n8n 완전 정복: 설치부터 AI 에이전트, 실전 자동화 아키텍처까지
D:\n8n\docs 경로에 있는 문서들을 갈무리하여, n8n의 핵심 가이드를 하나의 포스트로 정리함.
셀프 호스팅 설치 방법부터 핵심 노드 사용법, 그리고 최신 트렌드인 AI 에이전트 구축까지 다룸.
1. n8n 셀프 호스팅 설치 (Installation)
n8n은 클라우드 버전도 있지만, Docker를 통해 내 컴퓨터(로컬)나 개인 서버에 무료로 설치하여 사용할 수 있음.
1-1. Docker로 실행하기
Docker만 설치되어 있다면 명령어 한 줄로 n8n 서버를 띄울 수 있음.
docker run -d \
--name n8n-local \
-p 5678:5678 \
-v ~/.n8n:/home/node/.n8n \
--restart unless-stopped \
n8nio/n8n:latest
- 설치 후 접속 주소:
http://localhost:5678
1-2. 외부 연동 (Webhook)
로컬 환경의 n8n이 외부 서비스(Slack, GitHub 등)의 웹훅을 받으려면 외부에서 접속 가능한 주소가 필요함. Cloudflare Tunnel을 사용하면 포트 포워딩 없이 안전하게 터널을 뚫을 수 있음.
# Cloudflared 설치 후 실행
cloudflared tunnel --url http://localhost:5678
- 생성된
https://random-name.trycloudflare.com주소를 n8n의 웹훅 URL로 사용하면 됨.
2. 핵심 노드 가이드 (Core Nodes)
n8n의 수많은 노드 중, 데이터 처리에 필수적인 노드들을 정리함.
- Edit Fields (Set): JSON 데이터의 필드명을 바꾸거나 새로운 값을 추가할 때 사용함. 가장 기본이 되는 노드임.
- Code Node: JavaScript를 사용해 복잡한 데이터 변환 로직을 짤 때 사용함. 없어서는 안 될 만능 노드임.
- HTTP Request: 외부 API와 통신(GET, POST)하여 데이터를 가져오거나 보낼 때 사용함.
- Split Out / Aggregate:
Split Out: 리스트(배열) 데이터를 개별 아이템으로 쪼갬 (Loop 시작점).Aggregate: 흩어진 아이템들을 다시 하나의 리스트로 묶음 (취합).
3. 고급 로직: 병합과 루프 (Merge & Loop)
단순한 선형 구조를 넘어 복잡한 로직을 구현하려면 병합과 반복이 필수임.
3-1. 데이터 병합 (Merge)
두 개의 데이터 흐름을 하나로 합침. SQL의 JOIN과 비슷함.
- Combine by Fields: 공통된 Key(예: 이메일, ID)를 기준으로 두 데이터를 결합함.
- Append: 단순히 데이터를 뒤에 이어 붙임.
3-2. 반복 처리 (Loop Over Items)
대량의 데이터를 처리할 때(Batch), API 속도 제한을 피하거나 안정성을 위해 데이터를 쪼개서 반복 실행함.
4. 실전 아키텍처: 주간 매출 리포트 자동화
실제 업무에 적용 가능한 자동화 시나리오 구조도임. 매주 월요일, 매출 데이터를 조회해서 상태에 따라 다른 곳으로 보내는 로직임.
graph TD
A[Schedule Trigger\n(매주 월요일)] --> B[HTTP Request\n(데이터 조회)]
B --> C{If / Switch\n(상태 분기)}
C -- Status: Processing --> D[Edit Fields\n(데이터 매핑)]
D --> E[Airtable\n(레코드 생성)]
C -- Status: Booked --> F[Code Node\n(매출 집계)]
F --> G[Discord\n(봇 알림 전송)]
- Trigger: 매주 월요일 아침 자동 실행.
- Logic: 주문 상태가
Processing이면 Airtable에 기록,Booked이면 매출 집계. - Action: 최종적으로 Discord 봇이 “이번 주 매출은 $3,500 입니다”라고 보고함.
5. 최신 트렌드: AI 에이전트 (AI Agent)
이제 n8n으로 LangChain 기반의 AI 에이전트도 노코드로 만들 수 있음. 스스로 검색하고 판단하는 똑똑한 봇을 만드는 방법임.
5-1. 필수 구성 요소
- AI Agent Node: 에이전트의 두뇌. 프롬프트를 통해 역할을 부여함.
- Model: 사용할 LLM (OpenAI GPT-4o, Claude 3.5 Sonnet 등).
- Tools: 에이전트가 사용할 도구 (웹 검색, 계산기, API 호출 등).
- Memory: 대화 맥락을 기억하는 단기 기억 장치.
5-2. AI 리서치 에이전트 예시
사용자가 주제를 던져주면, 인터넷을 검색(Search Tool)해서 최신 정보를 요약해 주는 에이전트임.
graph LR
User[Chat Trigger] --> Agent[AI Agent Node]
Agent --> Brain[Model: GPT-4o]
Agent --> Tool[Tool: Tavily Search]
Agent --> Mem[Memory: Window Buffer]
Tool -.->|검색 결과| Agent
Brain -.->|판단 및 생성| Agent
Agent -->|최종 답변| User
시스템 프롬프트 예시:
“당신은 리서치 보조원임. 사용자의 질문에 대해 검색 도구를 사용하여 최신 정보를 찾고, 이를 구조화된 보고서 형태로 요약할 것.”
요약
n8n은 단순한 자동화 툴을 넘어, 데이터 파이프라인(ETL)부터 AI 에이전트까지 구축할 수 있는 강력한 플랫폼임. Docker로 가볍게 시작해서 나만의 업무 비서를 만들어 보길 권장함.
Comments