OpenAI의 AgentKit과 n8n 비교 테스트: 알아야 할 사항

Nate Herk | AI Automation 구독자 67,200명

요약

이 영상은 OpenAI가 최근 선보인 AgentKit(Agent Builder)과 오랜 기간 성장해온 n8n을 사용성, 트리거, 도구 통합, 모델 지원, UI 컴포넌트, 배포·제어 등 6가지 주요 항목으로 꼼꼼히 비교한다. 발표자는 AI 자동화 커뮤니티를 운영하며 수백 건의 비즈니스 솔루션을 n8n으로 구축해온 경험을 바탕으로, 양 플랫폼의 강점과 약점을 공정하게 평가한다. 결과적으로 개발자·엔터프라이즈 환경에서는 자유도 높은 n8n이, 손쉬운 시각 UI와 빠른 프로토타이핑을 원한다면 AgentKit이 적합하다. 핵심은 도구에 얽매이지 않고 문제 해결 능력을 키우는 것이다.

주요 키워드

AgentKit n8n 트리거 통합(Integration) 로우코드 Chatkit HTTP Request 웹훅(Webhook) LLM 모델 오픈소스 호스팅

하이라이트

🔑 AgentKit은 Canva 같은 드래그 앤 드롭 기반 로우코드 시각 인터페이스로 초보자도 빠르게 워크플로우를 구축할 수 있다.
⚡️ n8n은 500개 이상의 네이티브 통합과 HTTP Request, 서브워크플로우 기능으로 거의 모든 서비스와 자유롭게 연동 가능하다.
📌 AgentKit의 트리거는 대화형(chat) 방식에 한정돼 있어 스케줄링·이벤트 구동이 제한적이다.
🚀 n8n은 Gmail, Slack, 웹훅 등 다양한 이벤트 트리거를 지원해 완전 자동화된 백그라운드 실행이 가능하다.
🌟 AgentKit의 Chatkit 위젯은 별도 코딩 없이 깨끗한 브랜드 챗 인터페이스를 웹에 바로 임베드할 수 있다.
⚙️ AgentKit은 OpenAI 클라우드에 완전히 호스팅돼 기술적 관리 부담을 줄여주지만, 데이터·인프라 제어권은 제한된다.
🔧 n8n은 오픈소스(코드 공개) 구조로 자체 호스팅, 로컬 실행이 가능해 비용·데이터·인프라를 직접 관리할 수 있다.
🎯 모델 지원 측면에서 AgentKit은 OpenAI 모델만 쓸 수 있지만, n8n은 Anthropic·Bedrock·Azure 등 다양한 LLM과 로컬 모델도 자유롭게 선택할 수 있다.
💡 가격·에코시스템·커뮤니티 측면에서도 n8n은 6년간 축적된 방대한 템플릿과 강좌, 커뮤니티 콘텐츠를 보유하고 있다.

용어 설명

Agent Builder

OpenAI가 출시한 시각적 로우코드 AI 에이전트 빌더 플랫폼. 드래그 앤 드롭으로 간단한 대화형 워크플로우를 설계할 수 있다.

n8n

오픈소스 AI·자동화 플랫폼. 500개 이상 네이티브 통합과 HTTP Request, 서브워크플로우 기능으로 복잡한 자동화를 구성할 수 있다.

트리거(Trigger)

워크플로우를 시작시키는 조건 또는 이벤트. 예: 신규 이메일 수신, 정해진 스케줄, 웹훅 호출 등이다.

HTTP Request 도구

n8n에서 제공하는 가장 범용적인 통합 수단. API 문서만 있으면 거의 모든 외부 서비스와 데이터를 주고받을 수 있다.

Chatkit 위젯

AgentKit에서 제공하는 프론트엔드 챗 인터페이스 컴포넌트. 별도 프론트엔드 개발 없이 웹사이트에 대화형 에이전트를 삽입할 수 있다.

로우코드(Low-code)

최소한의 코드 작성으로도 앱·자동화 워크플로우를 구축할 수 있는 개발 방식.

OpenAI AgentKit(Agent Builder)과 n8n이란 무엇인지 소개하고, 두 플랫폼을 6가지 카테고리(사용 편의성, 트리거, 도구, 모델, UI 컴포넌트, 배포·제어)로 비교할 것임을 설명한다.

[00:00] OpenAI의 AgentKit 출시와 n8n에 미치는 영향에 대한 소개. AgentKit이 n8n을 대체할 수 있을지에 대한 의문을 제기하며 두 플랫폼을 비교 분석하겠다고 예고한다.

[00:21] AgentKit은 2025년 10월 6일 출시된 OpenAI의 에이전트 빌더로, 드래그 앤 드롭 방식의 간단한 시각적 인터페이스를 제공한다. 샘 올트만은 이를 '에이전트 구축을 위한 캔바'라고 표현했다.

[00:42] n8n은 2019년 10월 출시되어 6년간 운영되었으나, 특히 지난 1년간 급성장했다. 구글 트렌드에서 Make이나 Zapier 같은 경쟁 플랫폼들을 크게 앞서며, 500개 이상의 통합을 제공해 도구 연결이 용이하다.

[01:09] AgentKit이 n8n을 대체할 것인지에 대한 질문에 대해 '아니다'라고 명확히 답한다. OpenAI의 목표가 n8n과 경쟁하는 것이 아니라, OpenAI 환경에 통합된 사용자들을 위한 빠르고 간단한 워크플로우 구축 도구라고 분석한다.

– AgentKit은 직관적인 드래그 앤 드롭 UI와 제한된 로직·노드 옵션으로 초보자 진입 장벽이 낮다. – n8n은 다양한 노드 설정과 옵션이 풍부해 학습 곡선이 있지만, 숙련 후엔 훨씬 강력한 자동화 구현이 가능하다. – 점수: AgentKit 8/10, n8n 6/10.

[01:45] n8n은 개발자를 위해 구축된 강력하고 기술적인 플랫폼으로, 진정으로 무엇이든 할 수 있는 능력을 제공한다. 구글의 Opal 같은 유사한 시각적 도구들이 출시되어도 n8n을 대체하지 못했던 사례를 언급한다.

[02:00] 화자의 전문성을 소개하며 15만 명이 넘는 사람들에게 AI 솔루션 구축을 가르치는 커뮤니티를 운영하고, AI 회사 True Horizon에서 맞춤형 AI 솔루션을 컨설팅한다고 밝힌다. 모든 작업이 n8n을 기반으로 한다고 강조한다.

[02:14] n8n을 소개하며 기업 고객과의 협업 경험을 언급하고, 오늘 비교할 6가지 카테고리(사용 편의성, 트리거, 에이전트 도구, 모델 지원, UI 채팅 컴포넌트, 배포 및 제어)를 제시합니다.

[02:25] 첫 번째 카테고리인 사용 편의성을 다루며, 완전 초보자가 OpenAI Agent Kit(에이전트 빌더)에 접근하는 방법을 설명합니다. OpenAI 플랫폼에서 에이전트 빌더에 접근하는 과정을 안내합니다.

[02:51] 채팅 에이전트와 완전 자율적인 도구 에이전트의 차이점을 설명합니다. 채팅 에이전트는 정보 검색과 질문 답변에 집중하며, 자율적인 행동보다는 대화형 지원에 특화되어 있다고 분석합니다.

[03:09] OpenAI Agent Kit의 워크플로 생성 과정을 살펴보며, 시작 노드가 필수적이고 삭제할 수 없다는 점을 강조합니다. 워크플로의 기본 구조와 노드 연결 방식을 설명합니다.

[03:25] AI 에이전트의 구성 요소들을 소개합니다. 이름 지정, 지시사항, 채팅 기록 포함, 모델 선택, 추론, 도구 제공, 출력 형식(텍스트, JSON, 위젯) 설정이 가능하다고 설명합니다.

[03:38] OpenAI Agent Kit과 n8n의 사용자 경험을 비교합니다. OpenAI Agent Kit이 훨씬 덜 위협적이고 직관적이며, 왼쪽 패널에서 사용 가능한 기능들을 쉽게 확인할 수 있다고 평가합니다.

[04:01] 코딩 배경이 없는 초보자 관점에서 두 플랫폼을 비교합니다. n8n의 경우 수많은 옵션과 변수들로 인해 복잡하고 혼란스러울 수 있다며, 진입 장벽의 차이를 강조합니다.

[04:25] n8n에서 에이전트를 설정할 때 채팅 모델 연결 오류가 발생하며, 메모리와 다양한 도구 옵션들이 OpenAI 에이전트 빌더보다 훨씬 복잡하고 부담스럽게 느껴진다고 설명합니다.

[04:35] 처음 에이전트를 만들 때 인터넷 검색 기능을 추가하고 싶었는데, OpenAI 에이전트 빌더에서는 단순히 플러스 버튼을 클릭하고 웹 검색을 선택하면 되지만, n8n에서는 수백 가지 도구 중 선택하고 API 키를 설정하는 등 훨씬 복잡한 과정을 거쳐야 합니다.

[05:23] 초보자 관점에서 OpenAI 에이전트 빌더가 n8n보다 훨씬 빠르고 덜 압도적이라고 평가하며, 사용 편의성 카테고리에서 Agent Kit 8점, n8n 6점을 부여합니다.

– AgentKit은 현재 대화형 시작(채팅) 이외의 스케줄링·앱 이벤트 트리거가 제한적이다. – n8n은 Gmail, Slack, 웹훅, Twilio 등 80가지 이상 기본 트리거를 지원해 백그라운드 자동화에 최적화됐다. – 점수: AgentKit 5/10, n8n 10/10.

[05:41] 트리거 기능을 비교할 때, OpenAI 에이전트는 채팅을 통한 상호작용만 가능하며 다른 트리거 옵션이 없다는 한계를 지적합니다. 웹 기반 이벤트나 예약된 트리거 설정이 어렵다는 문제점을 설명합니다.

[06:37] OpenAI 에이전트는 API 호출을 통해 ChatKit으로 임베드하거나 에이전트 SDK로 트리거할 수 있지만, HTTP 요청이나 앱 액션으로는 직관적이지 않다고 설명합니다.

[06:58] OpenAI에 예약된 트리거나 앱 이벤트 기능이 없어서 Gmail 에이전트 같은 것을 만들 때 n8n처럼 쉽지 않다고 비교합니다.

[07:13] n8n은 Gmail의 새 메시지 수신, Slack의 다양한 이벤트 등 많은 트리거가 기본 내장되어 있어 웹훅, CRM, Google Drive, Twilio 등과 연동이 쉽다고 설명합니다.

[07:42] 가장 가치 있는 자동화 시스템은 사람이 수동으로 트리거하지 않아도 작동하는 것이라고 강조하며, 개인 어시스턴트보다는 리드 육성이나 빠른 응답 시스템을 추천한다고 합니다.

– AgentKit은 웹 검색, 클라이언트 툴, MCP 서버 등 몇 가지 도구만 기본 제공한다. – n8n은 500개 이상의 네이티브 통합과 HTTP Request, 서브워크플로우를 통해 모든 API와 유연하게 연동 가능하다. – 점수: AgentKit 5/10, n8n 10/10.

[08:05] 비즈니스 성장과 함께 시스템 사용량이 증가하는 확장 가능한 ROI를 만드는 시스템이 중요하며, 개인 어시스턴트는 비즈니스 성장과 사용량이 비례하지 않는다고 설명합니다.

[08:27] 가장 강력한 자동화는 백그라운드에서 실행되는 것이며, OpenAI 에이전트 빌더의 트리거 제한으로 인해 n8n이 10점, AgentKit이 5점으로 평가되어 현재 점수가 AgentKit 13점, n8n 16점이 되었다고 정리합니다.

[08:48] 다음으로 에이전트 도구에 대해 설명하기 시작하며, 이것이 에이전트가 실제로 작업을 수행할 수 있게 해주는 중요한 기능이라고 소개합니다.

[08:54] OpenAI 에이전트 빌더에서 웹 검색 도구 추가는 API 키 없이도 매우 간단하지만, 추가 도구 옵션이 제한적임을 설명합니다.

[09:05] OpenAI의 도구 옵션은 클라이언트 도구, MCP 서버 연결(Gmail, Google Calendar, Drive, Outlook 등) 등 몇 가지로 제한되어 있다고 분석합니다.

[09:36] n8n은 500개 이상의 네이티브 통합과 HTTP 요청 도구를 제공하여 API 문서가 있는 모든 서비스와 연결 가능한 강력한 기능을 보여줍니다.

[10:08] n8n의 서브워크플로우 기능을 통해 완전히 별개의 AI 에이전트(이메일 에이전트 예시)를 구축하고 연결할 수 있는 모듈화된 시스템의 장점을 설명합니다.

– AgentKit은 OpenAI 모델만 사용 가능하지만, 다양한 GPT-시리즈와 Reasoning 모델을 제공한다. – n8n은 Anthropic, Bedrock, Azure, OpenRouter 등 다양한 LLM 공급자를 연결하거나 자체 호스팅 로컬 모델도 쓸 수 있다. – 점수: AgentKit 6/10, n8n 10/10.

[10:36] OpenAI 에이전트를 n8n과 연결하는 것은 가능하지만 MCP 서버 트리거를 사용해야 하며, 서브워크플로우만큼 강력하지 않다고 평가합니다.

[10:53] 에이전트 도구 카테고리에서 agent kit은 5점, n8n은 10점을 받아 현재까지 총점이 agent kit 18점, n8n 26점이 되었으며, 다음으로 모델 지원 카테고리로 넘어갑니다.

[11:10] OpenAI Agent Kit은 OpenAI 모델만 사용할 수 있지만, 다양한 성능과 속도의 모델들이 있어 큰 문제가 되지 않는다. 추론 effort, verbosity, summary, tool choice 등의 설정을 쉽게 조정할 수 있고, 채팅 기록 포함 여부도 토글 가능하다.

[11:34] n8n에서는 Anthropic, Azure, Bedrock, Cohere 등 다양한 채팅 모델을 선택할 수 있고, Open Router를 통해 수백 개의 모델 중에서도 선택 가능하다. top P, frequency, sampling temperature 등의 매개변수도 조정할 수 있으며, 로컬 호스팅을 통해 로컬 모델도 사용 가능하다.

– AgentKit의 Chatkit 위젯은 별도 개발 없이 웹에 깔끔한 챗 인터페이스를 삽입할 수 있다. – n8n은 기본적으로 백엔드 워크플로우에 집중해 UI 커스터마이징 기능이 별도로 제공되지 않는다. – 점수: AgentKit 9/10, n8n 5/10.

[12:20] UI 채팅 컴포넌트 측면에서 Agent Kit은 ChatKit이라는 내장 도구를 제공해 코딩 없이도 웹사이트에 세련된 채팅 인터페이스를 쉽게 임베드할 수 있다. OpenAI 에이전트와 바로 연동되어 큰 부가가치를 제공한다.

[12:48] n8n은 백엔드 워크플로우에 더 집중하며, 기본적으로 채팅 인터페이스를 임베드하는 쉬운 방법을 제공하지 않는다. 보기 좋게 만들려면 별도의 프론트엔드에 에이전트를 임베드해야 한다.

[13:02] Agent Kit에서는 다양한 위젯을 만들 수 있고, OpenAI 에이전트가 이를 구동할 수 있다. 위젯 유형을 설정하고 에이전트의 출력에 따라 변경 가능한 요소들을 조정할 수 있으며, 갤러리에서 다양한 위젯 타입을 확인할 수 있다.

[13:25] Agent Kit은 에이전트가 실제로 인터페이스를 변경할 수 있어 프론트엔드 면에서 우수하지만, n8n의 채팅 인터페이스는 커스터마이징이 어렵고 외관이 좋지 않다는 문제점을 설명합니다.

[13:40] HubSpot의 사례를 통해 Chatkit이 커스텀 프론트엔드 작업을 절약해주고 인터랙티브한 솔루션을 제공한다는 점을 강조하며, UI/채팅 컴포넌트 부분에서 Agent Kit에 9점, n8n에 5점을 부여합니다.

[14:04] 배포와 컨트롤 측면에서 n8n은 오픈소스로 클라우드, 개인 서버, 로컬 컴퓨터 등 다양한 환경에서 호스팅 가능하고 데이터를 완전히 컨트롤할 수 있다고 설명합니다.

– AgentKit은 OpenAI 클라우드에 완전 호스팅되어 기술적 관리는 쉽지만, 데이터 제어권은 OpenAI에 있다. – n8n은 오픈소스(코드 공개)라 클라우드, 프라이빗 서버, 로컬 호스팅까지 자유롭고 데이터·인프라를 직접 관리할 수 있다. – 점수: AgentKit 7/10, n8n 10/10.

[14:40] Agent Kit은 OpenAI 클라우드에서만 배포되어 기술적 설정이 불필요하지만 데이터 컨트롤권이 OpenAI에 있다는 장단점을 비교하며, 기업 환경에 따른 적합성을 논의합니다.

[15:11] 배포와 컨트롤 평가에서 Agent Kit 7점, n8n 10점을 주어 최종 점수가 Agent Kit 40점, n8n 51점으로 n8n이 승리했지만, 사용자 유형에 따라 선호도가 달라질 수 있다고 평가합니다.

[15:31] 두 플랫폼의 가격, 평가 도구, 커뮤니티 지원 등 기타 요소들에 대해 추가로 다룰 예정이며, Agent Kit이 아직 완성된 제품이 아니라는 점을 언급합니다.

– 최종 점수는 AgentKit 40점, n8n 51점으로 n8n이 승리하지만, 용도에 따라 선택이 달라진다. – 빠른 프로토타이핑·UI 위주 구현엔 AgentKit이, 복잡하고 자유도 높은 자동화·데이터 제어가 필요하면 n8n을 추천한다. – 핵심은 도구에 구애받지 않고 문제 해결 능력과 비즈니스 가치를 우선하는 태도다.

[15:40] Agent Kit의 다양한 기능과 현재 무료 접근 가능한 가격 정책을 설명하며, 평가 도구의 장점과 아쉬운 점을 언급합니다.

[15:58] OpenAI 템플릿을 실제로 테스트해보며 트리아지 에이전트와 런치 헬퍼 에이전트가 동작하는 과정을 시연합니다.

[16:24] Agent Kit의 주요 단점으로 데이터 흐름 추적의 어려움을 지적하며, 각 단계에서 데이터가 어떻게 이동하는지 확인하기 어렵다고 설명합니다.

[16:58] n8n의 장점을 강조하며, 모든 노드가 시각적으로 명확하게 표시되고 입력-구성-출력을 쉽게 확인할 수 있어 데이터 흐름 추적과 문제 해결이 용이하다고 설명합니다.

[17:17] OpenAI Agent Kit 환경에서는 변수의 출처와 데이터 흐름을 파악하기 어렵다는 점을 구체적 예시와 함께 설명하며, n8n의 직관적인 인터페이스와 비교합니다.

[17:50] n8n은 에이전트 빌더의 복잡한 로그 시스템보다 훨씬 시각적이고 직관적인 인터페이스로 다양한 실행 결과를 명확하게 보여주며, 초보자에게는 더 쉽게 사용할 수 있는 환경을 제공합니다.

[18:07] OpenAI 에이전트 키트는 데이터셋, 추적 등급, 프롬프트 최적화 등의 강력한 평가 기능을 제공하여 실행 결과를 다양한 방법으로 평가하고 프롬프트를 최적화할 수 있는 도구들을 갖추고 있습니다.

[18:23] 커뮤니티 지원 측면에서 OpenAI는 에이전트 키트를 최근 출시했지만 지속적인 발전이 예상되는 반면, 6년간 존재해온 n8n은 풍부한 콘텐츠, 강좌, 5천개 이상의 무료 템플릿 등 압도적인 커뮤니티 리소스를 제공합니다.

[18:48] 전체 점수는 에이전트 키트 40점, n8n 51점으로 평가되었으며, OpenAI 에이전트 키트는 최소한의 기술적 복잡성으로 빠른 배포, 세련된 채팅 UI, 포괄적인 에이전트 평가, OpenAI 생태계 내 통합이 필요한 경우에 적합합니다.

[19:18] n8n은 개발자 친화적이며 여러 AI 제공업체 지원, 복잡한 워크플로우 자동화, 자체 호스팅을 통한 비용 제어, 완전한 데이터 및 인프라 제어, 무제한 연결성과 데이터 조작 기능을 제공합니다.

[19:38] 도구 선택에 대한 고민보다는 AI가 언제 가치 있는지, 시간 절약 방법, 비즈니스의 핵심 문제 해결 방법을 배우는 것이 중요하며, 비즈니스는 특정 도구의 전문성보다는 실제 결과를 제공할 수 있는 능력을 더 중요하게 평가합니다.

[20:03] 비즈니스에서는 특정 도구가 아닌 실제 결과를 제공할 수 있는 능력을 중시한다. 돈을 절약하고 시간을 단축하며 집중력을 높이는 것이 핵심이다.

[20:10] 도구에 의존하지 말고 문제의 핵심을 해결하는 것이 중요하다. 어떤 방법을 사용하든 결과가 중요하며, 이 분야에는 과대광고가 많다는 점을 지적한다.

[20:25] 플러스 커뮤니티 소개 - 3,000명의 회원으로 구성된 AI 문제 해결사들의 공간이다. n8n과 다른 플랫폼으로 매일 개발하는 사람들이 모여있으며, AI로 비즈니스를 구축하는 실무자들이 활동한다.

[20:47] 세 가지 강의 과정을 소개한다: Agent Zero(초보자용 AI 자동화 기초), 10시간에서 10초로(n8n 활용 시간 절약 자동화), 1인 AI 자동화 에이전시(연간 멤버 전용 확장 가능한 비즈니스 구축 강의).

[00:00] OpenAI가 방금 n8n을 없애버렸다. 정말일까?

[00:02] 왜냐하면 그들이 방금

[00:03] AgentKit을 출시했거든. 아마 지금

[00:04] 온라인에서 그런 이야기를 보고 있을 것이다. 하지만 오늘

[00:07] 나는 실제로 AgentKit과

[00:09] n8n을 비교하고 이 두

[00:10] 에이전트 빌더의 미래에 대해 이야기할 것이다. 언제나처럼

[00:13] 우리는 단순히 이야기만 하지 않을 것이다.

[00:14] 나는 이 두 플랫폼을

[00:15] 다양한 카테고리로 비교해서

[00:16] 각 플랫폼의 장점과

[00:18] 단점을 명확히 보여드릴 것이다.

[00:20] 먼저 각 도구에 대한 간단한 개요부터 시작해보자

[00:21] AgentKit이 있는데, 이것이

[00:23] 2025년 10월 6일에 출시되었다. 이것은

[00:25] 이렇게 생긴 OpenAI의 에이전트 빌더다.

[00:27] 사용하기 매우 간단하고

[00:29] 드래그 앤 드롭 방식의 로우코드 시각적 인터페이스다.

[00:31] 샘 올트만이 이렇게 말한 것이 있다:

[00:33] "Agent Builder는 에이전트 구축을 위한 캔바 같은 것이다.

[00:35] 로직, 단계, 아이디어를 설계하는

[00:37] 빠른 시각적 방법이다." 여러분은 이미

[00:39] n8n이 무엇인지 알고 있을 것 같지만, 만약

[00:41] 모른다면, 이것은

[00:42] 2019년 10월 8일에 출시되었으니까

[00:44] 약 6년 전이다. 하지만 지난 1년 동안

[00:46] 정말로 급성장하기 시작했다.

[00:47] 여기 구글 트렌드 차트에서 볼 수 있듯이

[00:48] 파란색이 n8n이다. 그리고

[00:50] Make이나 Zapier 같은

[00:52] 다른 AI 자동화 플랫폼들이 아래에 있고

[00:54] n8n이 그들을 쭉 뛰어넘어 가는 것을

[00:56] 하키스틱처럼 급상승한 모습을 볼 수 있다.

[00:57] 자신의 데이터에 AI를 연결할 수 있고

[00:59] 500개 이상의 통합이 있어서

[01:01] 도구들과 연결하기 정말 쉽다

[01:02] 그리고 이것이 n8n의 모습이다.

[01:05] 그래서 말했듯이 오늘 우리는

[01:06] AgentKit와 n8n을 다양한

[01:08] 카테고리로 비교할 것이다.

[01:09] AgentKit이 n8n을 없애버릴 것인지

[01:11] 질문에 답하기 위해서 말이다. 간단히 말하면 내 대답은 '아니다'이다.

[01:14] 우리가 이것에 대한 소문을 듣기 시작했을 때

[01:15] 모든 사람이 즉시 달려가서

[01:18] n8n을 죽일 것인가? 나는

[01:19] 전혀 그럴 것 같지 않다고 생각한다. 그리고 나는 또한

[01:21] 매우 명확히 하고 싶은 것은

[01:22] OpenAI의 목표가 n8n과 경쟁하는 것이 아니라고 생각한다는 것이다.

[01:25] AgentKit은 정말로

[01:27] OpenAI 환경에 통합된 팀과

[01:29] 소비자들을 위해 구축되었고

[01:31] 그들은 매우 매우 맞춤화되고

[01:33] 견고한 AI 자동화와 자율 시스템을

[01:35] 구축하려는 것이 아니다. 그들은

[01:37] 정말 빠르고 쉬운

[01:38] 시간을 절약해주는

[01:40] 워크플로우를 구축하고 아마도

[01:41] 팀 내부용 대화형 에이전트도

[01:43] 만들려고 한다. 물론 n8n은

[01:45] 완전히 모든 것이 되도록 구축되었다. 매우

[01:47] 강력하다. 솔직히 개발자들을 위해

[01:48] 구축되었다. 좀 더

[01:49] 기술적이지만, 바로 그 때문에

[01:51] 진정으로 무엇이든 할 수 있는 능력이 있다.

[01:53] 구글이 매우 유사한 시각적

[01:55] 인터페이스인 Opal을 출시했을 때

[01:56] 사람들이 말했다. "오, 이게

[01:58] n8n을 죽일 것인가?" 아니다. 잠깐, 왜

[02:00] 이 문제에 대한 내 의견을 믿어야 할까? 나는

[02:01] 15만 명이 넘는 사람들에게

[02:03] 비즈니스에 구현할 AI 솔루션 구축 방법을

[02:05] 가르치는 AI 자동화 커뮤니티를 운영하고 있다.

[02:07] 그리고 그 모든 것이

[02:09] n8n으로 이루어지고 있다. 우리 AI 회사인

[02:10] True Horizon은 맞춤형 AI 솔루션을 컨설팅하고 구현한다.

[02:12] 그리고 거의 모든 것이

[02:14] 그것이 바로 n8n입니다. 그리고 우리는

[02:16] 기업 고객들과도 협업하고 있습니다. 오늘

[02:17] 살펴볼 카테고리들은

[02:18] 사용 편의성, 트리거,

[02:21] 에이전트 도구, 모델 지원, UI 채팅

[02:23] 컴포넌트, 그리고 배포 및 제어입니다.

[02:25] 첫 번째 카테고리부터 시작하면,

[02:27] 사용 편의성이 있습니다. 만약 제가 완전

[02:29] 초보자이고 에이전트 키트를

[02:30] 테스트해보고 싶다면, OpenAI 에이전트

[02:32] 빌더인데요, 여기 와서

[02:33] OpenAI 에이전트 빌더를 검색할 것입니다.

[02:35] 릴리즈 노트를 확인하거나 여기

[02:37] OpenAI 플랫폼으로 가서 에이전트

[02:39] 빌더를 클릭하고, 여기서

[02:40] 에이전트 빌더를 열 수 있습니다. 이것은

[02:42] 거의 모든 사람들이 사용할 수 있습니다.

[02:43] OpenAI API 계정만 있으면 됩니다.

[02:46] 여기서 보시면

[02:48] 워크플로를 생성할 수 있는 기능이 있습니다. 그리고 여기서

[02:49] 핵심은 채팅 에이전트를 구축한다고

[02:51] 되어 있다는 것입니다. 이제 채팅 에이전트나

[02:53] 대화형 에이전트는 제가 보기에는

[02:55] 완전 자율적인 도구 에이전트와는 매우

[02:57] 다릅니다. 채팅 에이전트는

[02:59] 정보를 찾아주고,

[03:00] 질문에 답하는 데 도움을 주지만,

[03:02] 대신 자율적으로 행동을 취하지는

[03:04] 않습니다. 어쨌든, 여기 아래에

[03:06] 살펴볼 수 있는 템플릿들이 있지만,

[03:08] 그냥 새 플로우를 만들어보겠습니다.

[03:09] 이 환경에 익숙해질 수 있도록 말이죠.

[03:10] 여기서 주목할 점은

[03:12] 시작이 있고, 실제로

[03:13] 이 시작을 삭제할 수 없다는 것입니다. 모든

[03:15] 워크플로에는 트리거가 필요하기 때문입니다.

[03:17] 이 시작이 있으면,

[03:18] 원을 드래그해서 다음에 어디로

[03:20] 갈지 말해야 합니다. n8n에서

[03:21] 노드들을 연결하는 것과 같습니다. 그리고

[03:23] 여기에 AI 에이전트가 있고, 이를

[03:25] 이름을 지을 수 있습니다.

[03:26] 지시사항을 줄 수 있고,

[03:28] 채팅 기록을 포함할 수 있습니다.

[03:29] 모델을 선택할 수 있고,

[03:31] 추론을 할 수 있고, 도구를 줄 수 있습니다. 그리고

[03:33] 출력 형식 섹션이 있는데, 여기서

[03:35] 텍스트, JSON 또는 위젯을 할 수 있고, 이는

[03:37] 나중에 조금 더 얘기하겠습니다. 하지만

[03:38] 즉시 보이는 것은

[03:40] 이 전체 인터페이스가 n8n보다

[03:42] 훨씬 덜 위협적이라는 것입니다.

[03:44] 쉽게 모델을 선택하고 지시사항을 줄 수 있고,

[03:46] 또한 왼쪽에서 사용 가능한

[03:48] 모든 것을 볼 수 있습니다.

[03:49] 에이전트가 있고, 종료할 수 있고,

[03:52] 파일 검색을 할 수 있습니다. 가드레일, MCP

[03:54] 서버를 할 수 있습니다. 5개의 로직과

[03:56] 데이터 작업만 선택할 수 있습니다.

[03:58] If, else, while, 인간 승인, 변환,

[04:01] 또는 상태 설정입니다. 그리고 이것은

[04:03] 코딩 배경이 없는 완전

[04:05] 초보자인 저에게는 훨씬 덜

[04:07] 위협적입니다. n8n 같은 곳에 뛰어들어

[04:09] 새 워크플로를 만들고

[04:10] 이 첫 번째 단계를 열 때와 비교하면

[04:12] 여기에 수많은 다른 것들이 있습니다.

[04:14] AI 에이전트를 가져오고 싶다고 하면

[04:15] 여기 에이전트를 클릭할 수 있습니다.

[04:17] 이 변수를 보고 있는 입력이 있고,

[04:19] 여기 아래에 선택할 수 있는

[04:20] 모든 옵션들이 있고, 정확히

[04:22] 무엇을 의미하는지 모를 수 있습니다.

[04:23] 또한 오류가 이미 발생한 것도 볼 수 있습니다.

[04:25] 이미 오류가 발생했는데 채팅 모델을 연결하지 않았기 때문입니다.

[04:26] 메모리와 다양한 도구들을 추가할 수 있는 옵션도 있습니다.

[04:28] 그리고 이런 것들이 처음에는 OpenAI의 에이전트 빌더로 바로 들어가는 것보다

[04:29] 훨씬 더 부담스럽게 느껴질 것입니다.

[04:31] OpenAI 에이전트 빌더에 들어가는 것보다 훨씬 더 압도적으로 느껴질 거예요.

[04:32] 제가 처음으로 에이전트를 만들 때 가장 먼저 하고 싶었던 일 중 하나는

[04:35] 인터넷에 연결해서 저를 위해 정보를 찾아주도록 하는 것이었습니다.

[04:36] 그리고 OpenAI의 에이전트 빌더에서는

[04:38] 인터넷에 연결해서 저를 위해 정보를 찾아주도록 하는 것이었습니다.

[04:39] 그리고 OpenAI의 에이전트 빌더에서는

[04:40] 도구를 위한 이 플러스 버튼을 클릭하기만 하면 됩니다.

[04:43] 그리고 웹 검색을 선택할 수 있습니다.

[04:44] 이는 기본적으로 ChatGPT에서 웹 검색을 하는 것과 같은 방식으로 검색합니다.

[04:46] 특정 웹사이트만 검색하도록 지정할 수도 있고

[04:48] 위치 기반 검색도 할 수 있습니다.

[04:50] 그러니까 이렇게 간단하게 웹을 검색할 수 있는 AI 에이전트가 만들어졌고

[04:52] 여기서 채팅 모델도 바로 연결할 수 있습니다.

[04:53] API 키를 따로 가져올 필요 없이 말이죠.

[04:55] 하지만 n8n에서 웹 검색을 하려면

[04:57] 도구를 제공해야 하고, 수백 가지의 다른 도구들 중에서 선택해야 합니다.

[04:59] 심지어 커스텀 HTTP 요청을 설정해야 할 수도 있고

[05:00] 심지어 커스텀 HTTP 요청을 설정해야 할 수도 있고

[05:02] 웹 검색과 채팅 모델 모두를 위한 API 키를 가져와야 합니다.

[05:04] 이는 훨씬 더 부담스럽고

[05:05] 확실히 에이전트 빌더에 비해 진입 장벽을 높입니다.

[05:07] 완전한 초보자가 OpenAI 에이전트 빌더에서

[05:09] 하나의 자동화 시스템을 구축하는 데 걸리는 시간을 생각해보면

[05:10] 또는 n8n에서 똑같은 시스템을 구축하는 데 걸리는 시간을 비교해보면

[05:13] 에이전트 빌더에서 훨씬 더 빠르고

[05:15] 훨씬 덜 압도적으로 느낄 것입니다. 단연코 말이죠.

[05:17] 그래서 첫 번째 카테고리에서는

[05:18] Agent Kit이 10점 만점에 8점을 받습니다.

[05:20] n8n은 10점 만점에 6점을 받고

[05:21] 이것이 지금까지의 새로운 총점입니다.

[05:23] 어쨌든, 다음 카테고리인 트리거로 넘어가겠습니다.

[05:24] 앞서 이 워크플로우 섹션을 볼 때

[05:26] 채팅 에이전트를 구축한다고 나와있던 것을 기억하세요.

[05:28] 이제 트리거를 보면

[05:30] 제가 왜 그것에 끌리는지 또는

[05:31] 끌리지 않는지에 집착하는지 알 수 있습니다.

[05:34] AI 에이전트가 있고 이 시작 옵션만 있을 때

[05:35] 보시다시피 다른 트리거는 사용할 수 없습니다.

[05:37] 즉, 이 에이전트와 소통하고 싶다면

[05:39] 실제로 트리거할 수 있는 유일한 방법은

[05:41] 여기 미리보기에서 볼 수 있듯이 대화하는 것입니다.

[05:42] 워크플로우를 테스트하려면

[05:44] 여기서 채팅할 수 있고

[05:46] n8n을 웹에서 검색해달라고 말할 수 있습니다.

[05:49] 에이전트가 지금 웹 검색 기능을 사용하고 있는 것을

[05:50] 시각적으로 확인할 수 있습니다.

[05:53] 고착되어 있다는 것입니다.

[05:55] AI 에이전트가 있고 이 시작 옵션만 있을 때

[05:56] 보시다시피 다른 트리거는 사용할 수 없습니다.

[05:58] 즉, 이 에이전트와 소통하고 싶다면

[06:00] 실제로 트리거할 수 있는 유일한 방법은

[06:02] 여기 미리보기에서 볼 수 있듯이 대화하는 것입니다.

[06:03] 워크플로우를 테스트하려면

[06:05] 여기서 채팅할 수 있고

[06:07] n8n을 웹에서 검색해달라고 말할 수 있습니다.

[06:08] 에이전트가 지금 웹 검색 기능을 사용하고 있는 것을

[06:10] 시각적으로 확인할 수 있습니다.

[06:12] 그리고 추론 능력을 사용해서 n8n을 웹에서 검색하고 있습니다.

[06:14] 이는 정말 멋진데, 몇 초 만에 웹 에이전트를 만들었기 때문입니다.

[06:16] 하지만 여기서 문제는

[06:17] 웹 기반 이벤트나 예약된 트리거를 설정하는 좋은 방법을 찾을 수 없다는 것입니다.

[06:19] 여기서 AI 에이전트를 퍼블리시하러 가더라도

[06:21] 이것을 테스트 웹 에이전트라고 부르죠, 아니면 그냥 텍스트라고 하겠습니다.

[06:24] 그리고 이것을 퍼블리시하면

[06:26] API 호출에서 사용할 수 있다고 나와있습니다.

[06:28] 여러분이 놓쳤을 수도 있지만

[06:30] 우리가 할 수 있는 것은

[06:31] ChatKit으로 임베드하는 것인데, 이것은 제가

[06:34] 보여드릴 예정입니다.

[06:36] API 호출에서 사용할 수 있다고 바로 거기에 나와있었습니다.

[06:37] API 호출이 가능하다고 나와 있었습니다. 여러분이 놓쳤을 수도 있지만,

[06:39] 우리가 할 수 있는 것은

[06:40] ChatKit으로 임베드하거나, 이건 나중에 설명하겠고,

[06:42] 또는

[06:43] 에이전트 SDK에서 이 에이전트를 트리거할 수 있습니다.

[06:45] TypeScript나 Python 코드를 제공해줍니다.

[06:47] 이것이 의미하는 바는

[06:49] 기술적으로는 HTTP 요청이나

[06:51] 앱의 액션에서 이 에이전트를 트리거할 수 있지만,

[06:54] 그다지 직관적이거나 쉽지 않다는 것입니다.

[06:56] OpenAI에 예약된 트리거나

[06:58] 앱 이벤트 같은 기능이 있다면 정말 좋을 텐데요.

[07:00] 예를 들어, 이메일에 응답하는

[07:03] OpenAI 에이전트를 만들고 싶다면,

[07:04] n8n만큼 쉽지 않을 겁니다.

[07:06] Gmail의 '새 메시지 수신' 트리거 같은 것이

[07:08] 없기 때문이죠.

[07:10] 반면 n8n에서 트리거를 보면,

[07:13] 여기 Gmail로 갈 수 있고

[07:14] 트리거가 새 메시지 수신으로 설정되어 있습니다.

[07:16] 그래서 새로운 Gmail을 받을 때마다

[07:18] 이 에이전트가 쉽게 작동할 수 있습니다.

[07:21] Slack에도 8개의 트리거가 있어서,

[07:23] 모든 이벤트, 봇 멘션, 파일 공유,

[07:25] 새 사용자, 반응 추가 등

[07:27] 정말 많은 트리거가

[07:29] n8n에 기본적으로 내장되어 있습니다.

[07:31] 물론 웹훅도 있어서

[07:32] CRM에서 데이터를 보낼 수도 있고, Google Drive, Twilio,

[07:36] 거의 모든 것이 가능합니다.

[07:38] 제가 생각하기에 자동화나

[07:40] AI 자동화에서 가장 가치 있는 시스템은

[07:42] 사람이 수동으로 트리거하지 않아도

[07:44] 작동하는 것들입니다.

[07:45] 간단한 예로, 많은 기업들이

[07:47] 저희에게 연락해서

[07:49] 제가 만든 개인 어시스턴트를

[07:51] 통합하고 싶어 합니다.

[07:52] 하지만 ROI를 빠르게 보여줄 수 있는

[07:54] 최고의 퀵 윈이 무엇인지

[07:55] 소통하려고 할 때,

[07:57] 저는 절대 개인 어시스턴트를 추천하지 않습니다.

[07:59] 제가 추천하는 것은 리드를 육성하거나

[08:01] 리드에 더 빠르게 응답하는 것 같은

[08:02] 시스템들입니다.

[08:03] 이런 종류의 시스템이

[08:05] 비즈니스 성장에 도움이 되고,

[08:07] 비즈니스가 성장할수록

[08:08] 그 시스템들이 더 많이 사용될 것이기 때문입니다.

[08:10] 따라서 시스템의 처리량이

[08:12] 비즈니스 성장과 함께 증가하게 되어,

[08:14] 시스템의 확장 가능하고 복합적인

[08:17] ROI를 만들어냅니다.

[08:19] 개인 어시스턴트 같은 것과는

[08:20] 완전히 다릅니다. 비즈니스가 성장한다고 해서

[08:22] 반드시 그 시스템을

[08:24] 더 많이 사용하게 되는 것은 아니거든요.

[08:25] 요약하자면, 제 생각에 가장 강력한 자동화는

[08:27] 실행되고 있다는 것조차 모를 정도로

[08:29] 백그라운드에서 작동하는 것들입니다.

[08:30] OpenAI의 에이전트 빌더에서는

[08:32] 트리거가 제한되어 있고

[08:34] 일정을 예약하거나 백그라운드에서

[08:36] 작업이 실행되도록 하는 기능이 부족하기 때문에

[08:38] n8n이 확실히 우승한다고 생각합니다.

[08:40] n8n은 10점 만점에 10점,

[08:41] AgentKit은 10점 만점에 5점으로,

[08:43] 새로운 점수는 AgentKit 13점,

[08:45] n8n 16점입니다.

[08:48] 이제 에이전트 도구로 넘어가겠습니다.

[08:50] 이것은 정말 정말 중요한데,

[08:51] 우리 에이전트가 대신해서

[08:52] 실제로 작업을 수행할 수 있는 능력을 주기 때문입니다.

[08:54] 다시 OpenAI 에이전트 빌더로 돌아왔습니다

[08:56] 이미 에이전트에게 웹 검색 도구를

[08:58] 추가해준 상황인데, 정말

[08:59] 쉬웠어요. API 키도 필요없고, 정말 빠르죠. 정말

[09:02] 마음에 들어요. 하지만 이제 더 많은

[09:03] 도구를 추가하려고 하면, 보시다시피

[09:05] 선택지가 몇 개밖에 없어요. 클라이언트 도구가 있는데, 이는

[09:07] 우리 채팅킷 위젯으로 데이터를 전송할 수 있는

[09:09] 기능입니다. 이건 정말 멋지다고 말하고 싶어요. MCP 서버도 사용할 수 있죠. 이는

[09:11] Gmail, Google Calendar에

[09:13] 정말 쉽게 연결할 수 있어서 좋고,

[09:14] Drive, Outlook도 가능하죠. 여기 이런

[09:17] 다른 통합 기능들을 보실 수 있지만

[09:18] 여기에는 그렇게 많지 않고 모두

[09:20] MCP 서버여야 합니다. 다른 MCP 서버에도

[09:21] 연결할 수 있는데, 이는 멋진 기능이에요

[09:23] Zapier에 엄청나게 많은 기능들이 있거든요. 자신만의

[09:25] 커스텀 end 워크플로우에도 연결할 수 있고

[09:26] 다른 MCP 서버들도

[09:27] 많이 연결할 수 있죠. 하지만 이는

[09:29] 세상에 존재하는 API의 수나

[09:31] 표준 HTTP 요청으로 연결할 수 있는 것들만큼

[09:33] 강력하지는 않아요. n8n에서는

[09:35] 도구를 연결하러 오면

[09:36] 우선 n8n 워크플로우를 호출할 수도 있는데

[09:38] 이는 정말 강력하고

[09:40] 물론 이 모든 네이티브 통합 기능들도 있습니다

[09:42] 정말 수백, 수천 개가 있어요

[09:44] 500개가 넘는

[09:45] 네이티브 통합 기능들이 있다고 생각해요. 거의

[09:46] 생각할 수 있는 모든 도구를

[09:48] 여기서 AI 에이전트와 연결할 수 있죠. 그리고

[09:51] n8n에 네이티브

[09:52] 통합이 없다면, 이 HTTP

[09:54] 요청 도구를 사용할 수 있는데 이는 세상에서 가장 동적이고

[09:55] 강력한 도구입니다. 왜냐하면

[09:57] API 문서가 있는 모든 서비스와

[09:59] 말 그대로 대화할 수 있거든요. 그리고

[10:01] 서브워크플로우 호출이 가능하다고

[10:03] 언급했는데, 여기서 볼 수 있듯이

[10:05] 궁극의 개인 비서 예제에서

[10:07] 이메일 에이전트가 있어요. 그리고

[10:08] 이 이메일 에이전트 워크플로우를 열어보면

[10:10] 완전히 별개의 AI 에이전트를

[10:12] 볼 수 있는데 제가 n8n에서 구축한 거예요. 이 에이전트

[10:14] 자체가 여기서 사용할 수 있는

[10:16] 엄청나게 많은 다른 도구들을 가지고 있어요. 그래서

[10:18] 정말 강력한 오케스트레이션

[10:20] 에이전트 시스템을 n8n에서 구축할 수 있어요. 그리고 이 모든 것들이

[10:22] 매우 모듈화되어 있고 재사용 가능해요

[10:24] 이제 이메일 에이전트가 필요하면

[10:26] 이것에 그냥 연결하기만 하면 돼요. 이

[10:28] 에이전트가 100개에 연결되어 있어도

[10:30] 상관없어요. 그리고 네, OpenAI 에이전트를

[10:32] n8n 에이전트에 연결할 수 있다고

[10:34] 말했는데, 실제로 작동하지만

[10:36] 이것을 사용해야 합니다. MCP

[10:38] 서버 트리거 말이에요. 그리고

[10:40] 이 MCP 서버를 여러 다른

[10:42] 도구들에 연결할 수 있을 거예요. 그래서

[10:44] 커스텀 에이전트나 이런 워크플로우들과

[10:46] 대화할 수 있는 기능이

[10:47] 있긴 해요. 다만

[10:48] 서브워크플로우를 도구로 사용하는 것만큼

[10:51] 강력하지는 않아요. 그래서

[10:53] 에이전트 도구 측면에서는 agent kit이

[10:55] 다시 한 번 5점을 받을 것이고, n8n은

[10:57] 10점을 받을 거예요. 새로운 총점은

[10:59] agent kit 18점, n8n 26점입니다. 이제

[11:01] 다음 카테고리로 넘어가죠. 바로 모델

[11:04] 지원입니다. 이건 꽤 간단하고

[11:06] 쉬운 부분인데 OpenAI에서는

[11:10] 물론 OpenAI 모델만 사용할 수 있습니다.

[11:13] 하지만 이건 큰 문제가 아닙니다. 보시다시피

[11:16] 정말 많은 모델들이 있습니다. 성능이 좋은 것들도 있고

[11:18] 빠른 것들, 추론 모델들도 있어요.

[11:19] 실제로는 큰 문제가 아닙니다. 그리고

[11:21] 여기서 추론 effort를 아주 쉽게 바꿀 수도 있어요.

[11:22] verbosity, summary를 변경할 수도 있고

[11:24] tool choice 등 이런 모든 것들을 조정할 수 있습니다.

[11:26] 그리고 다시 한번 말씀드리지만, 이 모든 게

[11:28] OpenAI 환경에 내장되어 있기 때문에

[11:29] 모든 것이 이미 여기에 있습니다.

[11:30] 또한 채팅 기록을 포함할지

[11:32] 포함하지 않을지도 쉽게 토글할 수 있어요.

[11:34] 하지만 n8n에서는 자신만의 채팅 모델을

[11:36] 선택할 수 있습니다. Anthropic, Azure, Bedrock,

[11:37] Cohere, 이런 것들 중에서 말이에요.

[11:40] 또는 Open Router를 사용할 수도 있어요.

[11:42] 그러면 Open Router에 있는

[11:44] 수백 개의 모델 중에서 거의 모든

[11:46] 모델을 선택할 수 있습니다. 훨씬 더 많은

[11:48] 자유도가 있죠. 솔직히 이건 정말

[11:50] 중요하다고 생각해요. 왜냐하면 저는

[11:51] 항상 OpenAI 모델만 쓰지는 않거든요.

[11:54] 대부분의 경우에는 그렇게 하지만, 특정 용도에서는

[11:56] Google 모델을 쓰고 싶을 때도 있고

[11:57] Anthropic을 쓰고 싶을 때도 있어요.

[11:59] 이런 모델들 중 하나를 선택하면

[12:01] 여전히 top P, frequency,

[12:02] sampling temperature 등을

[12:04] n8n에서도 변경할 수 있는 옵션이 있어요.

[12:06] 그래서 n8n이 10점 만점을 받는 이유가

[12:08] 로컬 모델도 사용할 수 있기 때문입니다.

[12:10] n8n을 로컬로 호스팅할 수 있거든요.

[12:12] Agent Kit은 10점 중 6점을 받게 되고

[12:14] 새로운 총점은 Agent Kit 24점,

[12:16] n8n 36점이 됩니다. 자, 이제 정말

[12:18] 흥미로운 부분으로 넘어가보죠.

[12:20] UI 채팅 컴포넌트에 대해 살펴보겠습니다.

[12:23] 이 영상 앞부분에서 몇 번

[12:25] 언급했던 ChatKit이라는 것이 있는데,

[12:26] 이것은 Agent Kit의 내장 도구로

[12:28] 웹사이트 위젯을 만들고 OpenAI

[12:30] 에이전트를 자신의 웹사이트에 정말 쉽고

[12:33] 깔끔하게 임베드할 수 있게 도와줍니다.

[12:35] 사용자들은 추가 코딩 없이도

[12:37] 세련된 브랜드 채팅 인터페이스를

[12:39] 자신의 앱에 추가할 수 있습니다.

[12:40] 모든 게 세련되게 보이고 OpenAI

[12:42] 에이전트와 바로 작동합니다.

[12:43] 이것은 정말로 OpenAI Agent Kit의

[12:45] 큰 부가가치입니다.

[12:48] 반면에 n8n은 훨씬 더

[12:49] 백엔드 워크플로우에 집중합니다.

[12:52] 그래서 기본적으로 채팅 인터페이스를

[12:54] 임베드하는 멋지거나 쉬운 방법이 없어요.

[12:56] 실제로 보기 좋게 만들려면

[12:58] 일반적으로 에이전트를 어떤 프론트엔드에

[13:00] 임베드해야 합니다.

[13:02] 여기 만들 수 있는 다양한 위젯들의

[13:03] 간단한 예시가 있고, OpenAI 에이전트가

[13:05] 이런 다양한 위젯들을 구동할 수 있어요.

[13:07] 그리고 이것이 이 출력 기능이

[13:08] 들어오는 부분이에요. 이것을 위젯으로 바꾸면

[13:10] 기본적으로 원하는 위젯 유형을 설정하고

[13:12] 해당 위젯에서 에이전트의 출력에 따라

[13:14] 에이전트가 변경할 수 있는 작은 요소들을

[13:15] 설정할 수 있습니다. 그래서 여기서

[13:17] '위젯 생성'을 클릭하면

[13:18] 원하는 모습을 설명하고

[13:20] 목업을 시작할 수 있습니다.

[13:22] 갤러리로 가서 이런 위젯 타입들을 볼 수 있고

[13:24] 이것이 바로 위젯들이고 이것이

[13:25] 에이전트가 실제로 인터페이스하고

[13:27] 변경할 수 있다는 점입니다. 그래서

[13:28] 프론트엔드에서 정말 멋지다고

[13:30] 생각합니다. 하지만 n8n의 경우

[13:32] 채팅 메시지 트리거 옵션을 통해

[13:33] 채팅 인터페이스를 열고 임베드할 수

[13:36] 있지만, 이런 모습이죠.

[13:37] 커스터마이징하기 정말 어렵고

[13:39] 보기에도 별로 좋지 않습니다.

[13:40] 여기 HubSpot의 멋진 인용구가 있습니다.

[13:42] Chatkit은 몇 주에 걸친 커스텀

[13:44] 프론트엔드 작업을 절약해 주어서

[13:46] HubSpot의 Breeze 어시스턴트와

[13:47] 에이전트 UI 개선을 쉽게 프로토타이핑할 수

[13:49] 있게 해주었습니다. 커스텀 응답

[13:50] 위젯을 통해 우리 에이전트는

[13:52] 정적인 답변 대신 인터랙티브한 가이드

[13:54] 솔루션을 제공할 수 있습니다. 정말

[13:57] 멋집니다. 그래서 Agent Kit은

[13:58] 10점 만점에 9점을, n8n은

[14:00] 5점을 받아서, 총합이 Agent Kit 33점,

[14:02] n8n 41점이 됩니다. 제가 이 계산을

[14:04] 제대로 했길 바랍니다. 틀렸다면

[14:05] 알려주세요. 이제 마지막 섹션인

[14:07] 배포와 컨트롤에 대해 얘기해보겠습니다.

[14:09] 이는 특히 본인 비즈니스에

[14:11] 사용하거나 다른 비즈니스의 AI

[14:15] 자동화 구현을 도와주려는 경우

[14:17] 중요한 부분입니다. 제 생각에 n8n이

[14:20] 사용하기 쉽고 시각적인 것 외에

[14:23] 인기를 끌게 된 가장 큰 이유 중

[14:25] 하나는 오픈소스라는 점입니다. 사실

[14:27] 그들은 '코드 사용 가능' 같은

[14:30] 용어를 선호하지만, 클라우드에

[14:32] 호스팅할 수도, 개인 서버에

[14:33] 호스팅할 수도, 본인 컴퓨터에

[14:34] 로컬로 호스팅할 수도 있고

[14:36] 모든 데이터를 완전히 컨트롤할 수

[14:38] 있다는 뜻입니다. 특히 LLM도 로컬에서

[14:40] 호스팅하는 경우, 모든 것이 어디로

[14:42] 가는지 알 수 있습니다. 반면 Agent Kit은

[14:43] OpenAI 클라우드에서 완전히

[14:46] 배포되고 관리되므로, 사용자는

[14:47] 기술적 설정을 걱정할 필요가 없어서

[14:48] 좋습니다. 모든 것이 호스팅되지만

[14:51] OpenAI가 데이터와 에이전트가

[14:52] 어디에 있는지를 완전히 컨트롤합니다.

[14:54] 다시 한 번, 회사와 워크플로우가

[14:55] 이미 OpenAI 환경에 완전히

[14:57] 통합되어 있다면, 그건 아마도

[14:58] 큰 문제가 아닐 것이고, OpenAI의

[15:00] Agent Kit으로 정말 유용한

[15:02] 자동화를 쉽게 만들어낼 수 있습니다.

[15:04] 하지만 n8n은 다시 한 번

[15:06] 완전한 컨트롤이 가능하지만,

[15:07] 때로는 처음에 약간 더 많은

[15:09] 기술적 설정이나 전문 지식이

[15:11] 필요합니다. 배포와 컨트롤에서

[15:13] Agent Kit은 10점 만점에 7점,

[15:15] n8n은 10점을 받아서, 최종

[15:18] 총점이 Agent Kit 40점, n8n 51점이

[15:20] 되어 n8n이 오늘의 승자입니다.

[15:22] 하지만 다시 한 번, 이는 상당히

[15:24] 상대적입니다. 만약 제가 개발자

[15:25] 관점이 아닌 다른 유형의 소비자

[15:27] 관점에서 접근했다면, 아마도

[15:29] Agent Kit을 더 좋아했을 것입니다.

[15:31] 어쨌든, 두 플랫폼에 대해

[15:32] 빠르게 다루고 싶은 몇 가지

[15:34] 기타 사항들이 있습니다. 가격,

[15:36] 평가 도구, 커뮤니티 지원 같은

[15:38] 것들입니다. Agent Kit은 아직

[15:39] 완성된 제품이 아니고

[15:40] 여기서 많은 멋진 기능들을 제공하고 있습니다. 현재

[15:42] 가격 정책이 완전히 확정되지 않은 상태입니다.

[15:45] 기본적으로 무료로 접근할 수 있지만,

[15:46] AI 채팅 모델 사용에 대한

[15:48] 비용은 지불해야 할 것 같습니다.

[15:50] Agent Kit은 정말 멋진

[15:52] 평가 도구들을 가지고 있지만,

[15:53] 평가 기능 중 일부는

[15:55] 마음에 들지 않는 부분이 있습니다.

[15:56] 무슨 말인지 빠르게 보여드리겠습니다.

[15:58] 이것은 OpenAI 템플릿 중 하나입니다.

[15:59] 빠르게 미리보기를 하고

[16:01] 간단한 대화를 해보겠습니다.

[16:03] 먼저 안녕하세요라고 말하면

[16:05] 여기서 무슨 일이 일어나는지 볼 수 있습니다.

[16:06] 트리아지 에이전트가 무엇을

[16:08] 출력할지 파악하고 있습니다.

[16:10] 그다음 기본적으로 정보를 보내주면서

[16:12] 시작하려면 다음을 공유해 달라고 합니다.

[16:14] 제가 응답한 것을 볼 수 있습니다.

[16:15] 이 워크플로가 취한

[16:17] 경로를 확인할 수 있습니다.

[16:19] 이제 런치 헬퍼 에이전트가

[16:22] 이것을 런칭하는 방법에 대한 가이드를 만들고 있습니다.

[16:24] 결과와 상관없이 여기서 마음에 들지 않는 부분은

[16:26] 데이터가 각 단계를 통해

[16:27] 어떻게 이동했는지 볼 수 없다는 것입니다.

[16:29] 이 미리보기를 닫고

[16:31] 무슨 일이 일어났는지 보려고 하면

[16:32] 이 조건에서 어떤 데이터가

[16:34] 통과했는지 보기가 어렵습니다.

[16:35] 평가를 클릭하면 실제로

[16:37] 로그를 볼 수 있지만

[16:39] 조금 혼란스럽습니다.

[16:40] 각 단계의 타이밍을 볼 수 있고

[16:42] 무슨 일이 일어났는지도 볼 수 있습니다.

[16:44] 이 트리아지 에이전트를 클릭하면

[16:46] GPT5를 사용했다는 것을 볼 수 있습니다.

[16:49] 시스템 프롬프트도 볼 수 있고

[16:50] 여기 입력도 볼 수 있습니다.

[16:52] 추론과 액션도 볼 수 있지만

[16:54] 데이터가 노드를 통해 이동하는 것을

[16:56] 보는 것이 훨씬 어렵습니다. n8n이

[16:58] 이를 훨씬 쉽게 만들어주는데

[17:00] n8n에서는 이 워크플로를 보면

[17:02] 모든 것이 녹색으로 표시되고

[17:04] 얼마나 많은 항목이 통과하는지 볼 수 있습니다.

[17:06] 노드를 클릭하면 왼쪽에서 입력을,

[17:07] 가운데에서 구성을,

[17:08] 오른쪽에서

[17:09] 출력을 볼 수 있습니다.

[17:11] 따라서 데이터 흐름을 추적하고

[17:13] 무엇이 잘못되었는지 정확히 이해하고

[17:15] 무엇을 바꿔야 하는지 파악하기 정말 쉽습니다.

[17:17] 하지만 제 생각에 이 OpenAI 에이전트 키트

[17:19] 환경에서는 무엇이 들어오고

[17:21] 무엇이 나가는지 이해하기 어렵습니다.

[17:22] 여기서 볼 수 있듯이

[17:24] 입력 출력 파싱 등등이라는 변수가 있지만

[17:26] 그 변수가 어디서 오는지

[17:28] 정확히 모르겠습니다.

[17:29] 여기 들어가서

[17:30] 알아내려고 해봐야 할 것 같습니다.

[17:32] 좋아, 출력 형식은 JSON이고

[17:34] 이 응답 스키마가 있는데

[17:36] 여기서 정보를

[17:37] 출력하는 건가요? 어쨌든

[17:39] 여기서 너무 기술적이 되려는 건 아니지만

[17:40] n8n에서 노드의 출력을 볼 수 있고

[17:43] 데이터 흐름을 볼 수 있다는 점이 정말 마음에 듭니다.

[17:44] 입력 구성과

[17:46] 출력을 볼 수 있고

[17:48] 실행을 클릭해서 모든

[17:50] 다양한 실행 결과를 명확하게 볼 수 있고

[17:51] 에이전트 빌더로 들어가서

[17:54] 평가를 보고 모든 로그를 확인하고

[17:56] 이런 식으로 살펴봐야 하는 것보다

[17:57] 훨씬 더 시각적인 인터페이스로 볼 수 있습니다

[17:59] 단지 조금 더 혼란스럽습니다

[18:01] 이게 놀라운 건 초보자였다면

[18:03] 사용하기가 훨씬 쉬웠을 텐데요

[18:05] 하지만 그들은 또한

[18:07] 데이터셋, 추적 등급, 프롬프트 최적화와 함께

[18:08] 정말 멋진 평가 기능들을 가지고 있습니다

[18:10] 여기서 보시는 것처럼

[18:12] 실행 결과를 평가하는 다양한 방법들이 있고

[18:14] 프롬프트를 통과시켜서 성공인지 실패인지 확인할 수 있습니다

[18:16] 프롬프트를 최적화할 수 있고

[18:17] 물론 추적 등급도 매길 수 있습니다

[18:19] 마지막으로 다루고 싶었던 것은

[18:20] 커뮤니티 지원이었습니다

[18:23] OpenAI는 분명히 어제

[18:24] 에이전트 키트를 출시했고, 우리 모두

[18:26] 그 회사가 무엇을 할 수 있는지 알고 있습니다

[18:29] 그들이 작업하고 있는 것은 정말 멋집니다

[18:30] 그래서 에이전트 키트가

[18:32] 계속해서 발전하고 진화할 것이라고 생각합니다

[18:33] 하지만 n8n이 6년 동안 존재해왔고

[18:35] 작년에 폭발적으로 성장했기 때문에

[18:37] 너무 많은 콘텐츠가 있고

[18:38] 너무 많은 강좌가 있고

[18:40] 5,000개 이상의 템플릿과 같은

[18:41] 너무 많은 무료 템플릿이 있는 반면

[18:43] OpenAI의 에이전트 키트에서는 지금 당장

[18:46] 조금 더 혼자서 해결해야 합니다

[18:48] 어쨌든, 전체적으로 에이전트 키트는 40점

[18:50] n8n은 51점입니다

[18:52] 그리고 각각의 도구를 언제 선택할지에 대해

[18:55] 빠르게 얘기하고 싶었습니다

[18:56] 최소한의 기술적 복잡성으로

[18:58] 빠른 배포를 우선시하고 싶다면

[19:00] OpenAI 에이전트 키트를 선택할 것입니다

[19:02] 세련된 채팅 사용자 인터페이스나

[19:04] 동적일 수 있는 위젯을 원한다면

[19:05] 정말 빠르고 쉬운 포괄적인

[19:07] 에이전트 평가와 테스트를 찾고 있다면요

[19:09] 그리고 물론, 내 비즈니스에 대해 알고 있는

[19:10] 모든 것이 이미 OpenAI의

[19:12] 생태계에 있다면, 이러한 사용자 정의

[19:14] 워크플로우를 연결하는 것이

[19:16] 정말 쉬워질 것입니다

[19:18] 이제 n8n은 확실히

[19:20] 개발자들을 더 타겟으로 했습니다

[19:22] 여러 AI 제공업체에 걸친 유연성

[19:24] 단순한 채팅을 넘어선 복잡한 워크플로우 자동화

[19:26] 자체 호스팅을 통한 비용 제어

[19:27] 완전한 데이터 및 인프라 제어

[19:29] 당연히 말 그대로 무엇이든

[19:30] 연결할 수 있는 능력이 있고

[19:31] 말 그대로 무엇이든

[19:33] 워크플로우를 트리거할 수 있고

[19:35] 필요한 모든 유형의 데이터

[19:37] 조작이나 변환을 할 수 있습니다

[19:38] 하지만 이 영상을 만드는 것은

[19:40] 저에게 정말 재미있었는데, 많은 사람들이

[19:42] 도구에 사로잡히는 경향이 있다고 생각하기 때문입니다

[19:44] 뭐가 나올까요? 뭐가 관련이 있을까요?

[19:45] 뭘 배워야 할까요? 큰 위험이나 도박을 하는 건가요?

[19:48] 답은 아니오입니다. 당신이

[19:50] AI가 언제 가치 있는지, 언제 그렇지 않은지

[19:52] 시간을 절약하는 방법과

[19:54] 실제로 비즈니스가 직면하고 있는

[19:56] 핵심 문제를 해결하는 방법을

[19:58] 배우고 싶다는 마음가짐으로 접근하는 한 말입니다

[20:00] 왜냐하면 비즈니스와 함께 일하려고 한다면

[20:01] 그들은 아마 당신을 선택하지 않을 것입니다

[20:03] 특정 도구 때문에 당신을 선택하는 것이 아닙니다. 당신을 선택하는 이유는

[20:05] 결과를 제공하는 방법을 알고 있기 때문입니다.

[20:06] 돈을 절약하고, 시간을 단축하며,

[20:08] 집중력을 높여주는 결과 말이죠.

[20:10] 간단히 말해서, 마인드셋은 이것입니다.

[20:12] 도구에 의존하지 말고, 문제의 핵심을 해결하세요.

[20:14] 어떤 방법을 사용하든 상관없습니다.

[20:16] 정말로 중요하지 않아요. 어떻게 목표에 도달하든 말이죠.

[20:18] 장황했던 점 사과드리지만,

[20:20] 제 말을 이해하셨기를 바랍니다.

[20:21] 이런 주제들을 이야기하는 걸 정말 좋아합니다.

[20:23] 이 분야에는 과대광고가 많거든요.

[20:25] 이런 주제를 좋아하는 많은 사람들과

[20:27] 소통하고 싶다면,

[20:29] 제 플러스 커뮤니티를 확인해보세요.

[20:31] 링크는 설명란에 있습니다. 방금 3,000명을

[20:33] 돌파했는데, 정말 신나는 일이죠.

[20:35] 매일 n8n이나 다른 플랫폼으로

[20:37] 개발하는 사람들로 가득한 커뮤니티입니다.

[20:39] AI 문제 해결사들로 구성된 커뮤니티죠.

[20:41] 여기 많은 사람들이 AI로 비즈니스를

[20:43] 구축하거나 자신의 비즈니스에 AI를 활용하고 있습니다.

[20:45] 정말 멋진 공간입니다.

[20:47] 현재 세 가지 완전한 강의도 있습니다.

[20:49] 초보자를 위한 AI 자동화의 기초인

[20:51] Agent Zero가 있고요.

[20:53] n8n을 깊이 다루며 자동화로

[20:55] 시간을 절약하는 방법을 알아보는

[20:57] '10시간에서 10초로' 강의가 있습니다.

[20:59] 그리고 연간 멤버들을 위한 새로운 강의인

[21:01] '1인 AI 자동화 에이전시'에서는

[21:03] 확장 가능한 AI 자동화 비즈니스 구축의

[21:05] 기초를 다룹니다. 매주 한 번 라이브 콜도 진행하는데,

[21:07] 최근에 정말 재미있었습니다.

[21:09] 흥미로운 질문들과 토론들이 많이 나왔거든요.

[21:11] 여러분을 이 커뮤니티에서 만나고 싶습니다.

[21:12] 오늘 영상은 여기까지입니다.

[21:14] 즐거우셨고 새로운 것을 배우셨다면

[21:15] 좋아요 버튼을 눌러주세요. 정말 큰 도움이 됩니다.

[21:17] 그리고 언제나 그렇듯이, 영상 끝까지 봐주셔서 감사합니다.

[21:20] 다음 영상에서 만나요.