feat(lps): P2 시크릿 env 주입 + Chrome 프로필 영속 볼륨

프로덕션에서 시크릿을 이미지에 굽지 않고 env 로 주입, 재시작 시 챌린지 쿠키 유지.

- server_configs: 시크릿 env override 추가(house 의 DB override 패턴 확장) —
  OPENAI_API_KEY/MODEL, DECODO_HOST/USERNAME/PASSWORD/COST_PER_GB, NAVER_KEYS="id:sec,...".
  로컬은 env 미설정 → config.local.toml 그대로.
- worker_main: Chrome 프로필 경로를 LPS_PROFILE_DIR(기본 /tmp)로 env 화 → 영속 볼륨 마운트 가능.
- docker-compose: lps-worker 에 lps-profiles 볼륨(/profiles) + 시크릿 env 주입 주석 예시.
- config.example: 프로덕션 env 주입 목록 문서화.

검증: env override 동작(OpenAI/DECODO/Naver), 프로필이 /profiles 볼륨에 Cookies 포함 저장(cf_clearance 유지). 89 tests.

Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>

docker-compose.yml

@@ -143,6 +143,15 @@ services:
       DB_HOST: host.docker.internal
       PYTHONUNBUFFERED: "1"
       WORKER_CONCURRENCY: "1"          # 상품 동시 검색 수(워커별 브라우저 세트, Chrome 4×N)
+      LPS_PROFILE_DIR: /profiles       # Chrome 프로필을 영속 볼륨에 → 재시작해도 cf_clearance 유지(재웜업 회피)
+      # ── 프로덕션 시크릿 주입(이미지에 안 굽고 env 로). 아래 주석 해제 후 값 채우거나 secrets 매니저 연동 ──
+      # OPENAI_API_KEY: ${OPENAI_API_KEY}
+      # DECODO_USERNAME: ${DECODO_USERNAME}
+      # DECODO_PASSWORD: ${DECODO_PASSWORD}
+      # DECODO_HOST: ${DECODO_HOST}
+      # NAVER_KEYS: ${NAVER_KEYS}       # "id1:secret1,id2:secret2"
+    volumes:
+      - lps-profiles:/profiles         # Chrome 프로필(쿠키) 영속
     extra_hosts:
       - "host.docker.internal:host-gateway"
     shm_size: "1gb"                    # Chrome 는 /dev/shm 을 많이 씀 — 부족하면 탭 크래시
@@ -150,3 +159,6 @@ services:
     logging:
       driver: json-file
       options: { max-size: "10m", max-file: "5" }
+
+volumes:
+  lps-profiles:

lps/config/config.local.toml.example

@@ -1,6 +1,14 @@
 # 복사해서 사용: cp config.local.toml.example config.local.toml
 # 실제 config.local.toml 은 시크릿 포함이라 커밋하지 않는다(.gitignore: *.toml).
 # 모든 서버는 APP_ENV=local 로 띄우며 이 파일을 읽는다.
+#
+# ── 프로덕션: 시크릿을 이미지에 굽지 말고 env 로 주입(server_configs 가 override) ──
+#   DB_HOST / DB_PORT / DB_USER / DB_PASSWORD / DB_NAME
+#   OPENAI_API_KEY / OPENAI_MODEL
+#   DECODO_HOST / DECODO_USERNAME / DECODO_PASSWORD / DECODO_COST_PER_GB
+#   NAVER_KEYS="id1:secret1,id2:secret2"
+#   LPS_PROFILE_DIR=/profiles  (Chrome 프로필 영속 볼륨), LPS_CHROME_EXECUTABLE=/usr/bin/chromium
+# → 배포 시엔 아래 시크릿 값을 비워두고 위 env 로 채우면 이미지에 시크릿이 안 남는다.
 [WebServerConfig]
 server_name = "LpsServer"
 port = 9600

lps/config/server_configs.py

@@ -2,7 +2,7 @@ import os
 
 from config.config_loader import Configs
 from config.config_models import (
-    WebServerConfig, LogConfig, MainDBConfig, NaverConfig, OpenAIConfig, DecodoConfig,
+    WebServerConfig, LogConfig, MainDBConfig, NaverConfig, NaverKey, OpenAIConfig, DecodoConfig,
 )
 
 # 실행 환경 결정 (기본 local). 환경변수 APP_ENV 로 변경.
@@ -41,4 +41,25 @@ def _apply_db_env_override(cfg: MainDBConfig):
         cfg.name = os.environ["DB_NAME"]
 
 
+# 시크릿 env override — 프로덕션에선 API 키를 이미지에 굽지 않고 env(또는 시크릿매니저)로 주입한다.
+# 로컬은 env 미설정 → config.local.toml 값 그대로. (배포 시 toml 의 시크릿은 비워두고 아래 env 로 주입 권장)
+def _apply_secret_env_override():
+    if os.environ.get("OPENAI_API_KEY"):
+        openai_config.api_key = os.environ["OPENAI_API_KEY"]
+    if os.environ.get("OPENAI_MODEL"):
+        openai_config.model = os.environ["OPENAI_MODEL"]
+    for k in ("host", "username", "password"):
+        v = os.environ.get(f"DECODO_{k.upper()}")
+        if v:
+            setattr(decodo_config, k, v)
+    if os.environ.get("DECODO_COST_PER_GB"):
+        decodo_config.cost_per_gb = float(os.environ["DECODO_COST_PER_GB"])
+    # NAVER_KEYS="id1:secret1,id2:secret2" 형식으로 키 로테이션 주입
+    nk = os.environ.get("NAVER_KEYS")
+    if nk:
+        naver_config.keys = [NaverKey(id=i, secret=s)
+                             for i, s in (p.split(":", 1) for p in nk.split(",") if ":" in p)]
+
+
 _apply_db_env_override(main_db_config)
+_apply_secret_env_override()

lps/worker_main.py

@@ -40,7 +40,9 @@ def _build_worker(i: int, concurrency: int, has_openai: bool, neg_cache, history
     suffix = f"_w{i}" if concurrency > 1 else ""
 
     def _pf(source):  # 워커별 Chrome 프로필 경로(중복 실행 시 ProcessSingleton 충돌 방지)
-        return f"/tmp/lps_{source}{suffix}"
+        # LPS_PROFILE_DIR 를 영속 볼륨으로 마운트하면 재시작해도 cf_clearance 등 쿠키 유지(재웜업 회피).
+        base = os.environ.get("LPS_PROFILE_DIR", "/tmp")
+        return f"{base}/lps_{source}{suffix}"
 
     adapters = {
         "coupang": CoupangAdapter(headless=False, user_data_dir=_pf("coupang"), proxy=proxy, on_detect=bot_log.record),