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
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
















