streamlit Community Cloud
🔹 참고 : 추후 배포 방법
1.
도메인 구매 (가비아, GoDaddy, AWS Route53 등)
2.
클라우드 서버 (AWS, GCP, Naver Cloud 등)에 배포
3.
Nginx/Apache Reverse Proxy 설정
•
http://chat.my-domain.com 으로 접근 가능하게 구성

Step #0: 필요 프로그램 설치

1.
작업 폴더 생성
mkdir awsbedrock cd awsbedrock
JavaScript
복사
2.
가상환경 생성 및 활성화
python -m venv .venv
JavaScript
복사
py -3.11 -m venv .venv
JavaScript
복사
3.
가상환경 생성 및 활성화
dir .venv\Scripts
JavaScript
복사
4.
가상환경 생성 및 활성화
.venv\Scripts\activate
JavaScript
복사
deactivate
JavaScript
복사
5.
가상환경이 활성화된 상태에서 필요한 패키지 설치
python -m pip install --upgrade pip
JavaScript
복사
python -m pip install streamlit boto3 pillow
JavaScript
복사
•
다른 PC 나 새 가상환경에서도 다음 한 줄로 필요한 패키지를 설치할 수 있다.
python -m pip install -r requirements.txt
JavaScript
복사
•
현재 가상환경에 설치된 패키지를 버전까지 포함하여 requirements.txt에 저장
pip freeze > requirements.txt
JavaScript
복사
현재 awsbedrock 폴더에서 아래와 같이 실행
code .
JavaScript
복사
VSCode 에서 아래와 같이 app.py 파일을 생성 후 Step 순서되로 코드를 입력한다.

Step #1: 모듈 및 환경변수 설정

코드
역할
쉽게 말하면
streamlit
웹 화면 생성
버튼, 입력창, 이미지 등을 화면에 표시
boto3
AWS 서비스 호출
Python에서 Amazon Bedrock 호출
json
JSON 데이터 처리
Bedrock에 보낼/받을 데이터 처리
PIL.Image
이미지 처리
생성된 이미지 열기
io
메모리 데이터 처리
이미지 파일을 저장하지 않고 메모리에서 처리
# 웹 화면을 만들기 위한 라이브러리 import streamlit as st # Python에서 AWS 서비스를 호출하기 위한 AWS SDK import boto3 # JSON 데이터를 처리하기 위한 Python 기본 라이브러리 import json # 이미지 데이터를 열고 처리하기 위한 라이브러리 from PIL import Image # 메모리에 있는 바이너리 데이터를 파일처럼 처리하기 위한 라이브러리 import io st.title("Building with Bedrock") # Title of the application st.subheader("Stable Diffusion Demo") # List of Stable Diffusion Preset Styles sd_presets = [ "None", "3d-model", "analog-film", "anime", "cinematic", "comic-book", "digital-art", "enhance", "fantasy-art", "isometric", "line-art", "low-poly", "modeling-compound", "neon-punk", "origami", "photographic", "pixel-art", "tile-texture", ]
JavaScript
복사

Step #2: Amazon Bedrock 설정

•
Python 스크립트에서 Amazon Bedrock을 초기화하고 실행 준비를 합니다.
# boto3.client()는 Python에서 AWS 서비스를 호출할 수 있는 클라이언트 객체를 만든다. #그리고 만들어진 객체를 bedrock_runtime이라는 변수에 저장 # Define Amazon Bedrock bedrock_runtime = boto3.client( service_name='bedrock-runtime', region_name='us-west-2', )
JavaScript
복사

Step #3: stability.stable-image-core-v1:1 모델 실행 (Invoke)

•
베드락 설정이 끝났으면, stability.stable 모델을 실행합니다.
# 이 함수는 사용자가 입력한 프롬프트(text)와 이미지 스타일(style)을 받아 Amazon Bedrock의 # Stability AI 이미지 모델을 호출하고, 생성된 이미지를 Base64 문자열로 반환하려는 코드 # Amazon Bedrock api call to stable diffusion def generate_image(text, style): """ Purpose: Uses Bedrock API to generate an Image Args/Requests: text: Prompt style: style for image Return: image: base64 string of image """ body = { "text_prompts": [{"text": text}], "cfg_scale": 10, "seed": 0, "steps": 50, "style_preset": style, } if style == "None": del body["style_preset"] body = json.dumps(body) model_id = "stability.stable-image-core-v1:1" accept = "application/json" contentType = "application/json" response = bedrock_runtime.invoke_model( body=body, modelId=modelId, accept=accept, contentType=contentType ) response_body = json.loads(response.get("body").read()) results = response_body.get("artifacts")[0].get("base64") return results
JavaScript
복사

Step #4: 화면에 생성된 이미지 출력

•
모델을 통해 이미지를 생성한 후 Python 이미징 라이브러리(PIL)를 사용하여 이미지를 화면에 표시합니다.
# ============================================================ # Base64 문자열을 PIL 이미지로 변환하는 함수 # ============================================================ def base64_to_pil(base64_string): """ Amazon Bedrock에서 받은 Base64 이미지 문자열을 PIL 이미지 객체로 변환합니다. Parameters ---------- base64_string : str Base64 형식의 이미지 문자열 Returns ------- image : PIL.Image 변환된 이미지 객체 """ # Python 기본 Base64 처리 라이브러리 import base64 # -------------------------------------------------------- # 1. Base64 문자열 → 이미지 바이너리(bytes) # -------------------------------------------------------- imgdata = base64.b64decode(base64_string) # -------------------------------------------------------- # 2. 이미지 bytes → 메모리 파일 → PIL 이미지 # -------------------------------------------------------- # # io.BytesIO(imgdata) # → 메모리에 있는 bytes를 파일처럼 만들어 줍니다. # # Image.open(...) # → 해당 데이터를 실제 이미지로 읽습니다. # -------------------------------------------------------- image = Image.open( io.BytesIO(imgdata) ) # -------------------------------------------------------- # 3. 완성된 PIL 이미지 반환 # -------------------------------------------------------- return image
JavaScript
복사

Step #5: 인터렉티브 애플리케이션 생성

•
Streamlit을 사용하여 사용자가 직접 설명을 입력할 수 있는 텍스트 상자를 추가하고
•
stability.stable 이 생성하는 이미지를 실시간으로 확인할 수 있다.
# List of Stable Diffusion Preset Styles #sd_presets = ["None","3d-model","analog-film","anime",... # select box for styles style = st.selectbox("Select Style", sd_presets) # text input prompt = st.text_input("Enter prompt") # Generate image from prompt, if st.button("Generate Image"): image = base64_to_pil(generate_image(prompt, style)) st.image(image)
JavaScript
복사

Step #6: 최종코드 생성

10.streamlit_chatbot_app.py
JavaScript
복사
streamlit run 10.streamlit_chatbot_app.py
JavaScript
복사
# ============================================================ # AWS Bedrock + Streamlit 이미지 생성 애플리케이션 # # 사용 기술 # - Streamlit : 웹 화면 구성 # - boto3 : AWS 서비스 호출 # - Bedrock : 생성형 AI 모델 실행 # - Stability AI Stable Image Core : 이미지 생성 # - Pillow : 생성된 이미지 처리 # # 실행: # streamlit run 10.streamlit_chatbot_app.py # ============================================================ # ------------------------------------------------------------ # 1. 필요한 라이브러리 가져오기 # ------------------------------------------------------------ # Streamlit 웹 애플리케이션을 만들기 위한 라이브러리 import streamlit as st # Python에서 AWS 서비스를 사용하기 위한 AWS SDK import boto3 # Python Dictionary와 JSON 데이터를 변환하기 위한 라이브러리 import json # 이미지를 Python에서 처리하기 위한 Pillow 라이브러리 from PIL import Image # 메모리에서 이미지 데이터를 파일처럼 처리하기 위한 라이브러리 import io # Bedrock에서 반환된 Base64 이미지를 디코딩하기 위한 라이브러리 import base64 # 이미지 생성 시 매번 다른 seed를 사용하기 위한 라이브러리 import random # AWS 오류를 처리하기 위한 라이브러리 from botocore.exceptions import ClientError # ------------------------------------------------------------ # 2. Streamlit 웹 페이지 제목 # ------------------------------------------------------------ st.title("Building with Amazon Bedrock") st.subheader("Stable Image Core Demo") st.write( "텍스트 프롬프트를 입력하면 " "Amazon Bedrock의 Stable Image Core 모델이 이미지를 생성합니다." ) # ------------------------------------------------------------ # 3. 이미지 스타일 목록 # ------------------------------------------------------------ # 사용자가 SelectBox에서 선택할 수 있는 스타일입니다. # # 주의: # Stable Image Core API에 style_preset이라는 별도 파라미터를 # 전달하는 것이 아니라 프롬프트 뒤에 스타일 이름을 추가합니다. # # 예: # # 입력: # A cute cat # # cinematic 선택: # A cute cat, cinematic style sd_presets = [ "None", "3d-model", "analog-film", "anime", "cinematic", "comic-book", "digital-art", "enhance", "fantasy-art", "isometric", "line-art", "low-poly", "modeling-compound", "neon-punk", "origami", "photographic", "pixel-art", "tile-texture", ] # ------------------------------------------------------------ # 4. Amazon Bedrock Runtime Client 생성 # ------------------------------------------------------------ # boto3는 Python에서 AWS 서비스를 사용할 수 있게 해주는 SDK입니다. # # 여기서는 Amazon Bedrock 모델을 실행해야 하기 때문에 # # bedrock-runtime # # 서비스를 사용합니다. bedrock_runtime = boto3.client( service_name="bedrock-runtime", # Stable Image Core를 사용할 AWS Region region_name="us-west-2" ) # ------------------------------------------------------------ # 5. 이미지 생성 함수 # ------------------------------------------------------------ def generate_image(text, style): """ 사용자가 입력한 텍스트를 Bedrock으로 보내서 이미지를 생성하는 함수입니다. Parameters ---------- text : str 사용자가 입력한 이미지 설명 style : str 사용자가 선택한 이미지 스타일 Returns ------- str Base64 형식의 이미지 문자열 """ # -------------------------------------------------------- # Step 1 # 선택한 스타일을 Prompt에 추가 # -------------------------------------------------------- if style != "None": text = f"{text}, {style} style" # -------------------------------------------------------- # Step 2 # Seed 생성 # -------------------------------------------------------- # seed는 이미지 생성 결과를 결정하는 숫자입니다. # # 같은 Prompt + 같은 Seed # → 비슷하거나 동일한 결과를 재현할 때 사용할 수 있습니다. # # 매번 다른 이미지를 만들기 위해 랜덤 seed를 사용합니다. seed = random.randint( 0, 4294967295 ) # -------------------------------------------------------- # Step 3 # Bedrock 모델에게 전달할 요청 데이터 생성 # -------------------------------------------------------- body = { # 사용자가 입력한 이미지 설명 "prompt": text, # 생성할 이미지 비율 "aspect_ratio": "1:1", # 이미지 생성 seed "seed": seed, # 출력 이미지 형식 "output_format": "png" } # -------------------------------------------------------- # Step 4 # Python Dictionary → JSON 변환 # -------------------------------------------------------- body = json.dumps(body) # -------------------------------------------------------- # Step 5 # 사용할 Bedrock 모델 ID # -------------------------------------------------------- model_id = "stability.stable-image-core-v1:1" # -------------------------------------------------------- # Step 6 # Amazon Bedrock 모델 호출 # -------------------------------------------------------- response = bedrock_runtime.invoke_model( # 사용할 AI 모델 modelId=model_id, # 모델에게 전달할 데이터 body=body, # 요청 데이터 형식 contentType="application/json", # 응답 데이터 형식 accept="application/json" ) # -------------------------------------------------------- # Step 7 # Bedrock 응답 읽기 # -------------------------------------------------------- # response["body"]는 StreamingBody 객체입니다. # # .read() # # 를 사용하여 실제 데이터를 읽습니다. response_body = json.loads( response["body"].read() ) # -------------------------------------------------------- # Step 8 # 이미지 생성 실패 여부 확인 # -------------------------------------------------------- finish_reasons = response_body.get( "finish_reasons", [] ) if finish_reasons: if finish_reasons[0] is not None: raise RuntimeError( f"이미지 생성 실패: {finish_reasons[0]}" ) # -------------------------------------------------------- # Step 9 # 생성된 이미지 추출 # -------------------------------------------------------- images = response_body.get( "images", [] ) # 이미지가 없는 경우 오류 발생 if not images: raise RuntimeError( "Bedrock 응답에 생성된 이미지가 없습니다." ) # 첫 번째 이미지 반환 return images[0] # ------------------------------------------------------------ # 6. Base64 → PIL Image 변환 함수 # ------------------------------------------------------------ def base64_to_pil(base64_string): """ Bedrock에서 반환된 Base64 문자열을 Streamlit에서 출력할 수 있는 PIL Image로 변환합니다. """ # -------------------------------------------------------- # Step 1 # Base64 → Binary # -------------------------------------------------------- imgdata = base64.b64decode( base64_string ) # -------------------------------------------------------- # Step 2 # Binary → PIL Image # -------------------------------------------------------- image = Image.open( io.BytesIO(imgdata) ) # 이미지 반환 return image # ------------------------------------------------------------ # 7. Streamlit UI - Style 선택 # ------------------------------------------------------------ style = st.selectbox( "Select Style", sd_presets ) # ------------------------------------------------------------ # 8. Streamlit UI - Prompt 입력 # ------------------------------------------------------------ prompt = st.text_input( "Enter prompt", placeholder="예: A cute robot walking in Seoul at night" ) # ------------------------------------------------------------ # 9. Generate Image 버튼 # ------------------------------------------------------------ if st.button("Generate Image"): # -------------------------------------------------------- # Prompt 입력 여부 확인 # -------------------------------------------------------- if prompt: try: # ------------------------------------------------ # 사용자에게 처리 중이라는 메시지 표시 # ------------------------------------------------ with st.spinner( "Amazon Bedrock에서 이미지를 생성하고 있습니다..." ): # -------------------------------------------- # Bedrock 이미지 생성 # -------------------------------------------- base64_image = generate_image( prompt, style ) # -------------------------------------------- # Base64 → PIL Image # -------------------------------------------- image = base64_to_pil( base64_image ) # ------------------------------------------------ # 생성된 이미지 화면 출력 # ------------------------------------------------ st.success( "이미지 생성 완료!" ) st.image( image, caption=f"Prompt: {prompt}", use_container_width=True ) # ---------------------------------------------------- # AWS Bedrock 관련 오류 # ---------------------------------------------------- except ClientError as e: error_message = e.response[ "Error" ].get( "Message", str(e) ) st.error( f"AWS Bedrock 오류: {error_message}" ) # ---------------------------------------------------- # 기타 Python 오류 # ---------------------------------------------------- except Exception as e: st.error( f"이미지 생성 중 오류가 발생했습니다: {e}" ) else: # Prompt를 입력하지 않은 경우 st.warning( "Prompt를 입력하세요." )
JavaScript
복사
cute dogs on the moon
JavaScript
복사