[기술 블로그] RAG, 음성(TTS), 그리고 카카오톡: 서버 관리 없이 만드는 궁극의 AI 챗봇 구축 가이드

안녕하세요! 기술과 비즈니스의 접점을 고민하는 여러분.

오늘은 기업용 챗봇의 끝판왕이라 할 수 있는 RAG(검색 증강 생성) 기반의 지식 검색 챗봇에, 사용자의 귀까지 사로잡는 음성 답변(TTS) 기능을 더하고, 이 모든 것을 국민 메신저 카카오톡에 탑재하는 방법을 소개합니다.

특히, 이 과정에서 가장 골치 아픈 문제인 '중계 서버(스킬 서버) 구축 및 관리'의 부담을 Google Cloud의 서버리스 기술로 완벽하게 해결하는 방법을 상세히 다룹니다.

이미 RAG 시스템을 구축하셨거나 계획 중이라면, 이 글이 여러분의 서비스를 다음 레벨로 도약시키는 구체적인 청사진이 될 것입니다.

1. 우리가 만들고자 하는 챗봇의 모습

사용자가 카카오톡 채팅방에서 복잡한 질문을 던집니다. 예를 들어, 사내 규정이나 매출 데이터에 대한 질문이죠.

사용자: "이번 달 A 제품군의 매출 실적 요약해서 알려줘."

기존의 단순한 챗봇은 "죄송합니다, 알 수 없습니다"라고 하겠지만, RAG가 탑재된 우리의 챗봇은 다릅니다. 회사 데이터베이스에서 정확한 정보를 찾아내어 똑똑하게 답변합니다.

그리고 여기서 한 발 더 나아갑니다. 텍스트 답변과 함께, 부드러운 AI 음성으로 내용을 읽어주는 오디오 플레이어가 동시에 전송됩니다. 사용자는 눈으로 읽을 수도, 이동 중에 귀로 들을 수도 있습니다.

이것이 바로 시각(텍스트)과 청각(음성) 경험을 동시에 제공하는 차세대 AI 챗봇입니다.

2. 전체 시스템 아키텍처: 서버리스(Serverless)가 핵심

이 멋진 기능을 구현하기 위해 복잡한 물리 서버를 구매하거나 EC2 인스턴스를 띄워서 관리해야 할까요? 전혀 아닙니다.

카카오톡과 여러분의 똑똑한 RAG 두뇌 사이를 이어주는 '스킬 서버(Skill Server)' 역할은 Google Cloud Functions가 완벽하게 대체합니다. 코드를 올려두기만 하면, 요청이 있을 때만 구글이 알아서 서버를 켜서 실행하고 꺼주는 진정한 서버리스 환경입니다.

전체적인 데이터 흐름은 다음과 같습니다.

(그림: 시스템 구성도)

[사용자 카카오톡] ↔ [Google Cloud Functions (스킬 서버 역할)] ↔ [Vertex AI (RAG 시스템) & Google Cloud TTS API]

🚀 단계별 작동 프로세스 (Workflow)

1. 💬 사용자 질문 (KakaoTalk): 사용자가 카카오톡에 질문을 입력하면, 이 메시지는 Kakao i Open Builder를 거쳐 우리가 설정한 Cloud Functions의 웹훅 URL로 전송됩니다.
2. 🧠 RAG 시스템 가동 (Cloud Functions 내):

① Cloud Functions(파이썬 코드)가 깨어납니다.

② 받은 질문을 여러분이 구축한 **RAG 시스템(예: Vertex AI Search & Conversation)**으로 보냅니다.

③ RAG는 벡터 DB에서 관련 문서를 검색(Retrieve)하고, LLM이 이를 바탕으로 "이번 달 매출은 전월 대비 10% 상승했습니다..."라는 고품질의 텍스트 답변을 생성해 돌려줍니다.

1. 🗣️ 음성 변환 (Cloud Functions 내):

① Cloud Functions는 방금 받은 텍스트 답변을 Google Cloud Text-to-Speech (TTS) API로 보냅니다.

② TTS API는 텍스트를 성우급 품질의 자연스러운 **오디오 파일(MP3 등)**로 변환합니다. (이 파일은 Cloud Storage에 잠시 저장되고 접근 가능한 URL이 생성됩니다.)

1. 📲 최종 답변 전송 (Text + Audio):

① Cloud Functions는 RAG가 만든 **'텍스트 말풍선'**과 TTS가 만든 오디오 URL이 담긴 **'오디오 플레이어 블록'**을 하나의 JSON 응답으로 묶습니다.

② 이 JSON을 카카오톡으로 반환하면, 사용자의 채팅창에 두 가지가 동시에 나타납니다.

3. 왜 Google Cloud Functions 인가요? (별도 서버 구축 불필요)

많은 분들이 카카오톡 스킬 서버를 구축한다고 하면 별도의 WAS(웹 애플리케이션 서버)를 띄우고 관리해야 한다고 생각합니다. 하지만 RAG와 TTS를 연동하는 목적이라면 Cloud Functions가 압도적으로 유리합니다.

관리 제로 (NoOps): OS 업데이트, 보안 패치, 서버 스케일링(확장)을 신경 쓸 필요가 전혀 없습니다. 구글이 다 알아서 합니다.

비용 절감: 서버를 24시간 켜둘 필요가 없습니다. 카카오톡으로 질문이 들어와서 코드가 실행되는 그 짧은 순간에만 과금됩니다. 질문이 없으면 비용은 '0원'입니다.

간편한 연결: 카카오 챗봇 빌더에 등록할 수 있는 HTTPS 트리거 URL을 클릭 몇 번으로 생성해 줍니다. 이 주소가 곧 스킬 서버의 주소가 됩니다.

결론적으로, 여러분은 '연결 로직(비즈니스 로직)' 코드 작성에만 집중하면 됩니다.

4. 구현 가이드: 핵심만 간단하게

구글 클라우드 콘솔에서 실제로 어떻게 구성하는지 핵심 단계를 살펴보겠습니다.

단계 1: Google Cloud Functions 생성

Google Cloud Console에서 Cloud
Functions 메뉴로 이동해 **[함수 만들기]**를 클릭합니다.

환경: 최신 기능인 '2세대'를 권장합니다.

트리거 유형: 'HTTPS'를 선택합니다. (여기서 생성되는 URL을 나중에 카카오톡에 등록합니다.)

런타임: 익숙한 'Python 3.x' 버전을 선택합니다.

단계 2: 연결 로직 코드 작성 (main.py)

Cloud Functions의 코드 편집창에 아래와 같은 흐름의 파이썬 코드를 작성합니다. 이것이 스킬 서버의 본체입니다.

import functions_framework

# 여러분이 만든 RAG 모듈과 구글 TTS 라이브러리 임포트

from my_rag_module import get_rag_answer 

from google.cloud import texttospeech

# (오디오 저장을 위한 Cloud Storage 라이브러리 등도 필요)



@functions_framework.http

def kakao_skill_handler(request):

    """카카오톡 요청을 처리하는 메인 함수"""

    

    # 1. 카카오톡에서 보낸 요청(JSON) 파싱하여 사용자 발화 추출

    request_json = request.get_json()

    user_question = request_json['userRequest']['utterance']



    # 2. [핵심] RAG 시스템 호출하여 텍스트 답변 생성

    # (이미 구축된 RAG 파이프라인을 호출하는 함수)

    text_answer = get_rag_answer(user_question)



    # 3. [핵심] 텍스트 답변을 음성으로 변환 (TTS API 호출)

    # (TTS API를 호출하고, 결과 오디오를 스토리지에 저장한 뒤 URL을 받는 로직 필요)

    # audio_url = call_google_tts_and_get_url(text_answer) 

    # *예시 URL*

    audio_url = "https://storage.googleapis.com/my-bucket/answer_audio.mp3"



    # 4. 카카오톡 스킬 응답 양식(JSON)에 맞춰 최종 결과 생성

    response = {

        "version": "2.0",

        "template": {

            "outputs": [

                {

                    # 첫 번째 말풍선: 텍스트 답변

                    "simpleText": {

                        "text": text_answer

                    }

                },

                {

                    # 두 번째 말풍선: 오디오 플레이어

                    "audioPlayer": {

                        "audio": {

                            "sourceUrl": audio_url

                        },

                        "title": "AI 음성 답변 듣기"

                    }

                }

            ]

        }

    }

    

    # 카카오톡으로 JSON 응답 반환

    return response

(주석: 위 코드는 개념 이해를 위한 예시이며, 실제 운영 환경에서는 에러 처리, 인증, 스토리지 업로드 등의 상세 구현이 필요합니다.)

단계 3: 배포 및 카카오톡 연결

코드를 작성하고 [배포] 버튼을 누르면 잠시 후 사용 가능한 URL이 생성됩니다.

이 URL을 복사하여 카카오 i 오픈빌더의 스킬 설정 페이지에 붙여넣기만 하면 모든 연결이 끝납니다.

5. 성공적인 구축을 위한 고려사항

지연 시간 (Latency) 관리: 사용자가 질문 후 답변을 받기까지 [검색 -> LLM 생성 -> TTS 변환 -> 전송]의 과정을 거칩니다. 이 시간이 너무 길어지면 카카오톡에서 타임아웃 오류가 발생할 수 있습니다. RAG 검색 속도 최적화가 중요하며, 경우에 따라 텍스트를 먼저 보내고 오디오는 비동기적으로 처리하는 방식도 고려해볼 수 있습니다.

카카오톡 UI 구성: 오디오를 전달할 때 위 예시처럼 바로 재생 가능한 '오디오 플레이어' 타입을 사용하는 것이 사용자 경험상 가장 깔끔합니다. 단순 링크 제공 방식은 사용자가 웹브라우저로 이동해야 하므로 불편할 수 있습니다.

마치며

RAG 시스템이라는 강력한 '두뇌'를 이미 확보하셨다면, 이제는 사용자에게 어떻게 전달할지 고민할 때입니다.

카카오톡이라는 친숙한 채널과 음성이라는 직관적인 인터페이스의 결합은 사용자 경험을 극대화하는 최고의 선택입니다. 그리고 이 모든 과정을 Google Cloud Functions를 활용해 서버 관리 부담 없이 구현할 수 있다는 것은 개발자와 기업 모두에게 큰 축복입니다.

지금 바로 여러분의 RAG 챗봇에 목소리를 선물해보세요!