4.1 메시지 역할 구조: system, user, assistant
OpenAI의 Chat Completions API는 전통적인 단일 Prompt-Response 방식과는 달리, "대화형" 문맥을 반영할 수 있는 메시지 배열(messages array) 구조를 채택하고 있습니다. 이 구조는 하나의 메시지(message)가 특정한 역할(role)을 기반으로 작성되어야 하고, 이러한 메시지가 시간 순으로 배열되어 전체 대화 문맥을 구성합니다.
각 message 객체는 다음과 같은 기본 형식을 갖습니다:
{
"role": "user",
"content": "파이썬에서 리스트와 튜플의 차이는 무엇인가요?"
}role 필드는 다음 세 가지 중 하나를 갖게 됩니다:
system
user
assistant
이 절에서는 각 역할의 목적, 특징, 사용하는 이유, 그리고 실전에서의 예시까지 상세히 다룰 것입니다.
4.1.1 system 역할
System 메시지는 대화의 "시작 지점"에서 LLM의 동작 범위, 성격, 스타일 등을 지시하는 특별한 목적의 메시지입니다. 이 메시지는 모델에게 일종의 초기 상태, 즉 '페르소나(persona)'와 '행동 가이드라인'을 설정해줍니다.
특징
대화의 흐름보다 '방향'을 정한다.
반드시 첫 메시지일 필요는 없지만, 첫 메시지에 두는 것이 일반적이다.
주로 system prompt라고 부른다.
모델에게 직접 출력을 유도하는 내용은 포함하지 않는 것이 일반적이다.
예시 1: 도움말 챗봇
{
"role": "system",
"content": "당신은 친절하고 정중하게 행동하는 고객지원 AI입니다. 대화는 한국어로 진행됩니다."
}이 프롬프트를 통해 모델은 "고객지원", "친절", "정중함", "한국어 사용"이라는 행동 규칙을 내면화하게 됩니다.
예시 2: 전문가 에이전트
{
"role": "system",
"content": "너는 10년 이상 경력을 가진 데이터 과학자이며, 초보 개발자의 질문에 친절히 조언하는 역할을 한다. 답변은 항상 예시 코드를 포함해라."
}모델이 출력 콘텐츠를 구성할 때, 누가 말하고 어떤 톤으로 말해야 하는지를 이 프롬프트에서 설정합니다.
Best Practice
인격적 묘사(persona), 지식 수준, 말투(tone), 언어 제약 등을 기술하라.
"스토리텔링 대신 요점을 간결히 말해 줘", "응답에는 반드시 마크다운 형식을 사용해" 등도 system 메시지에 적합.
4.1.2 user 역할
User 메시지는 실제 사용자의 질문이나 요청을 표현합니다. 이 메시지는 가장 직관적인 채널로 작동하며, 우리의 질문, 입력 데이터, 지시문 등을 전달하는 데 사용됩니다.
특징
질문, 명령, 데이터 입력 등 다양하게 사용됨.
모델이 현재 대화 흐름의 중심 콘텐츠를 생성하는 데 사용함.
여러 개의 user 메시지를 순차적으로 추가할 수 있음.
예시 1: 질문
{
"role": "user",
"content": "엑셀에서 피벗 테이블을 어떻게 만들 수 있나요?"
}예시 2: 지시 및 예제 입력
{
"role": "user",
"content": "다음 문장을 영어로 번역해 줘: '오늘 날씨가 정말 좋아요.'"
}예시 3: 대화 이어가기
{
"role": "user",
"content": "좋아요, 그러면 JSON 형식으로 표현해 줄 수 있나요?"
}이와 같이 user 메시지는 대화의 목적을 주도하며, 흐름을 결정합니다.
4.1.3 assistant 역할
Assistant 메시지는 앞서 있었던 prompt들(user/system)에 대한 모델의 응답을 구성하며, 종종 대화 상태를 유지하기 위해 히스토리의 일부로 저장됩니다.
특징
모델이 생성한 응답을 포함한다.
이전 message의 context 처리를 위해 대화의 연속성 유지를 돕는다.
다음 API 호출에서는 assistant 메시지를 포함시켜야 문맥이 이어짐.
예시 1: 일반 응답
{
"role": "assistant",
"content": "피벗 테이블을 만들려면 우선 데이터를 선택한 후, '삽입 > 피벗 테이블' 메뉴로 가세요. 그 다음..."
}예시 2: 중립적 발화
{
"role": "assistant",
"content": "물론이죠. 다음과 같이 JSON 형식을 사용할 수 있습니다:"
}히스토리 활용: 문맥 유지 필수
다음과 같은 대화 흐름을 상상해보십시오:
[
{"role": "system", "content": "너는 프로그래밍 질문에 답하는 어시스턴트야."},
{"role": "user", "content": "클로저가 뭔가요?"},
{"role": "assistant", "content": "클로저는 함수와 그 함수가 선언될 때의 렉시컬 환경의 조합입니다..."},
{"role": "user", "content": "좀 더 쉬운 예로 설명해 줄래요?"}
]이 때 모델은 위의 문맥을 파악해야 정확한 응답을 할 수 있습니다. 여기서 assistant 메시지는 단순한 출력이 아니라 ‘문맥의 일부’로 중요한 역할을 합니다.
Tip: 역할(role)은 출력의 품질에 영향을 준다
특히 system 메시지를 적절하게 사용할 경우, 다음과 같은 장점이 있습니다:
model의 답변 스타일을 통일시킬 수 있음
대화의 방향성이 일관되게 유지됨
오류 가능성을 줄이고, 사용자 경험 향상
전체 예시: 간단한 FAQ 챗봇 대화 구조
[
{
"role": "system",
"content": "너는 정확하고 간결한 설명을 제공하는 IT 전문가야. 모든 대화는 한국어로 진행돼."
},
{
"role": "user",
"content": "Python의 리스트와 튜플은 어떻게 다른가요?"
},
{
"role": "assistant",
"content": "리스트는 변경 가능한(mutable) 시퀀스형이고, 튜플은 변경 불가능한(immutable) 시퀀스형입니다..."
},
{
"role": "user",
"content": "한 줄 요약해 줄 수 있나요?"
}
]위처럼 각 메시지에 역할을 명확히 설정하면, OpenAI 모델은 더 정확하고 일관된 대화를 생성할 수 있습니다.
정리: 메시지 역할 요약 표
system
모델의 행동, 스타일, 언어 등을 정의하는 초기 설정 프롬프트
대화 시작 전 또는 주요 변환 시점
user
사용자의 질문, 요청, 명령 등을 전달
평상시 입력
assistant
모델의 출력을 나타냄
응답 저장 및 문맥 연결 시
OpenAI의 Chat Completions API를 사용할 때, 이 역할 구조를 정확히 이해하고 적절히 활용하면 더 강력하고 똑똑한 대화형 AI 애플리케이션을 만들 수 있습니다. 다음 절에서는 이러한 구조를 활용하여 다양한 목적에 따라 프롬프트를 어떻게 최적화할 수 있는지를 다루게 됩니다.
Last updated