n8n AI Agent 사용법: 모델·메모리·도구·시스템 메시지 4가지와 실제 운영 중인 에이전트 워크플로우 해부
이 글과 연결된 글 보기
드래그로 이동 · 휠/두 손가락으로 확대 · 방향키로 글 선택 · 0으로 맞춤. 실선: 본문 링크, 점선: 시리즈·주제의 대표 연결.표시된 글 35편 목록
n8n AI Agent 노드는 모델(두뇌), 메모리(기억), 도구(손발), 시스템 메시지(업무 지시서) 네 가지를 끼워서 쓰는 노드입니다. 이 글은 네 가지를 하나씩 설명한 뒤, 데이터팝콘이 n8n Cloud에서 매일 아침 6시에 실제로 돌리고 있는 "분석 주제 브리핑" 에이전트 워크플로우를 노드 단위로 뜯어 봅니다.
이 글은 이런 분께 필요합니다
- n8n 기본 사용법은 익혔고, 분류·요약·초안 작성처럼 판단이 필요한 단계를 넣고 싶은 분
- AI Agent 노드를 열어 봤는데 아래에 달린 Chat Model, Memory, Tool 칸이 무엇인지 헷갈리는 분
- 2026년 9월에 나온 n8n Agents 와 기존 AI Agent 노드가 어떻게 다른지 궁금한 분
n8n 화면 자체가 처음이라면 n8n 사용법을 먼저 보고 오시면 편합니다.
Step 1. AI Agent 노드의 4가지 구성 요소를 이해합니다
AI Agent 노드는 혼자서는 동작하지 않고, 아래쪽에 달린 칸에 다른 노드를 끼워야 완성됩니다.
| 구성 요소 | 하는 일 | 끼우는 노드 예시 |
|---|---|---|
| Chat Model (필수) | 실제로 생각하고 글을 쓰는 언어 모델 | Google Gemini, OpenAI, Anthropic Chat Model |
| Memory (선택) | 앞선 대화를 기억해서 이어 말하게 함 | Simple Memory 같은 대화 메모리 |
| Tool (선택) | 에이전트가 스스로 골라 쓰는 기능 | HTTP Request, Gmail, 구글 시트, 다른 워크플로우 |
| 시스템 메시지 | 역할과 규칙, 출력 형식을 정하는 지시문 | 노드 Options의 System Message |
여기에 하나를 더 알아 두면 좋습니다. Output Parser 를 켜면 모델의 답을 정해 둔 JSON 모양으로 받을 수 있습니다. 뒤 노드에서 그 값을 바로 꺼내 써야 할 때 거의 필수입니다.
채팅형 예제가 궁금하다면 n8n 공식 템플릿 Build your first AI agent가 좋은 출발점입니다. Chat Trigger, Gemini 모델, 대화 메모리, 날씨·뉴스 도구 두 개로 구성되어 있습니다(이 템플릿은 공식 설명을 기준으로 소개합니다).
Step 2. 실제 운영 사례: 매일 아침 6시 분석 주제 브리핑
데이터팝콘은 매일 아침 "오늘 다룰 만한 데이터 분석 주제"를 하나 골라 슬랙으로 받는 에이전트 워크플로우를 n8n Cloud에서 운영하고 있습니다. 2026년 10월 28일 n8n 공개 API로 구성과 최근 실행 기록을 확인했습니다.
| 순서 | 노드 이름 | 노드 종류 | 하는 일 |
|---|---|---|---|
| 1 | 매일 06시 트리거 | Schedule Trigger | 매일 6시에 시작 |
| 2 | 구글 트렌드 KR 수집 | RSS Read | 구글 트렌드 한국 급상승 검색어 RSS |
| 2 | 매경 헤드라인 수집 | RSS Read | 경제 헤드라인 RSS |
| 2 | 최근 주제 조회 | Data Table | 최근에 다룬 주제 목록 |
| 3 | 시그널 통합 | Merge | 세 갈래 데이터를 하나로 |
| 4 | 프롬프트 컨텍스트 구성 | Code | 모델에 넘길 글을 정리 |
| 5 | 주제 생성 AI | AI Agent | 오늘의 주제 1개 선정 |
| 5-a | Gemini 3 Flash | Google Gemini Chat Model | temperature 0.7, 최대 출력 4,096 토큰 |
| 5-b | 주제 JSON 파서 | Structured Output Parser | 답을 정해진 JSON 모양으로 고정 |
| 6 | 주제 이력 저장 | Data Table | 고른 주제를 기록해 다음 날 중복 방지 |
| 7 | Slack 채널 발송 | Slack | 슬랙으로 전달 |
10월 24일부터 28일까지 최근 5번의 실행은 모두 success였고, 한 번 실행에 약 14초에서 18초가 걸렸습니다.
이 구성에서 볼 점은 세 가지입니다.
- 에이전트에게 검색을 맡기지 않았습니다. 트렌드와 뉴스는 RSS 노드가 정해진 순서로 먼저 가져오고, 에이전트는 고르는 일만 합니다. 매일 같은 시간에 같은 재료로 돌아가니 결과를 비교하기 쉽습니다.
- 기억은 Memory 노드 대신 Data Table에 둡니다. 대화가 아니라 "최근에 무엇을 골랐는지"가 필요하기 때문입니다. 날짜를 넘어 남겨야 하는 기록은 표에 저장하는 편이 확인도 쉽습니다.
- 출력 파서로 답의 모양을 고정합니다. 덕분에 뒤의 저장 노드와 슬랙 노드가 필드 이름으로 값을 바로 꺼냅니다.
Step 3. 시스템 메시지는 역할, 기준, 출력 형식 순서로 씁니다
이 워크플로우의 시스템 메시지는 아래 문장으로 시작합니다.
너는 데이터 분석 주제 기획자다. 매일 아침 "재미있으면서 돈이 되는" 데이터 분석 주제 1개를 엄선한다.
그 뒤에 고르는 기준, 피해야 할 것(최근에 다룬 주제와 겹치지 않기), 출력 필드를 차례로 적습니다. 처음 쓸 때는 아래 틀을 채워 보시길 권합니다.
너는 [역할]이다. [무엇을] [몇 개] 고른다/쓴다.
기준: 1) ... 2) ... 3) ...
하지 말 것: ...
출력: 아래 JSON 필드만 채운다. title, reason, data_source
수집한 데이터는 시스템 메시지가 아니라 사용자 프롬프트(Prompt 칸, Define below)에 넣습니다. 이 워크플로우도 Code 노드에서 트렌드·헤드라인·최근 주제를 한 덩어리 글로 만든 뒤 Prompt 칸으로 넘깁니다. 지시문과 재료를 나누면 지시문을 고칠 때 재료를 건드리지 않아도 됩니다.
Step 4. 출력 파서로 결과를 JSON으로 받습니다
AI Agent 노드에서 Require Specific Output Format 을 켜면 아래에 Output Parser 칸이 생깁니다. 여기에 Structured Output Parser 를 끼우고, 받고 싶은 JSON 예시나 스키마를 적습니다. 그러면 뒤 노드에서 {{ $json.output.title }}처럼 필드 이름으로 값을 꺼낼 수 있습니다.
모델이 형식을 가끔 어기면 파서 단계에서 실패로 기록됩니다. 실행 기록에서 실패한 실행을 열어 모델이 실제로 무엇을 답했는지 보고 시스템 메시지의 출력 규칙을 더 짧고 분명하게 고치는 것이 가장 빠른 해결책입니다.
Step 5. 도구(Tool)는 "에이전트가 스스로 골라야 할 때"만 붙입니다
Tool 칸에 노드를 끼우면 에이전트가 질문을 보고 그 도구를 쓸지 스스로 정합니다. 사람 질문에 따라 날씨를 볼지, 메일을 찾을지 달라지는 채팅 비서라면 도구가 맞습니다.
반대로 위 사례처럼 매번 같은 재료가 필요하다면 도구 대신 앞 단계 노드로 미리 가져오는 편이 안정적입니다. 도구 호출이 늘수록 실행 시간과 모델 비용이 늘고, 에이전트가 도구를 빼먹는 경우도 생기기 때문입니다.
Step 6. n8n Agents(2026년 9월 공개)와 AI Agent 노드를 구분합니다
2026년 9월 n8n은 워크플로우와 별도로 에이전트를 만들고 게시하는 Agents 기능을 공개했습니다. 공식 문서에 따르면 다음과 같습니다(이 항목은 문서 기준이며 저희가 직접 운영해 본 기능은 아닙니다).
| 구분 | AI Agent 노드 | n8n Agents |
|---|---|---|
| 위치 | 워크플로우 안의 노드 하나 | 프로젝트의 Agents 탭에서 따로 만듦 |
| 구성 | 모델·메모리·도구를 노드로 끼움 | Agent Builder에서 모델, 지시문, 도구, 스킬, 지식 베이스 설정 |
| 실행 계기 | 워크플로우 트리거 | 채팅, 채널, 스케줄 |
| 상태 | 정식 노드 | Preview |
| 사용 가능 | 모든 플랜 | n8n Cloud 전 플랜, 셀프호스팅은 2.32.3부터 |
| 실행 집계 | 워크플로우 실행 1회 | 에이전트와 한 번 주고받은 것이 실행 1회 |
문서에는 Agents 기능을 꺼도 AI Agent 워크플로우 노드에는 영향이 없다고 적혀 있습니다. 정해진 순서로 매일 돌아가는 업무는 지금처럼 워크플로우 안의 AI Agent 노드로, 사람이 말을 걸며 쓰는 비서형은 Agents로 나누어 생각하면 됩니다.
자주 묻는 질문
| 질문 | 답 |
|---|---|
| AI Agent 노드에 "Chat Model is required" 오류가 납니다 | 노드 아래 Chat Model 칸에 모델 노드를 끼우지 않았습니다. 모델 노드를 붙이고 크리덴셜(API 키)을 연결합니다 |
| 결과가 매번 너무 다릅니다 | 모델 노드의 temperature를 낮추고, 시스템 메시지에 고르는 기준을 번호로 적습니다 |
| 뒤 노드에서 결과 값을 못 꺼냅니다 | 출력 파서 없이 받으면 결과가 output 글 한 덩어리로 옵니다. Structured Output Parser를 켜고 필드 이름으로 꺼냅니다 |
| 어제 한 일을 기억하게 하고 싶습니다 | 대화 메모리는 대화 세션용입니다. 날짜를 넘어 남길 기록은 Data Table이나 구글 시트에 저장하고 다음 실행 때 읽어 옵니다 |
| 에이전트가 도구를 안 씁니다 | 도구 이름과 설명을 "언제 쓰는지" 중심으로 구체적으로 적고, 꼭 필요한 데이터라면 도구 대신 앞 단계에서 미리 가져옵니다 |
다음으로 읽을 글
- n8n 사용법: 첫 워크플로우 실행까지
- n8n 유튜브 자동화
- 회의록이 업무가 되는 AI PM 에이전트 만들기
- n8n 활용 사례 12가지
- n8n 비용 총정리 2026
- Claude Code에서 n8n 워크플로우 만들기(MCP)
팀 업무에 맞는 n8n AI 에이전트를 설계하고 싶다면 데이터팝콘의 n8n 컨설팅·구축·기업교육 페이지를 참고해 주세요.