Javis Bot

Ubuntu 데스크톱(VNC) 위에서 도는 디스코드 네이티브 음성 비서입니다. isair/jarvis의 성숙한 AI "두뇌"(메모리·툴·답변엔진·STT/TTS)를 그대로 쓰면서, 입출력 인터페이스를 로컬 마이크/스피커에서 디스코드 음성 + 화면 방송으로 바꾼 하이브리드 구성입니다.

• 🎙️ 디스코드 음성 채널에서 말로 대화 (음성 입력 → 두뇌 → 음성 출력)
• 🖥️ VNC 화면을 디스코드로 송출해서 같이 보기 (셀프봇 실시간 / noVNC / 스크린샷 선택)
• ⌨️ /자비스 슬래시 명령으로 호출 — 호출한 사람이 음성 채널에 있으면 그 채널로 접속
• 🔒 모든 슬래시 명령 응답은 호출한 사람만 보이는 ephemeral 메시지
• 🧠 크롬/웹 제어, 메모리, MCP 툴 등 jarvis의 기능 유지

언어 선택 근거(Python 유지 vs 재작성)는 docs/language-comparison.md 참고. VNC + XFCE 호스트 셋업은 docs/vnc-xfce-setup.md 참고. 원본 jarvis README는 docs/UPSTREAM-README.md에 보존했습니다.

---

아키텍처 (하이브리드)

Discord  ──voice / video / slash──▶  bot/      (Node + bun, discord.js)
                                       │  HTTP(localhost)
                                       ▼
                                     bridge/    (Python, Flask)
                                       │  in-process import
                                       ▼
                                     src/jarvis (기존 두뇌: STT·답변엔진·메모리·툴·TTS)

• bot/ — 디스코드 관련 전부. 슬래시 명령, 음성 송수신, VNC 화면 송출. AI 로직 없음.
• bridge/ — 얇은 HTTP 서비스. 음성(WAV) → 텍스트(STT) → 두뇌(답변) → 음성(TTS).
• src/jarvis — 원본 jarvis 두뇌. 거의 손대지 않음. (PyQt 데스크톱 GUI/단축키 받아쓰기는 이 배포에선 사용하지 않음.)

왜 이렇게? 디스코드 봇은 정책상 영상(Go Live)을 송출할 수 없고, 봇 영상 송출이 되는 라이브러리는 Node 전용 + 셀프봇만 가능합니다. 반면 jarvis 두뇌는 검증된 Python 39k줄입니다. 그래서 영상이 가능한 Node로 인터페이스만 새로 짜고 두뇌는 Python 그대로 두는 하이브리드가 비용/위험 대비 최선입니다.

---

요구 사항

Docker로 돌리면(권장) 호스트에는 Docker + (GPU 쓸 경우) NVIDIA 드라이버만 있으면 되고, Python/bun/Ollama/ffmpeg/Whisper/Piper는 전부 컨테이너 안에 포함됩니다.

OS별 호스트 준비물:

	Linux (Ubuntu 등)	Windows 11
컨테이너 런타임	Docker Engine (CDI 지원, Docker 25+)	Docker Desktop + WSL2 백엔드
GPU 가속(선택)	nvidia-container-toolkit + nvidia-ctk cdi generate	NVIDIA 드라이버 + Docker Desktop GPU(WSL2) 활성화
GPU 넣는 compose	docker-compose.gpu-linux.yml	docker-compose.gpu-windows.yml

• 디스코드 봇 토큰 1개 (음성/슬래시) — 또는 (셀프봇 송출 사용 시) 디스코드 버너 유저 토큰 1개
• (도커 없이 수동 실행 시에만) Python 3.11+, bun, Ollama, ffmpeg를 호스트에 직접 설치 — 아래 "수동" 절 참고

VNC 데스크톱 호스트를 직접 구성하는 경우(도커 미사용)는 docs/vnc-xfce-setup.md 참고. 도커 실행에서는 VNC+XFCE가 컨테이너 안에 이미 들어 있습니다.

---

실행 — Docker (권장)

환경 설정 없이 통째로 컨테이너에서 돌립니다. VNC 데스크톱 + 크롬 + Python 브릿지 + Node 봇이 한 컨테이너(javis)에, LLM 백엔드(Ollama)가 별도 컨테이너에 뜹니다. 올리기만 하면 Ollama 모델까지 자동으로 받아집니다.

베이스 docker-compose.yml에는 GPU 설정이 없습니다(이식성 유지). GPU는 OS에 맞는 override 파일을 같이 얹어서 켭니다. 돌리는 OS에 따라 명령이 다릅니다:

# ── Linux (Ubuntu 등, nvidia-container-toolkit + CDI) ──
docker compose -f docker-compose.yml -f docker-compose.gpu-linux.yml up -d --build

# ── Windows 11 (Docker Desktop + WSL2 + NVIDIA) ──
docker compose -f docker-compose.yml -f docker-compose.gpu-windows.yml up -d --build

# ── GPU 없이 (CPU 전용 호스트) ──
#   .env 에 WHISPER_DEVICE=cpu, MELO_DEVICE=cpu 를 넣고 베이스만 사용
docker compose up -d --build

매번 -f를 치기 싫으면 .env에 한 줄 넣어두면 그냥 docker compose up -d로 됩니다(override가 자동 적용):

# Linux
COMPOSE_FILE=docker-compose.yml:docker-compose.gpu-linux.yml
# Windows 11
COMPOSE_FILE=docker-compose.yml:docker-compose.gpu-windows.yml

Linux와 Windows는 GPU를 컨테이너에 넣는 방식이 달라서 override 파일이 갈립니다. Linux는 CDI(devices: nvidia.com/gpu=all), Windows(Docker Desktop)는 Compose의 deploy.resources.reservations.devices(driver: nvidia)를 씁니다. 호스트 사전 준비는 아래 "GPU 가속" 절 참고.

docker compose up 한 번이면 자동으로:

• Ollama 서버가 뜨고, ollama-init이 채팅/임베딩 모델을 자동 pull
• VNC+XFCE 데스크톱 + 크롬 + Python 브릿지가 기동
• Whisper STT 모델 / Piper TTS 음성 자동 다운로드(볼륨에 캐시)

화면 보기: VNC 뷰어 → localhost:5901 (비밀번호 = .env의 VNC_PASSWORD, 기본 javis123) 또는 브라우저 → http://localhost:6080/vnc.html. 로그: docker compose logs -f javis.

디스코드 토큰은 마지막에

토큰 없이도 위의 모든 게 정상 동작합니다(봇만 대기). 준비되면 .env를 만들어 토큰을 채웁니다.

기본 모드는 유저봇(selfbot) 입니다. 음성 참여와 화면 송출(Go Live)을 한 유저 계정으로 처리하며, Discord가 일반 봇 계정에는 Go Live를 허용하지 않기 때문에 이 방식이 기본입니다.

cp .env.example .env          # DISCORD_SELFBOT_TOKEN(버너 계정) + DISCORD_VOICE_CHANNEL_ID 채우기
docker compose up -d          # 유저봇이 로그인해 지정 음성채널에 자동 참여

유저봇은 슬래시 명령을 쓸 수 없으므로 텍스트로 제어합니다: 음성 채널에서 !자비스 join / !자비스 leave. DISCORD_VOICE_CHANNEL_ID를 채워두면 시작 시 자동 참여합니다.

⚠️ 유저봇은 Discord ToS 위반이며 계정 정지 위험이 있습니다. 반드시 일회용 버너 계정 토큰만 사용하세요. 자세한 주의사항은 아래 "셀프봇 주의" 절을 참고하세요.

일반 봇(슬래시 명령 /자비스)으로 돌리려면 DISCORD_BOT_TOKEN / DISCORD_APP_ID / DISCORD_GUILD_ID를 채우세요. 다만 일반 봇은 화면 송출(Go Live)을 할 수 없습니다. DISCORD_BOT_TOKEN이 비어 있고 DISCORD_SELFBOT_TOKEN이 있으면 자동으로 유저봇 모드로 동작합니다. (OLLAMA_CHAT_MODEL 등 모델을 바꾸려면 .env에서 지정 후 docker compose up -d.)

GPU 가속 (OS별)

LLM(Ollama), Whisper STT, MeloTTS가 GPU에서 돕니다(env 기본 WHISPER_DEVICE=cuda, MELO_DEVICE=cuda). NVIDIA Blackwell(sm_120, 예: RTX 5050/5070Ti)에서 검증: 컨테이너 내 torch cu128 CUDA 동작, Ollama GPU 오프로드, faster-whisper float16, MeloTTS GPU 합성 모두 확인.

GPU는 위 "실행 — Docker"의 OS별 override 파일로 켜집니다. 호스트 사전 준비는 OS마다 다릅니다:

Linux (Ubuntu 등) — CDI 방식, 1회:

# nvidia-container-toolkit 설치 후 CDI 스펙 생성 (Docker 25+ CDI, 데몬 재시작 불필요)
sudo nvidia-ctk cdi generate --output=/etc/cdi/nvidia.yaml
docker run --rm --device nvidia.com/gpu=all ubuntu nvidia-smi -L   # GPU 보이면 OK

docker-compose.gpu-linux.yml이 두 컨테이너에 devices: ["nvidia.com/gpu=all"](CDI)로 GPU를 넣습니다.

Windows 11 — Docker Desktop + WSL2:

• 최신 NVIDIA 게임/스튜디오 드라이버 설치(별도 CUDA 툴킷 불필요).
• Docker Desktop → Settings → Resources → WSL Integration 활성화(WSL2 백엔드). 최신 Docker Desktop은 WSL2에서 GPU를 자동 노출합니다.
• 확인: PowerShell에서 docker run --rm --gpus all nvidia/cuda:12.4.0-base-ubuntu22.04 nvidia-smi.
• docker-compose.gpu-windows.yml이 deploy.resources.reservations.devices(driver: nvidia, count: all)로 GPU를 넣습니다.

공통:

• 모델: 베이스 compose 기본은 qwen2.5:3b(8GB VRAM에서 도구호출 안정적). 더 무겁게(qwen2.5:7b, qwen3:8b 등) 쓰려면 .env의 OLLAMA_CHAT_MODEL 변경.

• GPU가 없거나 인식 실패 시 자동으로 CPU 폴백(Whisper)하므로 안전합니다. 명시적으로 CPU만 쓰려면 override 파일 없이 베이스만 올리고 .env에 WHISPER_DEVICE=cpu, MELO_DEVICE=cpu를 두세요.

• 데이터(메모리 DB), Whisper 캐시, Piper 음성은 named volume에 영속됩니다.

• 셀프봇 영상 송출 의존성은 이미지에 기본 포함하지 않습니다. 쓰려면 컨테이너에서 cd /app/bot && bun add discord.js-selfbot-v13 @dank074/discord-video-stream 후 재시작(또는 Dockerfile에 추가).

---

실행 — 수동(도커 없이)

도커 없이 호스트에서 직접 돌릴 때는 OS별로 venv 활성화·ffmpeg 설치·실행 스크립트가 다릅니다.

Linux / macOS:

# 1) 환경 변수
cp .env.example .env          # DISCORD_BOT_TOKEN / DISCORD_APP_ID / DISCORD_GUILD_ID 등 채우기

# 2) Python 두뇌 + 브릿지 의존성
python3 -m venv .venv && . .venv/bin/activate
pip install -r requirements.txt           # jarvis 두뇌
pip install flask                          # 브릿지(없으면)

# 3) 디스코드 봇 의존성 (bun)
cd bot && bun install && cd ..

# 4) 한 번에 실행 (브릿지 + 봇)
./scripts/dev.sh
#    또는 따로: ./scripts/start_bridge.sh  /  ./scripts/start_bot.sh

• ffmpeg: Ubuntu sudo apt install ffmpeg, macOS brew install ffmpeg.

Windows 11 (PowerShell):

# 1) 환경 변수
copy .env.example .env        # 같은 키들 채우기

# 2) Python 두뇌 + 브릿지 의존성  (venv 활성화 경로가 다름)
py -3 -m venv .venv; .\.venv\Scripts\Activate.ps1
pip install -r requirements.txt
pip install flask

# 3) 디스코드 봇 의존성 (bun — Windows 네이티브 또는 WSL2)
cd bot; bun install; cd ..

# 4) 실행: .sh 스크립트는 bash 전용이라 Windows에서는 두 프로세스를 따로 띄웁니다
#    (PowerShell 창 2개, 또는 WSL2에서 위 Linux 절차 그대로 사용 권장)
python -m bridge.server          # 창 1: 브릿지
cd bot; bun run register; bun run start   # 창 2: (일반 봇이면) 슬래시 등록 후 봇 기동

• ffmpeg: winget install Gyan.FFmpeg 또는 choco install ffmpeg 후 PATH 확인.
• scripts/*.sh(dev/start_bridge/start_bot)는 bash 스크립트라 순수 Windows에선 동작하지 않습니다. 가장 간단한 길은 WSL2 안에서 위 Linux 절차를 그대로 쓰는 것입니다(도커도 WSL2 백엔드와 동일).

봇이 뜨면 디스코드에서 /자비스 join 으로 음성 채널에 부르세요.

---

슬래시 명령 (/자비스)

명령	동작
/자비스 join	호출자가 있는 음성 채널에 접속해 듣기 시작
/자비스 leave	음성 채널에서 나감
/자비스 ask 질문:<내용>	텍스트로 질문하고 답을 받음
/자비스 stream	VNC 화면을 디스코드에 송출 시작
/자비스 stop	송출 중단
/자비스 status	브릿지 두뇌/세션/송출 상태 확인

모든 응답은 호출한 사람에게만 보입니다(ephemeral).

---

VNC 화면 송출 백엔드 (STREAM_BACKEND)

.env에서 교체 가능합니다. 코드 변경 없이 위험/방식만 바꿉니다.

값	방식	실시간	디스코드 native	밴 위험
selfbot (기본)	버너 유저 계정으로 Go Live 실시간 송출	✅	✅	⚠️ ToS 위반·정지 위험
novnc	noVNC 브라우저 링크 공유	✅	❌	없음
screenshot	N초마다 채널에 스크린샷 업로드	❌	❌	없음
none	비활성화	—	—	—

셀프봇(selfbot) 주의

• 디스코드 봇은 영상 송출이 불가능해, 실시간 화면 방송은 유저 계정 토큰(셀프봇) 으로만 됩니다.
• 이는 Discord ToS 위반이며 계정이 영구 정지될 수 있습니다.
• 반드시 버너(일회용) 계정을 만들어 그 토큰을 DISCORD_SELFBOT_TOKEN에 넣고, 본계정은 절대 쓰지 마세요.
• 영상 송출만 조용히 하는 패턴은 상대적으로 위험이 낮지만 0은 아닙니다.
• 의존성(네이티브)은 선택 설치입니다:

  cd bot && bun add discord.js-selfbot-v13 @dank074/discord-video-stream
  

---

환경 변수

전체 목록과 설명은 .env.example에 있습니다. 핵심:

• DISCORD_BOT_TOKEN, DISCORD_APP_ID, DISCORD_GUILD_ID — 봇/길드
• BRIDGE_URL — 봇이 호출할 브릿지 주소 (기본 http://127.0.0.1:8765)
• STREAM_BACKEND, DISCORD_SELFBOT_TOKEN, NOVNC_URL — 화면 송출
• VNC_DISPLAY=:1, VNC_RESOLUTION, VNC_FRAMERATE, VNC_BITRATE_KBPS — 캡처
• WHISPER_DEVICE/COMPUTE_TYPE, MELO_DEVICE — GPU 호스트면 cuda/float16, CPU 전용이면 cpu(GPU 자체는 OS별 override compose 파일로 켬)
• OLLAMA_CHAT_MODEL — 두뇌 LLM (기본 qwen2.5:3b)
• COMPOSE_FILE — OS별 GPU override를 매번 -f로 안 치고 자동 적용 (위 "실행 — Docker" 참고)
• output_language — 출력 언어 고정(비우면 사용자 언어). 설정 웹 UI(/settings)에서 바꾸면 env 기본값보다 우선하며 컨테이너 재생성 후에도 유지됩니다.

---

현재 상태 / 남은 작업

이 레포는 동작하는 스캐폴드입니다. 구조·명령·송출 백엔드·브릿지 연동은 완성되어 있고, 실제 토큰/모델/VNC 디스플레이를 붙여 런타임 검증이 필요한 부분이 남아 있습니다.

• 실제 디스코드 봇/버너 토큰으로 음성 송수신 end-to-end 검증
• faster-whisper(CUDA) + Piper 모델로 STT/TTS 실측
• 셀프봇 영상 송출 라이브러리 버전별 API 실연결(현재 v6 API 기준 작성)
• Ollama 모델 다운로드 및 두뇌 응답 품질 점검

---

크레딧

• 두뇌: isair/jarvis (라이선스는 LICENSE 참고)
• 디스코드 음성: discord.js / @discordjs/voice
• 영상 송출: @dank074/discord-video-stream