# \#llm-function

**URL:** https://discuss.pytorch.kr/tag/llm-function/4783.md

[최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md)

---

## [smartfunc: 간단한 데코레이터와 docstring으로 LLM 호출 함수를 만들어주는 프로젝트](https://discuss.pytorch.kr/t/smartfunc-docstring-llm/6778)

<div class="topic-metadata">

**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\
**댓글:** 0\
**마지막 업데이트:** [4월 14, 2025, 9:30오후 UTC](https://discuss.pytorch.kr/t/smartfunc-docstring-llm/6778 "2025-04-14T21:30:29Z")

</div>

smartfunc 소개 Python 함수에 간단한 데코레이터와 docstring만 붙이면, OpenAI나 Claude 같은 LLM 백엔드를 자동으로 호출해주는 smartfunc 프로젝트를 소개합니다. 복잡한 프롬프트 엔지니어링이나 API 호출 코드를 직접 짜지 않아도 되는 라이브러리입니다. smartfunc의 목적은 복잡한 설정 없이 빠르게 LLM을 함수형 API로 활용하는 것이며, 특히 빠른 프로토타이핑과 간단한 프롬프트 실험에 적합합니다. smartfunc는 docstring을 활용해서 자연스럽게 LLM 프롬프트를 구성하고, 함수처럼 호출할 수 있게 해주는 Python 라이브러리입니다. @backend("gpt-4") 같은 데코레이터만 붙이면, docstring이 그대로 프롬프트로 변환되어 LLM 호출로 이어지는 구조입니다. 내부적으로는 Simon Willison가 개발한 llm 라이브러리를 감싸고 있으며, Jinja2 템플릿 엔진을 통해 동적으로 프롬프트를 구성합니다. 비슷한 역할을 하는 라이브러리인 instructor, ell, marvin 등과 비교했을 때, smartfunc의 특징은 다음과 같습니다: instructor보다 더 간단하며, ell, marvin보다 더 직접적이고 vendor 자유도가 높고, 프롬프트 엔지니어링을 단순화하여 빠르게 테스트할 수 있는 구조입니다. 복잡한 파라미터 검증이나 멀티턴 대화 같은 고급 기능은 없지만, 대신 LLM을 최대한 빠르게 연결해서 결과를 실험하고 싶은 사용자에게 적합합니다. smartfunc의 주요 특징 docstring 기반 프롬프트: 함수의 설명만 써주면 그것이 곧 LLM에게 전달될 프롬프트가 됩니다. Jinja2 템플릿 지원: {{ variable }} 형식으로 변수 삽입 가능. llm 라이브러리 백엔드 연동: 다양한 LLM 공급자 지원. Pydantic 기반 응답 스키마: 반환값을 BaseModel로 정의할 수 있어 안정성 향상. Async 지원: 병렬 요청, 마이크로배칭 가능. D…
