콴다 같은 AI 수학 튜터 만들기: Mathpix 수식 인식과 SymPy 검산

핵심 요약

1. 문제와 손글씨 풀이 사진을 받아 계산 결과와 단계별 설명을 제공하는 AI 수학 학습 앱을 설계합니다. 2. Mathpix 수식 OCR(문자·수식 인식), SymPy 계산·검증, OpenAI API 설명 생성을 연결합니다. 3. 수식 변환·정의역 검사·검증 상태 관리·추가 질문 연결은 애플리케이션의 자체 로직으로 구현합니다.

풀이가 막힌 지점을 설명하는 AI 수학 학습 앱

콴다 QANDA를 참고한 앱의 핵심 가치는 문제의 답을 찾고 풀이를 이해하도록 돕는 데 있습니다. 사진으로 수학 문제 풀기에서 시작해 수학 풀이 과정 이해와 직접 쓴 풀이의 첨삭으로 이어지는 흐름을 설계합니다.

기능 범위는 2026년 9월 22일 업데이트로 표시된 한국어 Android 등록정보와 공식 도움말을 참고합니다. 공식 도움말은 AI 해설, 기존 풀이 검색, 문제와 풀이 사진을 함께 보내는 첨삭을 구분합니다. 아래의 Mathpix·SymPy·OpenAI API 조합은 이러한 기능을 별도로 만들 때 선택할 수 있는 구현 대안입니다.

Mathpix 수식 OCR로 문제와 손글씨를 입력 데이터로 바꾸기

입력은 문제 사진과 학생이 작성한 풀이 사진입니다. 수학 문제 사진 인식 API 후보인 Mathpix는 인쇄·손글씨의 수식과 문장을 인식합니다. 결과는 수식과 본문을 함께 담는 Mathpix Markdown 등의 형태로 받아 후속 처리에 사용합니다.

자체 로직은 문제와 학생 풀이를 구분하고, 인식 결과에서 수식·문장·풀이 단계의 경계를 정리합니다. 새로 만들 앱에는 원본 사진과 변환된 수식을 함께 보여주는 확인 화면을 둡니다. 학생이 잘못 읽힌 기호를 수정하면 확정한 수식과 문장을 다음 단계로 전달합니다. 이 확인 화면은 제안하는 앱의 설계 요소입니다.

SymPy 방정식 풀이 검증을 서버 기능으로 연결하기

SymPy는 기호 수학 계산을 수행하는 오픈소스 Python 라이브러리입니다. 서버에서 실행할 함수로 감싸 애플리케이션에 연결합니다. 입력은 OCR 결과를 정리한 수식과 변수·조건이며, 출력은 계산 결과·후보 해·검증 상태로 구성합니다.

자체 로직은 인식된 수식을 허용한 형식으로 변환하고, 지원하는 연산인지 확인합니다. 변수의 가정과 정의역을 검사한 뒤 solve로 방정식의 해를 구하고 checksol로 후보 해를 확인합니다. 예를 들어 분모가 0이 되는 값은 제외 조건으로 관리하고 결과에도 반영하도록 설계합니다.

checksol이 결론을 내리지 못해 None을 반환하면 검증 보류 상태로 처리합니다. 지원 수식의 계산과 해 검증은 자연어로 작성된 증명 전체의 타당성을 보장하지 않습니다. 설명 생성 단계에도 이 검증 범위를 전달해야 합니다.

OpenAI API로 손글씨 수학 풀이 첨삭과 추가 질문 만들기

손글씨 수학 풀이 첨삭에는 문제 내용, 학생의 풀이 단계, 계산 결과와 검증 상태를 함께 입력합니다. OpenAI API에는 오류가 의심되는 단계, 수정 힌트, 단계별 설명을 구분해 생성하도록 요청합니다. 자체 로직은 응답에 필요한 항목이 있는지 확인하고, 설명에 등장한 수식과 서버의 계산 결과를 대조합니다.

추가 계산이 필요하면 함수 호출(function calling)을 연결할 수 있습니다. 모델이 계산 도구 실행을 요청하면 애플리케이션이 입력을 검사하고 SymPy 서버 함수를 실행합니다. 그 결과를 모델에 전달해 설명을 완성하며, 실제 함수 실행과 결과 검사는 애플리케이션이 담당합니다.

학생에게는 원래 풀이와 연결된 첨삭 의견, 수정 힌트, 단계별 해설을 보여줍니다. 추가 질문에는 해당 문제와 이전 풀이 맥락을 연결하고, 인식이나 검증이 불확실한 부분은 확인을 요청하도록 설계합니다. AI 스킬을 적용한다면 설명 형식과 검토 순서를 정하는 지침으로 사용하고, 계산은 서버 함수가 맡도록 구성합니다.

기존 풀이 검색에는 이용권을 확보한 문제 자료가 필요합니다

AI 해설 생성과 기존 풀이 검색은 각각의 처리 흐름으로 설계합니다. 기존 풀이 검색의 입력은 사진에서 추출한 문제 문장과 수식이며, 검색 대상은 이용권을 확보한 문제·해설 자료입니다. OCR API와 계산 라이브러리를 연결하는 작업에 더해 자료 저장소와 검색 로직을 마련해야 합니다.

자체 로직은 문제의 문장·수식·조건을 비교해 후보를 찾고, 같은 문제와 비슷한 유형을 구분해 출력합니다. 검색 결과에는 문제 조건과 연결된 해설을 함께 보여줍니다. 일치하는 자료가 없으면 검색 결과 없음으로 표시하고, AI 해설 생성 기능으로 이어질 수 있도록 설계합니다.

지원 범위와 검토 절차를 정해 제작 범위를 구체화하기

AI 수학 튜터 개발은 지원할 학년·문제 유형·수식 범위를 정하는 데서 시작합니다. 이미지 품질 부족, 수식 인식 오류, 계산 불가, 검증 보류를 서로 다른 상태로 처리해야 필요한 재입력을 안내할 수 있습니다. 학생 자료와 시험 문제의 이용권, 외부 API에 보낼 개인정보 범위, 결과 검토 절차도 함께 설계합니다.

AI 풀이 첨삭 서비스 개발에 필요한 기능, 입력 자료, 연결할 학습 업무를 정리하면 제작 범위를 구체화할 수 있습니다. 트램스 AI 제작 문의(https://trams.co.kr/ai-si/contact/#inquiry)로 만들고 싶은 학습 서비스의 요구사항을 전달해 주세요.