n8n Tips

ChatGPT를 프로젝트에 사용하면서 비용 문제로 고민한 적 있나요? 아니면 데이터 보호 규정이 엄격한 분야에서 일하기 때문에 클라우드 기반 AI 사용이 어렵나요? 그렇다면 로컬에서 대규모 언어 모델(LLM)을 실행하는 것이 최적의 해결책이 될 수 있습니다. 로컬 LLM을 사용하면 API 호출에 따른 지속적인 비용 없이, 민감한 데이터를 내부 인프라 내에서 안전하게 유지할 수 있습니다. 이는 특히 헬스케어, 금융, 법률 분야와 같이 데이터 프라이버시가 중요한 산업에서 큰 장점입니다. 또한 로컬 머신에서 LLM을 직접 실험하고 조정하면서 AI에 대한 이해를 깊이 있게 넓힐 수 있습니다. 로컬 LLM이란? 로컬 LLM은 클라우드 제공업체에 데이터를 전송하지 않고 개인 컴퓨터에서 직접 실행되는 대규모 언어 모델입니다. 이를 통해 데이터의 보안과 프라이버시를 보장하면서 LLM의 성능을 활용할 수 있습니다. 필요한 하드웨어 로컬 LLM 실행에 가장 중요한 하드웨어 요소는 GPU입니다. 전용 그래픽 카드가 있으면 LLM의 성능이 크게 향상됩니다. GPU의 VRAM이 많을수록 더 큰 모델을 빠르게 처리할 수 있습니다. 기본적으로 최소 16GB RAM과 충분한 디스크 공간이 권장됩니다. 필요한 소프트웨어 로컬 LLM 실행을 위한 소프트웨어는 크게 세 가지로 구분됩니다: 서버: 모델 로딩 및 요청 처리를 담당 (예: Ollama, Lalamafile) 사용자 인터페이스: 모델과 상호작용할 수 있는 그래픽 환경 제공 (예: OpenWebUI, LobeChat) 풀스택 솔루션: 서버와 인터페이스를 통합한 솔루션 (예: GPT4All, Jan) 인기 있는 오픈소스 LLM 다양한 목적에 맞는 여러 모델이 존재합니다: 범용 모델: Llama (Meta AI), Qwen (Alibaba Cloud), DeepSeek, Phi (Microsoft), Gemma (Google), Mistral (Mistral AI), Granite (IBM) 고급 기능 특화 모델: 추론(DeepSeek-R1), 전문가 혼합(Qwen 3, Granite MoE), 도구 호출(Qwen3, Granite3.3), 비전 모델(Granite3.2-vision) 특정 작업 최적화 모델: 코딩: DeepCoder, OpenCoder, Qwen2.5-Coder 수학 및 연구: Starling-LM-11B-alpha, Mathstral, Qwen2-math 창의적 글쓰기: Mistral-7B-OpenOrca 로컬 LLM 실행 도구 Ollama (+ OpenWebUI): 간단한 명령어 기반 모델 관리 LM Studio: 모델 맞춤화 및 세부 설정

NODE_FUNCTION_ALLOW_EXTERNAL 옵션에 로드하고자 하는 모듈을 적어두면 로드 가능

다음 유튜브 영상을 보고 따라하시면 쉽게 GCP 클라우드에 나만의 N8N 서버를 운영할 수 있습니다. 구글 클라우드 프리티어를 사용하려면 결제수단을 등록해야 합니다. 단, 클라우드 사용량이 증가하면 일부 비용이 발생할 수 있으므로 주의해야 합니다.

https://www.reddit.com/r/n8n/comments/1iu2x5q/jobs_in_your_inbox_100_free_job_matching/?share_id=J5VSyUDWQ2SrGtZjCtAwm&utm_content=1&utm_medium=android_app&utm_name=androidcss&utm_source=share&utm_term=1 즐겨 찾는 구인 사이트의 RSS 피드를 스크랩 >> 관련 데이터 추출 >> 날짜 및 직책별로 필터링 >> 데이터베이스(시트) 업데이트 >> 원시 데이터를 '일자리 매칭 에이전트'로 전송 >> AI가 필터링된 모든 일자리에 대해 일치 비율과 조언을 설정 >> 데이터베이스(시트) 업데이트 >> 상위 3개 일치하는 이메일로 전송합니다.

잘 사용하고 있는 dify 앱에서 LLM호출이 안되는 상황이 생겼습니다. 배포해서 사용하는 거라 빨리 해결을 해야합니다. 최근에 통신사를 변경한 것 말고는 뭘 한게 없습니다. 대시보드도 접속 잘 되고. 주소를 못 알아먹는 건 DNS문제이니까 이쪽으로 포커스를 잡아봅니다. DNS는 웹에서 사용하는 google.com 이런 주소를 191.20.34.6 이런 숫자로 된 데이터로 변경해주는 서버입니다. 여기에 등록이 안되어 있다면 google.com으로 접속을 해도 접속이 안되는 것이죠. 이 이미지는 proxmox의 DNS목록인데, 61.41.153.2 만 있었을 때는 gemini호출이 안됐어요. KT망에서 LGU의 DNS가 안되는 거였나봅니다. 결국, 구글DNS를 등록하고 제대로 연결이 됩니다. 배운점: 인터넷망이 달라지면, 체크해야할 게 많다. 윈도우와 맥과 달리 자동으로 세팅되는 건 믿지말자. 오늘도 하나배움. 땡큐 LGU+

우리가 만든 도구를 직접 사용하다 (Drinking our own champagne) n8n에서는 사내 AI 어시스턴트를 재구축할 때, 우리의 워크플로 솔루션만으로 이를 완성할 수 있을지 도전해 보기로 했습니다. 명령줄에서 작업하던 기존 방식에서 벗어나, 워크플로를 통해 직접 구축해 보는 것은 개발자로서 꽤 흥미로운 일이었습니다. 몇 달간의 작업 끝에 성공적으로 만들어냈고, 그 과정에서 배운 값진 교훈들을 공유하고자 합니다. 혹시 AI 툴을 구축하시려는 분들이라면 저희 경험이 도움이 되길 바랍니다. 하드코딩, 그리고 반복의 어려움 사실 우리는 이미 사내용으로 하드코딩된 AI 어시스턴트를 운영 중이었습니다. 하지만 이건 반복(Iterate) 과정이 너무 까다로웠고, 프로젝트 매니저(PM) 동료들이 AI 로직을 조금이라도 수정하거나 개선하려면 매우 높은 진입 장벽을 마주해야 했습니다. 프롬프트를 살짝 수정하거나 효율성을 높이고 싶어도, 결국 코드를 깊이 파고들어야 했죠. 엔지니어링 퀄리티 자체는 나쁘지 않았지만, AI 어시스턴트를 가장 필요로 하는 사람들에게는 너무나도 접근성이 떨어졌습니다. 우리는 기존 어시스턴트에 사용했던 기술 스택을 좋아했기 때문에, LangChain으로 오케스트레이션을 유지하고 GPT-4를 메인으로 활용하는 방향은 고수하기로 했습니다. 하지만 동시에 “과연 n8n만으로 이처럼 복잡한 AI 사용 사례를 전부 구현할 수 있을까?”를 테스트해보고 싶었고, 결국 워크플로만으로 대규모 AI 어시스턴트를 구축하는 데 도전하게 되었습니다. AI 어시스턴트 n8n의 AI 어시스턴트는 크게 다음 세 가지 용도로 운영됩니다: 사용자 에러 디버깅 자연어 기반 채팅 질문 응답 사용자 자격 증명(Credentials) 설정 지원 백엔드에는 두 개의 대규모 벡터 소스가 내부 지식 베이스(KB)를 구성하고 있습니다. 하나는 n8n의 문서(Documentation)이고, 다른 하나는 n8n 포럼(Forum)입니다. 어시스턴트가 우선 문서를 먼저 살펴보도록 하여 ‘환각(Hallucination)’을 줄이고, 그 후 포럼으로부터 추가 정보를 얻도록 했습니다. 데이터는 ‘청크(Chunk)’ 단위로 쪼개서 저장하며, 각 청크에는 자신이 어떤 문서의 어느 부분인지, 그리고 주변 맥락이 무엇인지에 대한 정보가 담깁니다. 당연히 n8n 워크플로를 통해 주 3회씩 문서를 스크레이핑하여 DB를 업데이트하고, 동시에 포럼에서 ‘질문-답변’ 쌍을 찾아 KB에 함께 저장하도록 자동화했습니다. 말 그대로 우리가 만든 도구(n8n)를 적극적으로 활용한 셈이죠. 또한 AI Service와 워크플로가 호스팅되는 내부 인스턴스 모두에 개발 환경과 프로덕션 환경을 따로 두어, 바로 프로덕션 버전을 건드리지 않고도 자유롭게 실험할 수 있게 했습니다. 어시스턴트 주요 구성 요소 개요 n8n 프론트엔드 사용자가 어시스턴트 채팅 사이드바에서 메시지를 보내면, 내부적으로 호스팅하는 AI Service로 먼저 전송됩니다. AI Service 들어오는 요청에 대한 인증을 처리하고, 검증된 요청만 n8n 웹훅으로 전달합니다. 여기서도 인증 과정을 거쳐, 오직 AI Service에서 오는 요청만 워크플로가 받아들일 수 있도록 합니다. 어시스턴트 워크플로 내부 인스턴스에 호스팅되어 있습니다. 하나의 메인(게이트웨이) 워크플로가 웹훅 요청을 받아, 사용자 모드에 따라 적절한 에이전트로 라우팅합니다. 이렇게 내부적으로는 4개의 독립된 에이전트가 서로 다른 AI 사용 사례를 처리합니다. 각 사용 사례별로 요구되는 입력 맥락과 기능이 다르기 때문에 에이전트를 나눈 것이죠. 사용자가 어시스턴트를 켜면, n8n의 Switch 노드로 요청을 받아 4개 중 하나의 에이전트로 분기합니다. 다만 한 가지 단점은, 에이전트가 일단 대화를 시작하면, 그 세션 안에서는 다른 에이전트로 전환할 수 없다는 점입니다. 즉, 사용자가 다른 에이전트의 도움을 받으려면 새로운 세션을 시작해야 합니다.

OpenAI의 작지만 강력한 최신 추론 모델인 o3-mini를 이제 n8n에서 사용할 수 있습니다. 인스턴스를 1.78.0 이상으로 업데이트하고 OpenAI 모델 노드의 모델 목록에서 선택하세요!

n8n 빠른 팁: 스티커 노트로 워크플로우를 더 가독성 있게 만드세요! 스티커 메모는 구조, 문서화, 약간의 색상을 제공하는 데 유용합니다. 나중에 유용하게 사용하실 수 있을 거예요!

하나의 워크플로우에서 무한대의 Webhook Trigger를 내가 각 링크를 설정해서 쓸 수 있다는 것은 참으로 행복한 일이다. 이를 응용하면... n8n을 그냥 백엔드로 사용가능하다는 점. GET이든, POST든.. PATCH등 RESTFUL한 api endpoint를 n8n으로 만들 수 있다.

요즘 사내에서 in house 업무 자동화를 하루에 23개씩 쳐내는 중인데, 가장 빠르게 기획해서 POC하는 부분에 있어서 당연코 최고봉은 Streamlit이다. (n8n을 백엔드로도 쓸 수 있음) 아래 경우는 현재 지피터스 라는 커뮤니티에서 챌린지 이벤트에 대한 #인증 취합 관련 대시보드를 만든건데, 이거 만드는데 내 점심시간 1번이면 족했다 (2시간 내외) 아직 완벽하게 만족스럽지는 않지만, 조금씩 DOC 보면서 손봐주면, 더 이쁜 대시보드가 될 것 같다. Streamlit으로 다 해먹어버리자 (나중에 Production은 다른 프레임웤으로 가야합니다.)

n8n 에서 ZOOM 인증 메일 포워딩 로직을 구현했었습니다. 어제 사단이 났는데 1. 구요한님은 크롬이나, ARC를 "영어" 버전을 쓰시는 것 같다 -> 맞다고 하심 2. 내가 테스트한 환경은 모두 "한글" 버전의 크롬에서 ZOOM을 로그인을 했었다, (거의 모든 사람들이 "한글 버전의 크롬에서 ZOOM 로그인 실행) 3. 내가 받은 인증메일의 폼이 한글 / 영어가 달랐고, 그래서 6자리 코드를 파싱해와야 하는데, 다른 정규표현식이라 어제 요한님께 번호를 포워딩 실패 4. 완벽한 자동화는 자동화를 만든 후 꾸준히 유지 관리를 해야 하며, 안정화 작업이 수반된다. (제발 다 만들었다고 신경 끄지 말자, 어떤 입력이 들어올지 모른다.. 이건 GPT o1 모델을 써도 알 수 없는 영역이라, 경험과 많은 환경에서 테스트를 하는 수 밖에 없다. 그리고 가장 중요한거 : "빠르게 고칠 수 있게 유연한 워크플로우를 잘 짜야 한다" (그리고 시간이 오래 지나도 기억할 수 있게.. 주석을 꼭 달 것)

지금까지 Zapier, Make를 써오면서 불편했던 점 중 하나인 1워크플로우 1트리거 정책 n8n은 1개의 워크플로우에서 N개의 트리거를 쓸 수 있다. 밑에 사진은 RAG를 위한 데이터를 가져오는 Workflow 중 구글 드라이브 파일을 create, 혹은 update하는 경우 모두 Trigger를 삼아서 RAG 데이터를 만든다. https://lilys.ai/digest/2397208/477727 더 자세한 사항은 여기를 참고 바란다!

internal 500 Error.. 제일 만나기 싫은 에러인데요, (왜 터진지 안알려줌) 이번에 지피터스가 스터디가 많아지기도 하고, 화수목만 진행해서 각 요일마다 백업하는 영상이 굉장히 많아졌습니다. 이전과 달라진 트레픽에 구글 드라이브 노드가 감당하지 못하고 터져버리는 사건발생... wait을 걸어서 안정화 작업을 시작했습니다. 그리고 실패했을 때 retry 하는 노드 옵션도 켰습니다. "세상에 완벽한 자동화는 없다" "세완자" -> 키워드 하나 잡았네요🥺

배포한 streamlit을 가만히 놔두고 아무도 안들어가면 꺼지게 돼있는데, (리소스 절약하기 위해) n8n으로 주기적으로 ping을 보내고 조작해버리면 영원히 잠자지 못하게 만들어 버릴 수 있다. UDT에서는 지옥주라고 잠 못자고 버티는게 있던데, 이게 streamlit에게 지옥주 아닐까?