commit e575ec8c806bbeb7cc7452e28bbd47816375a121
Author: kyy <b24053@hanmaceng.co.kr>
Date:   Fri Jul 18 17:32:56 2025 +0900

    Initial commit

diff --git a/.env.chatbot b/.env.chatbot
new file mode 100644
index 0000000..c2f0814
--- /dev/null
+++ b/.env.chatbot
@@ -0,0 +1,2 @@
+# Replace with your actual Google API key
+GOOGLE_API_KEY="AIzaSyD37Fp00b_i2DIywwtQu39w0RhkGAJO4YM"
\ No newline at end of file
diff --git a/.gitattributes b/.gitattributes
new file mode 100644
index 0000000..b60060f
--- /dev/null
+++ b/.gitattributes
@@ -0,0 +1,32 @@
+*.7z filter=lfs diff=lfs merge=lfs -text
+*.arrow filter=lfs diff=lfs merge=lfs -text
+*.bin filter=lfs diff=lfs merge=lfs -text
+*.bz2 filter=lfs diff=lfs merge=lfs -text
+*.ftz filter=lfs diff=lfs merge=lfs -text
+*.gz filter=lfs diff=lfs merge=lfs -text
+*.h5 filter=lfs diff=lfs merge=lfs -text
+*.joblib filter=lfs diff=lfs merge=lfs -text
+*.lfs.* filter=lfs diff=lfs merge=lfs -text
+*.model filter=lfs diff=lfs merge=lfs -text
+*.msgpack filter=lfs diff=lfs merge=lfs -text
+*.npy filter=lfs diff=lfs merge=lfs -text
+*.npz filter=lfs diff=lfs merge=lfs -text
+*.onnx filter=lfs diff=lfs merge=lfs -text
+*.ot filter=lfs diff=lfs merge=lfs -text
+*.parquet filter=lfs diff=lfs merge=lfs -text
+*.pickle filter=lfs diff=lfs merge=lfs -text
+*.pkl filter=lfs diff=lfs merge=lfs -text
+*.pb filter=lfs diff=lfs merge=lfs -text
+*.pt filter=lfs diff=lfs merge=lfs -text
+*.pth filter=lfs diff=lfs merge=lfs -text
+*.rar filter=lfs diff=lfs merge=lfs -text
+saved_model/**/* filter=lfs diff=lfs merge=lfs -text
+*.tar.* filter=lfs diff=lfs merge=lfs -text
+*.tflite filter=lfs diff=lfs merge=lfs -text
+*.tgz filter=lfs diff=lfs merge=lfs -text
+*.wasm filter=lfs diff=lfs merge=lfs -text
+*.xz filter=lfs diff=lfs merge=lfs -text
+*.zip filter=lfs diff=lfs merge=lfs -text
+*.zst filter=lfs diff=lfs merge=lfs -text
+*tfevents* filter=lfs diff=lfs merge=lfs -text
+*.pdf filter=lfs diff=lfs merge=lfs -text
diff --git a/Dockerfile b/Dockerfile
new file mode 100644
index 0000000..ece5652
--- /dev/null
+++ b/Dockerfile
@@ -0,0 +1,23 @@
+# Use an official Python runtime as a parent image
+FROM python:3.9-slim
+
+# Set the working directory in the container
+WORKDIR /app
+
+# Copy the requirements file into the container at /app
+COPY requirements.txt .
+
+# Install any needed packages specified in requirements.txt
+RUN pip install --no-cache-dir -r requirements.txt
+
+# Copy the rest of the application's code into the container at /app
+COPY . .
+
+# Make port 8501 available to the world outside this container
+EXPOSE 8501
+
+# Define environment variable
+ENV GOOGLE_API_KEY=""
+
+# Run main.py when the container launches
+CMD ["streamlit", "run", "main.py"]
diff --git a/LICENSE b/LICENSE
new file mode 100644
index 0000000..4af313f
--- /dev/null
+++ b/LICENSE
@@ -0,0 +1,21 @@
+MIT License
+
+Copyright (c) 2024 Lectom
+
+Permission is hereby granted, free of charge, to any person obtaining a copy
+of this software and associated documentation files (the "Software"), to deal
+in the Software without restriction, including without limitation the rights
+to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
+copies of the Software, and to permit persons to whom the Software is
+furnished to do so, subject to the following conditions:
+
+The above copyright notice and this permission notice shall be included in all
+copies or substantial portions of the Software.
+
+THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
+IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
+FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
+AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
+LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
+OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE
+SOFTWARE.
diff --git a/README.md b/README.md
new file mode 100644
index 0000000..2b58bd3
--- /dev/null
+++ b/README.md
@@ -0,0 +1,79 @@
+# 🤖 OpenAPI 명세 조회 챗봇 (LLM-Gateway Spec Chatbot)
+
+이 프로젝트는 특정 URL에서 제공하는 OpenAPI 명세(Specification) 파일을 기반으로 사용자의 질문에 답변하는 Streamlit 기반의 챗봇 애플리케이션입니다. Gemini AI 모델을 활용하여 자연어 질문을 이해하고, API 명세에 근거한 정확한 정보를 한국어로 제공합니다.
+
+전체 애플리케이션은 Docker 컨테이너 환경에서 실행되도록 구성되어 있어, 간편하게 설치하고 실행할 수 있습니다.
+
+## ✨ 주요 기능
+
+- **OpenAPI 명세 기반 답변**: 로컬에 저장된 `api_spec.json` 파일을 분석하여 API의 엔드포인트, 파라미터, 요약 정보 등에 대해 답변합니다.
+- **자연어 질의응답**: Google의 Gemini 모델을 통해 사용자의 자연어 질문을 이해하고 지능적인 답변을 생성합니다.
+- **동적 명세 새로고침**: UI의 버튼 클릭 한 번으로 최신 API 명세를 원격 URL에서 다시 가져와 앱에 반영할 수 있습니다.
+- **한국어 지원**: 모든 답변은 한국어로 제공됩니다.
+- **직관적인 UI**: Streamlit을 사용하여 사용하기 쉬운 웹 기반 채팅 인터페이스를 제공하며, ���고 및 커스텀 스타일이 적용되어 있습니다.
+- **컨테이너화**: Docker 및 Docker Compose를 사용하여 개발 환경에 구애받지 않고 일관된 실행 환경을 제공합니다.
+
+## 🛠️ 기술 스택
+
+- **언어**: Python 3.9
+- **프레임워크**: Streamlit
+- **AI 모델**: Google Gemini 1.5 Flash
+- **컨테이너**: Docker, Docker Compose
+- **주요 라이브러리**: `google-generativeai`, `requests`, `pandas`
+
+## 📂 디렉토리 구조
+
+```
+chatbot_app/
+├── static/
+│   ├── api_spec.json   # API 명세 파일
+│   └── logo.png        # UI에 표시될 로고 이미지
+├── .env.chatbot        # 환경 변수 파일 (API 키 저장)
+├── docker-compose.yml  # Docker Compose 설정 파일
+├── Dockerfile          # Docker 이미지 빌드 파일
+├── main.py             # Streamlit 애플리케이션 메인 코드
+├── README.md           # 프로젝트 설명 파일 (현재 파일)
+└── requirements.txt    # Python 의존성 목록
+```
+
+## 🚀 설치 및 실행 방법
+
+### 사전 준비 사항
+
+- [Docker](https://www.docker.com/get-started)가 설치되어 있어야 합니다.
+- [Docker Compose](https://docs.docker.com/compose/install/)가 설치되어 있어야 합니다. (최신 버전의 Docker Desktop에는 기본 포함)
+
+### 설치 절차
+
+1.  **프로젝트 준비**:
+    이 `chatbot_app` 디렉토리를 준비합니다.
+
+2.  **정적 파일 배치**:
+    `chatbot_app/static/` 디렉토리 안에 다음 두 파일을 위치시킵니다.
+    - `api_spec.json`: 조회할 대상의 OpenAPI 명세 파일
+    - `logo.png`: UI 사이드바에 표시할 로고 이미지
+
+3.  **환경 변수 설정**:
+    `chatbot_app/.env.chatbot` 파일을 열고, `YOUR_GEMINI_API_KEY` 부분을 실제 발급받은 Google Gemini API 키로 교체합니다.
+    ```env
+    # YOUR_GEMINI_API_KEY를 실제 키로 변경하세요.
+    GOOGLE_API_KEY="YOUR_GEMINI_API_KEY"
+    ```
+
+4.  **애플리케이션 빌드 및 실행**:
+    터미널에서 `chatbot_app` 디렉토리로 이동한 후, 다음 명령어를 실행합니다.
+    ```bash
+    docker-compose up --build -d
+    ```
+    - `--build`: 이미지를 새로 빌드합니다. (코드 변경 시 필요)
+    - `-d`: 컨테이너를 백그라운드에서 실행합니다.
+
+5.  **챗봇 접속**:
+    빌드가 완료되고 컨테이너가 실행되면, 웹 브라우저를 열고 다음 주소로 접속합니다.
+    - **URL**: `http://localhost:8501`
+
+## 💡 사용 방법
+
+- **질문하기**: 화면 하단의 입력창에 API 명세와 관련된 질문을 입력하고 Enter 키를 누릅니다.
+- **API 명세 새로고침**: 사이드바의 '🔄 API 명세 새로고침' 버튼을 클릭하면 `API_SPEC_URL`에 지정된 주소에서 최신 명세를 다시 가져옵니다.
+- **API 상세정보 확인**: 사이드바의 '📘 API 상세정보 보기'를 펼치면 API의 제목, 버전 및 전체 엔드포인트 목록을 확인할 수 있습니다.
diff --git a/docker-compose.yml b/docker-compose.yml
new file mode 100644
index 0000000..f6618d6
--- /dev/null
+++ b/docker-compose.yml
@@ -0,0 +1,10 @@
+services:
+  chatbot:
+    build: .
+    container_name: pgn_spec_chatbot
+    ports:
+      - "8501:8501"
+    env_file:
+      - .env.chatbot
+    volumes:
+      - .:/app
diff --git a/main.py b/main.py
new file mode 100644
index 0000000..a0cabbb
--- /dev/null
+++ b/main.py
@@ -0,0 +1,197 @@
+import json
+import os
+
+import google.generativeai as genai
+import pandas as pd
+import requests
+import streamlit as st
+
+# --- 설정 ---
+SPEC_FILE = "static/api_spec.json"
+LOGO_FILE = "static/logo.png"
+API_SPEC_URL = "http://172.16.10.176:8888/openapi.json"
+
+
+# --- 도우미 함수 ---
+def load_api_spec():
+    """로컬 파일에서 API 명세를 불러옵니다."""
+    try:
+        with open(SPEC_FILE, "r", encoding="utf-8") as f:
+            return json.load(f)
+    except (FileNotFoundError, json.JSONDecodeError) as e:
+        st.error(f"API 명세 파일을 불러오는 중 오류 발생: {e}")
+        return None
+
+
+def fetch_and_save_spec():
+    """URL에서 최신 API 명세를 가져와 로컬에 저장합니다."""
+    try:
+        response = requests.get(API_SPEC_URL)
+        response.raise_for_status()  # 잘못된 상태 코드에 대해 예외를 발생시킵니다
+        spec_data = response.json()
+        with open(SPEC_FILE, "w", encoding="utf-8") as f:
+            json.dump(spec_data, f, indent=2, ensure_ascii=False)
+        st.success(f"성공적으로 API 명세를 가져와 업데이트했습니다: {API_SPEC_URL}")
+        return spec_data
+    except requests.exceptions.RequestException as e:
+        st.error(f"API 명세를 가져오는 데 실패했습니다: {e}")
+        return None
+    except json.JSONDecodeError:
+        st.error("응답에서 JSON을 파싱하는 데 실패했습니다.")
+        return None
+
+
+# --- Gemini AI 설정 ---
+try:
+    api_key = os.getenv("GOOGLE_API_KEY")
+    if not api_key:
+        st.error(
+            "GOOGLE_API_KEY 환경 변수가 설정되지 않았습니다. .env.chatbot 파일에서 설정해주세요."
+        )
+        st.stop()
+    genai.configure(api_key=api_key)
+    model = genai.GenerativeModel("gemini-1.5-flash")
+except Exception as e:
+    st.error(f"Gemini AI 설정 실패: {e}")
+    st.stop()
+
+# --- Streamlit UI 설정 ---
+st.set_page_config(
+    page_title="API Guide Chatbot",
+    page_icon="🤖",
+    layout="wide",
+    initial_sidebar_state="expanded",
+)
+
+# --- 커스텀 CSS ---
+st.markdown(
+    """
+<style>
+    /* 다크 모드 기본 테마와 유사하게 맞춤 */
+    .stApp {
+        background-color: #0E117;
+    }
+    /* 채팅 메시지 스타일 */
+    [data-testid="chat-message-container"] {
+        border-radius: 0.5rem;
+        padding: 1rem;
+        margin-bottom: 1rem;
+        box-shadow: 0 2px 4px rgba(0,0,0,0.1);
+    }
+</style>
+""",
+    unsafe_allow_html=True,
+)
+
+
+# --- 메인 앱 로직 ---
+# 시작 시 API 명세 불러오기
+api_spec = load_api_spec()
+
+# --- 사이드바 ---
+with st.sidebar:
+    if os.path.exists(LOGO_FILE):
+        st.image(LOGO_FILE, use_container_width=True)
+    st.header("⚙️ Controls")
+    if st.button("🔄 API 명세 새로고침"):
+        with st.spinner("최신 API 명세를 가져오는 중..."):
+            api_spec = fetch_and_save_spec()
+            st.session_state.messages = []  # 새로고침 시 대화 기록 삭제
+            st.rerun()
+
+    if api_spec:
+        with st.expander("📘 API 상세정보 보기", expanded=True):
+            st.info(f"**Title:** {api_spec.get('info', {}).get('title', 'N/A')}")
+            st.text(f"Version: {api_spec.get('info', {}).get('version', 'N/A')}")
+
+            paths = api_spec.get("paths", {})
+            if paths:
+                endpoint_data = []
+                for path, methods in paths.items():
+                    for method, details in methods.items():
+                        endpoint_data.append(
+                            {
+                                "Method": method.upper(),
+                                "Endpoint": path,
+                                "summary": details.get("summary", "요약 없음"),
+                            }
+                        )
+                df = pd.DataFrame(endpoint_data)
+                st.dataframe(df, use_container_width=True)
+    else:
+        st.warning("API 명세를 불러올 수 없습니다.")
+
+# --- 메인 채팅 인터페이스 ---
+st.markdown(
+    "<h1 style='text-align: center;'>💬 LLM-Gateway Guide Chatbot</h1>",
+    unsafe_allow_html=True,
+)
+st.caption(f"현재 사용 중인 API 명세: {API_SPEC_URL}")
+
+
+# 대화 기록 초기화
+if "messages" not in st.session_state:
+    st.session_state.messages = []
+
+# 시작 메시지
+if not st.session_state.messages:
+    st.info("안녕하세요! LLM-Gateway 에 대해 궁금한 점을 물어보세요.")
+
+# 앱 재실행 시 기록에서 대화 메시지 표시
+for message in st.session_state.messages:
+    avatar = "🧑‍💻" if message["role"] == "user" else "👻"
+    with st.chat_message(message["role"], avatar=avatar):
+        st.markdown(message["content"])
+
+# 사용자 입력 수락
+if prompt := st.chat_input("LLM-Gateway 에 대해 질문하세요..."):
+    if not api_spec:
+        st.error("질문을 처리할 수 없습니다: API 명세가 로드되지 않았습니다.")
+    else:
+        # 대화 기록에 사용자 메시지 추가
+        st.session_state.messages.append({"role": "user", "content": prompt})
+        # 채팅 메시지 컨테이너에 사용자 메시지 표시
+        with st.chat_message("user", avatar="🧑‍💻"):
+            st.markdown(prompt)
+
+        # 채팅 메시지 컨테이너에 어시스턴트 응답 표시
+        with st.chat_message("assistant", avatar="👻"):
+            message_placeholder = st.empty()
+            with st.spinner("답변을 생성하는 중..."):
+                try:
+                    # Gemini를 위한 프롬프트 준비
+                    full_prompt = f"""
+                    당신은 다음 LLM-Gateway API 명세에 대한 전문가 어시스턴트입니다.
+                    당신의 임무는 제공된 JSON 데이터를 기반으로만 질문에 답변하는 것입니다.
+                    정보를 지어내지 마세요. 만약 명세에 답변이 없다면 없다고 말하세요.
+                    모든 답변은 반드시 한국어로 제공해주세요.
+
+                    **LLM-Gateway API 명세 (JSON):**
+                    ```json
+                    {json.dumps(api_spec, indent=2, ensure_ascii=False)}
+                    ```
+
+                    **사용자 질문:**
+                    {prompt}
+                    """
+                    response = model.generate_content(full_prompt)
+
+                    if response.parts:
+                        response_text = response.text
+                    else:
+                        # 응답이 차단될 수 있는 경우를 처리합니다
+                        response_text = (
+                            "죄송합니다, 해당 질문에 대한 답변을 드릴 수 없습니다."
+                        )
+
+                    message_placeholder.markdown(response_text)
+                    st.session_state.messages.append(
+                        {"role": "assistant", "content": response_text}
+                    )
+
+                except Exception as e:
+                    error_text = f"오류가 발생했습니다: {e}"
+                    message_placeholder.markdown(error_text)
+                    st.session_state.messages.append(
+                        {"role": "assistant", "content": error_text}
+                    )
diff --git a/pyproject.toml b/pyproject.toml
new file mode 100644
index 0000000..6cc45da
--- /dev/null
+++ b/pyproject.toml
@@ -0,0 +1,46 @@
+exclude = [
+    ".bzr",
+    ".direnv",
+    ".eggs",
+    ".git",
+    ".git-rewrite",
+    ".hg",
+    ".mypy_cache",
+    ".nox",
+    ".pants.d",
+    ".pytype",
+    ".ruff_cache",
+    ".svn",
+    ".tox",
+    ".venv",
+    "__pypackages__",
+    "_build",
+    "buck-out",
+    "build",
+    "dist",
+    "node_modules",
+    "venv",
+]
+
+line-length = 120
+indent-width = 4
+
+[lint]
+# 기본적으로 Pyflakes('F')와 pycodestyle('E') 코드의 하위 집합을 활성화합니다.
+select = ["E4", "E7", "E9", "F"]
+ignore = []
+
+# 활성화된 모든 규칙에 대한 수정 허용.
+fixable = ["ALL"]
+unfixable = []
+
+# 밑줄 접두사가 붙은 경우 사용하지 않는 변수를 허용합니다.
+dummy-variable-rgx = "^(_+|(_+[a-zA-Z0-9_]*[a-zA-Z0-9]+?))$"
+
+[format]
+quote-style = "double"
+indent-style = "space"
+skip-magic-trailing-comma = false
+line-ending = "auto"
+docstring-code-format = false
+docstring-code-line-length = "dynamic"
\ No newline at end of file
diff --git a/requirements.txt b/requirements.txt
new file mode 100644
index 0000000..1420878
--- /dev/null
+++ b/requirements.txt
@@ -0,0 +1,5 @@
+streamlit
+google-generativeai
+requests
+pandas
+pyarrow
diff --git a/static/api_spec.json b/static/api_spec.json
new file mode 100644
index 0000000..baf2980
--- /dev/null
+++ b/static/api_spec.json
@@ -0,0 +1 @@
+{"openapi":"3.1.0","info":{"title":"LLM GATEWAY","description":"LLM 모델이 업로드된 문서를 분석하여 구조화된 JSON으로 변환하는 API 서비스입니다.","version":"0.1.0"},"paths":{"/metrics":{"get":{"summary":"Metrics","description":"Endpoint that serves Prometheus metrics.","operationId":"metrics_metrics_get","responses":{"200":{"description":"Successful Response","content":{"application/json":{"schema":{}}}}}}},"/schema_file_guide":{"get":{"tags":["Guide Book"],"summary":"schema 파일 작성 가이드북 HTML 보기","description":"📄 본 가이드북은 <strong>/general</strong> 및 <strong>/extract/structured</strong> 엔드포인트에 첨부되는 <strong>schema_file</strong> 작성법을 설명합니다.<br><br>가이드북은 <a href='/schema_file_guide' target='_blank'>여기</a>에서 확인하세요.","operationId":"schema_guide_schema_file_guide_get","responses":{"200":{"description":"Successful Response","content":{"text/html":{"schema":{"type":"string"}}}}}}},"/general_guide":{"get":{"tags":["Guide Book"],"summary":"/general 가이드북 HTML 보기","description":"가이드북을 <a href='/general_guide' target='_blank'>여기</a>에서 확인하세요.","operationId":"general_guide_general_guide_get","responses":{"200":{"description":"Successful Response","content":{"text/html":{"schema":{"type":"string"}}}}}}},"/extract_guide":{"get":{"tags":["Guide Book"],"summary":"/extract 가이드북 HTML 보기","description":"가이드북을 <a href='/extract_guide' target='_blank'>여기</a>에서 확인하세요.","operationId":"extract_guide_extract_guide_get","responses":{"200":{"description":"Successful Response","content":{"text/html":{"schema":{"type":"string"}}}}}}},"/info":{"get":{"tags":["Model Management"],"summary":"'/extract', '/general' 에서 사용 가능한 모델 목록 확인","description":"✅ 'inner(내부용)' 와 'outer(외부용)' 모델의 사용 가능한 목록을 확인합니다.<br>\n    ✅ 'Try it out' → 'Execute' 순서로 클릭합니다.<br>","operationId":"get_model_info_info_get","responses":{"200":{"description":"Successful Response","content":{"application/json":{"schema":{}}}}}}},"/default_prompt":{"get":{"tags":["Model Management"],"summary":"기본 프롬프트 파일 다운로드","operationId":"download_default_prompt_default_prompt_get","responses":{"200":{"description":"Successful Response","content":{"application/json":{"schema":{}}}}}}},"/structured_prompt":{"get":{"tags":["Model Management"],"summary":"구조화 프롬프트 파일 다운로드","operationId":"download_structured_prompt_structured_prompt_get","responses":{"200":{"description":"Successful Response","content":{"application/json":{"schema":{}}}}}}},"/structured_schema":{"get":{"tags":["Model Management"],"summary":"구조화 포맷 정의 파일 다운로드","operationId":"download_structured_schema_structured_schema_get","responses":{"200":{"description":"Successful Response","content":{"application/json":{"schema":{}}}}}}},"/general/inner":{"post":{"tags":["General"],"summary":"내부 LLM 기반 범용 추론 요청 (비동기)","description":"### **요약**\n내부망에 배포된 LLM(Ollama 기반)을 사용하여 문서 기반의 범용 추론을 비동기적으로 요청합니다. 이 엔드포인트는 파일(PDF, 이미지 등)에서 텍스트를 추출하고, 사용자가 제공한 프롬프트를 적용하여 결과를 생성합니다.\n\n### **작동 방식**\n1.  **요청 접수**: `input_file`, `prompt_file` 등을 받아 고유한 `request_id`를 생성하고 즉시 반환합니다.\n2.  **백그라운드 처리**:\n    -   `input_file`이 문서나 이미지일 경우, **OCR API**를 호출하여 텍스트를 추출합니다.\n    -   추출된 텍스트와 `prompt_file`의 내용을 조합하여 최종 프롬프트를 구성합니다.\n    -   내부 LLM(Ollama)에 추론을 요청합니다.\n    -   `schema_file`이 제공되면, LLM이 스키마에 맞는 JSON을 생성하도록 요청합니다.\n3.  **상태 및 결과 확인**: 반환된 `request_id`를 사용하여 `GET /general/progress/{request_id}` 엔드포인트에서 작업 진행 상태와 최종 결과를 조회할 수 있습니다.\n\n### **입력 (multipart/form-data)**\n-   `input_file` (**필수**): 추론의 기반이 될 문서 파일.\n    -   지원 형식: `.pdf`, `.docx`, `.jpg`, `.png`, `.jpeg` 등.\n    -   내부적으로 OCR을 통해 텍스트가 자동 추출됩니다.\n-   `prompt_file` (**필수**): LLM에 전달할 명령어(프롬프트)가 포함된 `.txt` 파일.\n-   `schema_file` (선택): 결과물의 구조를 정의하는 `.json` 스키마 파일. 제공 시, 출력은 이 스키마를 따르는 JSON 형식으로 강제됩니다.\n-   `model` (선택): 사용할 내부 LLM 모델 이름. (기본값: `gemma3:27b`)\n\n### **출력 (application/json)**\n-   **초기 응답**:\n    ```json\n    {\n      \"message\": \"작업이 백그라운드에서 실행 중입니다.\",\n      \"request_id\": \"고유한 요청 ID\",\n      \"status_check_url\": \"/general/progress/고유한 요청 ID\"\n    }\n    ```\n-   **최종 결과**: `GET /general/progress/{request_id}`를 통해 확인 가능.","operationId":"general_endpoint_general_inner_post","requestBody":{"content":{"multipart/form-data":{"schema":{"$ref":"#/components/schemas/Body_general_endpoint_general_inner_post"}}},"required":true},"responses":{"200":{"description":"Successful Response","content":{"application/json":{"schema":{}}}},"422":{"description":"Validation Error","content":{"application/json":{"schema":{"$ref":"#/components/schemas/HTTPValidationError"}}}}}}},"/general/outer":{"post":{"tags":["General"],"summary":"외부 LLM 기반 범용 추론 요청 (비동기)","description":"### **요약**\n외부 상용 LLM(예: GPT, Gemini, Claude)을 사용하여 문서 기반의 범용 추론을 비동기적으로 요청합니다. 기능과 작동 방식은 내부 LLM용 엔드포인트와 동일하나, 외부 API를 호출하는 점이 다릅니다.\n\n### **작동 방식**\n1.  **요청 접수**: `input_file`, `prompt_file` 등을 받아 고유한 `request_id`를 생성하고 즉시 반환합니다.\n2.  **백그라운드 처리**:\n    -   `input_file`에서 **OCR API**를 통해 텍스트를 추출합니다.\n    -   추출된 텍스트와 `prompt_file`의 내용을 조합하여 최종 프롬프트를 구성합니다.\n    -   외부 LLM API(OpenAI, Google, Anthropic 등)에 추론을 요청합니다.\n    -   `schema_file`이 제공되면, LLM이 스키마에 맞는 JSON을 생성하도록 요청합니다.\n3.  **상태 및 결과 확인**: 반환된 `request_id`를 사용하여 `GET /general/progress/{request_id}` 엔드포인트에서 작업 진행 상태와 최종 결과를 조회할 수 있습니다.\n\n### **입력 (multipart/form-data)**\n-   `input_file` (**필수**): 추론의 기반이 될 문서 파일.\n    -   지원 형식: `.pdf`, `.docx`, `.jpg`, `.png`, `.jpeg` 등.\n-   `prompt_file` (**필수**): LLM에 전달할 프롬프트가 포함된 `.txt` 파일.\n-   `schema_file` (선택): 결과물의 구조를 정의하는 `.json` 스키마 파일.\n-   `model` (선택): 사용할 외부 LLM 모델 이름. (기본값: `gemini-2.5-flash`)\n\n### **출력 (application/json)**\n-   **초기 응답**:\n    ```json\n    {\n      \"message\": \"작업이 백그라운드에서 실행 중입니다.\",\n      \"request_id\": \"고유한 요청 ID\",\n      \"status_check_url\": \"/general/progress/고유한 요청 ID\"\n    }\n    ```\n-   **최종 결과**: `GET /general/progress/{request_id}`를 통해 확인 가능.","operationId":"general_endpoint_general_outer_post","requestBody":{"content":{"multipart/form-data":{"schema":{"$ref":"#/components/schemas/Body_general_endpoint_general_outer_post"}}},"required":true},"responses":{"200":{"description":"Successful Response","content":{"application/json":{"schema":{}}}},"422":{"description":"Validation Error","content":{"application/json":{"schema":{"$ref":"#/components/schemas/HTTPValidationError"}}}}}}},"/general/progress/{request_id}":{"get":{"tags":["General"],"summary":"범용 추론 작업 상태 및 결과 조회","description":"### **요약**\n`POST /general/inner` 또는 `POST /general/outer` 요청 시 반환된 `request_id`를 사용하여, 해당 작업의 진행 상태와 최종 결과를 조회합니다.\n\n### **작동 방식**\n-   `request_id`를 기반으로 Redis에 저장된 작업 로그와 결과 데이터를 조회합니다.\n-   작업이 진행 중일 때는 현재까지의 로그를, 완료되었을 때는 로그와 함께 최종 결과(`final_result`)를 반환합니다.\n\n### **입력**\n-   `request_id`: 조회할 작업의 고유 ID.\n\n### **출력 (application/json)**\n-   **성공 시**:\n    ```json\n    {\n      \"request_id\": \"요청 시 사용된 ID\",\n      \"progress_logs\": [\n        { \"timestamp\": \"...\", \"status\": \"OCR 시작\", \"details\": \"...\" },\n        { \"timestamp\": \"...\", \"status\": \"입력 길이 검사 시작\", \"details\": \"...\" },\n        { \"timestamp\": \"...\", \"status\": \"LLM 추론 시작\", \"details\": \"...\" },\n        { \"timestamp\": \"...\", \"status\": \"LLM 추론 완료 및 후처리 시작\", \"details\": \"...\" },\n        { \"timestamp\": \"...\", \"status\": \"후처리 완료 및 결과 반환\"\", \"details\": \"...\" }\n      ],\n      \"final_result\": {\n        \"filename\": \"입력 파일\",\n        \"processed\": \"LLM의 최종 응답 내용\"\n      }\n    }\n    ```\n-   **ID가 유효하지 않을 경우 (404 Not Found)**:\n    ```json\n    {\n      \"message\": \"{request_id}에 대한 상태 로그가 없습니다.\"\n    }\n    ```","operationId":"get_pipeline_status_general_progress__request_id__get","parameters":[{"name":"request_id","in":"path","required":true,"schema":{"type":"string","title":"Request Id"}}],"responses":{"200":{"description":"Successful Response","content":{"application/json":{"schema":{}}}},"422":{"description":"Validation Error","content":{"application/json":{"schema":{"$ref":"#/components/schemas/HTTPValidationError"}}}}}}},"/extract/inner":{"post":{"tags":["Extraction"],"summary":"내부 LLM 기반 문서 정보 추출 (비동기)","description":"### **요약**\n내부망에 배포된 LLM(Ollama 기반)을 사용하여 문서(PDF, 이미지 등)에서 정보를 추출하고 응답을 생성합니다. 이 엔드포인트는 사전 정의된 기본 프롬프트를 사용하며, 비동기적으로 처리됩니다.\n\n### **작동 방식**\n1.  **요청 접수**: `input_file`을 받아 고유 `request_id`를 생성하고 즉시 반환합니다.\n2.  **백그라운드 처리**:\n    -   `input_file`에 대해 **OCR API**를 호출하여 텍스트를 추출합니다.\n    -   시스템에 내장된 기본 프롬프트와 추출된 텍스트를 조합합니다. (`prompt_file`을 업로드하여 기본 프롬프트를 대체할 수 있습니다.)\n    -   내부 LLM(Ollama)에 추론을 요청합니다.\n3.  **상태 및 결과 확인**: `GET /extract/progress/{request_id}`로 작업 상태와 최종 결과를 조회합니다.\n\n### **입력 (multipart/form-data)**\n-   `input_file` (**필수**): 정보 추출의 대상이 될 문서 파일.\n    -   지원 형식: `.pdf`, `.docx`, `.jpg`, `.png`, `.jpeg` 등.\n-   `prompt_file` (선택): 기본 프롬프트 대신 사용할 사용자 정의 `.txt` 프롬프트 파일.\n-   `model` (선택): 사용할 내부 LLM 모델 이름. (기본값: `gemma3:27b`)\n\n### **출력 (application/json)**\n-   **초기 응답**:\n    ```json\n    {\n      \"message\": \"작업이 백그라운드에서 실행 중입니다.\",\n      \"request_id\": \"고유한 요청 ID\",\n      \"status_check_url\": \"/extract/progress/고유한 요청 ID\"\n    }\n    ```\n-   **최종 결과**: `GET /extract/progress/{request_id}`를 통해 확인 가능.","operationId":"extract_endpoint_extract_inner_post","requestBody":{"content":{"multipart/form-data":{"schema":{"$ref":"#/components/schemas/Body_extract_endpoint_extract_inner_post"}}},"required":true},"responses":{"200":{"description":"Successful Response","content":{"application/json":{"schema":{}}}},"422":{"description":"Validation Error","content":{"application/json":{"schema":{"$ref":"#/components/schemas/HTTPValidationError"}}}}}}},"/extract/outer":{"post":{"tags":["Extraction"],"summary":"외부 LLM 기반 문서 정보 추출 (비동기)","description":"### **요약**\n외부 상용 LLM(예: GPT, Gemini)을 사용하여 문서에서 정보를 추출하고 응답을 생성합니다. 내부 LLM 엔드포인트와 작동 방식은 동일하나, 외부 API를 호출합니다.\n\n### **작동 방식**\n1.  **요청 접수**: `input_file`을 받아 `request_id`를 생성 후 즉시 반환합니다.\n2.  **백그라운드 처리**:\n    -   `input_file`에서 **OCR API**를 통해 텍스트를 추출합니다.\n    -   내장된 기본 프롬프트(또는 사용자 정의 `prompt_file`)와 텍스트를 조합합니다.\n    -   외부 LLM API(OpenAI, Google 등)에 추론을 요청합니다.\n3.  **상태 및 결과 확인**: `GET /extract/progress/{request_id}`로 작업 상태와 최종 결과를 조회합니다.\n\n### **입력 (multipart/form-data)**\n-   `input_file` (**필수**): 정보 추출 대상 문서 파일.\n-   `prompt_file` (선택): 기본 프롬프트 대신 사용할 `.txt` 파일.\n-   `model` (선택): 사용할 외부 LLM 모델 이름. (기본값: `gemini-2.5-flash`)\n\n### **출력 (application/json)**\n-   **초기 응답**:\n    ```json\n    {\n      \"message\": \"작업이 백그라운드에서 실행 중입니다.\",\n      \"request_id\": \"고유한 요청 ID\",\n      \"status_check_url\": \"/extract/progress/고유한 요청 ID\"\n    }\n    ```\n-   **최종 결과**: `GET /extract/progress/{request_id}`를 통해 확인 가능.","operationId":"extract_endpoint_extract_outer_post","requestBody":{"content":{"multipart/form-data":{"schema":{"$ref":"#/components/schemas/Body_extract_endpoint_extract_outer_post"}}},"required":true},"responses":{"200":{"description":"Successful Response","content":{"application/json":{"schema":{}}}},"422":{"description":"Validation Error","content":{"application/json":{"schema":{"$ref":"#/components/schemas/HTTPValidationError"}}}}}}},"/extract/progress/{request_id}":{"get":{"tags":["Extraction"],"summary":"정보 추출 작업 상태 및 결과 조회","description":"### **요약**\n`POST /extract/*` 계열 엔드포인트 요청 시 반환된 `request_id`를 사용하여, 해당 정보 추출 작업의 진행 상태와 최종 결과를 조회합니다.\n\n### **작동 방식**\n-   `request_id`를 기반으로 Redis에 저장된 작업 로그와 결과 데이터를 조회합니다.\n-   작업이 진행 중일 때는 현재까지의 로그를, 완료되었을 때는 로그와 함께 최종 결과(`final_result`)를 반환합니다.\n\n### **입력**\n-   `request_id`: 조회할 작업의 고유 ID.\n\n### **출력 (application/json)**\n-   **성공 시**:\n    ```json\n    {\n      \"request_id\": \"요청 시 사용된 ID\",\n      \"progress_logs\": [\n        { \"timestamp\": \"...\", \"status\": \"OCR 시작\", \"details\": \"...\" },\n        { \"timestamp\": \"...\", \"status\": \"입력 길이 검사 시작\", \"details\": \"...\" },\n        { \"timestamp\": \"...\", \"status\": \"LLM 추론 시작\", \"details\": \"...\" },\n        { \"timestamp\": \"...\", \"status\": \"LLM 추론 완료 및 후처리 시작\", \"details\": \"...\" },\n        { \"timestamp\": \"...\", \"status\": \"후처리 완료 및 결과 반환\"\", \"details\": \"...\" }      \n      ],\n      \"final_result\": {\n        \"filename\": \"입력 파일\",\n        \"processed\": \"LLM의 최종 응답 내용\"\n      }\n    }\n    ```\n-   **ID가 유효하지 않을 경우 (404 Not Found)**:\n    ```json\n    {\n      \"message\": \"{request_id}에 대한 상태 로그가 없습니다.\"\n    }\n    ```","operationId":"get_pipeline_status_extract_progress__request_id__get","parameters":[{"name":"request_id","in":"path","required":true,"schema":{"type":"string","title":"Request Id"}}],"responses":{"200":{"description":"Successful Response","content":{"application/json":{"schema":{}}}},"422":{"description":"Validation Error","content":{"application/json":{"schema":{"$ref":"#/components/schemas/HTTPValidationError"}}}}}}},"/dummy/extract/outer":{"post":{"tags":["Dummy"],"summary":"더미 응답 생성","description":"### **요약**\n실제 모델 추론이나 파일 업로드 없이, 지정된 모델의 응답 형식을 테스트하기 위한 더미(dummy) 결과를 생성합니다.\n\n### **작동 방식**\n-   요청 시, 시스템에 미리 저장된 더미 응답(`dummy_response.json`)을 즉시 반환합니다.\n-   실제 OCR, LLM 추론 등 어떠한 백그라운드 작업도 수행하지 않습니다.\n-   네트워크나 모델 성능에 관계없이 API 응답 구조를 빠르게 확인하는 용도로 사용됩니다.\n\n### **입력 (multipart/form-data)**\n-   `model` (선택): 응답 형식의 기준이 될 모델 이름. (기본값: `dummy`)\n    -   이 값은 실제 추론에 사용되지 않으며, 형식 테스트용으로만 기능합니다.\n\n### **출력 (application/json)**\n-   **즉시 반환**:\n    ```json\n    {\n        \"filename\": \"dummy_input.pdf\",\n        \"dummy_model\": {\n            \"ocr_model\": \"dummy\",\n            \"llm_model\": \"dummy\",\n            \"api_url\": \"dummy\"\n        },\n        \"time\": {\n            \"duration_sec\": \"0.00\",\n            \"started_at\": \"...\",\n            \"ended_at\": \"...\"\n        },\n        \"fields\": {},\n        \"parsed\": \"dummy\",\n        \"generated\": \"dummy\",\n        \"processed\": {\n            \"dummy response\"\n        }\n    }\n    ```","operationId":"extract_outer_dummy_extract_outer_post","requestBody":{"content":{"application/x-www-form-urlencoded":{"schema":{"$ref":"#/components/schemas/Body_extract_outer_dummy_extract_outer_post"}}}},"responses":{"200":{"description":"Successful Response","content":{"application/json":{"schema":{}}}},"422":{"description":"Validation Error","content":{"application/json":{"schema":{"$ref":"#/components/schemas/HTTPValidationError"}}}}}}},"/ocr":{"post":{"tags":["OCR"],"summary":"문서 OCR 요청 (비동기)","description":"### **요약**\n문서 파일(PDF, 이미지 등)을 받아 텍스트를 추출하는 OCR(광학 문자 인식) 작업을 비동기적으로 요청합니다.\n\n### **작동 방식**\n1.  **요청 접수**: `file`을 받아 고유 `request_id`를 생성하고 즉시 반환합니다.\n2.  **백그라운드 처리**:\n    -   업로드된 파일을 내부 저장소(MinIO)에 저장합니다.\n    -   별도의 OCR 서버에 텍스트 추출 작업을 요청합니다.\n3.  **상태 및 결과 확인**: 반환된 `request_id`를 사용하여 `GET /ocr/progress/{request_id}`로 작업 상태를, `GET /ocr/result/{request_id}`로 최종 텍스트 결과를 조회할 수 있습니다.\n\n### **입력 (multipart/form-data)**\n-   `file` (**필수**): 텍스트를 추출할 문서 파일.\n    -   지원 형식: `.pdf`, `.jpg`, `.png`, `.jpeg` 등 OCR 서버가 지원하는 형식.\n\n### **출력 (application/json)**\n-   **초기 응답**:\n    ```json\n    [\n      {\n        \"request_id\": \"고유한 요청 ID\",\n        \"status\": \"작업 접수\",\n        \"message\": \"아래 URL을 통해 작업 상태 및 결과를 확인하세요.\"\n      }\n    ]\n    ```\n-   **최종 결과**: `GET /ocr/result/{request_id}`를 통해 확인 가능.","operationId":"ocr_only_ocr_post","requestBody":{"content":{"multipart/form-data":{"schema":{"$ref":"#/components/schemas/Body_ocr_only_ocr_post"}}},"required":true},"responses":{"200":{"description":"Successful Response","content":{"application/json":{"schema":{}}}},"422":{"description":"Validation Error","content":{"application/json":{"schema":{"$ref":"#/components/schemas/HTTPValidationError"}}}}}}},"/ocr/progress/{request_id}":{"get":{"tags":["OCR"],"summary":"OCR 작업 상태 조회","description":"### **요약**\n`POST /ocr` 요청 시 반환된 `request_id`를 사용하여 OCR 작업의 현재 진행 상태를 조회합니다.\n\n### **작동 방식**\n-   `request_id`를 OCR 서버에 전달하여 해당 작업의 상태를 가져옵니다.\n-   상태는 보통 'PENDING', 'IN_PROGRESS', 'SUCCESS', 'FAILURE' 등으로 표시됩니다.\n\n### **입력**\n-   `request_id`: 조회할 OCR 작업의 고유 ID.\n\n### **출력 (application/json)**\n-   **성공 시**:\n    ```json\n    {\n      \"request_id\": \"요청 시 사용된 ID\",\n      \"progress_logs\": [\n        { \"timestamp\": \"...\", \"status\": \"OCR 시작\", \"details\": \"...\" },\n        { \"timestamp\": \"...\", \"status\": \"입력 길이 검사 시작\", \"details\": \"...\" },\n        { \"timestamp\": \"...\", \"status\": \"LLM 추론 시작\", \"details\": \"...\" },\n        { \"timestamp\": \"...\", \"status\": \"LLM 추론 완료 및 후처리 시작\", \"details\": \"...\" },\n        { \"timestamp\": \"...\", \"status\": \"후처리 완료 및 결과 반환\"\", \"details\": \"...\" }\n      ],\n      \"final_result\": {\n        \"filename\": \"입력 파일\",\n        \"parsed\": \"OCR 결과 내용\"\n      }\n    }\n    ```\n-   **ID가 유효하지 않을 경우 (404 Not Found)**:\n    ```json\n    {\n      \"detail\": \"Meeting ID {request_id} 작업 없음\"\n    }\n    ```","operationId":"get_pipeline_status_ocr_progress__request_id__get","parameters":[{"name":"request_id","in":"path","required":true,"schema":{"type":"string","title":"Request Id"}}],"responses":{"200":{"description":"Successful Response","content":{"application/json":{"schema":{}}}},"422":{"description":"Validation Error","content":{"application/json":{"schema":{"$ref":"#/components/schemas/HTTPValidationError"}}}}}}},"/audio":{"post":{"tags":["STT Gateway"],"summary":"Proxy Audio","operationId":"proxy_audio_audio_post","requestBody":{"content":{"multipart/form-data":{"schema":{"$ref":"#/components/schemas/Body_proxy_audio_audio_post"}}},"required":true},"responses":{"200":{"description":"Successful Response","content":{"application/json":{"schema":{}}}},"422":{"description":"Validation Error","content":{"application/json":{"schema":{"$ref":"#/components/schemas/HTTPValidationError"}}}}}}},"/progress/{request_id}":{"get":{"tags":["STT Gateway"],"summary":"Proxy Progress","operationId":"proxy_progress_progress__request_id__get","parameters":[{"name":"request_id","in":"path","required":true,"schema":{"type":"string","title":"Request Id"}}],"responses":{"200":{"description":"Successful Response","content":{"application/json":{"schema":{}}}},"422":{"description":"Validation Error","content":{"application/json":{"schema":{"$ref":"#/components/schemas/HTTPValidationError"}}}}}}},"/summary":{"post":{"tags":["summary"],"summary":"Summarize","operationId":"summarize_summary_post","requestBody":{"content":{"application/json":{"schema":{"$ref":"#/components/schemas/SummaryRequest"}}},"required":true},"responses":{"200":{"description":"Successful Response","content":{"application/json":{"schema":{}}}},"422":{"description":"Validation Error","content":{"application/json":{"schema":{"$ref":"#/components/schemas/HTTPValidationError"}}}}}}},"/ollama_summary":{"post":{"tags":["summary"],"summary":"Ollama Summary","operationId":"ollama_summary_ollama_summary_post","requestBody":{"content":{"application/json":{"schema":{"$ref":"#/components/schemas/SummaryRequest"}}},"required":true},"responses":{"200":{"description":"Successful Response","content":{"application/json":{"schema":{}}}},"422":{"description":"Validation Error","content":{"application/json":{"schema":{"$ref":"#/components/schemas/HTTPValidationError"}}}}}}},"/task_summary":{"post":{"tags":["summary"],"summary":"Task Summary","operationId":"task_summary_task_summary_post","requestBody":{"content":{"application/json":{"schema":{"$ref":"#/components/schemas/SummaryRequest"}}},"required":true},"responses":{"200":{"description":"Successful Response","content":{"application/json":{"schema":{}}}},"422":{"description":"Validation Error","content":{"application/json":{"schema":{"$ref":"#/components/schemas/HTTPValidationError"}}}}}}},"/task_summary/{task_id}":{"get":{"tags":["summary"],"summary":"Get Status","operationId":"get_status_task_summary__task_id__get","parameters":[{"name":"task_id","in":"path","required":true,"schema":{"type":"string","title":"Task Id"}}],"responses":{"200":{"description":"Successful Response","content":{"application/json":{"schema":{}}}},"422":{"description":"Validation Error","content":{"application/json":{"schema":{"$ref":"#/components/schemas/HTTPValidationError"}}}}}}},"/health/API":{"get":{"summary":"Health Check","description":"애플리케이션 상태 확인","operationId":"health_check_health_API_get","responses":{"200":{"description":"Successful Response","content":{"application/json":{"schema":{}}}}}}},"/health/Redis":{"get":{"summary":"Redis Health Check","operationId":"redis_health_check_health_Redis_get","responses":{"200":{"description":"Successful Response","content":{"application/json":{"schema":{}}}}}}},"/health/MinIO":{"get":{"summary":"Minio Health Check","operationId":"minio_health_check_health_MinIO_get","responses":{"200":{"description":"Successful Response","content":{"application/json":{"schema":{}}}}}}}},"components":{"schemas":{"Body_extract_endpoint_extract_inner_post":{"properties":{"input_file":{"type":"string","format":"binary","title":"Input File"},"prompt_file":{"anyOf":[{"type":"string","format":"binary"},{"type":"null"}],"title":"Prompt File","description":"⚠️ prompt_file 업로드하지 않을 경우, **'Send empty value'** 체크박스를 반드시 해제해주세요."},"model":{"anyOf":[{"type":"string"},{"type":"null"}],"title":"Model","default":"gemma3:27b"}},"type":"object","required":["input_file"],"title":"Body_extract_endpoint_extract_inner_post"},"Body_extract_endpoint_extract_outer_post":{"properties":{"input_file":{"type":"string","format":"binary","title":"Input File"},"prompt_file":{"anyOf":[{"type":"string","format":"binary"},{"type":"null"}],"title":"Prompt File","description":"⚠️ prompt_file 업로드하지 않을 경우, **'Send empty value'** 체크박스를 반드시 해제해주세요."},"model":{"anyOf":[{"type":"string"},{"type":"null"}],"title":"Model","default":"gemini-2.5-flash"}},"type":"object","required":["input_file"],"title":"Body_extract_endpoint_extract_outer_post"},"Body_extract_outer_dummy_extract_outer_post":{"properties":{"model":{"anyOf":[{"type":"string"},{"type":"null"}],"title":"Model","description":"실제 추론 없이 포맷 테스트용으로 사용됩니다.","default":"dummy"}},"type":"object","title":"Body_extract_outer_dummy_extract_outer_post"},"Body_general_endpoint_general_inner_post":{"properties":{"input_file":{"type":"string","format":"binary","title":"Input File"},"prompt_file":{"type":"string","format":"binary","title":"Prompt File"},"schema_file":{"anyOf":[{"type":"string","format":"binary"},{"type":"null"}],"title":"Schema File"},"model":{"anyOf":[{"type":"string"},{"type":"null"}],"title":"Model","default":"gemma3:27b"}},"type":"object","required":["input_file","prompt_file"],"title":"Body_general_endpoint_general_inner_post"},"Body_general_endpoint_general_outer_post":{"properties":{"input_file":{"type":"string","format":"binary","title":"Input File"},"prompt_file":{"type":"string","format":"binary","title":"Prompt File"},"schema_file":{"anyOf":[{"type":"string","format":"binary"},{"type":"null"}],"title":"Schema File"},"model":{"anyOf":[{"type":"string"},{"type":"null"}],"title":"Model","default":"gemini-2.5-flash"}},"type":"object","required":["input_file","prompt_file"],"title":"Body_general_endpoint_general_outer_post"},"Body_ocr_only_ocr_post":{"properties":{"file":{"type":"string","format":"binary","title":"File"}},"type":"object","required":["file"],"title":"Body_ocr_only_ocr_post"},"Body_proxy_audio_audio_post":{"properties":{"audio_file":{"type":"string","format":"binary","title":"Audio File"}},"type":"object","required":["audio_file"],"title":"Body_proxy_audio_audio_post"},"HTTPValidationError":{"properties":{"detail":{"items":{"$ref":"#/components/schemas/ValidationError"},"type":"array","title":"Detail"}},"type":"object","title":"HTTPValidationError"},"SummaryRequest":{"properties":{"text":{"type":"string","title":"Text"}},"type":"object","required":["text"],"title":"SummaryRequest"},"ValidationError":{"properties":{"loc":{"items":{"anyOf":[{"type":"string"},{"type":"integer"}]},"type":"array","title":"Location"},"msg":{"type":"string","title":"Message"},"type":{"type":"string","title":"Error Type"}},"type":"object","required":["loc","msg","type"],"title":"ValidationError"}}}}
\ No newline at end of file
diff --git a/static/logo.png b/static/logo.png
new file mode 100644
index 0000000..46868be
Binary files /dev/null and b/static/logo.png differ