22. 학습의 단계_n8n -3일차 -
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.
3일차(25/6/20): 피드백 루프 구성 시도 후, 다시 강의 내용으로 복귀함. (네이버 API, claude API 연결)
3) 4강. "AI 에이전트, 1분 컷?" - 나만의 AI 비서 만들기
현재 4강 내용을 듣는 도중, 두 개의 Agent를 구성해서 상호 소통하고, 첫째 에이전트의 아웃풋을 둘째 에이전트가 검토하여 피드백을 제공하도록 하는 피드백 루프를 만들어 보고 있다.
서로의 input, output 로그를 확인해보니, 아래와 같이 서로 친교의 말들만 주고 받고 있었다.
"좋은하루 되세요~" "네 감사합니다. 오늘도 좋은하루 되세요!" 이런 내용들만 주고 받고 있다. (친해지길 바라도 아니고..)
두 Agent 간 소통을 시도하였고, 두번째 '검열' Agent가 기사가 얼마나 오래되었는지를 판단하여, (경우1) 오래된 기사가 있는 경우 다시 첫번째 '검색' Agent에게 기사 검색을 요청하고, (경우2) 모든 기사가 최신 기사인 경우에는 이를 출력하도록 하는 system message를 작성해 보았다.
위 로직이 동작하기 위해서는, 우선 '검열' Agent가 각 기사들의 발행일자를 제대로 파악하고, 오늘 날짜를 제대로 인지하여 두 날짜 간의 차이를 계산 및 도표화 할 수 있어야 하기 때문에, 이 작업을 시켜보았다. 해당 작업은 GPT 4.1-nano 모델에서도 정상적으로 잘 동작하였다.
그러나 기사의 발행일자와 발행으로부터 지난 기간에 따라서, 각기 다른 답변을 하도록 하는 작업에 있어서는, nano 모델은 제대로 동작하지 않았고, 일반 GPT 4.1 모델에서는 정상 동작하는 것을 확인했다.
위 과정을 거치며 나는 이러한 분기를 system message (prompt) 기반으로 해결할 것이 아니라, openai의 structure output 기능을 통해, 발행일자 및 기사가 얼마나 오래되었는지에 대한 숫자를 json 스키마를 기반으로 출력해야한다고 느꼈다.
그래서 해당 기능을 지금 배울까도 싶었으나, 우선은 n8n 강의 진도로부터 다소 멀어진 느낌이 있기 때문에, 다시 강의 커리큘럼으로 On track 하고 강의 내용이 structure output 개념을 커버하지 않는 경우에 다시 이 개념을 찾아보기로 하였다.
엔트로픽 Claude를 n8n Agent model로 연동하는 방법에 대해 배웠다. Anthropic API 홈페이지 접속 후 계정을 만들고 $5 크래딧 충전하게 되면 api key가 생성된다. cURL도 제공하고 있지만, n8n에서는 api key만 입력하면 매우 간단하게 연동이 완료된다.
강사 분 코멘트에 따르면 클로드가 n8n에서 가장 tool을 잘 사용하는 model이라고 한다. (반면 가장 똑똑한 LLM은 구글 제미나이.)
댓글
댓글 쓰기