26분 만에 코드 없이 첫 AI 에이전트 구축하기

Tina Huang 구독자 835,000명

요약

이 영상은 NA10(No-code AI Workflow Automation) 툴을 활용해 코딩 없이 완전한 AI 에이전트를 설계·구축·배포하는 과정을 단계별로 안내합니다. AI 에이전트의 6대 핵심 구성(모델, 도구, 지식·메모리, 음성 통신, 가드레일, 오케스트레이션)을 살펴보고, 프롬프트 작성부터 도구 연결, 오디오 생성, 이메일 발송 자동화, 안전장치(가드레일), 평가(evaluation) 구성, 최종 배포까지 실습합니다. 별도의 개발 없이도 프로덕션 수준의 AI 워크플로우를 완성할 수 있도록 돕습니다.

주요 키워드

AI 에이전트 NA10 프롬프트 모델 도구 메모리 가드레일 오케스트레이션 평가 워크플로우

하이라이트

🔑 AI 에이전트는 모델, 도구, 지식·메모리, 음성·대화, 가드레일, 오케스트레이션 6가지 요소로 구성된다.
⚡️ NA10을 이용해 사용자 입력 폼(form trigger)만으로 워크플로우 실행 트리거를 설정할 수 있다.
🚀 OpenAI ChatGPT 모델과 Perplexity 도구를 연동해 자동으로 정보를 수집·요약하는 에이전트를 구축했다.
🌟 생성된 텍스트 요약을 OpenAI의 오디오 생성 기능으로 변환해 MP3 음성 파일로 제공한다.
📌 Gmail API를 연결해 결과물을 사용자 이메일로 자동 발송하도록 워크플로우를 확장했다.
🔒 가드레일(안전장치)으로 OpenAI의 위반 분류 기능을 활용해 욕설·혐오 표현을 차단하고 오류 처리 루트를 구현했다.
💡 오케스트레이션 단계에서 Google Sheets 기반의 평가(evaluation) 테스트를 추가해 에이전트 성능을 모니터링·개선할 수 있다.
🚀 간단한 토글만으로 프로덕션 환경으로 배포해, 웹 폼 URL을 통해 누구나 즉시 사용 가능하게 만들었다.

용어 설명

AI 에이전트

사용자 대신 목표를 수행·완료하기 위해 AI 모델, 도구, 메모리 등을 결합한 소프트웨어 시스템

NA10

코드 없이 AI 워크플로우를 자동화·구축·배포할 수 있는 No-code AI 도구

프롬프트(prompt)

AI 모델에 역할(role), 입력·출력, 제약조건을 지시해 원하는 행동을 유도하는 지침문

모델(model)

AI 에이전트의 두뇌 역할을 하는 언어 모델(예: ChatGPT, Claude, Gemini)

도구(tools)

에이전트가 작업을 수행하도록 돕는 외부 API나 플러그인(예: 캘린더, Perplexity)

메모리(memory)

여러 세션에서의 대화·데이터를 저장해 지속적인 문맥 이해를 돕는 저장소

가드레일(guardrails)

AI 에이전트의 안전·윤리적 행동을 보장하기 위한 위반 분류·제한 메커니즘

오케스트레이션(orchestration)

AI 에이전트가 배포·모니터링·평가되고 지속 개선되는 전반적 관리 체계

평가(evaluation)

테스트 케이스를 통해 에이전트의 응답 품질(정확성·도움됨·유사도 등)을 측정하는 과정

스위치 노드(switch node)

워크플로우 흐름을 조건별 분기해 정상·오류 경로를 선택하는 제어 노드

코드 없이 완전 동작하는 AI 에이전트를 오늘 바로 구축하는 과정을 안내합니다. 이후 워크플로우 중간중간 미니 퀴즈가 있어 학습 이해도를 높입니다.

[00:00] 코드 없이 AI 에이전트를 구축하는 빠른 시작 가이드를 소개하며, N8N을 사용해 완전 기능하는 AI 에이전트를 배포하는 방법을 설명합니다. 비디오 전체에 걸쳐 평가 질문이 포함되어 있습니다.

[00:24] AI 에이전트는 사용자를 대신해 목표를 추구하고 작업을 완수하는 소프트웨어 시스템으로 정의됩니다. 고객 서비스나 영업 어시스턴트 등 다양한 유형의 AI 에이전트가 존재하며, 각각은 6개의 핵심 구성 요소로 이루어집니다.

[00:51] AI 에이전트의 6가지 핵심 구성 요소를 설명합니다: 1) 모델(ChatGPT, Claude 등 AI 두뇌), 2) 도구(작업 수행을 위한 기능들), 3) 지식과 기억(세션 기록, 지식 베이스 등), 4) 오디오와 음성(자연스러운 소통), 5) 가드레일(안전 메커니즘), 6) 오케스트레이션(배포, 모니터링, 평가 시스템).

[01:44] 구성 요소들을 올바르게 조립하는 것의 중요성을 강조합니다. 최고의 도구가 있어도 AI 에이전트가 그 존재를 모르거나 사용법을 모르면 쓸모없기 때문에, 프롬프트 작업에 상당한 시간을 투자해야 합니다. 더 자세한 설명이 필요하면 별도 비디오를 참고할 수 있다고 안내합니다.

AI 에이전트는 ‘모델’, ‘도구’, ‘지식·메모리’, ‘음성·대화’, ‘가드레일’, ‘오케스트레이션’으로 이뤄집니다. 각 요소별 역할과 예시를 살펴봅니다.

[02:09] AI 에이전트의 구성 요소들을 n8n을 사용해 구현하기 전 퀴즈를 통해 지금까지 배운 내용을 점검합니다.

사용자 입력 폼(form) 노드를 생성해 주제(topic)와 기간(time period)을 받는 트리거를 구성합니다. 필수 항목 설정과 테스트 실행 방법을 설명합니다.

[02:27] n8n이라는 유연한 AI 워크플로 자동화 도구를 소개하고, 하이브리드 AI 연구 및 학습 어시스턴트 구축을 시작합니다. 이 도구는 특정 주제의 정보를 수집하고 요약해 오디오로 변환하는 기능을 제공합니다.

[02:42] 개발자로서 빠르게 변화하는 AI 트렌드를 따라잡기 위해 개인적으로 사용하는 워크플로를 소개합니다. 특정 주제의 정보를 자동 수집하고 요약하여 오디오로 변환해 청각 학습을 통해 효율적으로 학습할 수 있습니다.

[03:14] n8n에서 워크플로 구축을 시작합니다. 첫 번째 단계로 사용자가 검색 쿼리와 시간 기간을 입력할 수 있는 검색 폼을 생성하고 테스트합니다.

[04:27] 폼 제출 후 AI 에이전트 구축을 시작합니다. AI 에이전트의 첫 번째 구성 요소인 채팅 모델로 ChatGPT를 연결하는 과정을 설명합니다.

OpenAI ChatGPT 모델 자격증명(credentials)을 설정한 뒤, 메타 프롬프트(meta prompt)를 복사·붙여넣기 해 연구·학습 에이전트용 기본 프롬프트를 만듭니다.

[04:40] OpenAI ChatGPT를 사용해 새로운 자격 증명을 설정하는 과정을 설명합니다. n8n 어시스턴트를 통해 API 키 생성과 설정 방법을 안내받을 수 있습니다.

[05:13] AI 에이전트를 위한 프롬프트 작성을 시작합니다. 메타 프롬프트를 사용해 ChatGPT가 완전한 n8n 준비 에이전트 프롬프트를 생성하도록 요청합니다.

[05:42] 연구/학습 AI 에이전트의 구체적인 요구사항을 정의합니다. 사용자 쿼리와 시간대를 입력받아 신뢰할 수 있는 출처 기반으로 요약을 생성하며, Perplexity API를 활용해 정보를 수집합니다.

Perplexity API를 도구로 연결하고, 간단한 메모리 저장소를 추가합니다. 에이전트를 실행해 요약 결과를 확인하고 로그로 내부 동작을 검증합니다.

[07:19] 생성된 프롬프트를 n8n으로 복사하고 변수 사용을 위해 expression 기능을 활성화합니다. 이전 노드의 스키마를 참조해 동적 변수를 설정할 수 있습니다.

[07:41] AI 에이전트에서 폼 데이터를 활용하는 방법을 설명하며, 이전 노드인 폼에서 사용자가 제출한 변수들(주제, 시간 기간 등)을 드래그해서 연결하는 과정을 시연합니다.

[08:04] 입력 해석과 시간 정규화 과정에서 필요한 정보들을 설정하고, 일부 정보가 제공되지 않은 경우 기본값을 유지하는 방법을 안내합니다.

[08:40] AI 에이전트 실행을 위해 필요한 도구와 메모리를 설정하는 단계로, 먼저 퍼플렉시티 도구를 추가하고 자격 증명을 설정하는 과정을 보여줍니다.

[09:03] 퍼플렉시티 모델 설정에서 소나 모델을 선택하고, 모델이 매개변수를 자동으로 정의하도록 설정하는 방법을 설명합니다.

[09:27] 메모리 구성 요소를 추가하여 세션별 정보를 저장할 수 있도록 설정하고, 세션 ID를 'summary'로 명명하여 변수를 정의합니다.

[09:52] 완성된 AI 에이전트를 실행하여 결과를 확인하는 단계로, 노드가 성공적으로 실행되었음을 확인하고 바이브 코딩에 대한 요약 결과를 검토합니다.

[10:22] AI 에이전트의 실행 결과를 확인하고 로그를 통해 에이전트가 단순 메모리에서 시작해 OpenAI 모델과 Perplexity 도구를 활용해 정보를 수집하고 요약하는 전 과정을 추적합니다.

OpenAI의 오디오 생성 기능으로 텍스트 요약을 음성으로 변환하고, Gmail API를 연동해 결과 파일을 자동으로 사용자 이메일로 전송하는 노드를 추가합니다.

[10:58] 에이전트의 작업 과정을 모니터링하고 Perplexity와 단순 메모리에서 정보가 제대로 저장되었는지 확인한 후 워크플로를 저장합니다.

[11:27] 생성된 요약 결과를 오디오 형식으로 변환하기 위해 새로운 OpenAI 노드를 추가하고 오디오 생성 기능을 설정합니다.

[12:09] 노드를 단계별로 실행하여 오류를 방지하고, 바이브 코딩에 대한 오디오 요약이 성공적으로 생성되어 AI 지원 개발의 현황과 시장 영향력에 대한 내용을 음성으로 확인합니다.

[12:57] 첫 번째 AI 에이전트 실행 결과를 확인하며, 초기 프롬프트만으로도 작동했지만 인용구나 제목 표시 등 세부사항을 개선할 필요가 있다고 설명한다.

[13:35] 워크플로우를 완성하기 위해 매번 수동으로 다운로드하는 대신 Gmail을 통해 자동으로 이메일로 결과를 받도록 설정하는 방법을 시연한다.

[14:29] 이메일 전송 기능을 실행하여 주제 요약과 오디오 파일이 첨부파일로 성공적으로 전송된 것을 확인한다.

OpenAI의 위반 분류(classify text) 노드로 욕설·혐오 표현을 차단하고, switch 노드로 정상·위반 시 경로를 분기해 오류 발생 시 이메일 알림을 보내도록 구성합니다.

[14:44] Lovable 스폰서십 광고를 통해 코드 없이 AI 에이전트를 위한 맞춤형 웹앱을 구축할 수 있는 서비스를 소개하고 할인 코드를 제공한다.

[15:30] 워크플로우가 완성되었지만 AI 에이전트의 6가지 핵심 구성 요소 중 가드레일과 오케스트레이션이 빠져 있다고 설명합니다.

Google Sheets를 평가 트리거로 연결한 뒤, 평가 노드(set output, set metrics)로 다양한 테스트 케이스의 응답 품질(도움됨)을 1~5점으로 기록합니다.

[16:13] 가드레일의 첫 번째 요소로 욕설, 남용, 인종차별적 내용 등이 포함되지 않도록 하는 검사 기능의 필요성을 강조합니다.

[16:33] 두 번째 요소인 오류 처리 기능에 대해 설명하며, 퍼플렉시티가 실패하거나 정보가 없을 때 워크플로우가 중단되지 않도록 대비해야 한다고 말합니다.

[16:54] 실제 구현을 시작하여 OpenAI의 텍스트 위반 분류 기능을 사용해 AI 에이전트의 출력을 검사하는 노드를 추가합니다.

[17:23] 테스트 실행 결과 플래그가 false로 표시되어 안전함을 확인하고, 성적 콘텐츠, 혐오, 괴롭힘 등 다양한 범주별 점수를 제공하는 것을 보여줍니다.

[17:34] AI 에이전트의 콘텐츠 검열 기능을 테스트하며, '당신이 싫어요'와 같은 부적절한 텍스트가 괴롭힘으로 정확히 플래그되는 것을 확인합니다.

[17:51] 플래그가 감지되지 않으면 워크플로우를 계속 진행하고, 위반사항이 발견되면 다양한 대응 방식을 선택할 수 있다고 설명합니다. 워크플로우 중단, 경고 메시지 전송, 플래그 표시 등의 옵션이 있습니다.

[18:32] 위반사항 감지 시 워크플로우를 중단하고 경고 메시지를 보내는 방식을 선택하여 스위치 노드를 구성합니다. false면 계속 진행하고 true면 오류 이메일을 전송하도록 설정합니다.

워크플로우를 활성화(toggle active)하고 프로덕션 URL을 복사해 실사용 환경에서 폼 제출만으로 AI 에이전트를 즉시 실행·배포하는 방법을 마무리합니다.

[19:18] 실제 테스트를 통해 부적절한 텍스트가 true로 플래그되고 오류 이메일이 전송되는 것을 확인합니다.

[19:50] AI 에이전트의 마지막 구성 요소인 오케스트레이션에 대해 설명합니다. 배포, 모니터링, 평가, 개선이 포함되며, 프로덕션 환경에서는 다양한 테스트 케이스를 통한 평가가 중요하다고 강조합니다.

[20:25] 에이전트 평가 시스템의 핵심 원리를 설명합니다. 다양한 테스트 케이스를 통해 에이전트의 응답을 확인하고, 결과에 따라 프롬프트를 조정하여 성능을 개선할 수 있다고 강조합니다.

[20:36] 측정의 중요성을 언급하며 '측정되지 않는 것은 완료되지 않는다'는 원칙을 제시합니다. 에이전트의 행동을 측정해야만 지속적인 개선이 가능하다고 설명합니다.

[20:54] 실제 평가 스프레드시트를 소개하며, 기후변화, AI 에이전트, 코끼리, 당근 등 다양한 주제와 시간대를 테스트 케이스로 사용한다고 설명합니다.

[21:07] n8n에서 평가 시스템을 구축하는 실습 과정을 시작합니다. 평가 트리거 노드를 추가하고 Google Sheets를 연결하는 방법을 단계별로 설명합니다.

[21:32] 워크플로우 구조를 설정하기 위해 'do nothing' 노드를 추가하고, 두 개의 서로 다른 브랜치를 생성하는 방법을 설명합니다. 하나는 기존의 텍스트 분류와 오디오 생성용, 다른 하나는 평가용입니다.

[22:03] 평가 결과를 출력하고 저장하기 위한 노드를 설정합니다. set output 노드를 통해 결과를 캡처하고 Google Sheets의 특정 컬럼에 기록하는 방법을 안내합니다.

[22:30] 다양한 평가 메트릭에 대해 설명합니다. 정확성, 도움 정도, 문자열 유사성, 분류 등의 기본 메트릭과 함께 사용자 정의 메트릭을 설정할 수 있다고 소개합니다.

[22:45] AI 에이전트 평가 시스템을 구축합니다. 도움정도를 1-5점으로 평가하는 OpenAI GPT-4.1 mini 모델을 사용하여 응답의 유용성을 측정하는 평가 워크플로우를 설정합니다.

[23:14] 완성된 워크플로우를 테스트하고 평가합니다. 4개의 테스트 케이스를 실행하여 모두 높은 점수를 받았으며, 키워드 포함 여부, 구조, 길이 등 다양한 평가 지표를 추가할 수 있음을 설명합니다.

[24:11] AI 에이전트를 배포하는 과정을 시연합니다. n8n에서 비활성을 활성으로 토글하고 프로덕션 URL을 생성하여 실제로 'AI 에이전트 구축' 주제로 2개월 기간의 요약을 생성해봅니다.

[24:44] 완성된 AI 에이전트의 결과를 확인합니다. AI 에이전트의 정의, 구축 과정, OpenAI 2025 릴리스의 주요 기능들을 포함한 체계적인 요약이 생성되었으며, 6가지 컴포넌트를 모두 갖춘 완전한 AI 에이전트가 완성되었습니다.

[00:00] 이것은 오늘 코드 한 줄 없이

[00:01] 완전히 기능하고 배포된 AI 에이전트를

[00:03] 구축하는 빠른 시작 가이드입니다. 우리는

[00:05] AI 에이전트를 구성하는 기본 요소부터

[00:06] 시작해서 N8N을 사용해

[00:08] 구현할 것입니다. 이 모든 것은

[00:10] 코드 없이도 가능합니다. 평소처럼

[00:12] 단순히 제 이야기만 들어서는

[00:13] 충분하지 않습니다. 따라서 이 비디오

[00:15] 전체에 걸쳐 작은

[00:16] 평가가 있을 것이고, 이 질문에

[00:18] 답할 수 있다면 여러분은 첫 번째

[00:19] AI 에이전트 구축에 한 발짝 다가선 것입니다.

[00:21] 이 비디오의 일부는

[00:22] Lovable의 후원을 받습니다. 이제 더 이상

[00:24] 지체하지 말고 시작해보겠습니다.

[00:25] 좋습니다. 먼저 실용적인 관점에서

[00:27] AI 에이전트가 무엇인지에 대한 집중 강의로

[00:30] 시작해보겠습니다. AI 에이전트는

[00:32] 사용자를 대신해 목표를 추구하고

[00:34] 작업을 완수하기 위해 AI를 사용하는

[00:36] 소프트웨어 시스템으로 정의됩니다. 예를 들어

[00:38] 고객 서비스 AI 에이전트는 사용자 문의를

[00:39] 받고 문제 해결을 도와줄 수 있습니다.

[00:41] 또는 영업 어시스턴트 AI 에이전트는

[00:43] 리드를 검증하고, 미팅을 예약하고

[00:45] 영업 전망 고객과 후속 조치를 취할 수 있습니다.

[00:47] 정말 다양한 종류의 AI 에이전트가

[00:48] 있지만, 각 AI 에이전트는 6개의 핵심

[00:51] 구성 요소로 이루어져 있습니다. 첫 번째는

[00:53] 모델입니다. 이것은 AI 에이전트를

[00:55] 구동하는 두뇌입니다. ChatGPT가 될 수도

[00:57] 있고, Claude가 될 수도 있고, Gemini가 될 수도

[00:58] 있고, 작은 모델이나 큰 모델이 될 수도 있습니다.

[01:00] 다음으로, AI 에이전트는 각자의 작업을

[01:02] 수행할 수 있는 도구가 필요합니다.

[01:04] 예를 들어, 개인 어시스턴트 AI 에이전트는

[01:06] 약속을 잡기 위해 캘린더와 같은

[01:08] 것에 접근할 수 있어야 합니다.

[01:09] 그다음은 지식과 기억입니다.

[01:10] 치료 AI 에이전트는 여러 세션에 걸쳐

[01:12] 환자와 가진 세션을 기억해야

[01:14] 합니다. 그리고 법률 에이전트는

[01:16] 분석해야 하는 특정 사례의

[01:18] 지식 베이스에 접근해야 할 수

[01:19] 있습니다. 오디오와 음성.

[01:21] 많은 AI 에이전트는 인간과 더 자연스럽게

[01:23] 소통할 수 있는 언어

[01:24] 능력을 가지고 있습니다. 가드레일은

[01:26] 적절한 행동을 보장하는 안전

[01:28] 메커니즘입니다. 고객 서비스 AI

[01:30] 에이전트가 사람들에게 욕설하는 것을

[01:31] 원하지는 않을 테니까요.

[01:33] 마지막으로 오케스트레이션이

[01:34] 있습니다. 이는 AI 에이전트를

[01:36] 배포하고 모니터링하며 평가하는

[01:38] 시스템입니다. AI 에이전트를

[01:40] 만들고 그냥 세상에 내보내서

[01:41] 그 이후에 무슨 일이 일어나는지

[01:43] 신경 쓰지 않고 싶지는 않을 것입니다.

[01:44] 이 모든 다양한 구성 요소가 있을 수 있지만

[01:46] 그것들을 올바르게 조립하는 방법을

[01:47] 모른다면 역시 제대로 작동하지

[01:49] 않을 것입니다. AI 에이전트에게

[01:50] 최고의 도구를 줄 수 있지만, 이러한

[01:52] 도구가 있다는 것을 알려주지 않고

[01:53] 사용법을 모른다면

[01:54] 완전히 쓸모없습니다. 그래서

[01:56] 사람들은 프롬프트 작업에

[01:57] 상당한 시간을 투자합니다.

[01:59] 좋습니다. 이것이 AI 에이전트 구축

[02:01] 이론에 대한 오늘의 작은 집중 강의였습니다.

[02:03] 좀 더 심화된 설명을

[02:04] 원한다면, 여기에 전체 비디오를

[02:06] 만들어 두었으니 확인해보세요.

[02:08] 더 깊이 있게 다룹니다만,

[02:09] 더 자세히 다루지만, 첫 번째 AI 에이전트를 만들기에는 충분하고

[02:11] 이런 다양한 구성 요소들을 모두 구현해보겠습니다

[02:13] 그리고 프롬프트도

[02:14] n8n을 사용해서요. 하지만 먼저

[02:16] 간단한 퀴즈를 풀어보겠습니다

[02:17] 화면에 띄워놓을게요

[02:19] 이 질문들에 답해보세요

[02:20] 방금 배운 내용을 제대로

[02:22] 이해했는지 확인하기 위해서요

[02:23] 다루고 있는지 확인하기 위해서요

[02:27] 자, 이게 n8n입니다. 유연한 AI 워크플로 자동화 도구예요

[02:29] 이걸 사용해서

[02:32] 첫 번째 AI 에이전트를 만들어보겠습니다

[02:33] 로그인 후에 새 워크플로를 만들 수 있습니다

[02:35] 오늘 만들어볼 건

[02:37] 하이브리드 AI 연구 어시스턴트이자

[02:38] 학습 어시스턴트입니다. 사실 이건

[02:40] 제가 가장 좋아하는 워크플로 중 하나예요

[02:42] 제 업무 특성상

[02:44] 다양한 것들을 정말 빠르게

[02:47] 배워야 하고

[02:48] AI 분야에서 일어나는 모든

[02:51] 트렌드와 동향을 따라잡아야 해요. 그래서 제가 하는 건

[02:53] 특정 주제에 관한 모든 정보를

[02:55] 수집하는

[02:57] AI 에이전트를 만들어서 요약하고, 오디오 형태로 변환해서

[02:59] 실제로 이런 압축된 요약본을

[03:01] 들으면서 특정 주제를

[03:02] 정말 빠르게 학습합니다

[03:04] 저는 청각 학습자라서

[03:06] 이 방법이 정말 잘 맞아요

[03:07] 특히 유튜브 비디오나

[03:09] 코스, 리소스가

[03:10] 별로 없는 주제일 때

[03:12] 특히 도움이 됩니다

[03:14] 자, n8n으로 돌아와서

[03:16] 첫 번째 단계는 전체 워크플로를

[03:17] 트리거할 무언가가 필요합니다

[03:19] 이 경우에는 사용자가 검색하고 싶은

[03:21] 폼을 만들려고 합니다

[03:22] 쿼리를 입력할 수 있는

[03:23] 폼 말이죠

[03:25] 이 폼의 제목은

[03:26] 검색 폼이라고 하겠습니다. 설명은

[03:30] 검색 쿼리를 입력하여 특정 주제의

[03:34] 오디오 버전을 만들어 학습하세요

[03:39] 이 폼에 넣을 요소는

[03:41] 주제입니다. 플레이스홀더로는 음, 라이브 코딩 같은 걸로

[03:45] 하면 되겠네요

[03:47] 그리고 또 다른 요소를 추가할게요

[03:49] 시간 기간이라고 하겠습니다. 사용자가

[03:52] 어떤 시간 기간에서

[03:56] 리소스를 찾고 싶은지 지정할 수 있도록

[03:57] 해야 하니까요

[03:59] 이것도 텍스트로 할게요

[04:01] 최근 6개월 같은 식으로 말이죠

[04:04] 이 두 필드 모두 필수로 만들고

[04:06] 실행해서 작동하는지 확인해보겠습니다

[04:09] 이렇게 보이네요

[04:11] 우리가 만든 검색 폼이

[04:13] 주제에 라이브 코딩이라고 하고

[04:15] 시간 기간은 최근 6개월로 설정한 다음

[04:18] 제출하면 작업으로 제출되는 걸 볼 수 있어요

[04:21] 좋습니다. 이게 트리거가 될 거예요

[04:23] 사용자가 들어가서

[04:24] 제출하고 싶은 걸 입력하면

[04:27] 다음 단계는 AI 에이전트입니다

[04:29] 여기서부터 AI 에이전트를 만들기 시작할 거예요

[04:32] 자, 이 AI 에이전트에서

[04:32] 제가 먼저 하고 싶은 건, AI 에이전트의

[04:34] 첫 번째 구성 요소가 모델이라는 걸 기억하세요

[04:36] 그래서 채팅 모델을 연결하겠습니다

[04:37] 이 경우에는

[04:39] ChatGPT를 사용할 거예요

[04:40] OpenAI의 ChatGPT를 사용하겠습니다.

[04:42] 여기서 새로운 자격 증명을 만들어 보겠습니다.

[04:45] 정말 간단합니다.

[04:46] 정확히 무엇을 해야 하는지 안내해 줍니다.

[04:48] 어시스턴트에게 물어볼 수도 있어요.

[04:50] OpenAI 자격 증명을 어떻게 설정하나요?

[04:51] 이건 n8n 어시스턴트입니다.

[04:54] 정확한 방법을 알려줄 거예요.

[04:55] 여기로 가서 로그인하고, API 키로 들어가서

[04:58] 새로운 비밀 키를 생성합니다.

[05:02] n8n 프로젝트, 새 비밀 키를 생성합니다.

[05:05] 복사해서 여기에 붙여넣으면

[05:07] 끝입니다. 자격 증명이 생성되었습니다.

[05:09] 훌륭하네요.

[05:13] 다음으로 여기에 프롬프트를 작성하겠습니다.

[05:14] 이를 위해 실제로

[05:16] ChatGPT로 가서 이 메타 프롬프트를

[05:18] 복사해서 붙여넣겠습니다. 이것은

[05:20] 사용 사례를 지정할 수 있는 프롬프트이고

[05:22] AI 에이전트용 프롬프트를 생성해줍니다.

[05:24] 그리고 이 프롬프트를 설명란에도

[05:26] 올려놓을게요. 그러면

[05:28] 빠르게 시작할 수 있습니다.

[05:29] 기본적으로 ChatGPT에게

[05:31] 다음 사용 사례에 대한 완전하고

[05:33] 독립적인 n8n 준비 에이전트 프롬프트를

[05:35] 만들라고 말하는 거예요.

[05:36] 이 프롬프트는 AI 에이전트를 위한

[05:38] 좋은 시작 프롬프트를 만들어낼 거예요.

[05:40] 그래서 저는 이렇게 말하겠습니다.

[05:42] 연구/학습

[05:44] AI 에이전트를 만들어 줘. 이 에이전트는 사용자의 특정 쿼리와

[05:48] 시간대를 입력받아서 정보를 검색해서

[05:52] 그 주제에 대한 요약을 만드는 거야.

[05:56] 이것은 역할, 입력, 작업을 다룹니다.

[06:00] 또한 이 요약이 마지막에

[06:03] 오디오 형식으로 변환될 것이라고 추가하고 싶은데,

[06:06] 이 에이전트는 먼저 텍스트 요약만

[06:09] 만들 거지만, 오디오에 최적화되도록

[06:13] 해야 합니다. 이것은 역할, 입력,

[06:17] 작업, 출력을 다룹니다.

[06:20] 제약 조건에는

[06:21] 출처가 신뢰할 수 있는

[06:24] 출처인지 확인하고

[06:28] 가능한 한 많은

[06:30] 1차 출처를 기반으로 한다는 점이 포함됩니다.

[06:35] 에이전트가 필요로 하는 도구 측면에서

[06:38] 이 경우 perplexity를

[06:40] 정보를 수집하여 해당 주제에 대한

[06:42] 연구를 생성하는 방법으로 사용할 거예요.

[06:44] 그래서 perplexity에

[06:45] 접근할 수 있다고 말해야 합니다.

[06:49] API를 통해 정보를 검색하여

[06:51] 요약을 만들 수 있습니다.

[06:55] 이것만으로도 시작하기에 충분합니다.

[06:57] 다른 부분들에 대해서는 이 프롬프트가

[06:59] 대부분의 빈틈을

[07:01] 채워줄 수 있어야 합니다.

[07:03] 정보를 지금은 간단한 메모리에

[07:07] 저장할 겁니다.

[07:09] 그냥 그 정보의 저장소만 있으면 됩니다.

[07:11] 이 정도면 시작하기에 충분합니다.

[07:12] 너무 걱정하지 마세요.

[07:14] 추가 정보에 대해서는

[07:15] 이 프롬프트가 대부분을 채워줄 겁니다.

[07:17] 그러면 엔터를 누르세요. 좋아요.

[07:19] 여기에 프롬프트가 있네요.

[07:21] 여기에 복사해서 붙여넣겠습니다.

[07:23] 여기 프롬프트가 있고 몇 가지 작은

[07:26] 수정을 하고 싶습니다.

[07:28] 변수를 사용할 수 있도록

[07:30] expression을 클릭하세요. 예를 들어

[07:32] 여기에 연구 주제가 있고

[07:34] 연구 주제처럼 보이죠? 하지만

[07:37] 여기서 실제로 할 수 있는 것은

[07:39] 이전 노드의 스키마로 가는 것입니다

[07:41] 이전 노드인 폼에서 가져온 스키마로 가서

[07:43] 이 변수를 드래그할 수 있습니다.

[07:46] 사용자가 제출하는 변수로요.

[07:48] 이것이 주제가 될 것이고

[07:49] 시간 범위에는 시간 윈도우가 있어서

[07:52] 이걸 폼에서 사용자가 입력한 시간대로 바꿔줄 수 있습니다.

[07:55] 여기에는 단어 제한,

[07:57] 대상 지역, 그리고

[07:58] 포커스 같은 다른 항목들이 있습니다.

[08:00] 네, 이건 그냥 두겠습니다.

[08:02] 그런 정보가 여기에

[08:04] 제공되지 않았기 때문입니다.

[08:06] 입력을 해석하고 시간을 정규화합니다.

[08:08] 빠르게 똑같은 작업을 하겠습니다.

[08:11] 주제를 드래그하고 시간 윈도우는

[08:13] 시간 기간이 될 것입니다.

[08:16] 좋습니다. 퍼플렉시티로

[08:18] 검색하는 중입니다. 이게 좋지 않으면

[08:21] 수정하겠지만, 일단은 괜찮습니다.

[08:24] 여기 하나 더 있습니다.

[08:26] 주제와 시간 윈도우만 바꾸고 있습니다.

[08:28] 이미 사용자가 제출한 항목들이라는 걸

[08:30] 알고 있거든요.

[08:32] 포함시키는 게 좋겠습니다. 좋아요.

[08:35] 이제 이 단계를 실제로 실행하기 전에

[08:36] 메모리와 도구를 제공해야 합니다.

[08:38] 우리가 제공하기로 했던 것들이요.

[08:40] 도구부터 시작하겠습니다.

[08:41] 도구에서는 퍼플렉시티 도구를

[08:43] 제공할 것입니다. 아주 쉽습니다.

[08:45] NAN에서 검색만 하면

[08:46] 여기서 도구를 보여줄 것입니다.

[08:48] 자격 증명의 경우 아주 간단합니다.

[08:50] 새 자격 증명 생성을 클릭해도

[08:52] 됩니다. 어시스턴트에게

[08:53] 정확한 설정 방법을 물어볼 수도 있습니다.

[08:56] OpenAI와 매우 유사합니다.

[08:57] 시간 절약을 위해

[08:59] 이미 설정해 놓은 것을

[09:01] 사용하겠습니다.

[09:03] 작업은 모델에 메시지를 보내는 것입니다.

[09:05] 퍼플렉시티에서 사용할 모델은

[09:07] 소나 모델입니다. 그리고 얻고자 하는 텍스트는

[09:10] 실제로 모델에

[09:11] 무엇을 입력할 것인가? 맞죠?

[09:13] 여기를 클릭해서 모델이

[09:15] 이 매개변수를 정의하도록

[09:17] 하겠습니다. 출력을 단순화하는 면에서

[09:18] 모델이 이것도 정의하도록 하겠습니다.

[09:25] 좋습니다. 이제 도구가 설정되었습니다.

[09:27] 메모리 측면에서는

[09:29] 특정 세션을 저장할 수 있는 간단한 메모리를 포함시키겠습니다.

[09:36] 다시 말하지만, 이 모든 것들을

[09:37] 바꿀 수 있습니다. 중요한 것은

[09:39] 먼저 구성 요소들을 배치하는 것이고

[09:40] 나중에 최적화할 수 있습니다.

[09:42] 세션 ID의 경우

[09:44] 아래에 정의하고 그냥

[09:46] summary라고 부르겠습니다.

[09:48] 정보를 저장할 변수명을

[09:49] 제공하는 것입니다. 이제

[09:52] 진실의 순간이 왔습니다.

[09:54] 실제로 이 AI 에이전트를 실행해보겠습니다.

[09:56] 요약을 생성해야 합니다. 노드가 실행되었고

[09:59] 체크 마크가 많이 있습니다.

[10:01] 이는 좋은 신호입니다.

[10:02] 실제로 무슨 일이 일어났는지 봅시다. 여기로 가서

[10:06] 출력을 보면, 출력이 있는 것 같습니다.

[10:08] 이건 유망해 보입니다.

[10:10] 바이브 코딩, 코드 작성을

[10:12] 가이드하는 실습입니다. 바이브 코딩이란

[10:15] 무엇인가 등등... 발견 사항은

[10:19] 3-7개 항목입니다. 이걸 좀 바꾸고 싶을 수도

[10:22] 이 형식을 조금 바꿔보는 게 좋겠네요.

[10:24] 하지만 여기서 출력 결과를 확인할 수 있습니다.

[10:27] 정말 좋은 결과네요. 로그를 클릭하면

[10:30] AI 에이전트가 실제로 어떤 일을

[10:31] 했는지 정확히 볼 수 있습니다.

[10:33] 여기서 AI 에이전트가 가장 먼저

[10:35] 단순 메모리에서 시작해서 실행할

[10:37] 프롬프트를 입력했습니다.

[10:39] 그것으로 시작했죠. 그다음에

[10:40] OpenAI 채팅 모델로 가서 여기 있는

[10:42] 프롬프트를 전달했습니다. 모델이

[10:44] Perplexity 모델에 메시지를 보내

[10:45] 리서치를 하고 Perplexity 도구를

[10:48] 사용해서 필요한 정보를 수집하기로

[10:50] 결정했습니다. 그 정보가 다시

[10:52] OpenAI 모델로 전달되어 모든 것을

[10:54] 종합해서 요약으로 만들고 다시

[10:55] 단순 메모리에 저장했습니다.

[10:58] 에이전트가 실제로 무엇을 하고

[11:00] 있는지 확인하는 정말 좋은

[11:01] 방법이네요. 또한 저처럼 의심이

[11:03] 많다면 Perplexity도 확인해볼 수

[11:05] 있습니다. 실제로 콘텐츠가

[11:07] 제대로 들어와 있는지 말이죠.

[11:08] 모든 정보가 거기 있습니다.

[11:10] 훌륭하네요. 그리고 단순 메모리도

[11:12] 다시 한번 확인해볼 수 있습니다.

[11:14] 오, 보세요. 실제로 모든 정보를

[11:15] 단순 메모리의 채팅 기록에도

[11:17] 저장했네요.

[11:19] 정말 좋습니다. 이제 해야 할 일은

[11:21] 저장 버튼을 클릭하는 것입니다.

[11:22] 저장을 클릭하지 않으면

[11:24] 전체 워크플로를 잃게 되어

[11:25] 매우 슬플 테니까요.

[11:27] 좋습니다. 이제 여기 요약이 있습니다.

[11:29] 완벽하지는 않지만 꽤 괜찮네요.

[11:31] 에이전트 자체는 제 역할을

[11:33] 해냈습니다. 훌륭합니다. 하지만

[11:35] 이것을 오디오 형식으로 변환하고

[11:36] 싶습니다. 여기에 다른 노드를

[11:39] 추가해보겠습니다. 이것은 또 다른

[11:41] OpenAI 노드가 될 것입니다.

[11:43] OpenAI에는 다양한 액션들이 있고

[11:44] 그 중 하나가 오디오 생성입니다.

[11:46] OpenAI에서 사용했던 것과 동일한

[11:49] 인증 정보를 사용하겠습니다.

[11:51] 오디오 소스의 텍스트 입력으로는

[11:53] AI 에이전트의 출력을 사용할

[11:56] 것입니다. 여기 있는 출력 변수를

[11:59] 드래그해보겠습니다. 이제 이 단계를

[12:01] 실행해서 실제로 작동하는지

[12:03] 확인해보겠습니다. 항상 한 번에

[12:05] 한 단계씩 실행하는 것이 좋습니다.

[12:07] 그래야 오류를 잡을 수 있거든요.

[12:09] 노드가 성공적으로 실행된 것 같네요.

[12:11] 확인해봅시다. 오, 멈췄네요. 바이브 코딩은

[12:16] AI가 코드를 작성하도록 안내하는

[12:18] 실습이 지난 6개월 동안 인기와 기능이 급증했습니다.

[12:22] 이런 상승세가 개발자들의 작업 방식과

[12:24] 소프트웨어 회사들이 AI 지원 개발을

[12:27] 바라보는 시각을 바꾸고 있습니다.

[12:29] 바이브 코딩은 사용자 프롬프트를

[12:31] 바탕으로 인공지능 모델을 사용해

[12:33] 코드를 생성하고, 설명하고, 테스트하고,

[12:36] 리팩터링하는 것을 의미합니다.

[12:38] 강력한 시장 신뢰를 보여주는

[12:41] 100만 달러의 현금을 창출했습니다.

[12:43] 출처: TechCrunch 2025년 6월.

[12:46] 실험을 통해 바이브 코딩이

[12:48] 인간의 검증과 결합될 때 프로덕션

[12:52] 기능을 위한 사용 가능한 코드를

[12:54] 빠르게 생성할 수 있다는 것을

[12:55] 보여주었습니다.

[12:57] 결과는 도메인과 데이터 품질에 따라 달라집니다.

[13:00] 출처 YouTube 2025.

[13:07] 자, 이제 첫 번째 시도인데

[13:10] 솔직히 나쁘지 않죠? 우리가

[13:12] 처음 작성한 프롬프트만으로

[13:14] 작동시킬 수 있었어요. 물론

[13:16] 정리해야 할 부분들이

[13:17] 몇 가지 있습니다. 예를 들어

[13:18] 인용구가 오디오에

[13:20] 직접 포함되는 것은 원하지 않고

[13:22] 제목이 무엇인지 굳이 말할 필요도 없고

[13:24] 아마도 조정할 수 있는

[13:26] 작은 부분들이 있을 거예요.

[13:27] 프롬프트로 이런 걸 해결할 수 있어요.

[13:29] 포맷을 조정하기 위해

[13:30] 요약이 원하는 방식으로 나오도록

[13:32] 프롬프트를 변경했습니다.

[13:34] 정말 나쁘지 않아요.

[13:35] 이 워크플로우를 완성하려면

[13:37] 매번 가서 다운로드하는 건

[13:38] 귀찮을 거예요, 그렇죠?

[13:39] 그래서 실제로 할 일은

[13:41] 이메일로 보내달라고 요청하는 거예요.

[13:44] 다른 항목을 추가할 수 있어요.

[13:46] 이메일이라고 하죠. 좋아요. Gmail.

[13:50] 그리고 이건... 보자, 보자.

[13:52] 메시지 보내기. 좋네요.

[13:54] 여기서도 마찬가지예요.

[13:55] Gmail에서 새 자격증명을 만들 수 있어요.

[13:57] 아주 간단해요. Google로 로그인하면

[13:59] N8N과 직접 연결할 수 있어요.

[14:01] 좋아요. 여기 리소스는

[14:04] 메시지가 될 거예요.

[14:05] 우리가 하고 싶은 작업은

[14:07] 보내기입니다. 보낼 이메일은

[14:09] [email protected]

[14:12] 주제 요약. 이메일 타입은 HTML로 괜찮고.

[14:16] 메시지에는 그냥

[14:18] 오디오 파일이 여기 있다고 할게요.

[14:21] 옵션에서 첨부파일을 할 수 있어요.

[14:25] 여기 있는 오디오 파일을

[14:26] 첨부파일로 사용할 수 있습니다.

[14:29] 이제 이 단계를 실행해봅시다.

[14:31] 이제 실제로 이메일을 확인해봅시다.

[14:34] 와, 대단해요. 저기 보세요

[14:36] 주제 요약. 그리고 오디오 파일이

[14:37] 여기 있어요. 첨부파일로 전송됐네요

[14:40] 바이브 코딩 지난 6개월 요약 제목.

[14:42] 청중 생성.

[14:44] AI 에이전트를 한 단계 더 발전시키고

[14:46] 코드 한 줄도 쓰지 않고

[14:48] 맞춤화되고 아름다운 웹앱을

[14:49] 구축하고 싶다면

[14:51] Lovable을 확인해보세요.

[14:52] Lovable을 사용하면 원하는 것을

[14:54] 설명하는 것만으로 풀스택 앱을 만들 수 있어요.

[14:56] AI 에이전트/AI 앱을 백엔드, 프론트엔드

[14:58] 그리고 데이터베이스가 모두 통합된

[15:00] 기능하는 제품으로 만들 수 있어요.

[15:02] N8N과 같이 이미 사용하고 있는

[15:03] 도구들과 연동되고

[15:05] Superbase나 Stripe 같은

[15:07] 다른 도구들과의 내장 통합 기능도

[15:09] 제공합니다. Lovable 내에서 직접 편집할 수 있는

[15:11] 깨끗하고 편집 가능한 코드를 얻거나

[15:13] 원하는 곳으로 내보낼 수 있어요.

[15:15] 하루에 5번의 빌드 크레딧이 제공되는

[15:16] 무료 티어로 시작할 수 있어요.

[15:19] 30일 내에 제 코드 TINA20YT를 사용하면

[15:22] Lovable Pro 플랜 첫 구매 시

[15:23] 20% 할인받을 수 있어요.

[15:25] 링크는 설명란에 있습니다.

[15:26] 이 영상 부분을 후원해준

[15:28] Lovable에 정말 감사드려요. 이제 영상으로 돌아가겠습니다. 그리고 네, 여기 있어요. 꽤 멋지죠

[15:30] 맞죠? 자, 이제 이 워크플로우가 작동하고 있는 상태입니다.

[15:32] 그리고 많은 YouTube 시청자들이

[15:34] 이 시점에서 "와, 좋네요,

[15:35] 놀라워요, 대단해요"라고 말할 거예요.

[15:36] 그리고 아마 여러분에게 "이제 배포만

[15:38] 하면 끝이에요"라고 말할 수도 있겠죠.

[15:39] 하지만 AI 에이전트의

[15:40] 6가지 구성 요소를 기억해보세요.

[15:42] 아직 6가지를 모두 완성하지 않았습니다.

[15:44] 모델은 있고, 도구도 있고,

[15:46] 메모리도 있습니다. 오디오와

[15:48] 음성 기능도 추가하기로 했죠.

[15:49] 그러면 두 가지가 더 남았습니다.

[15:51] 설명란에 팝퀴즈가 있어요.

[15:53] 지금 우리가 놓치고 있는 두 가지가 뭘까요?

[15:54] 네, 가드레일과 오케스트레이션입니다.

[15:56] 사람들이 항상 건너뛰는 두 가지죠.

[15:57] 그리고 실제로 워크플로우를 배포하고

[15:59] 실생활에서 사용할 때,

[16:01] 많은 문제가 발생하게 됩니다.

[16:02] AI 에이전트가 제대로 작동하고

[16:03] 장기적으로 해야 할 일을 수행하도록

[16:05] 보장하는 이런 구성 요소들이 없기 때문이에요.

[16:07] 그래서 지금 이 두 구성 요소를

[16:09] 추가하겠습니다.

[16:11] 가드레일의 경우,

[16:12] 생각해야 할 최소한 두 가지가 있습니다.

[16:13] 욕설, 남용,

[16:14] 인종차별적인 내용 같은 것들이

[16:17] 포함되지 않도록 해야 합니다.

[16:19] 퍼플렉시티에서 직접 가져오는 것이라

[16:22] 아마 그런 일은 없을 거예요.

[16:23] 하지만 여러 다른 소스를 결합하고

[16:25] 퍼플렉시티 같은 것을 거치지 않는다면,

[16:26] 이런 것들을 검사할 필요가 있습니다.

[16:27] 그래서 이를 위한 장치가 필요합니다.

[16:29] 그리고 두 번째로 확실히 해야 할 구성 요소는

[16:31] 어떤 종류의 오류 처리 기능입니다.

[16:33] 만약 어떤 결과가 나왔는데

[16:35] 퍼플렉시티가 어떤 이유로 실패한다면?

[16:37] 필요한 정보를 가지고 있지 않다면?

[16:39] 전체 워크플로우가 그냥 망가지는 것을 원하지 않을 거예요.

[16:41] 그래서 오류 처리를 만들어

[16:43] 이런 경우를 예상하고 대비해야 합니다.

[16:44] 이런 일이 발생했을 때 워크플로우가

[16:46] 어떻게 해야 할까요?

[16:49] 실제로 이것들을 구현해봅시다.

[16:51] 나오는 요약이

[16:52] 나쁜 언어를 포함하지 않도록 하는

[16:54] 메커니즘을 넣어봅시다.

[16:55] 그리고 이것은 AI 에이전트 바로 뒤에서

[16:57] 수행되기를 원합니다.

[16:59] 여기에 또 다른 노드를 추가하겠습니다.

[17:01] 이것도 OpenAI에서 가져온 것이고

[17:02] 위반 사항에 대해 텍스트를 분류하는

[17:04] 액션이 있습니다. 얼마나 편리한가요?

[17:08] 네, 동일한 OpenAI 자격 증명을 사용하고

[17:10] 표준 보안 조치를 위반하지 않는지

[17:11] 확인해줄 겁니다.

[17:13] AI 에이전트에서 나온

[17:14] 요약인 출력 변수를 여기로 드래그하고

[17:17] 위반하지 않는지만 확인하면 됩니다.

[17:19] 단계를 실행해서

[17:21] 어떻게 보이는지 살펴봅시다.

[17:23] 여기서 플래그가 false로 표시되었습니다.

[17:25] 그리고 성적 내용, 혐오, 괴롭힘,

[17:27] 자해, 미성년자 성적 콘텐츠 등과 같은

[17:28] 다양한 범주에 대해 플래그를 표시합니다.

[17:30] 그리고 실제로

[17:32] 각각에 대한 점수도 제공합니다.

[17:34] 모든 것을 테스트해보겠습니다. 예를 들어,

[17:36] 여기에 '당신이 싫어요. 형편없어요'라고

[17:39] 써보겠습니다. 기술적으로는

[17:41] 이것이 플래그되어야 합니다. 네, true로 플래그됐네요.

[17:45] 그리고 플래그된 카테고리는

[17:46] 괴롭힘입니다. 네, 좋지 않네요.

[17:48] 이것이 작동한다는 걸 확인했습니다. 훌륭해요.

[17:51] 출력을 다시 넣겠습니다. 이제 생각해볼 점은

[17:53] 만약 플래그가 없고 요약에

[17:57] 문제가 없다면, 아마도 이

[17:58] 전체 워크플로우를 그냥 진행하고 싶을 것입니다.

[18:01] 하지만 문제가 있다면 어떻게 할까요?

[18:03] 할 수 있는 일들이 많이 있습니다.

[18:04] 다시 시도하도록 할 수도 있고,

[18:06] AI 에이전트에게 다시

[18:08] 시도하라고 요청할 수도 있습니다.

[18:10] 경고 메시지를 보내도록 할 수 있고,

[18:12] 계속 진행하되 이메일을 보낼 때

[18:14] 플래그를 포함시킬 수도 있습니다.

[18:16] '위반사항이 플래그됐어요'라고

[18:18] 말이죠. 그리고 이메일 본문에

[18:20] 무엇 때문에 플래그됐는지

[18:21] 참고용으로 써놓을 수도 있습니다.

[18:23] 이를 처리하는 방법은 다양하고,

[18:25] 정답이나 오답은 없습니다.

[18:27] 이 AI 에이전트가

[18:28] 어떻게 행동하기를 원하는지에 달려있습니다.

[18:30] 이 경우에는 위반사항으로 분류되면

[18:32] 워크플로우를 바로 중단하고

[18:35] 경고 메시지만 보내도록 하고 싶습니다.

[18:37] 이를 위해 위반사항 노드 다음에

[18:39] 다른 노드를 추가하겠습니다.

[18:41] 스위치 노드라고 부릅니다.

[18:43] 우리가 원하는 것은 플래그 값이

[18:45] false와 같으면 워크플로우를

[18:47] 계속 진행하는 것입니다.

[18:49] 플래그 값이 true와 같으면

[18:51] 다른 작업을 하도록 하고,

[18:54] 필요할 때 유형 변환을 토글해서

[18:57] 이런 오류들이 사라지도록 하겠습니다.

[19:00] false면 계속 진행하고

[19:02] true면 또 다른 노드를 추가해서

[19:05] 이메일 노드로 메시지를 보내겠습니다.

[19:08] 요약 오류: 텍스트 위반

[19:10] 플래그가 발견되었습니다.

[19:13] 자세한 내용은 워크플로우를 확인해주세요.

[19:15] 이제 이것이 실제로 작동하는지 테스트하기 위해

[19:18] 여기에 '당신이 싫어요'라고 써보겠습니다. 이건 괴롭힘으로 플래그되어야 합니다.

[19:24] 스위치를 클릭하면... 작동하지 않는 것 같네요.

[19:27] 다시 시도해보겠습니다.

[19:29] 여기서 입력을 감지해보겠습니다.

[19:32] '당신은 끔찍해요. 당신이 싫어요. 나빠요'와 같이

[19:35] 써볼 수 있습니다. 단계를 실행합니다.

[19:38] 이것은 true로 플래그됐습니다.

[19:40] 노드에서도 여기로 가서

[19:43] 이메일을 보냈어야 합니다.

[19:45] 이제 마지막 구성 요소는

[19:50] 오케스트레이션입니다. 여기에는 배포,

[19:54] 모니터링, 평가, 그리고

[19:57] 시간이 지남에 따라 에이전트를

[19:59] 개선하는 것이 포함됩니다.

[20:02] 가장 간단한 방법은 그냥 배포하고

[20:04] 원하는 방식으로 계속 작동하기를

[20:06] 바라는 것입니다. 하지만 대부분의

[20:08] 프로덕션 준비 워크플로우에서는

[20:09] 평가라고 불리는 것을 포함하고 싶어합니다.

[20:11] 여기서는 실행하고 싶은

[20:12] 다양한 테스트 케이스들이

[20:14] 많이 있습니다.

[20:15] 그리고 이것은 여러 다른

[20:17] 테스트 케이스들을 실행해보는

[20:19] 곳입니다.

[20:21] 실행하고 싶은 여러 테스트 케이스들이

[20:23] 있습니다.

[20:25] 당신의 에이전트에서 볼 수 있습니다. 에이전트가 모든 다양한

[20:27] 테스트 케이스에 어떻게 응답하는지 확인할 수 있습니다. 그리고 결과에 따라

[20:31] 프롬프트를 변경하고 조정하여

[20:35] 결과를 지속적으로 개선할 수 있습니다.

[20:36] 측정되지 않는 것은 완료되지 않는다는 말이 있죠. 따라서

[20:39] 에이전트의 행동을 측정해야만

[20:43] 시간이 지나면서 그 행동을 개선할 수 있습니다. 그런데 평가에 대한

[20:46] 자세한 내용을 더 알고 싶으시다면

[20:49] 여기에 링크된 영상이 있어서

[20:51] 더 깊이 다루고 있습니다. 하지만 이 영상에서는

[20:54] 어떻게 하는지 보여드리겠습니다. 자, 여기가 우리가 입력할

[20:57] 평가 스프레드시트입니다. 여기에는 기후 변화, AI 에이전트, 코끼리,

[21:01] 당근 같은 다양한 주제와 테스트할 다양한 시간대가 있습니다.

[21:05] 이것을 n8n으로 전달하는 방법입니다. 먼저 n8n으로 와서

[21:09] 첫 번째로 할 일은 실제로 다른 트리거 노드를 추가하는 것입니다.

[21:13] '평가 실행 중'이라고 불릴 것입니다. 이것이 평가 트리거이고

[21:17] 여기 있는 Google Sheets를 연결하려고 합니다.

[21:21] 새 자격 증명을 생성해서 할 수 있습니다. 저는 이미 여기에 연결되어 있지만

[21:24] Google Sheets에 연결하는 것은 매우 쉽습니다. 권한 부여를 거쳐서

[21:28] 데이터셋에서 평가를 선택하고 시트 1을 선택하면 됩니다.

[21:32] 좋습니다. 이제 다음으로 말 그대로 'do nothing 노드'라고 불리는 노드를 추가하려고 합니다.

[21:37] 이것은 정말 미학적이고 실용적인 목적을 위한 것으로

[21:41] 두 개의 다른 트리거를 에이전트로 가는 이 노드에 연결할 수 있습니다.

[21:45] 여기에 와서 텍스트 위반을 분류하고 오디오를 생성하는

[21:49] 브랜치가 있죠? 이미 있는 것입니다. 하지만 모든 테스트 기준을

[21:53] 평가할 수 있는 다른 브랜치를 가져오려고 합니다. 그래서

[21:58] 다른 do nothing 노드를 추가하고 평가 노드인 다른 노드를 추가합니다.

[22:03] 이것을 set output 노드로 만들어서 출력을 얻고 출력을 캡처할 수 있도록

[22:07] 하려고 합니다. 다시 Google Sheets에 연결하고

[22:11] 평가를 선택하고 시트 1을 선택할 것입니다.

[22:16] 이제 이전 노드를 실행하겠습니다. 이름을 추가해서 그냥

[22:20] 출력이라고 부르겠습니다. 여기에 들어오는 값을 추가하려고 합니다.

[22:25] 이렇게 하면 실제로 여기 이 컬럼에 출력을 쓸 수 있게 됩니다.

[22:30] 마지막으로 다른 평가 노드를 추가하려고 합니다. 이것은 set metrics입니다.

[22:34] 정확성, 얼마나 정확한지, 얼마나 도움이 되는지, 문자열 유사성이

[22:38] 얼마나 좋은지, 어떻게 분류되는지 등 다양한 유형의 메트릭이 있습니다.

[22:42] 테스트를 평가하기 위해 여기서 사용자 정의 메트릭도 정의할 수 있습니다.

[22:46] 이 경우에는 그냥 선택하겠습니다

[22:45] 도움이 되는 간단한 평가 방법입니다.

[22:47] 이 방법은 모델이 전문 평가자로서

[22:49] 작동하도록 하는 프롬프트가 포함되어 있고

[22:52] 응답의 도움 정도를 평가하여

[22:54] 1부터 5까지의 점수를 제공합니다.

[22:56] 사용할 모델은

[22:58] OpenAI 모델입니다.

[23:00] GPT-4.1 mini를 연결했고, 성능이 좋습니다.

[23:03] 이걸 설정해봅시다.

[23:06] 사용자 쿼리를 query로 설정하면 됩니다.

[23:08] 이 단계를 실행해보면

[23:10] 도움 점수 5점을 받았네요.

[23:12] 좋습니다. 이걸 정리해봅시다.

[23:14] 워크플로우를 정리하고 실제로 실행해볼게요.

[23:17] 실행하려면 여기서 저장을 클릭하고

[23:19] 평가로 가서 새로운 테스트를 실행할 수 있습니다.

[23:21] 5번 테스트입니다. 클릭해보면

[23:24] 총 4개의 테스트 케이스가 있고

[23:26] 각각 다른 케이스들이 모두 통과했습니다.

[23:28] 여기서도 볼 수 있듯이

[23:31] 여기 있는 정보에 대한 결과가 기록되었습니다.

[23:33] 이걸 시도해보시면

[23:36] 여기에 추가할 수 있는

[23:37] 추가 사용 사례들이 있다는 것을 볼 수 있습니다.

[23:39] 테스트해볼 수 있습니다.

[23:41] 지금 보면 도움 점수들이

[23:43] 모두 꽤 높게 나왔고

[23:45] 가장 낮은 것도 4점입니다.

[23:47] 물론 다른 유형의

[23:48] 평가들을 추가할 수도 있습니다.

[23:50] 제가 추천하고 싶은

[23:52] 다른 것들을 말씀드리면

[23:55] 특정 키워드들이

[23:58] 요약 안에 포함되어 있는지

[23:59] 확인할 수 있는 지표들입니다.

[24:01] 전체적인 구조나

[24:03] 전체 길이 등 다양한 유형의

[24:05] 평가들을 할 수 있습니다.

[24:07] 좋습니다. 이 간단한 예시에서

[24:08] 이제 완전한 워크플로우가 완성되었습니다.

[24:11] 좋습니다. 다음으로 할 일은

[24:13] 배포하는 것입니다.

[24:14] n8n에서는 정말 쉽습니다.

[24:16] 비활성에서 활성으로 토글하기만 하면 됩니다.

[24:19] 그리고 실제로 보려면 폼 제출로 가서

[24:22] 여기 테스트 URL이 있습니다.

[24:24] 프로덕션 URL로 토글하세요.

[24:26] 이걸 복사하면 완료입니다.

[24:28] 훌륭합니다. 뭔가 시도해봅시다.

[24:33] AI 에이전트 구축이라고 해보죠.

[24:35] 기간은 2개월로 설정합니다.

[24:37]

[24:39]

[24:42] 제출합니다. 여기 요약이 나왔네요.

[24:44] 결정적인 순간입니다.

[24:46] 제목: AI 에이전트 구축, 지난 2개월 요약

[24:49] AI 에이전트는 인공지능을

[24:52] 도구 사용 및 데이터 접근과 결합하여

[24:54] 작업을 자율적으로 수행하는

[24:56] 소프트웨어 시스템입니다.

[24:58] AI 에이전트를 구축하는 것은

[25:01] 워크플로우 설계, 보안 관리,

[25:03] 그리고 지속적인 모니터링과 업데이트를

[25:06] 보장하는 것을 포함합니다.

[25:08] 주요 발견사항은 3-7개 항목으로 정리됩니다.

[25:12] OpenAI의 2025년 릴리스에는

[25:14] API와 SDK가 포함되어

[25:16] 에이전트 워크플로우를 단순화하고

[25:18] 웹 검색 같은 도구를 통합하며 프로덕션 신뢰성을 위한 관찰 가능성을 향상시킵니다.

[25:23] 출처: OpenAI 2025. 이것이 6가지 컴포넌트와

[25:26] 프롬프트가 모두 완성된

[25:27] 완전히 구축되고 배포된 AI 에이전트입니다.

[25:29] 물론 프롬프트에 대한

[25:30] 몇 가지 조정이 필요하고

[25:32] 평가를 기반으로

[25:33] 프롬프트를 더 조정하여

[25:35] 완벽한 AI 에이전트를

[25:36] 만들어야 할 수도 있습니다.

[25:39] 하지만 AI 에이전트를 가동시키려는

[25:40] 우리의 목표는 달성했습니다.

[25:42] 이 시점에서 이 AI 에이전트를

[25:43] 개선하기 위해 할 수 있는 것들이 많습니다.

[25:45] 예를 들어, 주제를 제출하는

[25:47] 이 폼은 시각적으로 그리 매력적이지 않습니다.

[25:49] lovable 같은 바이브 코딩 도구를 사용하여

[25:51] 이런 것처럼 더 시각적으로 매력적인

[25:53] UI를 만들 수 있습니다.

[25:56] 마찬가지로 지금 워크플로우는

[25:58] 단지 이메일을 보내는 기능만 있습니다.

[26:00] 대신 lovable을 사용해 바이브 코드로

[26:02] 요약을 생성하고 오디오 파일을 만들고

[26:03] 이메일로 받는 대신

[26:05] UI에서 직접 다운로드할 수 있는

[26:07] UI 컴포넌트를 만들 수 있습니다.

[26:08] 여기에 다른 컴포넌트들도

[26:10] 추가할 수 있습니다. 예를 들어

[26:12] 생성한 모든 요약들을

[26:14] 보여주는 대시보드 같은 것들을 말이죠.

[26:15] 할 수 있는 다른 많은 일들이 있습니다.

[26:17] 이제 첫 번째 완전한 AI 에이전트를 구축했으니

[26:19] 이 영상이 도움이 되었기를 바랍니다.

[26:21] 마지막 평가가 있습니다.

[26:23] 화면의 질문들에 답해서

[26:24] 우리가 다룬 모든 정보를

[26:26] 잘 기억하고 있는지 확인해보세요.

[26:27] 그리고 댓글로 여러분이

[26:29] 직접 구축하고 싶은 AI 에이전트가

[26:31] 무엇인지 알려주세요.

[26:32] 이 영상을 끝까지 시청해주셔서

[26:33] 정말 감사합니다.

[26:35] 첫 AI 에이전트 구축에 행운을 빕니다. 다음 영상이나 라이브 스트림에서 만나요.