n8n으로 첫 AI 에이전트 만들기: 노코드 Q&A 챗봇 구축 가이드

핵심 메시지

• n8n으로 코딩 없이 두 개의 워크플로(데이터 수집용, 챗봇용)를 만들어 자신만의 Q&A AI 에이전트를 구축할 수 있다.
• 첫 워크플로는 웹 폼으로 질문·답변 쌍을 받아 가공한 뒤 데이터 테이블에 저장한다.
• n8n의 핵심 개념은 트리거와 액션, 그리고 각 노드가 '아이템 배열'을 받아 항목마다 처리한다는 점이다.
• AI 에이전트는 추론(LLM)·기억(메모리)·도구(데이터 테이블 조회) 세 요소로 구성된다.
• 시스템 메시지로 '도구에서 답을 못 찾으면 지어내지 말고 모른다고 답하라'고 지시해 환각을 막는다.

쉽게 이해하기

n8n의 Max(자칭 '플로그래머')가 에이전트형 자동화의 기본기를 가르친다. 만들 결과물은 Q&A 챗봇 두 부분이다. 하나는 웹 폼으로 새 질문·답변 쌍을 받아 데이터 테이블에 넣는 수집 워크플로, 다른 하나는 그 데이터를 근거로 답하는 챗 기반 AI 에이전트다. AI 워크플로 빌더로 자동 생성도 되지만, 발표자는 기본 개념을 먼저 익힌 뒤 AI 보조를 쓰라고 권한다.

수집 워크플로는 폼 제출 트리거로 시작한다. 이름·이메일·질문·답변을 받아, IF 노드로 사내(n8n) 이메일인지 분기하고, edit fields 노드로 'is_trusted' 같은 값을 덧붙인다. 이 대목에서 n8n의 핵심 패러다임이 등장한다. 각 노드는 아이템 배열을 받아 항목마다 단계를 수행하므로, 사용자가 직접 반복문을 짤 필요가 없다. 이후엔 어떤 분기를 탔든 참조할 수 있도록 동작 없는 no-op 노드를 앵커로 둔다.

다음으로 LLM을 붙여 태그를 자동 생성한다. 가장 단순한 AI 블록인 basic LLM chain에 챗 모델(예: OpenAI)을 연결하고, 역할·작업·예시를 담은 시스템 프롬프트를 준다. 이렇게 가공한 데이터를 n8n 네이티브 데이터 테이블에 행으로 삽입한다. 워크플로는 버전(V1)을 붙여 게시한다.

두 번째 워크플로는 챗 메시지 트리거로 시작해 AI 에이전트 노드를 올린다. 에이전트에는 세 가지 의존성을 붙인다. 추론을 담당하는 LLM, 여러 메시지를 기억하는 메모리(세션 id 기반 — 기본은 무상태이므로 메모리를 붙여야 대화가 이어진다), 그리고 데이터 테이블과 상호작용하는 도구다. 도구는 '여러 행 가져오기'로 설정하고, 질문·태그 조건을 AI가 런타임에 채우도록 하되 설명을 달아 '한 번에 검색어 하나'처럼 사용법을 알려준다.

마지막으로 시스템 메시지에 '반드시 도구를 사용하고, 관련 정보를 못 찾으면 지어내지 말고 모른다고 답하라'고 지시해 환각을 막는다. 테스트해 보면 로그에서 에이전트가 기억 확인 → 판단 → 도구 사용 → 메모리 저장 → 응답으로 이어지는 단계를 그대로 추적할 수 있다. 완성된 에이전트는 공개 URL이나 n8n 챗 허브로 배포하고, 실행 기록을 편집기로 불러와 반복 개선한다.

주요 인사이트

• AI 워크플로 빌더가 자동 생성도 해주지만, 발표자는 기본 개념을 먼저 익힌 뒤 AI 보조를 쓰라고 권한다.
• n8n에서는 각 노드가 아이템 배열을 받아 항목별로 처리하므로, 직접 반복문을 짤 필요가 없다.
• 에이전트는 기본적으로 무상태라서, 여러 메시지를 기억하려면 세션 id와 메모리를 붙여야 한다.
• 도구의 검색 파라미터를 AI가 런타임에 채우게 하되, 설명을 잘 달아 '한 번에 검색어 하나'처럼 사용법을 알려줘야 한다.
• 실행 로그를 보면 에이전트가 기억 확인 → 판단 → 도구 사용 → 응답으로 이어지는 단계를 그대로 추적할 수 있다.

자주 묻는 질문

관련 AI 소식