21. 학습의 단계_n8n - 2일차 -

 1단계. 학습의 단계


1. AWS Bedrock

첫번째 강의) Building Multi-Agentic AI Workflows on AWS Bedrock: 수강완료 (2025/4/13~04/16)
두번째 강의) Learn Agentic AI Basics, Amazon Bedrock Multi-Agent Framework (2025/4/29~06/11)

2. N8N

I. 강의 선택의 이유 / 수강 전 기대하는 부분

(중략)

이번 강의는 개념을 많이 알아보고 깨우치는 강의가 되기 보다는, "어? 그럼 이런것도 만들 수 있겠네? 어, 이거 만들어보고 싶다"라는 생각이 계속 드는 강의가 되기를 희망한다. 강의 완강까지 시간이 다소 걸려도 된다. 강의를 듣다가 배운 내용을 십분 활용하여 수강 중간에라도 toy project를 시도해보면 좋겠다.

II. 수업내용

1일차(25/6/11): Rapid API, n8n(rapid api, chat gpt api, firecrawl api)

1) 2강. "난생 첫 API 호출!" - API로 진짜 AI를 경험하다
2) 3강. "API라는 신세계" - 다양한 AI 활용 및 기초 구조

2일차(25/6/12~13): AI 챗봇, Tool 연동, 혼자서 두 개 에이전트를 만들어서 피드백 루프 구성 중.

3) 4강. "AI 에이전트, 1분 컷?" - 나만의 AI 비서 만들기

현재 n8n 학습 단계는 AI Agent 노드를 불러와서 Model, Memory, Tool을 연결하는 단계이고, Tool로는 (1) Rapid API, Naver search API를 연결하고 있다.

강의에서는 Naver 뉴스 검색 API를 활용하여 뉴스를 검색하는 챗봇을 만들고 끝났지만, 이렇게 뉴스를 검색해보니 오늘자 뉴스를 검색해달라고 프롬프트에 요청했음에도 불구하고, 몇 년 전 뉴스가 검색되는 등 정교하지 못한 부분을 발견하게 되었다.

그래서 강의를 잠시 멈추고 이 부분을 어떻게 해결할 수 있을지 고민해 보았다. 시도한 방법은 두 개의 Agent를 생성하여 1번 Agent에게는 검색만 시키고, 2번 Agent에게는 1번의 뉴스 결과를 리뷰하고 발행일이 오늘보다 1주일 이상 오래된 경우에는 output을 챗봇에 출력하는 대신 1번 Agent에게 다시 작업을 수행하도록 피드백하는 방식이다.

두 개 이상의 Agent를 생성하는 것이 처음이다보니, 몇몇 오류들을 마주했다. (강의 내용 밖에서 이런저런 시도를 하고 있다보니 강의자료와 Q&A에서 답을 찾기는 어렵다.) 몇 차례 디버깅을 하면서 n8n Agent 간 상호 동작하도록 하는 방법을 조금씩 익히고 있다.

현재 워크플로우는 아래 이미지와 같이 챗봇 > 검색 Agent > 검토 Agent로 구성되어 있다. 아래 이미지에는 Memory에 관한 오류가 떠있는데 오류의 원인은 두번째 검토 Agent Memory 내 session ID가 없다는 이유다.

추정되는 이유는 챗봇에서 생성된 Session ID가 첫번째 검색 Agent를 경유하며 유실되었기 때문에, 두번째 검토 Agent의 Memory가 참조할 Session ID가 남지 않게 되었다는 것이다. 따라서 첫번째 검색 Agent가 Session ID를 두번째 검토 Agent에게 전달하도록 하여 문제를 해결해 보려 한다.

여러 방법을 시도해보니, 위에서 가정한 방식대로 별도의 field를 생성하여 문제를 해결할 수도 있겠지만, Memory Node의 왼쪽 [Input] 탭에서 Table 뷰로 각 field 값을 펼쳐 놓은 후, sessionId를 끌어다 놓으면 아래처럼 sessionId의 위치가 정확하게 입력되어 memory 문제가 발생하지 않게 된다.


위 문제를 잘 해결하고서, 두 Agent 간에 피드백 루프를 만들어 보고 있는데, 이상한 에러 메시지가 반복적으로 발생하고 있다. 

input values have 3 keys, you must specify an input key or pass only 1 key as input


레딧 등 해외 커뮤니티도 찾아보았는데, 원인을 알 수 없는 버그 같다는 의견이 대다수다.

오. 위 문제를 해결했다. 나의 경우, 위 이슈는 프롬프트 상에서 Input이 없는 경우에 생기는 이슈였다. Input이 null이 되지 않도록 설정했더니 이슈는 해결되었다.

(현재는 검색 Agent와 검토 Agent 간에 상호 작용할 수 있는 워크플로우를 만드는 중이다.
 현재는 의도한대로 동작하지 않고 있지만, 조금씩 해결책을 찾아가고 있다.)

(P.S.) 머릿 속에 새롭게 구상한 워크플로우를 시도하고 디버깅 하는 과정에서 무료 Credit이 다 소진되었다는 알림 메시지를 받았는데, 매우 기분이 좋았다. 열심히 하고 있다는 격려처럼 느껴진다. 이제 유료로 챗GPT를 사용하기 시작한다! 



3. Claude MCP
(4. LangChain?)
(5. A2A?)

댓글

댓글 쓰기

이 블로그의 인기 게시물

20. 학습의 단계_n8n -1일차 (시작) -

이미지
1단계. 학습의 단계 1. AWS Bedrock 첫번째 강의) Building Multi-Agentic AI Workflows on AWS Bedrock: 수강완료 (2025/4/13~04/16) 두번째 강의) Learn Agentic AI Basics, Amazon Bedrock Multi-Agent Framework (2025/4/29~06/11) 2. N8N I. 강의 선택의 이유 / 수강 전 기대하는 부분 이번에 수강할 강의는 최근 인스타그램 등에서 광고로 많이 접한 천영록 대표님의 강의다. 제목은 'NO코딩 AI 자동화: 잘 때도 나 대신 일하는 기하급수적 성장 모멘텀'이다. 처음에는 N8N 역시 Udemy로 들으려 했다. 내가 Udemy를 좋아하는 이유 중 하나는 강의를 듣는 사용자가 학습에만 더 집중할 수 있도록 도와준다는 것과 해당 분야에 대해 깊이있고 전문적으로 내용을 다룬다는 느낌을 받기 때문이다. 또한 한국 강의시장에서의 제한된 공급으로 마련된 강의 Pool에 비해, 글로벌하게 쏟아지는 무수히 많은 강의들 중에서 살아남고 좋은 리뷰를 가지고 있는 강의인 만큼 이미 검증된 강의라는 안도감도 작용한다. 그에 반해 한국 강의 플랫폼에서 제공하는 강의들은, 매우 트랜디하고 강의 소개나 영상들이 강력한 소구를 갖는데 반해서, 막상 강의를 들어보면 개념을 개괄하는데 그치는 경우가 많았다. 어쩌면 강의 자체의 퀄리티는 해외 강의들과 다르지 않을지도 모르지만, 강의소개에서 워낙 마케팅들을 잘해놔서 강의 자체에 대한 기대감이 많이 높아진 채로 강의를 들었다는 차이점이 있을지도 모르겠다. 아무튼 각설하고, 그럼에도 불구하고 이번 천영록 대표님의 강의를 선택한 이유는 다음과 같다. AWS Bedrock 강의를 통해서 아카데믹하고, 그저 어떻게 동작하는지를 이해하는 수준의 Multi Agent 학습이 되면 안되겠다는 생각이 들었다. Udemy에서 구매한 N8N 강의는 N8N 자체를 가르치는 강의다. 그러나 천영록 대표님의 이번 강의는 N8N 등의 ...
자세한 내용 보기

01. 1억~10억 비즈니스 매매의 시대: 실력이 승부를 가른다

이미지
서비스를 인수하고 매각하는 능력이 중요한 세상이 온다. 비즈니스 매매가 능력이라는 점은 이미 잘 알려진 사실이다. 그러나 대부분의 기업 매매는 PE, VC 등 기관이 주도하거나, 돈 많은 법인이 볼트온 목적으로 진행하는 M&A들이다.  반면 솔로프리너 등 1인 기업가가 운영하는 기업가치 100억 미만의 비즈니스 매매는 활발하지 않다.   소규모 비즈니스 매매는 거래비용 대비 기대효용이 낮기 때문이다. 매물로 나온 기업의 가치를 파악하기 위해서는 시간과 비용이 소요되며 기업을 재무적, 법적 리스크없이 인수하는데도 상당한 전문성과 자본이 요구된다. 인수 후 사업을 안정화시키고 가치를 향상시키고 다시금 매물로 매각하는 기업인수와 매각에 이르는 전 과정에서도 무척 큰 거래비용이 요구된다. 일반적으로 거래비용은 기업가치와 비례하여 커진다. 그러나 아무리 작은 사업체를 인수하고 매각한다 하더라도 최소한의 거래비용이 존재한다. 이 최소한의 거래비용보다 기업인수 시의 효용이 훨씬 더 크다고 판단될 때, 비로소 비즈니스 매매가 발생하기 시작한다. 이 때문에 기업인수를 고려하는 입장에서 볼 때, 최소 100억원 이상의 기업을 인수할 때 비로소 수지가 맞는다.  이를 간략히 도식화하면 다음과 같다. © 2025. 6figures.kr 거래비용과 기대효용의 관점에서 볼 때 비즈니스 매매 시장은 앞으로도 계속 커질 것이다.  (1) 시장은 구조적으로 점차 양분되어 돈 있는 소수 기업으로 자본이 쏠리게 되어 자본조달 비용은 점차 줄어들 것인데 반해, 경쟁력있는 서비스, 상품을 가졌지만 자본력이 미치지 못하는 기업들의 경우 시장에서의 기업가치가 제대로 평가받기 어려워질 수 있기 때문이다. 이렇게 되면 기업 인수자 입장에서는 저렴해진 조달비용 및 인수비용으로 인해 거래비용이 낮아진다. 낮아진 거래비용만큼 기업인수의 효용은 더 커질 것이기에 양분된 시장에서 위너 측에 속해있는 기업 및 기관들은 더 활발하게 기업인수를 고려할 것이다. (2) ...
자세한 내용 보기

31. 서비스 구축단계_세컨브레인 -2,3일차: 구현 (2. 채널연결 완료) -

이미지
초기 기획을 마무리하였고, 이제 실제 셀프 호스팅된 n8n 상에 필요한 3rd Party 채널들을 연동한다. 1. 카카오톡 (메시지 발송) 2. 슬랙 (생성, 읽기) 3. 텔레그램 (메시지 발송) 4. 노션 (생성, 조회, 수정) 5. 구글캘린더 (생성, 조회, 수정) 1. 우선 '카카오톡 나에게 메시지 발송' 기능의 경우, 사전에 만들어서 테스트했다. 2. 두번째로 슬랙을 연동한다.  우선 기능별로 결과 메시지를 받을 수 있는 슬랙 방을 만든다. 3-2) 메모관리 LOG 3-4) 아이디어 디벨롭 공간 3-5) 사업기획안 3-6) 가정멘토 3-7) 식단멘토  3-8) 자산멘토   n8n에서 slack credential을 생성 후 연동하였고, slack trigger 노드 생성 후 webhook URL을 슬랙의 event subscription에 추가하였다. 또한 슬랙에서 API 및 Bot에게 필요한 권한을 부여하였다. 그 결과, 아래와 같이 슬랙 내 특정 채널에서 메시지를 발송하면 n8n의 trigger 노드에 인풋이 정상적으로 입력되는 것을 확인할 수 있다. n8n에서 슬랙으로 메시지 발송하는 부분도 테스트했다. "Automated with this n8n workflow"부분도 삭제하여 깔끔하게 메시지가 전송되도록 했다. 각 채널별로 고유한 ID가 존재하기 때문에, 추후 워크플로우 상에서 그때 그때 사용하려는 target 채널 ID를 가져와서 메시지가 발송되도록 할 것이다. 3. 세번째로 '텔레그램'으로 메시지를 발송하도록 한다. 텔레그램은 일정관리 결과 안내 및 리마인더 기능으로만 사용하려고 하기 때문에, n8n에서 텔레그램으로 메시지 발송하는 기능만 구현하면 된다. 카카오톡 메시지 발송으로 구현해도 되는데, 이렇게 되면 "나에게 발송"만 가능하다보니 카톡 알림이 오지 않는 문제가 있었다. 아래와 같이 텔레그램 노드를 만들고 botfather에서 newbot을 생성하여 api key 생성 ...
자세한 내용 보기