n8n 자동화 입문 가이드: 날씨 알림부터 AI 개인비서까지

핵심 메시지

• n8n은 노드 기반 자동화 플랫폼으로, 정해진 순서를 따르는 자동화와 스스로 판단하는 에이전트를 모두 만들 수 있다.
• 실습은 날씨 알림, 폼 기반 스폰서 문의 처리, AI 개인비서 순으로 쉬운 것부터 고급으로 올라간다.
• 모든 워크플로는 트리거로 시작하고, 액션·HTTP 요청·로직·AI 에이전트 노드를 조합해 만든다.
• AI 에이전트 노드는 두뇌(LLM)·메모리·도구 세 요소로 이뤄지며 시스템 프롬프트로 역할과 도구 사용 규칙을 지정한다.
• 복잡한 기능은 하나의 에이전트에 몰지 말고 별도 워크플로로 분리해 다른 워크플로에서 호출하는 편이 효율적이다.

쉽게 이해하기

발표자는 n8n이 처음엔 복잡해 보여도 생각보다 쉽다며, 실제로 자주 쓰는 핵심 80%를 세 가지 워크플로를 직접 만들며 익히자고 제안한다. 쉬운 것에서 시작해 마지막에는 일정·이메일·문서를 관리하는 AI 개인비서까지 만든다. 매일 쓰는 개인비서를 직접 만들다 보면 n8n이 금세 익숙해지고, 이후 업무나 고객용 자동화로 넘어가기 쉽다는 학습 전략이다.

먼저 개념을 정리한다. n8n은 인기가 급증한 노드 기반 자동화 플랫폼으로 AI 에이전트를 직관적으로 만들 수 있다. 자동화는 A→B→C처럼 고정된 순서를 따르는 반면, 에이전트는 맥락에 따라 추론하고 어떤 행동을 취할지 스스로 정한다. 활용 범위는 개인 생산성, 마케팅·영업, 이커머스, 데이터·리포팅, 스마트홈, AI 통합 등으로 넓다.

첫 번째 실습은 매일 오전 6시에 날씨를 확인해 이메일로 보내는 자동화다. 스케줄 트리거로 시작해 OpenWeather 액션 노드에 API 키 자격증명을 연결하고, Gmail 노드에서 날씨 데이터 필드를 드래그해 메시지에 넣는다. 각 노드는 왼쪽 입력·가운데 설정·오른쪽 출력 구조이며, 테스트로 노드가 초록색이 되는지 확인하고 실행 기록(executions) 탭에서 성공·실패를 볼 수 있다. 계정은 월 20달러의 클라우드 버전이나, 도커 또는 VPS를 이용한 셀프호스팅(발표자는 Hostinger의 원클릭 설치 사용)으로 운영할 수 있다.

두 번째 실습은 폼 기반 스폰서 문의 처리다. 폼 제출 트리거로 데이터를 받고, 스위치(switch) 로직 노드로 예산 규모에 따라 경로를 나눈 뒤, 각 분기에서 Gmail로 자동 응답을 보내고 구글 시트에 행을 추가한다. 데이터를 고정하는 핀(pin) 버튼으로 매번 폼을 다시 채우지 않고 테스트할 수 있다. 이어 리드 정보를 보강하는 방법, 여러 데이터 흐름을 합치는 머지 노드, 입력을 정리하는 셋(set) 노드, 그리고 노드 사이에서 데이터가 오가는 형식인 JSON을 읽는 기초도 다룬다.

마지막은 AI 개인비서 에이전트다. 채팅 트리거로 시작해 AI 에이전트 노드에 두뇌(OpenAI GPT-4o)·메모리·도구를 연결하고, 역할·지시·도구 사용 규칙을 담은 시스템 프롬프트를 넣는다. 구글 캘린더·Gmail·시트를 도구로 붙이고, 캘린더 에이전트처럼 쓰기 권한이 필요한 기능은 별도 워크플로로 분리해 '다른 워크플로 호출' 도구로 연결한다. 발표자는 여기에 레딧 큐레이터, 유튜브 댓글 요약, 쇼츠 생성 워크플로까지 붙여 하나의 채팅에서 제어하는 개인비서를 완성한다. 끝으로 오류는 과정의 일부이니 테스트·반복으로 다듬고, ChatGPT를 빌드 파트너로 쓰며, 다음 단계로 파인콘 같은 벡터 DB를 활용한 RAG를 권한다.

주요 인사이트

• 쉬운 워크플로를 먼저 완성해 두면 노드 종류와 기능이 맥락 속에서 이해돼 학습이 빨라진다.
• 자동화(고정 순서)와 에이전트(동적 판단)의 차이를 알면 언제 단순 워크플로로 충분하고 언제 에이전트가 필요한지 판단할 수 있다.
• 내장 통합 노드는 결국 미리 채워진 HTTP 요청이므로, HTTP 요청 노드를 익히면 목록에 없는 거의 모든 API에 연결할 수 있다.
• AI 에이전트는 두뇌·메모리·도구 세 요소로 구성되며, 시스템 프롬프트에 역할·도구·규칙을 명확히 적어야 올바른 도구를 고른다.
• 기능이 많아지면 하나의 에이전트에 다 넣기보다 별도 워크플로로 분리해 호출하는 편이 정리와 효율 모두에 유리하다.

자주 묻는 질문

관련 AI 소식