튜토리얼: n8n에서 AI 워크플로 구축하기

n8n으로 AI 채팅 에이전트 만들기

n8n AI 워크플로 입문 튜토리얼에 오신 것을 환영합니다! n8n을 사용해본 적이 있든 없든, 이 튜토리얼을 따라가며 AI 워크플로의 기본 구조를 익히고, 바로 사용할 수 있는 AI 채팅 에이전트를 직접 만들어보세요. 이후에는 여러분만의 용도에 맞게 쉽게 커스터마이징할 수 있습니다.

새로운 정보를 영상으로 접하는 것이 더 쉬운 분들도 많습니다. 이 튜토리얼은 n8n의 인기 있는 영상을 기반으로 제작되었으며, 아래 링크에서 확인할 수 있습니다. 영상을 보거나 튜토리얼을 읽거나, 둘 다 활용해보세요!

준비물

• n8n: 이 튜토리얼에서는 n8n Cloud 서비스 사용을 권장합니다. 신규 사용자는 무료 체험판을 이용할 수 있습니다! 직접 호스팅(self-host)하고 싶다면 설치 페이지를 참고하세요.
• 채팅 모델 자격 증명: 이 튜토리얼에서는 OpenAI를 사용하지만, DeepSeek, Google Gemini, Groq, Azure 등으로 쉽게 변경할 수 있습니다(자세한 옵션은 하위 노드 문서 참조).

배울 내용

• n8n의 AI 개념
• AI Agent 노드 사용법
• 채팅 입력 처리
• AI 모델 연결
• 입력값 커스터마이징
• 대화 과정 관찰
• 메모리 추가(지속적 컨텍스트 유지)

n8n의 AI 개념

이미 AI에 익숙하다면 이 섹션은 건너뛰셔도 됩니다. 여기서는 AI 개념과 이를 n8n 워크플로에 어떻게 적용하는지 기본적으로 소개합니다.

AI 에이전트는 대형 언어 모델(Large Language Model, LLM) 위에 구축됩니다. LLM은 입력을 기반으로 다음 단어를 예측하여 텍스트를 생성합니다. LLM은 입력을 처리하고 출력만 생성하는 반면, AI 에이전트는 목표 지향적인 기능을 추가로 제공합니다. 에이전트는 도구를 사용하고, 자신의 출력을 처리하며, 이를 기반으로 의사결정을 내려 작업을 완수하고 문제를 해결할 수 있습니다.

n8n에서는 AI 에이전트가 추가 연결 기능을 가진 노드로 표현됩니다.

기능	LLM	AI 에이전트
핵심 역량	텍스트 생성	목표 지향적 작업 수행
의사결정 능력	없음	있음
도구/API 호출	미지원	지원
워크플로 복잡도	단일 단계	다단계
적용 범위	언어 생성	복잡한 현실 세계 작업 수행
예시	LLM에게 글 한 단락 생성 요청	에이전트에게 회의 자동 예약 요청

AI 에이전트를 노드 형태로 워크플로에 통합함으로써, n8n은 AI 기반 단계와 전통적인 프로그래밍을 결합해 효율적인 실제 워크플로를 구축할 수 있습니다. 예를 들어, 이메일 주소 검증 같은 간단한 작업은 AI가 필요 없지만, 이메일 내용 처리나 이미지·오디오 같은 멀티모달 입력 처리와 같은 복잡한 작업은 AI 에이전트가 적합합니다.

1. 새 워크플로 생성

n8n을 열면 다음 두 가지 중 하나를 보게 됩니다:

• 빈 워크플로: 처음 로그인했고 저장된 워크플로가 없다면, 바로 이 빈 워크플로를 사용하면 됩니다.
• 워크플로 목록(개요 페이지): 버튼을 클릭해 새 워크플로를 생성하세요.

2. 트리거 노드 추가

모든 워크플로는 시작점이 필요합니다. n8n에서는 이러한 시작점을 “트리거 노드”라고 부릅니다. 이번 워크플로에서는 채팅 노드부터 시작하겠습니다.

1. 첫 번째 단계 추가를 클릭하거나 Tab 키를 눌러 노드 검색 메뉴를 엽니다.

2. “Chat Trigger”(채팅 트리거)를 검색하면, n8n이 일치하는 노드 목록을 표시합니다.

3. “Chat Trigger”를 선택해 캔버스에 노드를 추가하면, n8n이 자동으로 해당 노드를 엽니다.

4. 노드 상세 보기에서 캔버스로 돌아가기를 클릭해 캔버스로 돌아옵니다.

채팅 트리거 노드에 대한 자세한 정보...

트리거 노드는 특정 이벤트가 발생할 때 출력을 생성합니다. 이 튜토리얼에서는 텍스트 입력을 통해 워크플로 실행을 트리거하고자 합니다. 실제 운영 환경에서는 이 트리거를 n8n이 제공하는 공용 채팅 인터페이스에 연결하거나 다른 웹사이트에 임베드할 수 있습니다. 간편함을 위해 내장된 로컬 채팅 인터페이스를 추가 설정 없이 사용하겠습니다.

워크플로 파일 보기

3. AI Agent 노드 추가

AI Agent 노드는 워크플로에 AI 기능을 도입하는 핵심입니다.

1. 트리거 노드의 Add node(노드 추가) 커넥터를 클릭해 노드 검색을 엽니다.

2. "AI"를 입력한 후 AI agent 노드를 선택해 워크플로에 추가합니다.

3. 이제 AI agent 노드의 편집 화면이 표시됩니다.

4. 수정 가능한 필드들이 몇 가지 있습니다. “Chat Trigger” 노드를 사용하므로, 프롬프트 소스와 규격은 기본 설정 그대로 두어도 됩니다.

워크플로 파일 보기

4. 노드 설정

AI 에이전트는 들어오는 프롬프트를 처리하기 위해 채팅 모델에 연결되어야 합니다.

1. AI Agent 노드 하단의 Chat Model 연결부에 있는 더하기 버튼 (노드 하단의 첫 번째 연결부)을 클릭해 채팅 모델을 추가합니다.

2. 검색 창에는 “언어 모델” 필터 조건으로 n8n이 기본 지원하는 모델들이 표시됩니다. 이 튜토리얼에서는 OpenAI Chat Model을 사용합니다.

3. 목록에서 OpenAI Chat Model을 선택하면, 자동으로 AI Agent 노드에 연결되고 노드 편집기가 열립니다. 수정 가능한 파라미터 중 하나는 “모델”입니다. OpenAI 기본 계정의 경우 gpt-4o-mini 모델만 사용할 수 있음을 유의하세요.

어떤 채팅 모델을 선택해야 할까?

앞서 설명했듯이, LLM은 주어진 프롬프트를 기반으로 텍스트를 생성하는 컴포넌트입니다. LLM의 생성 및 학습은 일반적으로 매우 리소스 집약적인 과정입니다. 다양한 LLM은 학습 데이터에 따라 서로 다른 능력이나 특화 분야를 가질 수 있습니다.

5. 자격 증명 추가(필요 시)

n8n이 채팅 모델과 통신하려면 해당 서비스의 자격 증명(다른 온라인 서비스 계정에 접근하기 위한 로그인 정보)을 설정해야 합니다. 이미 OpenAI 자격 증명을 설정했다면, 자격 증명 선택기에 자동으로 표시됩니다. 그렇지 않다면 자격 증명 선택기를 통해 새 자격 증명을 추가할 수 있습니다.

1. 새 자격 증명을 추가하려면 “자격 증명 선택” 텍스트를 클릭하면 새 자격 증명 추가 옵션이 나타납니다.

2. 이 자격 증명에는 API 키 하나만 필요합니다. 어떤 종류의 자격 증명을 추가하든, 우측의 안내 텍스트를 주의 깊게 읽으세요. 이 경우 OpenAI 계정에서 API 키를 바로 가져올 수 있는 편리한 링크가 제공됩니다.

3. API 키는 긴 문자열로 구성되며, 이것이 이 자격 증명에 필요한 전부입니다. OpenAI 웹사이트에서 복사한 후 API 키 필드에 붙여넣기만 하면 됩니다.

자격 증명 보안 유지

자격 증명은 애플리케이션 및 서비스가 발급하는 비밀 정보로, 사용자 신원을 인증하고 n8n 노드가 해당 서비스에 연결되어 데이터를 교환할 수 있도록 합니다. 애플리케이션/서비스마다 필요한 정보 유형이 다릅니다. n8n 외부에서 이러한 자격 증명을 무분별하게 공유하거나 노출하지 않도록 주의하세요.

6. 노드 테스트

이제 노드가 Chat Trigger와 채팅 모델에 연결되었으니, 이 워크플로를 테스트해볼 차례입니다.

1. 캔버스 하단 근처의 “Chat”(채팅) 버튼을 클릭하면, 좌측에 로컬 채팅 창이 열리고 우측에 AI 에이전트 로그가 표시됩니다.

2. 메시지를 입력하고 Enter를 누르면, 채팅 모델의 응답이 메시지 아래에 나타납니다.

3. 로그 창에는 AI 에이전트의 입력과 출력이 표시됩니다.

로그 확인하기...

채팅 인터페이스를 사용하지 않더라도 AI 노드의 로그에 접근할 수 있습니다. AI Agent 노드를 열고 우측 패널의 Logs(로그) 탭을 클릭하면 됩니다.

7. 프롬프트 수정

1. AI Agent 노드를 엽니다. 패널 하단에는 “옵션” 영역과 “옵션 추가” 선택기가 있습니다. 여기서 “시스템 메시지(System message)”를 선택하세요.

2. 이제 시스템 메시지가 표시됩니다. 이는 앞서 로그에서 확인했던 초기 프롬프트입니다. 프롬프트를 다른 내용으로 변경해 채팅 모델이 다르게 응답하도록 해보세요. 예를 들어 “당신은 재능 있는 시인으로, 항상 운율과 대칭을 맞춘 시(대구법)로 답변합니다” 같은 프롬프트를 시도해볼 수 있습니다.

3. 노드를 닫고 채팅 창으로 돌아가 이전과 동일한 메시지를 다시 입력해 출력의 변화를 관찰하세요.

8. 메모리 추가

지금은 채팅 모델이 유용한 답변을 주지만, 실제 대화를 나눠보면 한 가지 문제가 드러납니다.

1. 채팅에서 채팅 모델에게 당신의 이름을 알려주세요. 예: “안녕, 나는 철수야”.

2. 응답을 기다린 후 “내 이름이 뭐야?”라고 입력해보세요. AI는 아무리 사과해도 당신의 이름을 대답할 수 없습니다. 이유는 대화 컨텍스트를 저장하지 않았기 때문입니다—AI 에이전트는 이전 대화 내용을 기억하지 못합니다.

3. AI가 대화 중 발생한 일을 기억하려면 컨텍스트를 저장해야 합니다. 이를 위해 AI Agent 노드에 메모리를 추가할 수 있습니다. 캔버스에서 AI Agent 노드 하단에 있는 “Memory(메모리)”라고 표시된 버튼을 클릭하세요.

4. 팝업 패널에서 “Simple Memory(간단한 메모리)”를 선택합니다. 이는 n8n 인스턴스의 메모리를 사용하며, 간단한 용도에는 충분합니다. 기본값인 5번의 상호작용 횟수는 일반적으로 충분하지만, 나중에 조정이 필요할 경우 이 옵션 위치를 기억해두세요.

5. 위에서 진행한 대화를 다시 시도해보면, AI 에이전트가 이제 당신의 이름을 기억하는 것을 확인할 수 있습니다.

9. 워크플로 저장

워크플로 편집기를 떠나기 전에 반드시 워크플로를 저장하세요. 그렇지 않으면 모든 변경 사항이 사라집니다.

1. 편집기 창 우측 상단의 “저장” 버튼을 클릭합니다. 워크플로가 저장되며, 이후 언제든지 돌아와 채팅을 계속하거나 새로운 기능을 추가할 수 있습니다.

축하합니다!

이제 AI를 활용해 실용적이고 효율적인 워크플로를 구축하는 첫걸음을 내딛었습니다! 이 튜토리얼에서는 AI 워크플로의 기본 구성 요소를 살펴보고, AI Agent 노드와 채팅 모델을 추가했으며, 원하는 출력을 얻기 위해 프롬프트를 조정했습니다. 또한 메모리 기능을 추가해 메시지 간 대화 컨텍스트를 유지할 수 있게 되었습니다.

워크플로 파일 보기

다음 단계

이제 기본적인 AI 워크플로를 만드는 방법을 알게 되셨습니다. 다음 리소스들을 통해 지식을 더 깊이 있게 다지고, 다양한 예제에서 영감을 얻을 수 있습니다:

• 예제 및 개념에서 더 많은 AI 개념과 예제를 확인하세요.
• AI 워크플로 템플릿을 찾아보세요.
• 도구를 활용해 AI 에이전트를 강화하는 방법을 알아보세요.