Gradio 팀이 Daggr 오픈소스 라이브러리를 출시하여 AI 워크플로우를 Python 코드로 정의하고 자동 생성된 시각적 캔버스에서 중간 결과를 검사하고 개별 단계를 재실행 가능하게 함

Context

AI 애플리케이션이 여러 모델과 처리 단계를 조합할 때 API 호출 체이닝, 파이프라인 디버깅, 중간 결과 추적이 어렵다. 워크플로우의 5번째 단계에서 문제가 발생하면 전체 10단계를 다시 실행해야 하는 상황이 반복되었다.

Technical Solution

• Python 코드로 워크플로우 정의하고 시각적 캔버스 자동 생성: 버전 관리 가능한 코드와 중간 출력 시각 검사를 동시에 제공
• 세 가지 노드 타입 제공: GradioNode(Gradio Space API 또는 로컬 앱 호출), FnNode(사용자 정의 Python 함수 실행), InferenceNode(HuggingFace Inference Providers 모델 호출)
• 캔버스에서 개별 노드의 출력 검사, 입력 수정, 단계 재실행 가능: 특정 단계만 재실행하여 전체 파이프라인 재실행 불필요
• Gradio Spaces와 seamless 통합: 공개/비공개 Space를 노드로 참조 가능하며 어댑터나 래퍼 불필요
• 워크플로우 상태 자동 저장: 입력값, 캐시된 결과, 캔버스 위치 기록되며 "sheets"를 통해 동일 앱 내 다중 워크스페이스 유지 가능

Key Takeaway

Python 코드 기반 워크플로우 정의에 자동 생성된 시각적 인터페이스를 결합하면, 버전 관리 용이성과 인터랙티브한 디버깅 경험을 동시에 제공할 수 있다.