Skip to content

About

Agentic AI healthcare service with LangGraph, FastAPI, Gemini, and personalized exercise/diet coaching

Topics

Resources

Stars

0 stars

Watchers

0 watching

Forks

 
 

Latest commit

 

History

254 Commits

Folders and files

Repository files navigation

HealthMate

AI 기반 개인 건강 상태·성향 맞춤 비의료 생활 건강 코칭 프로토타입

HealthMate는 건강 상태, 목표, 활동 수준, 알레르기, 부상 이력과 성향 정보를 바탕으로 운동·식단 코칭을 개인화하는 방법을 탐구한 2026년 대학 심화캡스톤 팀 프로젝트입니다.

사용자는 프로필 입력 → 운동·식단 플랜 생성 → AI 채팅에서 수정·승인 → 캘린더 반영 흐름으로 서비스를 이용합니다.

HealthMate는 의료 진단·처방 서비스가 아닙니다. AI 응답은 생활 건강 코칭을 위한 참고 정보이며, 의료적 판단이 필요하면 의료 전문가의 진료가 우선합니다.

한눈에 보기

  • 프로젝트: AI 기반 개인 맞춤형 운동·식단 코칭 팀 프로젝트
  • 핵심 흐름: 프로필 입력 → 플랜 생성 → 채팅 수정·승인 → 캘린더 반영
  • 캡스톤 당시 기여: LangGraph 구조 공동 설계, FastAPI AI Server 구현 참여, Gemini 연동, 평가 설계·분석, 논문 집필
  • 이후 작업: 보안, 사용자 데이터 격리, runtime privacy·retention, container·deployment·CI 하드닝
  • 성과: 한국정보기술학회 논문 경진대회 은상 수상(팀 연구 성과), 논문 제1저자
  • 현재 main: Frontend, Backend, Supabase migrations, AI v1/v2와 GCP 2-VM 배포 설정을 보존한 통합 코드 스냅샷

논문에서 평가한 시스템과 현재 main의 코드는 배포 환경, AI 그래프, 기억 경로 등에서 차이가 있으며 완전히 동일한 배포본이 아닙니다.

나의 기여

캡스톤 당시 Frontend·Backend·AI 전체 시스템이나 AI 구조의 초기 설계와 최종 구현을 한 사람이 단독 수행한 프로젝트가 아닙니다. 전체 AI 구조의 초기 설계는 다른 팀원이 주도했고, 이후 LangGraph 구조와 FastAPI 구현은 공동으로 진행했습니다.

캡스톤 당시 팀 기여

  • LangGraph 기반 멀티에이전트 구조 공동 설계
  • FastAPI 기반 AI Server 구현 참여
  • Gemini API 연동과 프롬프트 공동 설계
  • Pinecone/RAG 초기 구현 후 팀원에게 인계
  • 정상·위험·개인화 평가 시나리오와 판정 기준 설계
  • 테스트 진행 방향 수립과 결과 분석
  • 관련 연구·선행 사례 조사
  • 최종 논문 집필 및 제1저자

FastAPI 구현 과정에서는 생성형 AI를 개발 보조 도구로 활용했습니다.

이후 개인 포트폴리오 하드닝

2026년 8월에는 캡스톤 당시 팀 작업과 구분되는 후속 커밋으로 다음을 정리했습니다.

  • 추적된 runtime 환경파일·credential 포함 archive 제거와 안전한 template·ignore 규칙 정리
  • Backend–AI 인증의 fail-closed 처리와 public·debug surface 기본 제한
  • 사용자별 Backend ownership 경계, AI 채팅 checkpoint key 격리, feedback 소유권 검증
  • AI TraceStore 최소 수집·보존과 Backend 로그 sanitization·rotation
  • GCP 배포 구성의 non-root·read-only container와 SSH·secret 처리 가드레일
  • Frontend·Backend·AI·container를 다루는 non-deploy Integration CI 구성
  • 기존 팀 커밋과 작성자 이력을 보존한 통합 main 정리

이 구분은 원래 캡스톤 구현 전체를 개인 작업으로 보이게 하지 않으면서, 이후 개인적으로 수행한 저장소 하드닝 범위를 보여주기 위한 것입니다.

주요 기능

기능 현재 코드에서 확인되는 범위
계정·프로필 회원가입·로그인, JWT 인증, 건강 상태·목표·활동 수준·알레르기·부상·MBTI·AI persona 저장
운동·식단 코칭 사용자 프로필 제약을 반영한 운동·식단 플랜 생성과 결과 검증
AI 채팅 Express Backend를 경유하는 FastAPI /chat 연동과 LangGraph 상태 그래프
플랜 수정·승인 채팅에서 AI 제안을 수정·승인한 뒤 Backend를 통해 저장
홈·캘린더 운동·식단 추천, 수분·활동 위젯, 캘린더형 플랜 조회·수정
기록·피드백 채팅 스레드 조회·삭제와 답변 좋아요·싫어요 피드백 저장

아키텍처와 코드 범위

flowchart LR
    U["사용자"] --> FE["Frontend<br/>Next.js"]
    FE --> BE["Backend / WAS<br/>Express"]
    BE <--> DB[("Supabase / PostgreSQL")]
    BE <--> AI["AI Server<br/>FastAPI · LangGraph"]
    AI --> LLM["Gemini API"]
    AI -. "선택적 · 기본 비활성" .-> RAG["Pinecone RAG"]
Loading

기본 요청 흐름은 Frontend → Express Backend → FastAPI/LangGraph → Gemini API입니다.

Backend는 인증과 사용자 데이터 경계를 담당하고, AI Server는 프로필 제약을 읽어 생성 전후 검증에 사용합니다. Pinecone/RAG 관련 구현·코퍼스·평가 자산은 보존되어 있지만 기본 비활성이고, 현재 fast graph의 기본 실행 경로에는 연결되지 않습니다.

영역 위치 주요 기술과 역할
Frontend develop/frontend-ui Next.js 16, React 19, TypeScript 5, 인증·온보딩·홈·채팅·캘린더
Backend / WAS develop/backend-api Express 4, JWT, Supabase/PostgreSQL, 데이터 저장과 AI 요청 중계
AI v2 develop/ai-model/v2 Python 3.11 대상, FastAPI, LangGraph, Gemini, 프로필 제약·검증
Database develop/backend-api/supabase/migrations 추적된 Supabase SQL migrations
Deployment develop/deploy/gcp-two-vm Docker Compose, Caddy, GCP 2-VM 설정, GitHub Actions

AI v1은 초기 구현 이력으로 보존하며, 현재 통합 경로의 기준은 AI v2입니다. 현재 모델명은 환경변수로 선택하므로 논문에서 사용한 Gemini 2.5 Flash와 동일하다고 간주하지 않습니다.

엔지니어링 검증 요약

영역 현재 main의 적용·검사 범위 상세 문서
보안 경계 JWT 기반 사용자 인증, Backend–AI x-api-key, 필수 secret fail-closed, 정확한 CORS allowlist, debug route 기본 비활성 구현 상세 노트, 로컬 실행 가이드
사용자 데이터 격리 Backend JWT ownership filter, user_id + session_id 기반 AI 채팅 checkpoint key, 저장 message를 다시 조회하는 feedback 검증 구현 상세 노트
Runtime privacy·retention 기본 AI TraceStore에서 raw 건강·대화 payload를 보존하지 않고 제한된 summary만 유지, Backend 로그 sanitization·용량 제한, checkpoint 만료 정책 구현 상세 노트
Container·Deployment·CI GCP 배포 profile의 non-root·read-only container, capability drop, SSH host key 검증, secret 없는 non-deploy CI GCP 배포 문서, Integration CI

Integration CI의 Frontend browser 검사는 API를 mock하며, Backend와 AI도 contract·fixture·offline 회귀 중심입니다. 따라서 전체 Frontend → Backend → AI → Supabase 운영 E2E나 실제 서비스 배포를 입증하지 않습니다.

실제 GCP deployment와 production smoke는 수행하지 않았습니다.

논문 평가와 현재 한계

논문 평가 결과

다음 수치는 현재 코드의 회귀 테스트가 아니라 최종 논문에 보고된 제한된 사전 시나리오 기반 예비 평가입니다.

평가 항목 평가 범위 논문 보고 결과
정상 시나리오 운동·식단 각 15건 30/30 통과
위험 시나리오 부상·심혈관·알레르기·극단 식단 각 5건 20/20 거부
거짓 양성 / 거짓 음성 위 50개 안전성 시나리오 0건 / 0건
성격 차별화 외향형·내향형 각 2개 프롬프트 적합성 0.90
누적 정보 반영 단일 시나리오 10턴 정확도 0.90
  • 조승훈, 박현민, 김찬, 박현성, 이유한, 김승호, 이한용, 「AI기반 개인 건강 상태 및 성향 맞춤 건강관리 서비스 ‘헬스메이트’ 개발」, 2026 한국정보기술학회 하계 종합학술대회 논문집, pp. 1193–1197
  • 한국정보기술학회 논문 경진대회 은상 수상(팀 연구 성과)

논문과 현재 코드의 차이

주제 논문에서 설명한 범위 현재 main에서 확인되는 상태
배포 Vercel Frontend와 Oracle Cloud 기반 서버 Vercel·GCP 2-VM 대상 설정 보존
AI 구조 검색·답변 평가를 포함한 멀티에이전트 구조 프로필 제약과 결과 검증 중심의 fast graph
장기 기억 Pinecone 기반 의미 검색 관련 자산은 남아 있으나 선택적·기본 비활성
성향 모델 MBTI와 DISC 결합 MBTI와 선택형 AI persona는 확인되지만 명시적인 DISC 처리 경로는 확인되지 않음
모델 논문 평가에서 Gemini 2.5 Flash 환경변수로 모델을 선택하며 논문 시점과 동일성을 보장하지 않음

현재 한계

  • 논문 평가는 제한된 사전 시나리오 기반 예비 평가이며 임상적 안전성이나 실제 건강 개선 효과를 입증하지 않습니다.
  • 논문 평가 시스템과 현재 공개 main은 AI 그래프·기억 경로·배포 환경에서 차이가 있습니다.
  • 현재 CI는 offline·contract·regression 검증 중심이며 실제 GCP production 배포와 전체 운영 E2E는 재검증하지 않았습니다.
  • 외부 서비스 가용성, 제품 데이터 lifecycle, 중앙 로그 retention 등은 실제 운영 정책과 별도의 검증이 필요합니다.

의존성 고정, legacy checkpoint, privacy·retention 범위, 외부 연동, 라이선스 등 세부 한계는 구현 상세 노트에 기록했습니다.

실행·상세 문서·provenance

저장소 루트에는 세 서비스를 한 번에 실행하는 통합 Compose나 실행 명령이 없습니다. 환경변수와 Frontend·Backend·AI Server의 실행 순서는 로컬 실행 가이드를 참고하세요.

이 저장소는 팀 원본 저장소를 개인 포트폴리오 관점에서 정리한 Fork입니다. main은 기존 팀 커밋과 작성자 이력을 유지하면서 이후 개인 포트폴리오 하드닝을 함께 보존합니다.

현재 저장소에는 별도 오픈소스 라이선스를 부여하지 않았습니다.

About

Agentic AI healthcare service with LangGraph, FastAPI, Gemini, and personalized exercise/diet coaching

Topics

Resources

Stars

0 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages