feat: AI 서버 관리 페이지 Phase 2 고급 기능 구현

🤖 모델 관리 고도화:
- 모델 다운로드: 인기 모델들 원클릭 설치 (llama, qwen, gemma, codellama, mistral)
- 모델 삭제: 확인 모달과 함께 안전한 삭제 기능
- 사용 가능한 모델 목록: 태그별 분류 (chat, code, lightweight 등)
- 모델 상세 정보: 설명, 크기, 용도별 태그 표시

�� 실시간 시스템 모니터링:
- CPU/메모리/디스크/GPU 사용률 원형 프로그레스바
- 색상 코딩: 사용률에 따른 시각적 구분 (녹색/주황/빨강)
- 실시간 업데이트: 30초마다 자동 새로고침
- 시스템 리소스 상세 정보 (코어 수, 용량, 온도 등)

🎨 고급 UI/UX:
- 모달 창: 부드러운 애니메이션과 블러 효과
- 원형 프로그레스바: CSS 기반 실시간 업데이트
- 반응형 디자인: 모바일 최적화
- 태그 시스템: 모델 분류 및 시각화

🔧 새 API 엔드포인트:
- POST /admin/models/download - 모델 다운로드
- DELETE /admin/models/{model_name} - 모델 삭제
- GET /admin/models/available - 다운로드 가능한 모델 목록
- GET /admin/system/stats - 시스템 리소스 사용률

수정된 파일:
- server/main.py: Phase 2 API 엔드포인트 추가
- test_admin.py: 테스트 모드 Phase 2 기능 추가
- templates/admin.html: 시스템 모니터링 섹션, 모달 창 추가
- static/admin.css: 모니터링 차트, 모달 스타일 추가
- static/admin.js: Phase 2 기능 JavaScript 구현

server/main.py

@@ -595,3 +595,154 @@ async def admin_delete_api_key(key_id: str, api_key: str = Depends(require_api_k
     else:
         raise HTTPException(status_code=404, detail="API key not found")
 
+
+# Phase 2: Advanced Model Management
+@app.post("/admin/models/download")
+async def admin_download_model(request: dict, api_key: str = Depends(require_api_key)):
+    """모델 다운로드"""
+    model_name = request.get("model")
+    if not model_name:
+        raise HTTPException(status_code=400, detail="Model name is required")
+    
+    try:
+        # Ollama pull 명령 실행
+        result = await ollama.pull_model(model_name)
+        return {
+            "success": True,
+            "message": f"Model '{model_name}' download started",
+            "details": result
+        }
+    except Exception as e:
+        return {
+            "success": False,
+            "error": f"Failed to download model: {str(e)}"
+        }
+
+
+@app.delete("/admin/models/{model_name}")
+async def admin_delete_model(model_name: str, api_key: str = Depends(require_api_key)):
+    """모델 삭제"""
+    try:
+        # Ollama 모델 삭제
+        result = await ollama.delete_model(model_name)
+        return {
+            "success": True,
+            "message": f"Model '{model_name}' deleted successfully",
+            "details": result
+        }
+    except Exception as e:
+        return {
+            "success": False,
+            "error": f"Failed to delete model: {str(e)}"
+        }
+
+
+@app.get("/admin/models/available")
+async def admin_get_available_models(api_key: str = Depends(require_api_key)):
+    """다운로드 가능한 모델 목록"""
+    # 인기 있는 모델들 목록 (실제로는 Ollama 레지스트리에서 가져와야 함)
+    available_models = [
+        {
+            "name": "llama3.2:1b",
+            "description": "Meta의 Llama 3.2 1B 모델 - 가벼운 작업용",
+            "size": "1.3GB",
+            "tags": ["chat", "lightweight"]
+        },
+        {
+            "name": "llama3.2:3b", 
+            "description": "Meta의 Llama 3.2 3B 모델 - 균형잡힌 성능",
+            "size": "2.0GB",
+            "tags": ["chat", "recommended"]
+        },
+        {
+            "name": "qwen2.5:7b",
+            "description": "Alibaba의 Qwen 2.5 7B 모델 - 다국어 지원",
+            "size": "4.1GB", 
+            "tags": ["chat", "multilingual"]
+        },
+        {
+            "name": "gemma2:2b",
+            "description": "Google의 Gemma 2 2B 모델 - 효율적인 추론",
+            "size": "1.6GB",
+            "tags": ["chat", "efficient"]
+        },
+        {
+            "name": "codellama:7b",
+            "description": "Meta의 Code Llama 7B - 코드 생성 특화",
+            "size": "3.8GB",
+            "tags": ["code", "programming"]
+        },
+        {
+            "name": "mistral:7b",
+            "description": "Mistral AI의 7B 모델 - 고성능 추론",
+            "size": "4.1GB",
+            "tags": ["chat", "performance"]
+        }
+    ]
+    
+    return {"available_models": available_models}
+
+
+# Phase 2: System Monitoring
+@app.get("/admin/system/stats")
+async def admin_get_system_stats(api_key: str = Depends(require_api_key)):
+    """시스템 리소스 사용률 조회"""
+    import psutil
+    import GPUtil
+    
+    try:
+        # CPU 사용률
+        cpu_percent = psutil.cpu_percent(interval=1)
+        cpu_count = psutil.cpu_count()
+        
+        # 메모리 사용률
+        memory = psutil.virtual_memory()
+        memory_percent = memory.percent
+        memory_used = memory.used // (1024**3)  # GB
+        memory_total = memory.total // (1024**3)  # GB
+        
+        # 디스크 사용률
+        disk = psutil.disk_usage('/')
+        disk_percent = (disk.used / disk.total) * 100
+        disk_used = disk.used // (1024**3)  # GB
+        disk_total = disk.total // (1024**3)  # GB
+        
+        # GPU 사용률 (NVIDIA GPU가 있는 경우)
+        gpu_stats = []
+        try:
+            gpus = GPUtil.getGPUs()
+            for gpu in gpus:
+                gpu_stats.append({
+                    "name": gpu.name,
+                    "load": gpu.load * 100,
+                    "memory_used": gpu.memoryUsed,
+                    "memory_total": gpu.memoryTotal,
+                    "temperature": gpu.temperature
+                })
+        except:
+            gpu_stats = []
+        
+        return {
+            "cpu": {
+                "usage_percent": cpu_percent,
+                "core_count": cpu_count
+            },
+            "memory": {
+                "usage_percent": memory_percent,
+                "used_gb": memory_used,
+                "total_gb": memory_total
+            },
+            "disk": {
+                "usage_percent": disk_percent,
+                "used_gb": disk_used,
+                "total_gb": disk_total
+            },
+            "gpu": gpu_stats,
+            "timestamp": datetime.now().isoformat()
+        }
+    except Exception as e:
+        return {
+            "error": f"Failed to get system stats: {str(e)}",
+            "timestamp": datetime.now().isoformat()
+        }
+