n8n 데이터베이스 챗봇 만들기 — SQL 없이 질문만으로 데이터 꺼내는 AI 에이전트

n8n.io 공식 템플릿 마켓플레이스에 공개된 이 워크플로우를 가져오면, Postgres·MySQL·SQLite 중 하나에 저장된 데이터를 두고 n8n 채팅창에 자연어로 질문을 던져 답을 받는 AI 에이전트를 만들 수 있습니다.

이 템플릿 하나로 보여줄 수 있는 것

면접에서 "데이터베이스 다뤄봤어요?"라는 질문이 나오면 대개 SQL 문법 이야기로 흘러갑니다. 이 템플릿은 그 대화를 다른 방향으로 돌릴 수 있게 해줍니다. "AI 에이전트가 자연어 질문을 받아 데이터베이스에서 직접 값을 찾아오는 구조를 만들어봤다"고 말할 수 있는 실습이기 때문입니다.

짧은 문장이지만 안에 들어간 역량은 세 가지입니다.

• 자연어 질문을 데이터 조회로 연결하는 경험 — 사용자가 편하게 던진 질문을 LLM이 이해하고, 그 이해를 실제 데이터베이스 조회로 옮기는 구조를 다뤄본 경험
• 채팅 인터페이스 배포 경험 — 별도 프론트엔드 없이 n8n 내장 채팅만으로 대화형 도구를 완성한 경험
• 모델·DB를 바꿔도 유지되는 설계를 읽는 경험 — 공식 설명대로 이 템플릿은 LLM과 데이터베이스 종류를 자유롭게 바꿔도 뼈대가 유지된다고 안내합니다. 이런 느슨한 결합이 왜 가능한지 구조로 이해해본 경험

이 세 가지는 데이터베이스 조회 자동화뿐 아니라, 대시보드 대신 채팅으로 지표를 물어보는 사내 도구나 고객 데이터 조회 봇처럼 "구조화된 데이터를 자연어로 꺼내 쓰는" 유형의 AI 기능 전부에 그대로 쓰입니다.

이 템플릿은 무엇인가

이 워크플로우는 데이터팝콘이 만든 게 아닙니다. n8n 공식 템플릿 마켓플레이스(n8n.io/workflows)에 Chat with a database using AI라는 이름으로 공개된 템플릿이고, 제작자는 David Roberts입니다. 카테고리는 Internal Wiki와 AI RAG로 등록돼 있습니다.

공식 설명에 따르면 이 템플릿은 데이터베이스에 저장된 데이터에 대해 질문할 수 있게 해주는 워크플로우입니다. OpenAI API 키가 필요하지만 다른 서비스의 모델로 바꿔 쓸 수도 있다고 안내돼 있고, 지원하는 데이터베이스는 Postgres, MySQL, SQLite 세 가지입니다. 채팅 인터페이스는 n8n에 내장된 채팅을 그대로 쓰는데, 필요하면 Slack이나 MS Teams, WhatsApp 같은 다른 채팅 서비스로 바꿔 쓸 수 있다고도 적혀 있습니다. 이 템플릿을 쓰려면 n8n 버전이 1.19.4 이상이어야 한다는 점도 공식 문서에 명시돼 있습니다.

n8n 설치나 기본 노드 조작법은 n8n으로 반복업무 자동화 포트폴리오 만들기에 정리돼 있으니, 이 글은 이 템플릿의 구조 자체에 집중합니다.

구조 — Trigger / Task / Target

이 템플릿은 마켓플레이스의 다른 인기 템플릿과 달리 번호가 매겨진 "How it works" 설명이 따로 없고, 위에서 옮긴 짧은 설명 문단 하나가 공식 텍스트의 전부입니다. 템플릿 카드의 노드 미리보기에도 Sticky Note, AI Agent, OpenAI Chat Model, 그리고 이름이 표시되지 않는 노드 1개까지 총 네 가지만 확인됩니다. 이 확인된 정보만으로 데이터팝콘 방식인 Trigger/Task/Target 세 칸을 채우면 이렇습니다.

• Trigger — 공식 설명에 "n8n의 내장 채팅을 쓴다"고 명시돼 있습니다. n8n에는 별도 프론트엔드 없이 워크플로우 자체가 대화창을 갖는 기능이 있고, 사용자가 그 채팅창에 메시지를 보내는 순간이 트리거가 됩니다.
• Task — AI Agent 노드가 중심입니다. OpenAI Chat Model이 에이전트의 두뇌 역할을 맡고, 카드 미리보기에서 이름이 확인되지 않는 나머지 노드 1개가 실제 데이터베이스(Postgres·MySQL·SQLite 중 하나)와 연결되는 자리로 보입니다. 다만 정확한 노드 이름과 설정까지는 공개된 텍스트만으로 확인되지 않습니다.
• Target — 데이터베이스에서 찾은 값을 근거로 만든 답변이 다시 채팅창에 표시됩니다.

일반적으로 n8n에서 AI Agent가 데이터베이스에 접근하는 방식은 두 갈래입니다. Postgres나 MySQL 같은 앱 노드를 "도구"로 붙여 에이전트가 필요할 때 호출하게 하거나, 데이터베이스 전용으로 설계된 SQL Agent 하위 노드를 쓰는 방식입니다. 이 템플릿이 둘 중 어느 쪽을 택했는지는 카드 미리보기만으로 단정할 수 없지만, 어느 쪽이든 "에이전트가 자연어 질문을 실제 쿼리로 바꿔 실행한다"는 결과는 같습니다.

만들기

공식 페이지에 단계별 Setup 안내가 없어서, 짧은 설명 문단을 실습 순서로 풀어 정리했습니다.

1. 사용할 데이터베이스 정하기

템플릿이 지원하는 건 Postgres, MySQL, SQLite 세 가지입니다. 이미 운영 중인 Postgres·MySQL이 있다면 그걸 그대로 쓰는 편이 간단합니다. 둘 다 n8n에서 호스트·계정 정보를 입력하는 크리덴셜 방식으로 바로 연결되기 때문입니다. SQLite는 서버 설치가 필요 없어 가벼워 보이지만, n8n에서는 로컬 파일 경로에 접근하거나 파일을 바이너리로 읽어 들이는 절차가 별도로 필요해서(자세한 내용은 4번 참고) n8n 클라우드에서는 오히려 손이 더 갈 수 있습니다. 처음이라면 Postgres·MySQL 쪽이 무난합니다.

2. n8n 버전 확인

공식 문서에 이 템플릿은 n8n 1.19.4 이상에서 동작한다고 적혀 있습니다. n8n 클라우드를 쓰고 있다면 이미 그보다 최신 버전이 돌고 있을 가능성이 높지만, 셀프호스팅 중이라면 버전을 한 번 확인해두는 편이 안전합니다.

3. OpenAI API 키 발급

공식 설명은 OpenAI API 키가 필요하다고 안내하면서, 동시에 다른 서비스의 모델로 바꿔 쓸 수도 있다고 덧붙입니다. 처음 만들어볼 때는 안내된 대로 OpenAI로 시작하고, 구조가 눈에 익은 다음 다른 모델로 바꿔보는 순서를 권합니다.

4. 데이터베이스 연결 준비

Postgres·MySQL을 골랐다면 n8n에서 호스트·계정·비밀번호 등 접속 정보를 담은 크리덴셜을 등록하면 됩니다. SQLite는 이 둘과 방식이 달라서, n8n 공식 문서에는 SQLite 파일을 다루는 노드(Read/Write File From Disk)로 먼저 파일을 읽어 바이너리 데이터로 넘기는 방식이 안내돼 있습니다. 이 템플릿이 정확히 어떤 방식을 쓰는지는 카드 미리보기만으로 확인되지 않으니, SQLite로 시도한다면 임포트 후 이름 미표시 노드를 열어 어떤 입력을 기대하는지부터 확인하는 게 안전합니다.

5. 템플릿 임포트 후 대화로 확인

템플릿을 자신의 n8n 인스턴스로 가져온 뒤, 캔버스 상단에서 열리는 채팅창에 데이터베이스 내용과 관련된 질문을 던져봅니다. "가장 최근에 등록된 주문 5건을 보여줘"처럼 구체적인 질문으로 시작하면, 에이전트가 실제로 값을 찾아오는지 바로 확인할 수 있습니다. 이 시점에 원하는 답이 안 나오면, 위 구조에서 본 이름 미표시 노드를 열어 어떤 테이블·컬럼을 참조하는지부터 살펴보는 게 첫 디버깅 순서입니다.

6. 공개 여부는 마지막에 결정

n8n의 채팅 트리거에는 이 채팅을 외부에 공개할지, 캔버스 안에서만 테스트할지 고르는 옵션이 있고, 공식 문서는 개발 중에는 이 옵션을 꺼두라고 안내합니다. 답이 이상하게 나오는 채로 팀원에게 링크부터 공유하면 신뢰를 잃기 쉬우니, 질문 여러 개를 돌려보고 원하는 수준의 답이 안정적으로 나온 다음에 공개로 바꾸는 순서를 권합니다.

주의할 점 · 제약

공식 문서와 마켓플레이스 페이지에서 확인되는 제약을 그대로 옮기면 이렇습니다.

• n8n 1.19.4 이상 필요 — 공식 문서에 명시된 최소 버전입니다. 이보다 낮은 버전에서는 템플릿을 불러와도 정상 동작을 보장하지 않습니다.
• 지원 DB는 세 가지뿐 — Postgres, MySQL, SQLite 외의 데이터베이스는 공식 지원 대상이 아닙니다. 다른 DB를 쓰려면 별도의 커넥터 노드를 직접 붙여야 합니다.
• 기본은 OpenAI 전제 — 다른 LLM으로 바꿔 쓸 수 있다고 안내는 돼 있지만, 템플릿 자체는 OpenAI Chat Model을 기본값으로 두고 있어 다른 모델을 쓰려면 해당 크리덴셜 노드로 직접 교체해야 합니다.
• 공식 페이지에 단계별 Setup 가이드가 없다 — 이 템플릿은 마켓플레이스의 다른 인기 템플릿과 달리 "How it works"나 번호가 매겨진 Setup 섹션 없이 짧은 설명 문단 하나만 공개돼 있습니다. 정확한 노드 구성과 표현식은 템플릿을 직접 n8n에 불러와 캔버스를 열어봐야 확인할 수 있습니다.

포트폴리오·면접 포인트

포트폴리오에는 채팅창에 자연어 질문을 넣었을 때 실제 데이터베이스 값이 답으로 돌아오는 장면 하나면 충분합니다. 단순 조회 질문 하나와 조건이 들어간 질문 하나를 준비해서 에이전트가 둘 다 처리하는 모습을 보여주면, 미리 정해둔 답만 출력하는 챗봇이 아니라는 게 드러납니다.

면접에서는 "아무 질문이나 던지면 위험한 쿼리도 실행되는 것 아니냐"는 질문이 나올 수 있습니다. 정직한 답은 이 템플릿의 공식 문서가 그 부분까지 다루지는 않는다는 것이고, 그래서 직접 확장한다면 읽기 전용 DB 계정을 따로 만들어 에이전트에 연결하는 정도의 안전장치를 먼저 검토했다고 말할 수 있으면 좋습니다. 노드 이름을 나열하는 대신 이런 위험 지점을 스스로 짚어낼 수 있으면, 템플릿을 그대로 가져다 쓴 사람과 구조를 이해한 사람이 갈립니다.

다음 액션

다음 편에서는 같은 마켓플레이스에 공개된 멀티채널 고객 지원 RAG 템플릿을 다룹니다. 노드 수가 서른 개를 넘는 프로덕션급 구성이라, 오늘 본 노드 네 종류가 전부일 만큼 단출한 구성과 실제 운영에 쓰는 구성 사이에 어떤 차이가 있는지 비교하며 볼 수 있습니다.