Mentory

감정을 기록하면 LLM이 분석해 맞춤 행동을 제안하는 SwiftUI 멘탈케어 앱

Overview

Mentory는 감정 기록을 일회성 다이어리가 아닌 "분석 가능한 데이터"로 다뤄, 사용자 입력(텍스트/음성/이미지)을 SwiftData에 축적하고 LLM 분석 결과를 행동 제안으로 연결하는 iOS 앱입니다. 이 프로젝트는 기능 구현 자체보다도 SwiftUI + Combine + Swift Concurrency를 조합해 테스트 가능한 아키텍처로 설계하고, iOS 중심 구조를 구축하는 데 초점을 두었습니다.

Tech Stack

• UI: SwiftUI
• State & Reactive: Combine
• Concurrency: Swift Concurrency (async/await)
• Local Persistence: SwiftData
• Build System: Tuist
• AI/LLM: Alan API, Firebase AI Logic

Portfolio Highlights

• Domain을 외부 프레임워크 의존에서 분리해 기능 추가 시 핵심 로직 변경 범위를 최소화
• Adapter Interface 중심 설계로 LLM/DB 구현체 교체와 테스트 대역(Mock) 주입이 쉬운 구조
• 기록 저장(SwiftData)과 분석 요청(LLM async)을 분리해 실패 지점을 독립적으로 복구 가능
• Combine 스트림(@Published)과 async/await를 역할별로 분리해 UI 반응성과 비동기 안정성 확보
• Tuist 기반 모듈화로 앱/DB/공유 타입/디바이스 연동을 빌드 단위에서 분리

Architecture

Layered Structure & Dependency Direction

• Layer: Presentation / Domain / Adapter / Service
• Dependency Direction:
  • Presentation → Domain (유스케이스 소비)
  • Domain → Protocol (구현이 아닌 추상화 의존)
  • Adapter/Service → Protocol 구현 (외부 API, DB, 디바이스 연동)
• DIP(의존성 역전 원칙) 적용으로 Domain은 프레임워크 세부 구현에서 독립적으로 유지됩니다.

왜 이렇게 나눴는가:

• 비즈니스 로직을 View와 분리해 UI 변경(레이아웃/상태 표현)이 핵심 정책에 영향을 주지 않도록 하기 위해
• LLM/DB 같은 외부 의존성 실패를 Adapter 경계에서 캡슐화해 장애 전파를 줄이기 위해
• 테스트에서 빠른 피드백을 위해 실제 인프라 없이 Domain 단위 검증이 가능해야 했기 때문에

Data Flow

1. 감정 기록 생성 시나리오

   • 사용자가 RecordForm에서 텍스트/음성/이미지를 입력
   • Domain이 입력 검증 후 MentoryDBInterface를 통해 SwiftData에 기록 저장
   • 저장된 기록을 기반으로 LLM Adapter에 비동기 분석 요청 (async/await)
   • 분석 결과를 Suggestion/MentorMessage로 변환하여 Domain 상태 갱신
   • @Published 상태 변경이 Combine을 통해 SwiftUI View에 반영

2. 재진입/조회 시나리오

   • 앱 재실행 시 SwiftData에서 최근 기록/추천을 로드
   • 로드된 Domain 상태를 Combine 스트림으로 UI에 즉시 반영
   • 필요 시 추가 분석은 async task로 분리해 UI 블로킹 없이 후속 갱신

Testing Strategy

• 핵심 전략: Adapter Interface + Mock 구현체를 사용해 Domain 로직을 외부 인프라 없이 테스트
• 실제 API/DB 호출 없이 상태 전이와 규칙 검증에 집중한 단위 테스트 구성

대표 테스트 대상 및 범위:

• Onboarding
  • 입력 검증(공백/유효 입력), 온보딩 완료 상태 전이, 소유자(Domain) 반영 여부
• TodayBoard
  • 기록/추천 로드, 상태 업데이트, 재조회 시 중복/순서 안정성
• RecordForm/MindAnalyzer
  • 입력 유효성, 분석 트리거 조건, 분석 결과가 추천 생성으로 연결되는 흐름
• MentorMessage
  • 분석 결과 기반 메시지 업데이트 검증

My Role

• Domain-First 아키텍처 방향 정의 및 계층 경계(Presentation/Domain/Adapter/Service) 구체화
• 감정 기록 → 저장 → 분석 → 제안 반영으로 이어지는 핵심 데이터 플로우 설계/구현
• 모듈 분리(Tuist) 기준 정리 및 공유 타입(MentoryShared) 중심 의존성 정돈
• Adapter 인터페이스/Mock 전략 도입으로 테스트 가능한 구조 구축
• Onboarding/TodayBoard 중심으로 상태 전이와 회귀 리스크를 확인하는 테스트 시나리오 작성

Screenshots

TodayBoard 감정 기록/요약의 메인 진입점

RecordForm 텍스트/음성/이미지 기반 감정 입력

Mind Analysis LLM 분석 결과와 제안 생성

Suggestion 행동 제안 반영 및 완료 상태 관리

Getting Started

Note

프로젝트 빌드를 위해 Secrets.xcconfig와 GoogleService-Info.plist가 필요합니다.

Prerequisites

• Xcode 26.1+
• Swift 6.0
• Tuist 4.153.0+
• iOS 26.0+

Install

git clone https://github.com/EST-iOS4/Mentory.git
cd Mentory
tuist install
tuist generate
open mentory.xcworkspace

Environment Setup

1. Alan API 토큰 설정

   cp MentoryApp/Secrets.xcconfig.sample MentoryApp/Secrets.xcconfig

   MentoryApp/Secrets.xcconfig에 아래 값 설정:

   TOKEN = 여기에-발급받은-토큰-입력

2. Firebase 설정
   • Firebase Console에서 프로젝트 생성 후 GoogleService-Info.plist 다운로드
   • MentoryApp/MentoryApp/에 추가
   • Firebase AI 기능(Gemini API) 활성화

Run

• iOS: Mentory 스킴 실행

Module Structure

• MentoryApp
  • SwiftUI 기반 iOS 앱 타깃
  • Presentation/Domain 계층과 앱 엔트리포인트 포함
• MentoryDB
  • SwiftData 기반 영속성 모듈
  • Domain이 의존하는 DB 인터페이스 구현
• MentoryDevice
  • iOS 알림 등 디바이스 연동 처리 모듈
• MentoryLLM
  • Alan/Firebase 등 LLM 연동 어댑터 모듈
• MentoryShared
  • 공유 Value 타입/프로토콜 정의 모듈
  • 모듈 간 계약(Contract) 역할

Links

• 작업 진행 상황