n8n AI 에이전트 튜토리얼: 단계별 스마트 워크플로우 구축
"AI 에이전트가欲しい"라는 생각과 "실제로 작동하는 AI 에이전트" 사이의 간격은 보통 수백 줄의 파이썬 접착 코드(glue code)로 채워집니다. n8n AI 에이전트는 이러한 간격을 시각적 워크플로우 편집기로 메꿔줍니다. 여기서 드래그 앤 드롭으로 LLM 기반 에이전트를 연결하면 웹 검색, 데이터베이스 쿼리, 이메일 발송, 스프레드시트 업데이트 등 실제로 작업을 수행할 수 있습니다. 프레임워크의 보일러플레이트 코드 대신 시스템 프롬프트만 작성하면 됩니다.
이 튜토리얼에서는 웹 리서치 에이전트와 메모리 기능을 갖춘 고객 지원 봇이라는 두 가지 실제 에이전트 워크플로우를 처음부터 구축하는 과정을 안내합니다. 마무리할 즈음에는 필요한 모든 노드 유형과 이들이 어떻게 결합되는지 이해하게 될 것입니다.
n8n이란 무엇이며 왜 AI 에이전트에 사용해야 할까요?
n8n은 오픈소스 워크플로우 자동화 플랫폼으로, Zapier와 유사하지만 필요할 때 코드를 사용할 수 있는 철학을 가지고 있으며 자체 호스팅이 가능합니다. 이는 노드 기반 시각적 편집기를 통해 500개 이상의 서비스를 연결합니다.
특히 AI 에이전트 관점에서 n8n이 흥미로운 이유는 네이티브 LangChain 통합 때문입니다. LangChain 파이썬 코드를 작성하는 대신, 동일한 개념(에이전트, 도구, 메모리, 모델)을 시각적 노드로 구성할 수 있습니다. AI Agent 노드가 추론 루프를 처리하므로, 사용자가 해야 할 일은 에이전트가 무엇을 생각하고 무엇을 수행할 수 있는지 플러그인으로 연결하는 것뿐입니다.
순수 코드 대신 n8n을 선택해야 하는 이유는 무엇일까요?
- 시각적 디버깅: 에이전트의 추론 체인이 어디서 끊어지는지 정확히 확인할 수 있습니다.
- 500개 이상의 통합 기능이 즉시 에이전트 도구가 됩니다(Slack, Gmail, Google Sheets, 데이터베이스 등).
- 무료 자체 호스팅(커뮤니티 에디션) 또는 월 $20부터 시작하는 n8n Cloud 사용 가능
- MCP 지원으로 n8n 워크플로우가 외부 AI 에이전트의 도구가 될 수 있으며, 그 반대도 가능합니다.
LangGraph, CrewAI 또는 OpenAI Agents SDK와 같은 다양한 에이전트 프레임워크를 평가 중이라면, n8n은 다른 카테고리에 속합니다. n8n은 파이썬 런타임을 관리하지 않고 프로덕션 수준의 에이전트를 원하는 사람들을 위한 것입니다.
n8n AI Agent 노드의 작동 방식
n8n의 모든 AI 에이전트 워크플로우는 계층적 구조를 가집니다. Agent 노드가 중심에 위치하며, 하위 노드들이 연결되어 기능을 제공합니다.
<!-- IMAGE: n8n AI agent node architecture diagram showing trigger, agent, model, tools, and memory connections -->구조는 다음과 같습니다.
| 구성 요소 | 역할 | 예시 노드 |
|---|---|---|
| 트리거(Trigger) | 워크플로우 시작 | Chat Trigger, Webhook, Schedule |
| AI 에이전트(AI Agent) | 추론 엔진(ReAct 루프) | Tools Agent, OpenAI Functions Agent |
| 채팅 모델(Chat Model) | 사고를 담당하는 LLM | OpenAI GPT-4o, Anthropic Claude, Ollama |
| 도구(Tools) | 에이전트가 수행할 수 있는 작업 | HTTP Request, Calculator, SerpAPI, Code |
| 메모리(Memory) | 턴 간 대화 컨텍스트 유지 | Window Buffer, Postgres, Redis |
| 출력(Output) | 결과 전달 대상 | Respond to Webhook, Send Email, Update Sheet |
Tools Agent는 90%의 경우에 사용하게 될 노드입니다. 가장 유연한 에이전트 유형으로, 프롬프트를 받아 어떤 도구를 호출할지 추론하고, 실행하며, 답변을 얻을 때까지 루프를 반복합니다. 내부적으로는 ReAct(Reason + Act) 루프, 즉 생각하기, 행동하기, 관찰하기, 반복하기를 실행합니다.
n8n은 또한 특수화된 에이전트도 제공합니다. 데이터베이스 쿼리를 위한 SQL Agent, 작업을 하위 단계로 분할하는 Plan and Execute Agent, 그리고 더 간단한 채팅 흐름을 위한 Conversational Agent가 있습니다. 하지만 대부분의 사용 사례에서는 Tools Agent로 충분합니다.
시작 전에 준비해야 할 사항
무언가를 구축하기 전에 다음 세 가지 사항을 정리하세요.
- n8n 인스턴스: n8n Cloud에 가입(월 $20 Starter)하거나 Docker로 자체 호스팅합니다.
docker run -it --rm \
--name n8n \
-p 5678:5678 \
-v n8n_data:/home/node/.n8n \
docker.n8n.io/n8nio/n8n-
LLM API 키: OpenAI, Anthropic 또는 Google Gemini 키가 필요합니다. 무료 로컬 모델을 위해 Ollama를 사용할 수도 있지만, 도구 호출 성능은 다양할 수 있습니다.
-
도구 API 키(선택 사항): 웹 검색을 위한 SerpAPI(월 $50) 또는 Brave Search API(무료 티어). 검색 없이도 에이전트를 구축할 수 있지만, 이는 가장 일반적인 첫 번째 도구입니다.
n8n이 실행되면 http://localhost:5678(자체 호스팅) 또는 클라우드 대시보드를 엽니다. 새 워크플로우를 생성하면 준비 완료입니다.
에이전트 1 구축: 웹 리서치 에이전트
이 에이전트는 주제를 입력받아 웹을 검색하고, 결과를 읽으며, 구조화된 요약을 작성합니다. 이는 n8n AI 에이전트의 "Hello World"이자 콘텐츠 리서치에 실제로 유용한 도구입니다.
1단계: 매뉴얼 트리거 추가
+ 버튼을 클릭하고 "Manual Trigger"를 검색합니다. 캔버스에 드롭합니다. 이렇게 하면 "Test Workflow"를 클릭하여 워크플로우를 테스트할 수 있으며, 나중에 웹훅이나 채팅 트리거로 교체할 수 있습니다.
2단계: Edit Fields 노드 추가
트리거 뒤에 Edit Fields 노드를 추가합니다. "Latest developments in Model Context Protocol"과 같은 문자열 값을 가진 topic 필드를 설정합니다. 이는 사용자 입력을 시뮬레이션합니다.
3단계: AI Agent 노드 추가
"AI Agent"를 검색하여 추가합니다. 에이전트 유형으로 Tools Agent를 선택합니다.
System Message 필드에 행동을 정의하는 프롬프트를 작성합니다.
You are a research assistant. When given a topic:
1. Search the web for the latest information
2. Read at least 3 different sources
3. Write a structured summary with:
- Key findings (bullet points)
- Notable quotes or data points
- Sources used
Be specific. Include dates, names, and numbers when available.
Do NOT make up information. If search results are unclear, say so.Prompt 아래에서 표현식을 {{ $json.topic }}로 설정합니다. 이는 Edit Fields 노드에서 주제를 가져옵니다.
4단계: 채팅 모델 연결
Agent 노드 아래의 **+**를 클릭하여 하위 노드를 추가합니다. OpenAI Chat Model(또는 사용 중인 LLM)을 선택합니다.
구성 방법:
- Model:
gpt-4o(또는 비용 절감을 위해gpt-4o-mini) - Temperature:
0.3(낮을수록 사실적이고 창의성이 떨어짐)
인증 정보 섹션에 API 키를 붙여넣습니다.
5단계: 검색 도구 추가
다시 **+**를 클릭하여 도구 하위 노드를 추가합니다. SerpAPI(또는カスタム 검색 API를 사용하려면 HTTP Request Tool)를 선택합니다.
SerpAPI의 경우:
- API 키를 인증 정보로 추가합니다.
- 에이전트는 검색이 필요하다고 판단할 때마다 이 도구를 호출합니다.
무료 대안으로는 Brave Search API를 호출하도록 구성된 HTTP Request Tool을 사용합니다.
URL: https://api.search.brave.com/res/v1/web/search
Method: GET
Query Parameters: q={{ $fromAI("query", "search query") }}
Headers: X-Subscription-Token: YOUR_BRAVE_KEY$fromAI() 표현식이 마법 같은 부분으로, 에이전트에게 "여기에 전달할 값을 당신이 결정하라"고 지시합니다.
6단계: 테스트
Test Workflow를 클릭합니다. 오른쪽의 실행 패널을 확인하세요. 다음 과정을 볼 수 있습니다.
- 에이전트가 주제를 받습니다.
- 검색하기로 결정합니다(도구 호출).
- SerpAPI가 결과를 반환합니다.
- 에이전트가 결과를 바탕으로 추론합니다.
- 더 자세한 정보를 위해 다시 검색할 수 있습니다.
- 최종 요약을 생성합니다.
에이전트가 수렴하지 않고 무한 루프에 빠진다면, 시스템 프롬프트에 더 명확한 지시가 필요할 수 있습니다. 검색을 중단해야 할 시점을 정확히 지시하세요.
<!-- IMAGE: n8n workflow canvas showing completed research agent with connected nodes -->에이전트 2 구축: 메모리 기능을 갖춘 고객 지원 봇
리서치 에이전트는 상태가 없었으므로 각 실행 후 모든 것을 잊었습니다. 고객 지원 봇은 대화를 기억해야 합니다. 이때 에이전트 메모리가 필요합니다.
1단계: 채팅 트리거 사용
이번에는 Manual Trigger 대신 Chat Trigger 노드로 시작합니다. 이는 대화 테스트를 위한 n8n의 내장 채팅 위젯을 제공합니다.
2단계: 에이전트 구성
Tools Agent 노드를 추가합니다. 시스템 프롬프트:
You are a customer support agent for a SaaS project management tool called "TaskFlow."
Rules:
- Always greet the user by name if provided
- Check the knowledge base before answering questions
- If you cannot find an answer, say: "Let me connect you with a human agent"
- Never make up features or pricing that you don't find in the knowledge base
- Keep responses concise (2-3 sentences max unless the user asks for detail)
Available tools:
- Knowledge base search: use this for product questions
- Ticket creation: use this when the user reports a bug or requests a feature3단계: 메모리 추가
Agent의 **+**를 클릭하여 하위 노드를 추가하고 Window Buffer Memory를 선택합니다.
- Context Window Length:
10(최근 10개의 메시지 쌍을 기억) - Session ID:
{{ $json.sessionId }}(채팅 트리거에서 가져옴)
이는 가장 간단한 메모리 옵션으로, 최근 메시지를 슬라이딩 윈도우에 유지합니다. 세션 간 영구 메모리가 필요한 프로덕션 봇의 경우, 대신 Postgres Chat Memory 또는 Redis Chat Memory를 사용하세요. 이러한 접근 방식 간의 장단점은 최고의 AI 에이전트 메모리 도구 가이드에서 다루고 있습니다.
4단계: 도구 추가
두 개의 도구 하위 노드를 추가합니다.
도구 1 -- 지식 베이스(벡터 스토어 QA): Pinecone, Qdrant, Supabase 등의 벡터 스토어에 제품 문서가 있다면 Vector Store Question Answer Tool을 사용하세요. 이는 단일 노드로 구현된 RAG(검색 증강 생성)와 본질적으로 동일합니다.
도구 2 -- 티켓 생성(HTTP 요청): 티켓팅 API에 POST하도록 구성된 HTTP Request Tool을 추가합니다.
URL: https://api.yourapp.com/tickets
Method: POST
Body (JSON):
{
"title": "{{ $fromAI('title', 'ticket title') }}",
"description": "{{ $fromAI('description', 'issue description') }}",
"priority": "{{ $fromAI('priority', 'low, medium, or high') }}"
}5단계: 대화 테스트
Test Workflow를 클릭하고 채팅 패널을 엽니다. 멀티 턴 대화를 시도해 보세요.
- "안녕, 나는 알렉스야. 내 작업을 CSV로 내보내는 방법은 뭐니?"
- "PDF 내보내기는 어때?"
- "사실 PDF 내보내기가 나한테는 안 되는데, 버그 리포트를 제출해 줄 수 있어?"
에이전트가 처음 두 질문에는 지식 베이스를 검색하고 세 번째 질문에는 티켓을 생성하는 방식을 관찰하세요. 메모리 노드는 알렉스의 이름과 PDF 문제의 맥락을 기억하도록 보장합니다.
MCP를 사용하여 에이전트 확장하기
n8n은 이제 양방향으로 Model Context Protocol (MCP)를 지원하며, 여기서부터 강력한 기능이 시작됩니다.
MCP 서버 소비: 에이전트에 MCP Client Tool 하위 노드를 추가합니다. 모든 MCP 서버 URL을 지정하면 에이전트가 해당 서버가 노출하는 모든 도구를 자동으로 발견하고 호출할 수 있습니다. 하나의 노드로 수십 개의 도구를 활용합니다.
워크플로우를 MCP 도구로 노출: MCP Server Trigger 노드를 사용하여 모든 n8n 워크플로우를 MCP 호환 도구로 변환합니다. Claude Desktop, Cursor 또는 VS Code에서 실행되는 외부 에이전트가 n8n 워크플로우를 발견하고 호출할 수 있습니다. "Slack 알림 보내기" 워크플로우를 한 번 구축하면, 스택 내의 모든 MCP 호환 에이전트가 이를 사용할 수 있습니다.
이 양방향 MCP 지원은 n8n을 에이전트 허브로 만듭니다. n8n 에이전트는 MCP를 통해 외부 도구를 호출하고, 외부 에이전트는 MCP를 통해 n8n 워크플로우를 호출합니다.
더 나은 n8n 에이전트를 위한 실용적인 팁
수십 개의 에이전트 워크플로우를 구축한 후, 실제로 중요한 것은 다음과 같습니다.
도구 개수를 낮게 유지하세요. 에이전트는 5~7개 이상의 도구가 있으면 혼란스러워합니다. 더 많은 도구가 필요하다면, 특수화된 "작업자 에이전트"로 작업을 라우팅하는 "관리자 에이전트"를 생성하세요. n8n은 에이전트 간 워크플로우를 지원합니다.
시스템 프롬프트에서 지시적이 되세요. 단순히 "사용자를 도와주세요"라고 말하지 마세요. 정확한 규칙, 출력 형식, 각 도구를 사용해야 할 시기를 명시하세요. 프롬프트가 구체적일수록 예상치 못한 도구 호출이 줄어듭니다.
토큰 제한을 설정하세요. 채팅 모델 구성에서 최대 토큰 제한을 설정합니다. 제한이 없으면 혼란스러운 에이전트가 단일 루프에서 API 예산을 모두 소진할 수 있습니다.
오류 처리 노드를 사용하세요. 실패를 catch하여 Slack이나 이메일로 알림을 보내는 Error Trigger 워크플로우를 추가하세요. 그렇지 않으면 에이전트가 조용히 실패합니다.
엣지 케이스로 먼저 테스트하세요. 에이전트가 알아서는 안 되는 것을 물어보세요. "모르겠습니다"라고 말하는 대신 환각(hallucination)을 일으킨다면, 프롬프트에 가드레일이 필요합니다.
개발 중에는 모든 것을 로깅하세요. 실행 로깅을 활성화하여(Pro 플랜 또는 자체 호스팅에서 가능) 에이전트가 어디서 잘못되었는지 정확히 재생하고 디버깅할 수 있도록 합니다.
n8n 에이전트가 적합한 경우(및 적합하지 않은 경우)
다음과 같은 경우 n8n이 잘 맞습니다.
- 파이썬 인프라를 관리하지 않고 프로덕션 에이전트를 원할 때
- 워크플로우가 여러 SaaS 도구(Slack, Gmail, Notion, 데이터베이스)를 연결할 때
- 에이전트 행동을 수정해야 하는 비개발자가 팀에 포함될 때
- 에이전트 추론 체인의 시각적 디버깅이 필요할 때
다음과 같은 경우 n8n은 잘못된 선택일 수 있습니다.
- 에이전트 아키텍처에 대한 세밀한 제어가 필요할 때(대신 LangGraph 또는 CrewAI 사용)
- 에이전트가 통합 없이 순수 계산적(ML 파이프라인, 데이터 처리)일 때
- 복잡한 상태 관리가 필요한 다중 에이전트 리서치 시스템을 구축할 때
비즈니스 자동화 사용 사례, 고객 지원 봇, 데이터 처리 에이전트, 리서치 어시스턴트, 리드 자격 평가 등에서 n8n은 파워와 접근성 사이의 최적점을 제공합니다.
FAQ
n8n은 AI 에이전트에 어떤 LLM을 지원하나요?
n8n은 OpenAI(GPT-4o, GPT-4, GPT-3.5), Anthropic Claude(Claude 3.5 및 4 패밀리), Google Gemini, Mistral, Cohere, HuggingFace 모델 및 Ollama를 통한 로컬 모델을 지원합니다. 단일 하위 노드를 변경하여 모델을 교체할 수 있으며, 워크플로우 변경은 필요하지 않습니다.
AI 에이전트 구축을 위해 n8n은 무료인가요?
자체 호스팅 커뮤니티 에디션은 실행 제한 없이 완전히 무료입니다. n8n Cloud는 월 $20(Starter)부터 시작하며 2,500회의 실행을 포함합니다. API 호출에 대해서는 LLM 제공업체(OpenAI, Anthropic 등)에 별도로 비용을 지불해야 합니다.
n8n의 AI 에이전트는 파이썬으로 에이전트를 작성하는 것과 어떻게 비교되나요?
n8n은 맞춤화 가능성을 속도와 교환합니다. LangChain을 사용한 파이썬 에이전트는 모든 추론 단계에 대한 완전한 제어권을 제공합니다. n8n은 시각적 디버깅과 500개 이상의 내장 통합 기능을 갖추고 있어, 그 능력의 80%를 20%의 시간 내에 제공합니다. 연구나 새로운 아키텍처에는 파이썬을 선택하고, 비즈니스 자동화에는 n8n을 선택하세요.
n8n 에이전트는 웹 검색 및 데이터베이스와 같은 도구를 사용할 수 있나요?
네. n8n 에이전트는 노드로 사용 가능한 모든 도구를 사용할 수 있습니다. SerpAPI, Brave Search, HTTP Request(모든 API용), SQL 데이터베이스, Google Sheets, Slack 등 수백 가지가 있습니다. 이를 Agent 노드 아래의 하위 노드로 추가하면 됩니다.
n8n의 MCP Client Tool이란 무엇인가요?
MCP Client Tool은 n8n 에이전트를 외부 MCP(Model Context Protocol) 서버에 연결합니다. 에이전트는 해당 서버가 노출하는 모든 도구를 자동으로 발견하고 추론 중에 호출할 수 있습니다. 수십 개의 외부 도구를 잠금 해제할 수 있는 단일 노드입니다.
n8n AI 에이전트에 메모리를 어떻게 추가하나요?
Agent 노드 아래에 메모리 하위 노드를 추가합니다. Window Buffer Memory가 가장 간단한 옵션입니다(최근 N개의 메시지 유지). 세션 간 영구 메모리를 위해서는 Postgres Chat Memory, Redis Chat Memory 또는 Zep Memory를 사용하세요. 개별 대화를 추적하려면 세션 ID를 설정하세요.
n8n에서 여러 에이전트를 연결할 수 있나요?
네. n8n은 "관리자" 에이전트가 특수화된 "작업자" 에이전트에게 작업을 위임하는 에이전트 간 워크플로우를 지원합니다. 각 작업자를 별도의 하위 워크플로우로 구축하고 Call n8n Workflow 도구를 통해 연결합니다.
Tools Agent와 다른 에이전트 유형의 차이점은 무엇인가요?
Tools Agent는 ReAct 추론 루프를 사용하며 모든 도구와 작동합니다. OpenAI Functions Agent는 OpenAI의 네이티브 함수 호출 API를 사용합니다(약간 더 빠르지만 OpenAI 전용). SQL Agent는 데이터베이스 쿼리에 특화되어 있습니다. Plan and Execute Agent는 복잡한 작업을 하위 단계로 분할합니다. 대부분의 사용 사례에서는 Tools Agent로 시작하세요.
n8n 에이전트를 프로덕션에 배포하려면 어떻게 하나요?
자체 호스팅의 경우: PostgreSQL과 Redis를 사용한 Docker Compose를 사용하고, 수평 확장을 위해 큐 모드를 활성화하며, SSL이 적용된 리버스 프록시 뒤에 배치합니다. 클라우드의 경우: 워크플로우를 활성화하기만 하면 n8n이 인프라를 처리합니다. 두 경우 모두, 외부 앱이 에이전트를 호출할 수 있도록 Chat Trigger를 Webhook 트리거로 교체하세요.
n8n 에이전트는 파일 업로드와 이미지를 처리할 수 있나요?
n8n은 바이너리 데이터 처리를 통해 파일을 처리할 수 있습니다. 웹훅을 통해 파일 업로드를 받고, 텍스트를 추출하며(예: PDF 파서가 있는 Code 노드 사용), 콘텐츠를 바탕으로 추론하는 에이전트를 구축할 수 있습니다. 네이티브 비전/이미지 분석은 LLM이 멀티모달 입력을 지원하는지(예: GPT-4o)에 따라 달라집니다.