n8n과 Claude로 AI 에이전트 군단을 즉시 구축하는 방법

Mark Kashef 구독자 37,000명

요약

이 영상에서는 Claude 4 Opus, extended thinking, 웹 검색 기능을 활용해 단 한 번의 프롬프트만으로 n8n 워크플로우 전체를 자동 생성하는 과정을 살펴본다. AI 에이전트 모듈과 Langchain 기반 구조를 이해하고, JSON 치트 시트를 활용해 커스텀 도구 세트를 학습시킴으로써 손쉽게 마스터 에이전트와 서브 에이전트를 구성한다. Flexiflow Studios, Pet Pal Concurge, Chaos Coffee 같은 가상 비즈니스 예제를 통해 프롬프트 응용 방법과 검증 단계를 체험한다. 초보자도 코드 작성 없이 빠르게 0에서 80% 수준까지 워크플로우를 구현할 수 있는 팁을 제공한다.

주요 키워드

Claude 4 Opus extended thinking web search Langchain JSON AI agent module n8n prompt engineering

하이라이트

🔑 단일 프롬프트로 마스터 에이전트부터 서브 에이전트까지 JSON 워크플로우를 자동 생성한다.
⚡️ Claude 4 Opus는 extended thinking과 웹 검색을 결합해 도구 선택과 구조 설계를 스스로 수행한다.
🚀 AI 에이전트 모듈은 Langchain 기반으로 자체 메모리와 다양한 API 호출 기능을 지원한다.
📌 agent_tools.json 파일을 치트 시트처럼 활용해 원하는 도구 세트를 학습 데이터로 삼는다.
🌟 Flexiflow Studios, Pet Pal Concurge, Chaos Coffee의 가상 비즈니스 예제를 통해 실전 프롬프트 응용법을 소개한다.
💡 프롬프트 앞뒤에 비즈니스 설명을 배치해 모델 집중도를 높이고 결과 정확성을 강화한다.
🛠 서브 에이전트마다 최대 3~5개의 검증된 툴만 연결하고 오류 처리 노드를 반드시 추가하도록 설계했다.

용어 설명

n8n

코드 없이 다양한 서비스와 API를 연결해 자동화 워크플로우를 구성하는 오픈소스 플랫폼

Claude 4 Opus

Anthropic에서 개발한 대형 언어 모델로, extended thinking과 웹 검색 기능을 지원한다

extended thinking(확장된 사고)

Claude 4가 제공하는 메모리 기반 심층 추론 기능으로 긴 텍스트 분석과 단계별 검증을 가능하게 한다

web search

실시간 웹 검색을 통해 모델의 학습 범위를 넘어 최신 정보를 수집하는 기능

Langchain

AI 에이전트와 툴 연결을 돕는 프레임워크로, n8n의 AI agent module 구현 기반

JSON

JavaScript 객체 표기법, n8n 워크플로우와 노드 구성을 코드로 정의하는 포맷

AI agent module

n8n에서 AI 모델, 메모리, 툴 노드를 결합해 자율적 에이전트를 구현하는 핵심 노드

prompt engineering

언어 모델에 최적의 결과를 이끌어내기 위해 프롬프트 구조와 표현을 설계하는 기법

단 하나의 프롬프트로 n8n 워크플로우 전체를 자동 생성하는 방법을 소개한다. Claude 4 Opus, extended thinking, 웹 검색 기능의 역할을 간략히 설명한다.

[00:00] Claude 4 Opus를 활용한 AI 에이전트 군대 구축 개념을 소개하며, 하나의 프롬프트로 마스터 에이전트와 전문 서브워크플로우를 생성하는 혁신적인 방법을 제시합니다.

[00:40] 에이전트 군대를 구성하는 두 가지 접근법을 설명하며, Claude 프로젝트 방식과 직접 채팅 방식의 차이점을 간략히 언급합니다.

예제 JSON 파일을 불러와 마스터 에이전트와 서브워크플로우가 어떻게 연결되는지 직접 확인한다. Opus 실행 후 5~10분 내에 여러 에이전트 초안을 생성하는 과정을 보여준다.

[00:56] 실제 동작하는 시스템의 라이브 데모를 통해 증명 과정을 시작하며, Retrofure 마스터 어시스턴트와 서브워크플로우들의 구조를 보여줍니다.

[01:23] Claude 4 Opus의 확장된 사고와 웹 검색 기능을 활용하여 AI 에이전트 모듈 생성 방법과 도구 연결 방식을 설명합니다.

[01:40] 5-10분의 생성 과정을 통해 여러 에이전트 세트의 초안을 작성하고, 처음 3개 에이전트를 완성하는 실제 과정을 시연합니다.

[02:09] 생성된 JSON 파일들을 n8n으로 복사-붙여넣기 하는 간단한 가져오기 과정을 보여주며, 완전히 설정된 에이전트와 프롬프트가 즉시 사용 가능함을 실증합니다.

[02:49] Claude는 업무에 적합한 서브워크플로우를 생성할 뿐만 아니라 실제 워크플로우 자체도 만들어낼 수 있습니다. 지속가능성 영향 에이전트같은 특화된 에이전트들이 각자의 도구와 지침을 가지고 있습니다.

AI agent module의 핵심 개념과 Langchain 기반 구조를 분석한다. n8n이 JSON으로 워크플로우를 시각화하는 방식과 툴 연결 로직을 설명한다.

[03:22] 다층 에이전트 아키텍처가 구성되어 있어서 각 에이전트가 다른 에이전트를 포함하며, 숙박 조정부터 실시간 상황 관리까지 다양한 기능을 수행합니다. 심지어 동적으로 ChatGPT나 Anthropic 모델을 선택할 수 있습니다.

[04:02] 이 시스템이 작동하는 이유는 Claude 4의 새로운 기능들 덕분입니다. Claude 4 Sonnet과 Opus에 확장된 사고와 웹 검색 기능이 더해져 완벽한 삼박자를 이룹니다. 이전에는 치트 시트가 필요했지만 이제는 더 강력해졌습니다.

[05:10] n8n의 AI 에이전트 모듈은 LangChain 프레임워크를 기반으로 하며, 이는 n8n 커뮤니티를 크게 변화시켰습니다. 중앙 에이전트가 프롬프트를 받아 다양한 도구와 소통하고 언어 모델과 내부 메모리를 활용합니다. n8n은 JavaScript 객체 표기법인 JSON을 사용합니다.

[05:35] JSON 기반 워크플로우 시스템의 작동 원리와 Claude Opus 같은 언어 모델로 JSON을 조작하고 생성하여 n8n에 가져올 수 있는 방법을 설명합니다.

[06:08] AI 에이전트 도구의 특별함과 한계를 설명하며, 일반 워크플로우와 달리 특정 공급자의 모든 도구를 사용할 수 없고 트리거 기반이 아닌 기능적 액션이 필요함을 강조합니다.

[06:52] Claude에게 직접 AI 에이전트 워크플로우 생성을 요청할 때의 문제점들을 설명하며, 도구 이해, JSON 노드 작성, 메서드 계층 구분의 어려움을 지적합니다.

[07:26] 성공적인 AI 에이전트 생성의 핵심은 AI 에이전트 노드가 기대하는 정확한 방식으로 도구를 안정적으로 생성하는 것이며, 목표는 오케스트레이터와 서브 에이전트 역할의 JSON 시리즈를 만드는 것입니다.

[07:57] 단순함을 위해 오케스트레이팅 에이전트에서 도구를 가진 서브 워크플로우로 직접 연결하는 구조를 선호하며, 이제 구체적인 프롬프트 내용을 상세히 살펴볼 예정입니다.

효과적인 프롬프트 구성 요소를 단계별로 살펴본다. 비즈니스 설명 배치, 에이전트 이름 브레인스토밍, 검증된 툴 목록 작성, 오류 처리 노드 연결 지침을 제시한다.

[08:16] Claude가 n8n 워크플로우 아키텍트 전문가로서 포괄적이고 기능적인 AI 에이전트 시스템을 생성하는 임무에 대해 설명합니다.

[08:45] AI 에이전트 노드와 도구 연결 방식에 대한 JSON 구조를 설명하며, 기본 JSON이 에이전트에 첨부된 도구들을 나타내는 방식을 해설합니다.

[08:55] 생성된 n8n 워크플로우 JSON이 100% 유효해야 하며 속성 값 오류가 없어야 한다는 중요한 요구사항을 강조합니다.

[09:06] 속성 값 오류가 무엇인지 설명하며, 언어 모델이 JSON을 생성할 때 핵심 매개변수나 구성요소가 누락되어 n8n이 시각화하거나 가져올 수 없게 되는 문제를 해설합니다.

[09:32] 두 단계 프로세스를 설명합니다. 첫 번째 단계는 비즈니스 설명을 분석한 후 6-8개의 전문 AI 에이전트 이름을 개념화하고 나열하는 것입니다.

[09:54] 각 개념적 에이전트에 대해 검증 가능한 공개 API를 웹 검색하여 찾되, 검증되지 않은 환각 도구나 API는 사용하지 말라고 지시합니다.

[10:19] 환각 도구나 API의 위험성을 설명하며, Opus조차도 가끔 존재하지 않는 가상의 회사 전용 API를 만들어낼 수 있다고 경고합니다.

[10:45] 실제로 기반이 있고 기능할 가능성이 높은 도구를 원한다고 강조하며, 6-8개 아이디어 중에서 가장 임팩트 있는 세 개의 워크플로우부터 시작하자고 제안합니다.

[10:59] Claude Pro 플랜에서 한 번에 6-8개의 워크플로우를 생성할 때 모든 크레딧을 소진할 수 있으므로 3개만 생성하는 것이 좋다. 이렇게 하면 빠르게 검토하고 작동 여부를 확인한 후 크레딧을 전부 사용하기 전에 평가할 수 있다.

[11:25] 시간도 중요한 고려사항이다. 워크플로우 생성에 5-10분이 걸리므로 30분을 기다려서 7개의 워크플로우가 모두 사용할 수 없다는 것을 알아내고 싶지 않다.

[11:36] 두 번째 단계는 선택사항이며, 나머지 에이전트들을 완성하고 싶다면 간단히 요청하면 된다. AI는 다음 단계를 정확히 알 것이다.

[11:54] 전문 에이전트들은 2-3개, 최대 5개의 검증 가능한 실제 도구를 사용해야 하며, 성공과 오류 출력에 올바르게 연결된 응답 및 재시도 노드가 있어야 한다. 이는 선택한 도구들이 합법적이고 만들어진 것이 아님을 확인하는 것이다.

[12:26] AI 에이전트에 문제가 발생할 경우 재시도할 수 있도록 응답 설정과 재시도 단계를 연결해야 한다. 임시 오류가 있을 때를 대비해서다.

[12:40] 프롬프트의 강력함은 전체 프롬프트를 사용하고 맨 아래 비즈니스 설명만 변경하면 된다는 점이다. 비즈니스를 맨 아래에 둔 이유는 프롬프트 엔지니어링에서 언어 모델이 처음과 끝에 주의를 기울이기 때문이다.

[13:04] 가짜 비즈니스 예시를 통해 다양한 운영 최적화 방법을 설명한다. 어떤 도구를 사용할지 사양을 추가하고 클라우드 프로젝트로 더 정교한 프롬프트 버전을 만들 때 정말 흥미로워진다.

agent_tools.json 파일로 다양한 서비스 툴을 미리 학습 데이터로 제공하는 '치트 코드' 방법을 설명한다. 이를 통해 Claude가 올바른 노드 연결 방식을 이해하도록 돕는다.

[13:33] 원샷 워크플로우를 개인의 필요에 맞게 최적화할 수 있으며, 세 가지 가상의 비즈니스 사례를 통해 실제 구현 방법을 살펴본다.

[13:45] 플렉시플로우 스튜디오(틱톡 에이전시), 유니콘 밀크셰이크(디저트 전문점), 카오스 커피가 각각 다른 도구들을 사용하지만 공통점도 가지고 있다.

[14:18] 클로드 프로젝트에는 치트시트 가이드와 agents_tools.json이라는 핵심 파일이 포함되어 있으며, 이는 이 영상의 황금 같은 핵심 내용이다.

[14:50] 개발에 많은 시간이 소요된 프롬프트는 얼리 AI 어답터 커뮤니티 멤버들에게만 독점 제공되지만, 에이전트 툴 파일의 작동 원리는 모든 시청자에게 설명한다.

[15:25] 하나의 AI 에이전트에 여러 도구를 넣는 것은 치트 코드 방식으로, 실제 실행 목적이 아닌 특별한 전략이다.

[15:40] 아사나와 같은 프로젝트 관리 도구의 경우, AI 에이전트 모듈에서 모든 기능을 사용할 수 없으며, 트리거 기능은 에이전트 모듈과 호환되지 않는다는 한계가 있다.

[16:19] AI 에이전트 모듈을 사용한 작업의 복잡성에 대해 설명하며, 실제 비즈니스에서 사용하는 Zoho, Monday, ClickUp 같은 다양한 서비스들과의 연결 문제를 지적합니다.

[16:46] 웹 검색으로는 신뢰성 있게 이런 도구들을 에이전트에 연결하는 방법을 파악하기 어렵다며, 관심 있는 모든 도구들을 하나의 에이전트에 연결하고 JSON으로 다운로드하여 미니 지식 베이스로 활용하는 해결책을 제시합니다.

[17:12] 이 방법을 통해 Claude에서 에이전트를 의사 파인튜닝하여 Slack, ASA, Monday, Zoho 등의 연결 방법을 이해시킬 수 있으며, 이것이 원하는 도구를 자유롭게 사용할 수 있는 치트 코드가 된다고 설명합니다.

[17:49] 치트 시트와 함께 구성하면 비즈니스 설명과 사용 도구들만 제공해도 워크플로우를 안정적으로 생성할 수 있는 강력한 시스템이 완성된다고 강조합니다.

TikTok 에이전시용 워크플로우 예제. Zoom, ClickUp, Slack, Google Sheets, AirTable을 활용한 클라이언트 요청 처리, 프로젝트 설정, 팀 조정 에이전트를 생성한다.

[18:02] 첫 번째 예시인 Flexiflow Studios를 소개하며, 비즈니스 설명과 Zoom, ClickUp, Slack, Google Sheets, Airtable 등의 도구 이름만 입력하면 된다고 설명합니다.

[18:27] Claude 프로젝트용 특별 제작된 슈퍼차지 프롬프트를 통해 클라이언트 요청 처리, 프로젝트 설정, 팀 조정 에이전트로 구성된 세 개의 에이전트 목록을 생성하고, 최종적으로 JSON 파일을 n8n에 직접 가져올 수 있다고 설명합니다.

[19:06] 코디네이터와 하위 워크플로우들의 초안이 작성되며, Air Table, Slack, monday.com 등 모든 노드들이 유효하게 구성됩니다. 추가 훈련 데이터와 치트시트 덕분에 노드들이 올바르게 작동합니다.

[19:30] 팀 조정 AI 에이전트는 ClickUp과 Zoom을 사용해 미팅 예약, 팀 가용성 확인, 작업 생성 등의 논리적인 기능들을 수행합니다. 더 많은 도구를 추가할 수 있지만 0에서 80%까지의 기반 구축이 목표입니다.

[20:18] Pet Pal 컨시어지는 반려동물 케어를 위한 우버 서비스로, 바쁜 반려동물 주인과 지역 시터를 연결합니다. Air Table, Slack, Zoom, ASA를 활용한 마스터 에이전트와 응급 케어, 제공자 관리, 예약 스케줄링 등의 하위 워크플로우들이 구성됩니다.

펫 케어 플랫폼 예제. AirTable, Slack, Zoom, Asana를 사용한 긴급 돌봄, 제공자 관리, 예약·스케줄링, 사진 업데이트 에이전트를 설계한다.

[21:10] 각 에이전트는 정교한 스타터 프롬프트를 가지고 있어 특정 사용 사례에 맞게 미세 조정만 하면 됩니다. 제공자 관리 AI는 monday.com, Air Table, Gmail을 사용하고, 예약 스케줄링은 Google Sheets, ASA, Zoom을 활용합니다.

[21:34] 모든 퍼즐 조각이 설정되어 다양한 노드들을 선택할 수 있고, 노드들이 에이전트에 제대로 연결되어 있어 기능성 구현보다는 더 높은 수준의 작업에 집중할 수 있습니다.

[21:46] AI 에이전트 시스템의 기능과 노드 연결이 제대로 작동하므로, 이제 더 높은 차원의 비즈니스 결정에 집중할 수 있다고 설명합니다. 어떤 에이전트가 특정 비즈니스 프로필에 가장 적합한지 판단하는 실용적인 접근이 가능해졌습니다.

[21:59] Chaos Coffee Co. 사례를 소개합니다. 15개의 독특한 커피숍을 운영하며 '체계적인 혼돈'으로 유명한 회사로, Google Sheets, Air Table, ClickUp 도구를 활용하여 하나의 파일로 모든 사용 사례를 다룰 수 있도록 설계했습니다.

커피숍 체인 워크플로우 예제. Google Sheets, AirTable, ClickUp 기반 재고·배송 관리, 레시피 혁신, 품질 관리, 재무 분석 에이전트를 구축한다.

[22:18] 커피숍 운영을 위한 다양한 전문 에이전트들을 생성했습니다. 운영자 에이전트와 함께 인벤토리 재료 발견, 레시피 혁신, 품질 관리, 재무 분석 등의 서브워크플로우를 각 비즈니스에 맞게 동적으로 구성했습니다.

[22:41] 구체적인 에이전트 기능을 설명합니다. 위치간 조정 AI는 monday.com으로 배송 추적, Slack으로 알림 전송, ClickUp으로 작업 생성을 담당하고, 인벤토리 발견 에이전트는 Air Table 데이터베이스 업데이트와 인벤토리 보드 관리를 수행합니다.

[23:04] 가장 흥미로운 레시피 혁신 에이전트를 소개합니다. Zoom으로 시식 세션 예약, Google Sheets로 레시피 문서화, 15개 지점 전체 직원에게 새로운 레시피 공지 등의 기능을 가지고 있으며, 워크플로우마다 일관된 프롬프트 구조를 보여줍니다.

[23:28] 강의를 마무리하며 이 시스템의 가치를 강조합니다. 시청자들이 자신만의 AI 에이전트 네트워크 초안을 만들어 0에서 80까지 빠르게 발전할 수 있도록 도움이 되기를 바란다고 말합니다.

초기 프롬프트와 샘플 에이전트 네트워크는 설명 링크에서, 슈퍼차지 프롬프트와 치트 시트는 커뮤니티에서 제공한다. 0→80% 가속화 팁을 강조하며 영상을 마무리한다.

타임라인 정보가 없습니다.

[00:00] 하나의 프롬프트만으로 전체 에이전트 군대를

[00:02] 구축한다고 상상해보세요. 이 영상에서는

[00:04] 새로운 Claude 4 Opus를 사용해서 전체

[00:06] 워크플로우 세트를 즉시 생성하는

[00:09] 방법을 정확히 보여드리겠습니다.

[00:11] 마스터 오케스트레이션 에이전트를 구성하고

[00:13] 해당 에이전트에 보고하는 전문 서브워크플로우를

[00:16] 생성하며, 마지막으로 서브 에이전트에

[00:18] 도구를 동적으로 추가하는 것이 얼마나

[00:21] 쉬운지 직접 보게 될 것입니다. 한 줄의 코드도

[00:24] 직접 작성하지 않고 말이죠.

[00:25] 그리고 가장 놀라운 부분은

[00:27] 전체 프로세스가 시작부터 끝까지

[00:30] 단 몇 분밖에 걸리지 않는다는 점입니다.

[00:32] 자동화에 완전히 새로운 분이라도

[00:34] 정교한 에이전트 시스템을 구축하는

[00:36] 가장 빠른 방법을 단계별로

[00:38] 안내해드리겠습니다. 시작해보죠.

[00:40] 좋습니다. 에이전트 군대를 구성하는

[00:41] 두 가지 방법을 다뤄보겠습니다. 둘 다

[00:44] 각각 하나의 프롬프트만 사용하지만,

[00:47] 하나는 Claude 프로젝트를 사용하고

[00:48] 다른 하나는 직접 채팅 메시지를

[00:49] 보내는 방식입니다. 이 프롬프트가

[00:52] 어떻게 작동하는지, 그리고 전체 시스템이

[00:53] 어떻게 작동하는지 보여드리기 전에

[00:55] 먼저 실제로 작동한다는 것을 증명해보겠습니다.

[00:58] 여기 있는 전체 프롬프트를 파일 세트와

[01:00] 함께 보내면 됩니다. 이들은 모두

[01:03] JSON 파일이며, 여기 하나의 마스터 에이전트가

[01:06] 있습니다. 이것은 Retrofure 마스터 어시스턴트라고

[01:09] 불리며, 이 오케스트레이션 에이전트에

[01:11] 보고하는 모든 서브워크플로우들이 있습니다.

[01:14] 기본적으로 우리는 Claude 4 Opus와

[01:16] 확장된 사고 및 웹 검색의 파워를 사용해서

[01:19] 이러한 파일들을 살펴보고, AI 에이전트

[01:22] 모듈을 생성하는 방법, 어떻게 연결되는지,

[01:24] 어떤 종류의 도구가 첨부될 수 있는지를

[01:26] 이해하게 됩니다. 그리고 Claude의 훈련에

[01:28] 없는 추가 정보로 이 정보를 보완해야 한다면

[01:31] 최근 몇 달 동안의 새로운 기능인

[01:33] 웹 검색을 사용할 수 있습니다.

[01:35] 그리고 Opus를 사용한다면

[01:37] 전체 워크플로우를 실행하는 데

[01:38] 약 5~10분 정도만 기다리면 됩니다.

[01:40] 먼저 함께 구성할 수 있는 여러 에이전트 세트의

[01:43] 초안을 작성하는 것을 보게 될 것입니다.

[01:45] 그리고 이 에이전트들 중 3개의 샘플만

[01:48] 요청하면, 5~10분 후에

[01:50] Claude 4 Opus는 사용 가능한 모든 도구를

[01:52] 활용하여 다른 에이전트들의

[01:54] 초안뿐만 아니라 처음 3개 에이전트의

[01:57] 초안을 만들어냅니다.

[01:59] 원한다면 계속해서 나머지도 만들어달라고

[02:02] 할 수 있습니다. 결과는 이런 JSON 파일들의

[02:05] 시리즈를 얻게 됩니다.

[02:06] 여기 작은 드롭다운을 클릭하면

[02:09] 하나의 프롬프트로 이 모든

[02:11] 다양한 에이전트들을 구성한 것을

[02:13] 볼 수 있습니다.

[02:15] 그리고 여기서 복사해서

[02:17] 원활하게 n8n으로 가서 붙여넣기하면

[02:19] 빈 에이전트가 아닌 완전한 에이전트를

[02:23] 갖게 됩니다. 더블클릭하면

[02:26] 에이전트가 어떻게 작동하는지, 모든 서브

[02:29] 도구들을 어떻게 사용해야 하는지에 대한

[02:31] 전체 프롬프트가 설정되어 있는 것을

[02:34] 볼 수 있습니다. 말 그대로 몇 분 만에

[02:36] 사용할 준비가 완료됩니다.

[02:38] 그리고 클릭해서 나가면 이 종류의

[02:41] 비즈니스나 이 종류의 작업에

[02:43] 적합하다고 생각되는 모든 다양한

[02:44] 서브 워크플로우들을 볼 수 있습니다.

[02:46] 그들이 수행하려는 작업의 종류를 말이죠.

[02:49] 수행하려는 작업의 종류에 적합한 서브워크플로우입니다.

[02:51] 하지만 여기서 끝이 아닙니다. 우리는 단순히

[02:53] 이러한 서브워크플로우 초안만 만드는 것이 아닙니다.

[02:55] 실제로 서브워크플로우 자체를

[02:57] 생성할 수 있습니다. 여기서 탭을 이동하면

[02:59] 첫 번째 워크플로우가 구성되어 있는데

[03:02] 이것은 지속가능성 영향

[03:04] 에이전트라고 불리며, 이 에이전트가

[03:06] 결정한 다양한 도구에 접근할 수 있습니다.

[03:08] 이 에이전트의 목적에 가장 적합하다고

[03:11] 판단한 도구들입니다. 그리고 다시 한번

[03:14] 모든 서브 에이전트들은 자체적인

[03:16] 지침을 가지고 있으며 서브도구를

[03:18] 호출하는 방법에 대한 참조 자료도 있습니다.

[03:21] 이제 우리는 기본적으로 에이전트

[03:22] 섹션을 만들고 있는데, 각 에이전트는

[03:25] 또 다른 에이전트를 가지고 있고 둘 다

[03:27] 어떻게 작동해야 하는지에 대한

[03:28] 지침을 가지고 있습니다. 계속해서

[03:30] 보시면 숙박 조정 에이전트부터

[03:32] 실시간 상황 에이전트까지

[03:35] 각각 자체 도구 세트를 가지고 있을 뿐만 아니라

[03:37] 주어진 작업에 대해 ChatGPT

[03:39] OpenAI 또는 Anthropic 모델을 사용할지

[03:41] 결정할 만큼 똑똑합니다. 따라서

[03:44] 우리는 그런 동적인 특성을 가지고 있습니다.

[03:46] 그리고 서로 다른 도구와 기능, 목적을 가진

[03:49] 전체 에이전트 세트가 있으며

[03:51] 모두 중앙 에이전트에게 보고합니다.

[03:53] 이제 프롬프트 자체의 세부사항을

[03:55] 들어가기 전에, 이것이 어떻게

[03:57] 작동하고 왜 작동하는지의 논리를

[03:59] 안내해드리겠습니다. 그리 오래되지 않은

[04:01] 전에, 우리 모두는 또 다른 모델의

[04:03] 축복을 받았습니다. 이 경우

[04:05] Claude 4 모델을 얻었는데, 여기에는

[04:07] Claude 4 Sonnet과 Claude 4 Opus가

[04:09] 있습니다. 뿐만 아니라, Claude 4를

[04:12] 확장된 사고와 결합하면

[04:15] 모든 사람이 사용할 수 있는 기능이며

[04:17] 웹 검색까지 더하면, 지난 한 달 정도

[04:19] 전에 새로 사용 가능해진 기능으로

[04:21] 삼박자가 완성됩니다. 지능과

[04:24] 검색 능력, 그리고 시간에 따른

[04:27] 확장된 성찰 능력의 완벽한 결합입니다.

[04:30] 제 이전 영상을 보셨다면

[04:31] Claude만 사용해서 기본적으로

[04:33] n8n 워크플로우를 만드는 것이

[04:35] 가능하다는 것을 이미 알고 계실 것입니다.

[04:37] 이전에는 치트 시트, 즉 Claude가

[04:40] 이해할 수 있는 일련의 노드로

[04:42] 보완해야 했습니다. 하지만 이제

[04:43] 웹 검색과 확장된 사고를

[04:45] 함께 사용할 수 있게 되어서

[04:48] n8n 워크플로우에 기본적으로

[04:50] 괜찮은 Claude의 능력을 사용할 수

[04:52] 있을 뿐만 아니라, 이제 정말로

[04:54] 이러한 에이전트들의 예시로

[04:56] 과충전시킬 수 있고, 원숭이가 보고

[04:58] 따라하듯이 구조를 이해하고

[05:02] 이러한 도구들이 어떻게 연결되는지

[05:04] 이해하고 서브워크플로우와

[05:06] 다양한 유형의 에이전트들 간의

[05:08] 관계를 이해하게 할 수 있습니다.

[05:10] 여기서 가장 핵심적인 개념은 n8n의 AI 에이전트 모듈입니다.

[05:13] 그리고 이 모듈은 LangChain이라는

[05:15] 프레임워크를 기반으로 하며, 이것은

[05:17] n8n 커뮤니티의 전체 방향을

[05:19] 정말로 바꾼 프레임워크입니다. 이제

[05:22] 프롬프트를 받아들이고 다양한

[05:23] 도구와 대화할 수 있으며 언어 모델을

[05:25] 사용할 수 있고 내부 메모리를

[05:28] 사용할 수 있는 중앙 에이전트가 있습니다.

[05:30] 그리고 전반적으로 n8n은 다른 모든

[05:32] 자동화 도구와 마찬가지로 JavaScript

[05:35] 객체 표기법을 나타내고 이러한 워크플로우를

[05:38] 시각적으로 보이는 방식으로 실현할 수 있게 해줍니다.

[05:40] 모든 것이 JSON을 기반으로 하기 때문에

[05:41] Claude Opus와 같은 언어 모델을 사용해서

[05:44] 이러한 JSON을 조작하고 생성할 수 있습니다.

[05:47] 기본적으로 JSON 자체를

[05:48] 전체 스키마를 생성하고

[05:50] 어떤 곳에든 가져올 수 있습니다.

[05:52] 하지만 일반적인 워크플로우와는 달리

[05:55] 제 튜토리얼이나 아마도 이 AI 에이전트 도구에 대한

[05:57] 수많은 다른 튜토리얼들을 보셨을 텐데

[05:59] 이 도구는 특별합니다. 단순히 무엇을 할 수 있느냐가 아니라

[06:02] 어떻게 작동하는지가 특별합니다.

[06:04] 여기 있는 도구들을 살펴보면

[06:06] 특정 공급자의 아무 도구나

[06:08] 사용할 수 있는 건 아닙니다.

[06:11] AI 에이전트에게 제공되는

[06:13] 다양한 기능이나 메서드들이 있는데

[06:15] 이것들이 반드시 여러분이 가질 수 있는

[06:18] 유일한 기능은 아닙니다.

[06:20] 예를 들어, 구글 시트에

[06:21] 새로운 행이 추가되는 것을 감시하는

[06:24] 노드가 있을 수 있습니다.

[06:26] 그리고 새로운 행이 들어올 때마다

[06:28] 전체 워크플로우가 트리거됩니다.

[06:31] 기술적으로 AI 에이전트는

[06:32] 이런 방식과 잘 맞지 않습니다.

[06:34] AI 에이전트는 에이전트 자체에서

[06:37] 외부적으로 트리거되는

[06:39] 매우 구체적인 형태의 액션을 원합니다.

[06:40] 구글 시트를 예로 들면

[06:42] 새로운 행을 추가하거나, 새로운 행을 받거나,

[06:44] 새로운 행을 검색하는 것과 같이

[06:47] 매우 기능적이고

[06:48] 반드시 트리거 기반이 아닌 것들을 할 수 있습니다.

[06:52] 이것을 염두에 두고, 만약 여러분이

[06:53] Claude에게 바로 AI 에이전트 워크플로우를

[06:56] 만들어달라고 요청한다면

[06:58] 괜찮은 결과를 얻을 수 있지만

[07:00] 기본적으로 어떤 도구를 사용할 수 있는지

[07:02] 이해하는데 어려움을 겪을 것이고

[07:05] 무엇보다도 어떤 도구를 사용할 수 있는지,

[07:06] 이러한 도구들을 시각화하기 위해

[07:09] JSON을 작성할 수 있는 노드가 무엇인지,

[07:11] 그리고 가장 중요하게는

[07:14] AI 에이전트로서 접근할 수 있는

[07:15] 다양한 계층의 메서드들이 무엇인지

[07:17] 구분하는데 어려움을 겪을 것입니다.

[07:20] 이는 여러분이 직접 만들고

[07:21] 편집하는 표준 워크플로우와는 다릅니다.

[07:23] 그리고 이 영상의 나머지 부분을

[07:24] 스포일러하는 건 아니지만

[07:26] 이 전체 과정을 수행할 수 있는 핵심은

[07:29] AI 에이전트 노드가 기대하는

[07:31] 정확한 방식으로 이러한 도구들을

[07:34] 안정적으로 생성하는 능력에 달려있습니다.

[07:36] 따라서 전체적인 목표는

[07:39] 일련의 JSON을 생성할 수 있는 것입니다.

[07:42] 하나는 오케스트레이터 역할을 하고

[07:44] 나머지는 서브 에이전트 역할을 합니다.

[07:46] 이들 모두는 이상적으로

[07:48] 자체 서브워크플로우를 갖지 않습니다.

[07:50] 왜냐하면 그렇게 되면 서브워크플로우를 가진

[07:52] 에이전트들이 또 서브워크플로우를 가지게 되고

[07:54] 이런 체인이 계속 이어질 수 있기 때문입니다.

[07:57] 원한다면 그렇게 할 수도 있지만

[07:59] 단순함을 위해서 저는 이상적으로

[08:01] 오케스트레이팅 에이전트에서

[08:03] 모든 도구를 가진 서브 워크플로우로

[08:04] 바로 넘어가고 싶었습니다.

[08:06] 적어도 우리 접근 방식에서는

[08:08] 이것이 우리가 목표로 하는 일반적인 구조입니다.

[08:10] 이제 이런 배경지식을 가지고

[08:12] 바로 이 프롬프트로 들어가도 안전합니다.

[08:14] 그리고 모든 부분을 순수하게 이해하기 위해

[08:16] 여러분이 정말 중요하게 봐야 할 부분들입니다.

[08:17] 자, 이제 읽어보겠습니다. 당신은

[08:19] n8n 워크플로우 아키텍트이자

[08:22] 시스템 디자이너 전문가입니다. 당신의 주요 임무는

[08:25] 포괄적이고

[08:27] 기능적이며 가져올 수 있는 n8n AI 에이전트

[08:30] 시스템을 제공된 비즈니스

[08:32] 설명을 바탕으로 생성하는 것으로, 엄격하게

[08:35] 구조적 패턴, 노드 유형 및

[08:36] 연결 방법을 모방해야 합니다. 이 경우

[08:38] 일련의 예시들을

[08:40] 제공하고 있습니다. 특히 AI 에이전트

[08:42] 노드와 AI 도구를 통한 도구들에 대해서요.

[08:45] 여기 있는 이 부분은 기본 JSON의

[08:47] 일부로, 에이전트가

[08:50] 해당 에이전트에 첨부된 것이 무엇인지를 나타내며

[08:52] 바로 여기서 도구의 첨부가

[08:54] 이루어집니다. 그런 다음 우리는

[08:55] 가장 중요한 목표는

[08:57] 생성된 모든 n8n 워크플로우 JSON이 100%

[09:00] 유효해야 한다는 것입니다. 즉

[09:01] 손상되지 않고 가져올 수 있으며 속성

[09:04] 값 오류가 전혀 없어야 합니다. 그럼 속성

[09:06] 값 오류가 무엇일까요? 이러한 오류는

[09:08] 언어 모델에 의해 JSON이 생성될 때 꽤

[09:10] 자주 발생하는데, 핵심

[09:12] 매개변수나 핵심 구성요소가 누락된 경우입니다.

[09:14] n8n이 기대하는 것들이 있는데, 그것들이 필요하고

[09:17] 화면에서 보는 방식으로

[09:18] 시각화할 수 있어야 합니다.

[09:20] 실제로 가져올 수가 없게 됩니다.

[09:22] 그래서 확장된 사고 기능을

[09:24] 사용하여 반영하도록 하고

[09:26] n8n으로 가져오기 전에

[09:28] 실제로 작동할 가능성이

[09:30] 매우 높다는 것을 확신하려고 합니다.

[09:32] 다음으로, 두 개의

[09:33] 단계가 있을 것이라고 지시했습니다. 먼저

[09:36] 이 메시지 끝에 제공된 비즈니스 설명을

[09:38] 분석한 후, 채팅에서 직접

[09:40] 6-8개의 잠재적

[09:42] 전문 AI 에이전트 이름을 개념화하고 나열해야 합니다.

[09:44] 이 경우에는

[09:46] 6-8개의 아이디어를 떠올리라고 말하고 있습니다.

[09:48] 만들고자 하는 에이전트 유형에 대해 브레인스토밍을 하세요.

[09:51] 이것은 실제로 작업할 수 있는

[09:53] 기준선을 제공합니다. 다음 부분은

[09:54] 각 개념적 에이전트에 대해

[09:57] 간결한

[09:58] 한 문장을 제공하고...

[10:03] 노드나 검증 가능한 공개

[10:06] API를 웹 검색하여 제공된 예시에서 다루지 않은

[10:09] 도구가 이러한

[10:11] 작업에 가장 적합할 것이라고

[10:12] 나타내는 것들을 찾으세요. 검증되지 않았거나

[10:14] 환각으로 만들어진 도구나

[10:17] API로는 진행하지 마세요. 여기서 마지막 부분이

[10:19] 무엇에 관한 건가요? 환각 도구나 API에 대해서요.

[10:22] 가끔 Opus를 사용할 때도

[10:24] 가상의

[10:27] 존재하지 않는 회사 X 전용 API를

[10:31] 만들어낼 것입니다. 회사 X가 이런

[10:33] 서비스를 가지고 있고, 이런 스택을 가지고 있다고

[10:35] 말했다고 상상해보세요. 실수로

[10:37] HTTP 요청을 만들 수 있습니다. 이는 API에 대한 요청이고

[10:41] company.x.api라고 부르면서 기본적으로

[10:43] 허공에서 만들어내는 것인데, 이는 우리가 원하는 것이 아닙니다.

[10:45] 우리는 도구가

[10:47] 실제로 기반이 있고

[10:49] 실제로 기능할 가능성이 높기를 원합니다. 그리고 이 6-8개의

[10:51] 아이디어에서 우리는

[10:53] 실제로는 단지

[10:54] 가장 임팩트 있는 세 개의 워크플로우를

[10:57] 만드는 것부터 시작하고 싶습니다. 제가 세 개라고

[10:58] 말하는 이유는 두 가지입니다.

[10:59] 여기서 두 가지 이유가 있습니다. 먼저, Claude Pro 플랜에서

[11:02] 한 번에 6~8개의 워크플로우를 생성하면서

[11:04] Cloud Opus와 확장 사고 기능을 사용하면

[11:07] 한 번에 모든 크레딧을

[11:09] 완전히 소진할 수 있습니다.

[11:12] 그래서 제가 3개라고 하는 이유는

[11:14] 빠르게 검토할 수 있는 능력을 주기 때문입니다.

[11:16] 작동하는지 여부를

[11:18] 예상하는 도구들을 추가하는지를

[11:20] 확정하고 모든 크레딧을 기부하기 전에

[11:23] 다음 6~7시간 동안

[11:25] Anthropic에게 말이죠.

[11:27] 두 번째 이유는 당연히 시간 때문입니다.

[11:28] 이것을 완성하는 데 최소 5~10분이 걸리고

[11:30] 30분을 기다리고 싶지 않을 테니까요.

[11:32] 7개의 워크플로우가 모두

[11:34] 완전히 사용할 수 없다는 것을 알기 위해서 말이죠.

[11:36] 이제 이 두 번째 단계는 완전히 선택사항입니다.

[11:38] 그리고 앞으로 나아가서

[11:40] 그들이 제안한 나머지 에이전트들의

[11:42] 초기 초안을 완성하고 싶다면

[11:43] 그냥 "잘했어요."

[11:45] 나머지 에이전트들을 마무리해봅시다"라고 말하면 됩니다.

[11:47] 그러면 이 지시사항으로

[11:48] 다음 단계가 무엇인지 정확히 알 것입니다.

[11:50] 이제 아래로 스크롤하면, 이 특정 지시사항에

[11:52] 집중하고 싶습니다.

[11:54] "이 전문 에이전트들은"

[11:58] 2~3개, 절대 최대 5개의

[12:01] 정말 구별되고, 중요하고,

[12:04] 검증 가능한 실제 도구들을 활용해야 하며

[12:07] 올바르게 연결된 응답과

[12:09] 다시 시도 설정 노드들이

[12:11] 각각의 AI 에이전트 노드 성공과

[12:13] 오류 출력에 연결되어야 합니다."

[12:14] 이것이 평범한 영어로 무엇을 의미하는지

[12:17] 두 번째 탭을 열어보면

[12:19] 우리가 요청하는 것은

[12:21] 선택하는 도구들이

[12:22] 합법적인 도구들인지 확인하는 것입니다. 만들어진 것이 아닌.

[12:26] 그리고 두 번째로, AI를 위한 응답 설정과 다시 시도 단계를 연결하는 것입니다.

[12:29] 에이전트에 문제가 생길 경우

[12:31] 다시 시도할 수 있도록

[12:32] 어떤 형태의 임시 오류가 있을 경우에 말이죠.

[12:35] 그리고 다시 돌아가서, 기본 비즈니스의

[12:38] 비즈니스 설명을 추가하는 것으로 마무리합니다.

[12:40] 그리고 이것이 바로

[12:41] 이것을 매우 강력하게 만드는 것입니다.

[12:44] 이 전체 프롬프트를 사용할 수 있고

[12:45] 맨 아래만 변경하면 됩니다.

[12:47] 그리고 제가 이 비즈니스를

[12:49] 맨 아래에 추가한 이유는 프롬프트 엔지니어링에서

[12:51] 적어도 지금은, 프롬프트가

[12:53] 일반적으로 맨 처음과

[12:55] 맨 끝에 주의를 기울이기 때문입니다.

[12:57] 그래서 비즈니스와

[12:59] 그 비즈니스의 기본 메커니즘이

[13:01] 언어 모델에 의해 정말로

[13:02] 주의 깊게 다뤄지도록 하고 싶습니다.

[13:04] 이 경우, 모든 것을 읽지는 않겠지만

[13:06] 기본적으로 제가 만든

[13:08] 가짜 비즈니스를 통해 설명하는데

[13:10] 일련의 다양한 운영이 있고

[13:12] 우리는 단지 방법을 찾으려고 합니다.

[13:14] 그 운영들을 최적화할

[13:15] 이제 이것이 정말 흥미로워지는 곳은

[13:17] 어떤 종류의 도구를 사용하는지

[13:19] 사양을 추가하고, 훨씬 더 정교한

[13:22] 버전의 이 프롬프트를 만들기 위해

[13:24] 클라우드 프로젝트를 만드는 방법을 찾을 때입니다.

[13:26] 하지만 혹시 이 프롬프트에서

[13:27] 놓친 부분이 있다면

[13:29] 아래 설명에서 사용할 수 있도록 만들어 놓을 테니

[13:31] 살펴보고, 변경하고

[13:33] 마음껏 원하는 대로

[13:34] 원샷 워크플로우에 최적화하도록 수정할 수 있습니다.

[13:37] 이제 다음 세 가지 샘플을 살펴보겠습니다.

[13:38] 완전히 가상의 세 가지 비즈니스를 분석해보겠습니다.

[13:40] 하나는 플렉시플로우 스튜디오라는

[13:42] 틱톡 에이전시입니다.

[13:45] 유니콘 밀크셰이크라는 디저트 전문점과

[13:47] 카오스 커피를 살펴볼 예정입니다.

[13:49] 각각 다른 도구들을 사용하지만

[13:52] 공통점도 있습니다.

[13:54] 플렉시플로우는 클릭업, 에어테이블,

[13:57] 슬랙, 구글 등을 사용합니다.

[13:59] 유니콘 밀크셰이크는 줌과

[14:01] 이런 도구들, 그리고 먼데이닷컴을 사용하고

[14:04] 카오스 커피는 이 둘이 사용하는 도구들을

[14:07] 혼합해서 사용합니다.

[14:10] 이것은 의도적인 예시입니다.

[14:12] 제가 다음에 보여드릴

[14:14] 큰 비법과 핵심 포인트 때문입니다.

[14:16] 클로드 프로젝트를 열어보면

[14:18] 여러 가지가 진행되고 있습니다.

[14:20] 치트시트 가이드도 있고

[14:22] 여기에 agents_tools.json이라는

[14:24] 특별한 파일이 있습니다.

[14:26] 이것이 이 영상에서 배울 수 있는 황금 같은 핵심입니다.

[14:30] 그리고 마스터 오케스트레이팅 에이전트와

[14:32] 서브 에이전트가 있는

[14:33] 다른 워크플로우 세트도 있습니다.

[14:35] 제가 처음에 제공한 프롬프트와 함께

[14:37] 프로젝트에 추가하거나

[14:39] 프롬프트에서 사용할 수 있는

[14:42] 일련의 파일들도 제공하겠습니다.

[14:43] 따라서 초기 워크플로우를

[14:45] 직접 구축할 필요 없이

[14:47] 이것을 사용할 수도 있습니다.

[14:50] 이 프롬프트는 개발하는 데

[14:51] 너무 많은 시간이 걸려서

[14:53] YouTube에서 무분별하게

[14:54] 복사되는 것을 원하지 않습니다.

[14:56] 따라서 이 프롬프트는

[14:59] 얼리 AI 어답터 커뮤니티 멤버들에게만

[15:01] 독점적으로 제공될 예정입니다.

[15:03] 하지만 나머지 분들을 위해

[15:05] 이 에이전트 툴 파일이 어떻게 작동하는지

[15:07] 설명해드리겠습니다. 이것이

[15:10] 여러분에게 많은 기회를 열어줄 것입니다.

[15:12] 이 에이전트 툴을 보시면

[15:14] 하나의 AI 에이전트에 여러 도구들을 넣은

[15:18] 제가 미친 사람이라고 생각하실 겁니다.

[15:22] 제가 이 워크플로우를 실제로 실행할 의도가 있을까요?

[15:25] 아닙니다. 제가 하고 있는 것은

[15:27] 일종의 치트 코드입니다.

[15:30] 이전에 기억하신다면, 예를 들어

[15:32] 프로젝트 관리 도구인 아사나에서

[15:34] 옵션으로 가면

[15:35] 이 모든 것들을 AI 에이전트 모듈에서

[15:37] 사용할 수 있지만, 제가 전에 말했듯이

[15:41] 모든 도구들을 반드시

[15:42] 사용할 수 있는 것은 아닙니다.

[15:45] 이러한 다양한 방법들의 일부만

[15:47] 사용할 수 있습니다.

[15:49] 만약 어떤 형태의 트리거 액션이 있다면

[15:51] 새로운 아사나 이벤트에서

[15:53] 보드로 가져와보겠습니다.

[15:55] 이것이 여러분이 무슨 일이 일어나고 있는지

[15:57] 이해하는 가장 쉬운 방법입니다.

[15:59] 물리적으로 이것을 도구로

[16:01] 연결할 수 없습니다.

[16:03] 이것은 트리거이기 때문에 받아들이지 않습니다.

[16:05] 에이전트 모듈이 실제로

[16:08] 잘 작동할 수 있는 것이 아닙니다.

[16:10] 그래서 에이전트 모듈에 도구를 추가하고

[16:14] 아사나를 클릭하면 이전에 봤던 것만큼

[16:16] 많은 옵션이 없을 것입니다. 이전에는 22개 옵션이 있었지만

[16:19] 에이전트 모듈을 사용한 작업들인데,

[16:22] 여기서 복잡함이 시작됩니다.

[16:23] 이 문제를 해결하느라 몇 시간을 보냈어요.

[16:26] 그리고 알고 있듯이

[16:28] Zoho, Monday, ClickUp 같은

[16:30] 다양한 서비스들은

[16:32] 실제 비즈니스에서 사용하는 도구들입니다.

[16:34] 모든 비즈니스가 Airtable을 쓰는 건 아니고

[16:36] 모든 비즈니스가 Google Sheets를

[16:38] 사용하는 것도 아닙니다. 그럼 이런 도구들이

[16:42] 당신의 툴박스에 있다면 어떻게 될까요?

[16:46] 웹 검색을 신뢰성 있게 사용해서

[16:48] 이것들을 에이전트에 연결하는 방법을

[16:50] 이해할 수 없고, 지속적으로

[16:52] 이런 정확한 도구들을 사용한

[16:54] 워크플로우 예시들로 구성된

[16:57] 지식 베이스가 없다면,

[16:59] 우리가 관심 있는 모든 도구들을

[17:01] 하나의 에이전트에 연결하고

[17:05] 그것을 JSON으로 다운로드해서

[17:06] 기술적으로 이것을 우리의 미니 지식 베이스로

[17:10] 사용할 수 있습니다. 이제 Claude에서

[17:12] 에이전트를 의사 파인튜닝해서

[17:15] Slack 연결을 에이전트에 어떻게

[17:17] 구성하는지 이해시킬 수 있죠.

[17:19] ASA 연결을 에이전트에 어떻게 구성하는지도요.

[17:21] Monday, Zoho도 마찬가지고요.

[17:22] 그래서 이것이 당신의 치트 코드가 되어

[17:25] 원하는 것을 무엇이든 사용할 수 있습니다.

[17:27] 당신의 특정 비즈니스나

[17:29] 제공하는 서비스에 따라서요.

[17:32] 원하는 노드를 어떤 것이든 추가할 수 있어요.

[17:34] quadrant 노드나

[17:36] airtop 도구 노드 같은 것들 말이죠.

[17:37] 그런 다음 사용하고 싶은

[17:40] 모든 다양한 기능들을 연결하고

[17:42] 그 JSON을 지식 베이스의 일부로

[17:44] 사용해서 Claude가

[17:46] AI 에이전트 모듈에서

[17:48] 모든 것을 어떻게 조합할지에 대한

[17:49] 더 나은 이해를 할 수 있도록 합니다.

[17:52] 치트 시트와 함께 이것을 구성하면

[17:53] 이제 정말 강력한 것을 갖게 되어

[17:55] 비즈니스 설명과

[17:57] 그 비즈니스에서 사용하는 도구들만

[18:00] 제공하면 이런 워크플로우들을

[18:01] 계속해서 꽤 안정적으로 만들어낼 수 있습니다.

[18:04] 첫 번째 예시로

[18:06] Flexiflow Studios가 있는데, 정말 멋진 이름이죠.

[18:08] 우리가 가진 지시사항은

[18:11] 이 비즈니스를 위한 에이전트 군대를 구축하라는 것입니다.

[18:14] 비즈니스 자체를 설명하고

[18:16] 도구들의 이름만 입력하면 됩니다.

[18:19] Zoom, ClickUp, Slack,

[18:21] Google Sheets, Airtable을 사용하고

[18:23] 기본적으로 이 모든 것을 하나의 큰

[18:25] 문단으로 맥락화합니다.

[18:27] 이 Claude 프로젝트를 위해 특별히

[18:30] 제작한 슈퍼차지된 프롬프트와 함께

[18:33] 이 특정 스니펫을 받아서

[18:35] 조합할 수 있는 가상의

[18:37] 에이전트 목록을 생성합니다.

[18:40] 그런 다음 세 개의 에이전트로 구성된

[18:43] 짧은 목록을 만듭니다: 클라이언트 요청

[18:45] 처리 에이전트, 프로젝트 설정

[18:48] 에이전트, 팀 조정 에이전트입니다.

[18:50] 그리고 약간의 고민 후에

[18:53] 마스터 코디네이터, 요청 처리자 및

[18:55] 나머지를 위한 JSON을 구성합니다.

[18:59] 실제 텍스트 파일을 다운로드하거나

[19:01] 복사해서 n8n에 직접 가져오기만 하면 됩니다.

[19:04] 그러면 다음과 같은 결과를 얻게 되는데

[19:06] 코디네이터와 모든 하위 워크플로우가 있습니다.

[19:08] 초안이 작성되고 그 다음 하위 워크플로우들의

[19:11] 초안이 있는데, 여기서 Air Table이나

[19:12] Slack 같은 것들이 있고, 이것들이 유효하지 않은 게 아니라는 점을 주목하세요.

[19:16] 모두 유효합니다. 이제

[19:18] monday.com도 있고, Slack도 다시 있으며,

[19:19] 이것들이 망가지지 않았습니다. 왜냐하면 추가적인

[19:22] 훈련 데이터, 즉 사용할 수 있는

[19:24] 다양한 노드들의 치트시트가

[19:26] 있었고 그것을 재활용할 수 있었기 때문입니다. 그리고

[19:27] 마지막 것을 살펴보면,

[19:30] 여기서 ClickUp과

[19:32] Zoom이 있는 것을 볼 수 있습니다. 그리고 이 모든 것들이

[19:34] 논리적입니다. 이 팀

[19:37] 조정 AI 에이전트는 Zoom 미팅을 예약하고,

[19:39] 메시지를 보내서 팀 가용성을 확인하고

[19:42] 해당 팀을 위한 작업을 생성하는 기능들을 가지고 있습니다.

[19:43] 그리고 더 많은 도구를 추가하고 싶다면,

[19:46] 기본 프롬프트를 변경해서

[19:48] 각각에 대해 5개의 도구를 초안으로 만들라고 지시할 수 있습니다.

[19:50] 도구를 더 추가할수록

[19:52] 불필요한 도구들, 즉 bloat가 생길 수 있지만,

[19:54] 이 연습의 전체 목적은

[19:56] 시작하게 하는 것, 0에서 80%까지

[19:58] 도달하게 하는 것입니다.

[20:01] 이것이 처음부터 완벽할까요?

[20:03] 첫 번째 시도에서 바로 실행될까요? 아닙니다.

[20:05] 하지만 이러한 시작점으로

[20:08] 기반을 설정할 수 있다면

[20:09] 속도를 높이는 데 도움이 되고

[20:11] 또한 짧은 시간 내에

[20:14] 무엇이 가능한지 브레인스토밍하는 데도 도움이 됩니다.

[20:16] 두 번째 비즈니스는

[20:18] Pet Pal 컨시어지인데, 이는

[20:20] 반려동물 케어를 위한 우버로서

[20:22] 바쁜 반려동물 주인들을

[20:24] 믿을 수 있는 지역 시터들과 연결해줍니다.

[20:27] 이 경우에도 Air Table,

[20:28] Slack, Zoom을 사용하는 것 같고, 이번에는 ASA도 있습니다.

[20:32] 그리고 다음과 같은 워크플로우들을 얻는데,

[20:35] 일련의 다른 노드들을 가진

[20:37] 마스터 에이전트가 있습니다. 응급 케어

[20:40] 코디네이터, 제공자 관리

[20:42] 에이전트, 예약 및 스케줄링 에이전트,

[20:44] 그리고 사진 업데이트

[20:46] 에이전트 같은 것들이 있습니다. 아마도 반려동물들의

[20:48] 사진들, 포털이나 웹사이트의

[20:50] 프로필들일 것입니다. 그리고

[20:52] 하위 워크플로우 측면에서는,

[20:54] 특정 개의 의사를 위해 사용 가능한

[20:57] 제공자를 검색하기 위해 Air Table에 접근하는

[20:59] 응급 케어 AI 에이전트가 있습니다. 그리고

[21:01] 근처 제공자들에게 알림을 보내기 위한 Slack이 있습니다.

[21:04] 그리고 ASA의 경우, 이제

[21:06] 필요시 긴급 작업을 생성합니다. 따라서

[21:09] 다양한 워크플로우를 통해 논리적으로 접근하려고 합니다.

[21:11] 앞서 말했듯이, 각각은

[21:13] 처음부터 이미 꽤 정교한

[21:15] 스타터 프롬프트를 가지고 있습니다. 그리고

[21:18] 특정 사용 사례에 맞게

[21:19] 미세 조정만 하면 됩니다.

[21:21] 이 경우 monday.com, Air Table,

[21:23] Gmail을 사용하는

[21:26] 제공자 관리 AI 에이전트도 있습니다. 그리고

[21:28] Google Sheets, ASA의 조합을 사용하고

[21:31] Zoom을 사용해 상담을 예약하는

[21:33] 예약 스케줄링이 하나 더 있습니다.

[21:34] 이제 모든 퍼즐 조각들이 설정되었으므로,

[21:37] 이런 다양한 노드들을 선택하고

[21:39] 기능성에 대해 고민할 필요가 없습니다.

[21:41] 이 노드들이 에이전트에 제대로 연결되어 있다는 사실,

[21:43] 이제 더 높은 수준에 집중할 수 있습니다.

[21:45] 기능성에 대해 고민할 필요가 없습니다.

[21:46] 기능적인 부분과, 이러한 노드들이

[21:48] 에이전트에 제대로 연결되고 있다는 것입니다.

[21:50] 이제 더 높은 차원의

[21:53] 비즈니스 결정에 집중할 수 있습니다. 무엇이 실용적인지,

[21:55] 어떤 종류의 에이전트가 가장 적합한지

[21:57] 이런 종류의 비즈니스에 맞는

[21:59] 프로필을 고려해서 말이죠. 그리고 마지막으로

[22:01] Chaos Coffee Co.가 있습니다. 15개의 독특한

[22:04] 커피숍을 운영하는데, 체계적인

[22:06] 혼돈으로 유명합니다. 이 경우에도 다시 한번

[22:09] Google Sheets, Air Table, 그리고

[22:11] ClickUp을 언급했습니다. 물론 더 많이

[22:12] 추가할 수도 있었지만, 하나의 파일로

[22:14] 모든 사용 사례에 활용할 수 있도록

[22:15] 하고 싶었습니다. 양해 부탁드립니다. 그리고

[22:18] 이 경우에도 다시 한번

[22:19] 이 운영자 에이전트를 만들어낼 수 있었습니다

[22:22] 자체적인 지시사항 세트를 가지고 있고, 그리고

[22:25] 인벤토리 같은 서브워크플로우가 있습니다

[22:27] 재료 발견, 레시피

[22:29] 혁신 에이전트, 그리고 품질 관리

[22:32] 에이전트와 재무 분석

[22:34] 에이전트도 있습니다. 매우 동적으로

[22:36] 특정 비즈니스에 맞춰져 있습니다. 그리고

[22:38] 서브워크플로우로 들어가면

[22:41] 위치간 조정 AI가 있습니다

[22:43] monday.com을 통해 배송을 추적하고

[22:45] Slack에서 조정 알림을 보내고

[22:48] 그리고 ClickUp에서 조정

[22:49] 작업을 생성합니다. 인벤토리

[22:53] 발견 에이전트도 있는데, 마찬가지로

[22:55] 이 경우에도 업데이트할 수 있는 능력이 있습니다

[22:57] Air Table의 데이터베이스에서 재료를

[22:59] 업데이트하고, monday.com에서 인벤토리 보드를

[23:01] 업데이트하고, 또 다시 작업을 생성합니다.

[23:04] 그리고 마지막으로 가장 좋아하는

[23:05] 레시피 혁신 에이전트가 있습니다

[23:07] Zoom으로 시식 세션을 예약하고

[23:10] Google Sheets에 레시피를 문서화하고

[23:12] 중요한 레시피를 전체 직원에게 알리는

[23:14] 기능이 있습니다. 이 가상의 회사에는

[23:17] 15개 지점이 있다고 생각합니다

[23:18] 따라서 이것이 최종 결과가 될 것입니다. 그리고

[23:20] 다시 한번 또 다른 프롬프트가

[23:22] 이러한 에이전트들을 조율하고 있습니다

[23:24] 워크플로우마다 꽤 일관성이 있다는 것을

[23:26] 볼 수 있습니다. 그리고 그것으로 끝입니다

[23:28] 이것을 만들면서 제가 느꼈던 만큼

[23:29] 여러분도 흥미로웠기를 바라며

[23:31] 여러분이 직접 AI 에이전트 네트워크의

[23:33] 초안을 만드는 데 유용할 것입니다

[23:35] 시작할 수 있게 도와주고 0에서

[23:38] 80까지 가능한 한 빠르게 갈 수 있도록

[23:39] 도와줄 것입니다. 다시 한번,

[23:42] 첫 번째 프롬프트와 샘플 에이전트 네트워크에

[23:43] 액세스하고 싶다면

[23:45] 이것을 용도 변경하여 사용해볼 수 있는

[23:47] 것을 아래 설명의 첫 번째 링크에서

[23:49] 제공하겠습니다.

[23:50] 하지만 슈퍼차지된 프롬프트와

[23:51] Claude 프로젝트를 위한

[23:53] 기본 치트 시트 가이드에

[23:55] 액세스하고 싶다면, 그것은

[23:57] 아래 설명의 두 번째 링크에 있는

[23:58] 제 커뮤니티에서 찾을 수 있습니다

[24:00] 상상할 수 있는 것보다 더 많은 광적인 과학자 실험과

[24:02] 독점 콘텐츠에 액세스할 수 있습니다

[24:04] YouTube에서는 절대 볼 수 없는

[24:05] 콘텐츠입니다. 즐겁게 만들어보시고

[24:07] 다음에 뵙겠습니다