n8n과 개인 AI 비서 비교: 같은 프롬프트로 만든 자동화가 왜 전혀 다른 결과를 낳을까

핵심 메시지

• OpenClaw·Hermes 같은 개인 AI 비서는 에이전트 인터페이스 중심이고, n8n은 자동화 UI 중심의 풀 자동화 플랫폼이다.
• 동일한 프롬프트로 X 계정 추적 텔레그램 봇을 양쪽에 만들었더니, 만드는 과정은 비슷했지만 결과물의 성격은 크게 달랐다.
• 개인 AI 비서는 데이터베이스 보안·아키텍처·비용을 추상화해 편리하지만, 유지보수성과 관측성을 잃고 수정할 때마다 토큰 비용이 든다.
• 결국 이 도구들은 경쟁 관계만이 아니라, Claude Code나 개인 AI 비서로 n8n 워크플로를 만드는 식으로 서로 보완할 수 있다.

쉽게 이해하기

발표자 Leo는 개인 AI 비서(OpenClaw, Hermes Agent)와 자동화 플랫폼 n8n을 비교한다. OpenClaw는 카탈로그 우선으로 미리 만들어진 스킬에 의존해 일관된 메시징 자동화를 제공하고, Hermes는 과거 작업에서 스스로 학습하는 폐쇄 학습 루프를 갖는다. n8n은 그 중간을 아우르는 전체 AI 자동화 플랫폼이다.

실험은 '같은 프롬프트'로 X(구 트위터) 프로필을 추적하는 텔레그램 봇을 양쪽에 만드는 것이다. Hermes는 CLI에서 어떤 LLM에도 연결할 수 있으며, 예제에서는 Claude Opus 4.8을 사용했다. 완성된 봇은 텔레그램에 붙여 /help, /list, /add 같은 명령으로 추적 대상을 관리할 수 있다.

발표자는 개인 AI 비서 방식이 '바이브 코딩' 같은 느낌이라고 말한다. 비개발자는 어떤 언어로 만들어졌는지도 모른 채, 데이터베이스 보안과 전체 아키텍처를 에이전트에 떠넘기게 된다. 그 과정에서 X API나 AI 모델 사용 비용을 놓치기 쉽고, 자동화가 커지고 통합이 늘수록 협업에서 불안정해진다. 수정도 계속 프롬프트를 반복해야 해 토큰 비용이 늘어난다.

n8n 쪽은 같은 프롬프트를 Claude에 넣되 환경 변수는 나중에 워크플로에서 직접 설정할 수 있다. 공식 n8n 스킬을 설치하고 MCP를 활용하면 단일 프롬프트로 세 개의 워크플로가 만들어진다. 예컨대 XWatch Poller 워크플로는 2분마다 실행되며, DB 작업을 처리하고 추적 계정을 한 쿼리로 모아 X 웹훅에 HTTP 요청을 보낸 뒤, 모델로 관련도를 평가해 텔레그램으로 점수와 함께 알림을 보낸다.

비용은 인프라·토큰·X API로 나뉜다. 세 도구 모두 로컬 실행이 가능하고 클라우드 배포 가격도 비슷해 결국 토큰 사용량이 관건이다. n8n 스킬과 MCP 사용이 비용을 높일 수 있다는 지적도 있지만, 개인 AI 비서가 모든 수정에 LLM 의존을 만든다면 장기적으로 더 큰 비용이 될 수 있다는 것이 발표자의 견해다.

주요 인사이트

• 추상화의 편리함에는 대가가 따른다. 언어·보안·아키텍처를 몰라도 되지만, 그만큼 유지보수성과 비용 관측성을 잃는다.
• n8n의 노드 기반 워크플로는 노트로 문서화되고 실행 내역을 따라갈 수 있어, 봇이 실제로 무슨 일을 하는지 이해하기 쉽다.
• 'Claude Code 때문에 n8n은 죽었다'는 식의 대립 구도는 과장이다. 단일 프롬프트로 n8n 안에 워크플로를 만드는 것처럼 둘은 함께 쓸 수 있다.
• 개인 AI 비서의 강점(어디서든 접속, 텔레그램·디스코드·슬랙·왓츠앱 연동)을 n8n과 결합하면, 팀 채널에서 평문 영어로 협업하며 자동화를 만드는 것도 가능하다.

자주 묻는 질문

관련 AI 소식