n8n 용어 사전

용어 사전

AI 에이전트(AI agent)

AI 에이전트는 요청에 응답하고 의사결정을 내리며 사용자를 대신해 실제 세계의 작업을 수행할 수 있는 인공지능 시스템입니다. 이러한 에이전트는 대형 언어 모델(LLM)을 활용하여 사용자 입력을 이해하고, 기존 정보 및 리소스를 최적으로 활용해 요청을 처리하는 방법을 결정합니다.

AI 체인(AI chain)

AI 체인은 구성 요소들을 순차적으로 호출함으로써 대형 언어 모델(LLM) 및 기타 리소스와 상호작용할 수 있게 해줍니다. n8n의 AI 체인은 영구적인 메모리를 사용하지 않으므로 이전 대화의 문맥을 참조할 수 없습니다(문맥 참조가 필요하면 AI 에이전트를 사용하세요).

AI 완성(AI completion)

완성(Completion)은 GPT와 같은 모델이 생성한 응답 내용을 의미합니다.

AI 임베딩(AI embedding)

임베딩(Embedding)은 데이터를 벡터 형태로 수치화한 표현입니다. AI는 값을 다차원 공간에 매핑하여 복잡한 데이터와 관계를 해석합니다. 벡터 저장소(Vector store)는 이러한 임베딩 벡터를 저장하고 검색하기 위해 특별히 설계된 저장소입니다.

AI 근거성(AI groundedness)

AI 분야, 특히 검색 증강 생성(RAG) 시나리오에서 근거성(groundedness)과 비근거성은 모델 응답이 원본 정보를 얼마나 정확하게 반영하는지를 측정하는 지표입니다. 모델은 소스 문서에 근거한 응답을 생성하지만, 근거 없는 응답은 소스 문서로 뒷받침되지 않는 추측이나 환각(hallucination)을 포함합니다.

AI 환각(AI hallucination)

AI 환각은 대형 언어 모델(LLM)이 실제로 존재하지 않는 패턴이나 객체를 잘못 인식하는 현상을 말합니다.

AI 재정렬(AI reranking)

재정렬(Reranking)은 후보 문서들의 순위를 최적화하여 검색 결과의 관련성을 높이는 기술입니다. 검색 증강 생성(RAG) 및 기타 애플리케이션에서는 재정렬 기술을 사용해 가장 관련성 높은 정보를 우선적으로 제공함으로써 응답 생성이나 후속 작업의 품질을 높입니다.

AI 메모리(AI memory)

AI 메모리는 AI 에이전트가 대화 과정에서 이전 상호작용 내용을 기억하고 참조할 수 있도록 하여 대화의 일관성을 유지하는 기능입니다.

AI 검색 증강 생성(AI retrieval-augmented generation, RAG)

검색 증강 생성(RAG)은 LLM이 외부 출처에서 새로운 정보를 가져와 AI 응답의 품질을 향상시키는 기술입니다. RAG 시스템은 관련 문서를 검색하여 응답을 최신 정보, 특정 도메인 지식 또는 독점 정보에 고정(anchor)시킴으로써 원래의 학습 데이터를 보완합니다. 일반적으로 RAG 시스템은 이러한 외부 데이터를 효율적으로 관리하고 검색하기 위해 벡터 저장소를 활용합니다.

AI 도구(AI tool)

AI 맥락에서 도구(tool)란 AI가 요청에 응답할 때 특정 정보를 얻거나 특정 기능을 수행하기 위해 호출할 수 있는 추가 리소스입니다. AI 모델은 도구를 사용해 외부 시스템과 상호작용하거나 특정 전문 작업을 수행할 수 있습니다.

AI 벡터 저장소(AI vector store)

벡터 저장소(Vector store)는 정보의 수학적 표현 형태를 저장합니다. 임베딩(Embeddings) 및 리트리버(retriever)와 함께 사용되어 AI가 질문에 답할 때 접근할 수 있는 지식 기반을 구축할 수 있습니다.

API

API(Application Programming Interface)는 서비스의 데이터와 기능에 프로그래밍 방식으로 접근할 수 있도록 제공됩니다. API는 소프트웨어가 외부 시스템과 더 쉽게 상호작용할 수 있게 해주며, 일반적으로 브라우저나 UI를 통한 전통적인 수동 조작의 대안으로 제공됩니다.

캔버스(canvas, n8n)

캔버스는 n8n 편집기 인터페이스에서 워크플로를 구성하는 주요 영역입니다. 사용자는 캔버스에 노드를 추가하고 연결하여 전체 워크플로를 조합합니다.

클러스터 노드(cluster node, n8n)

n8n에서 클러스터 노드는 워크플로 내에서 특정 기능을 제공하기 위해 협력하는 노드 그룹입니다. 클러스터 노드는 하나의 루트 노드와 하나 이상의 서브 노드로 구성되며, 서브 노드는 루트 노드의 기능을 확장합니다.

자격 증명(credential, n8n)

n8n에서 자격 증명은 특정 애플리케이션이나 서비스에 연결하는 데 필요한 인증 정보를 저장하는 데 사용됩니다. 자격 증명을 생성하고 관련 인증 정보(사용자 이름/비밀번호, API 키, OAuth 키 등)를 입력하면 해당 서비스와 애플리케이션 노드를 통해 상호작용할 수 있습니다.

데이터 고정(data pinning, n8n)

데이터 고정은 워크플로 개발 과정에서 특정 노드의 출력 데이터를 임시로 고정할 수 있게 해줍니다. 이를 통해 외부 서비스에 반복적으로 요청하지 않고도 예측 가능한 데이터로 개발 작업을 진행할 수 있습니다. 단, 프로덕션 환경에서는 고정된 데이터를 사용하지 않고, 매 실행 시 새로운 데이터를 가져옵니다.

편집기(editor, n8n)

n8n 편집기 인터페이스는 워크플로를 생성하고 관리하는 데 사용됩니다. 주요 영역은 캔버스이며, 여기서 노드를 추가·설정·연결하여 워크플로를 구성할 수 있습니다. 사이드바와 상단 패널을 통해 자격 증명, 템플릿, 변수, 실행 기록 등의 다른 인터페이스에 접근할 수 있습니다.

권한(entitlement, n8n)

n8n에서 권한(Entitlement)은 특정 n8n 인스턴스가 일정 기간 동안 요금제로 제한된 기능에 접근할 수 있도록 허용합니다.

플로팅 권한(Floating entitlement)은 여러 n8n 인스턴스 간에 할당할 수 있는 권한 풀입니다. 플로팅 권한을 재할당함으로써 다른 n8n 인스턴스로 접근 권한을 이전할 수 있습니다.

평가(evaluation, n8n)

n8n에서 평가 기능을 사용하면 실행 기록에 라벨을 지정하고 정리한 후, 새로운 실행 기록과 비교할 수 있습니다. 이를 통해 워크플로를 반복적으로 수정함에 따라 성능 변화를 파악할 수 있으며, 특히 AI 중심의 워크플로를 개발할 때 매우 유용합니다.

표현식(expression, n8n)

n8n에서 표현식은 JavaScript 코드를 실행하여 노드 매개변수를 동적으로 설정할 수 있도록 지원합니다. 정적인 값 대신 n8n 표현식 문법을 사용해 매개변수 값을 정의할 수 있습니다. 표현식은 이전 노드, 다른 워크플로 또는 n8n 환경의 데이터를 참조할 수 있습니다.

LangChain

LangChain은 대형 언어 모델(LLM)을 처리하기 위한 AI 개발 프레임워크입니다. 다양한 모델 및 기타 리소스와 상호작용하고, 서로 다른 구성 요소를 결합하여 복잡한 AI 애플리케이션을 구축할 수 있도록 표준화된 시스템을 제공합니다.

대형 언어 모델(Large language model, LLM)

대형 언어 모델(LLM)은 자연어 처리(NLP) 작업을 위해 특별히 설계된 AI 머신러닝 모델입니다. 이들은 방대한 데이터로 학습하여 언어 및 기타 데이터에 대한 확률적 모델을 구축합니다.

노드(node, n8n)

n8n에서 노드는 워크플로를 구성하는 독립적인 구성 요소입니다. 노드는 워크플로의 트리거 시점, 데이터의 획득/전송/처리, 흐름 제어 로직 정의, 외부 서비스와의 상호작용 등을 담당합니다.

프로젝트(project, n8n)

n8n 프로젝트를 사용하면 워크플로, 변수 및 자격 증명을 독립적인 그룹으로 분류하여 통합적으로 관리할 수 있습니다. 프로젝트는 팀이 관련 리소스를 공유하고 격리함으로써 협업을 더 쉽게 할 수 있도록 지원합니다.

루트 노드(root node, n8n)

각 n8n 클러스터 노드에는 클러스터의 주요 기능을 정의하는 루트 노드가 포함됩니다. 하나 이상의 서브 노드가 루트 노드에 연결되어 기능을 확장합니다.

서브 노드(sub node, n8n)

n8n 클러스터 노드는 하나 이상의 서브 노드가 루트 노드에 연결된 구조로 이루어집니다. 서브 노드는 루트 노드의 기능을 확장하며, 특정 서비스나 리소스에 대한 접근을 제공하거나 특정 유형의 전문 처리 기능(예: 계산기 기능)을 제공합니다.

템플릿(template, n8n)

n8n 템플릿은 n8n 팀 및 커뮤니티 멤버들이 설계한 사전 구축된 워크플로로, 사용자의 n8n 인스턴스에 가져와 사용할 수 있습니다. 템플릿을 사용할 때는 자격 증명을 입력하고 자신의 요구에 맞게 설정을 조정해야 할 수도 있습니다.

트리거 노드(trigger node, n8n)

트리거 노드는 특정 조건이 충족될 때 워크플로 실행을 시작하는 특수한 노드입니다. 모든 프로덕션 워크플로는 실행 시점을 결정하기 위해 최소한 하나의 트리거를 포함해야 합니다.

워크플로(workflow, n8n)

n8n 워크플로는 특정 프로세스를 자동화하기 위한 일련의 노드 집합입니다. 워크플로는 트리거 조건이 충족되면 실행을 시작하고, 순차적으로 실행되어 복잡한 작업을 완료합니다.