aio-01d4-stu/Lecture/68/00-DAY68-PREP.md

68일차 실습 준비 · 수업 전에 미리 해 두면 좋은 것

• 수업일: 2026-10-20 (68일차) · 복합 업무 시나리오 분석과 Multi-Agent 기반 워크플로우 설계
• 준비 시간: 약 15분 (67일차 준비를 했다면 1·3절만)
• 먼저 WSL에서 cd ~/aio-01d4-stu && git pull로 오늘 자료를 받습니다 (수강생 저장소: https://gl.isitsoft.kr/publicproj/aio-01d4-stu).
• 수업 전날까지 1~3절을 끝내 주세요.
• 65~67일차를 하지 못해 n8n · Credential · 데이터 API가 없다면 PREPARE-68-FROM-65.md를 따라 하면 최소 명령으로 ready까지 갑니다.

flowchart LR
  A["1. n8n · 데이터 API 켜기"] --> B["2. 두 Agent 게시"] --> C["3. doctor<br/>ready"] --> D["4. 미리 읽기"]

---

1. n8n과 데이터 API 켜기 (전날 필수, 3분)

67일차와 같습니다. n8n은 65일차 설치(~/day65-n8n)를 Last3Mon/65/n8n에서 켜고, 데이터 API는 67일차 폴더의 것을 그대로 씁니다.

sudo systemctl disable --now ollama 2>/dev/null   # WSL에 설치한 Ollama가 있으면 끄고 자동 시작도 끔
cd ~/aio-01d4-stu/Last3Mon/65/n8n
docker compose rm -sf ollama                      # Ollama 컨테이너가 있으면 지움 (없으면 그냥 지나감)
docker compose start
cd ~/aio-01d4-stu/Last3Mon/67/data-api
docker compose up -d
curl -s localhost:8800/health       # {"status": "ok"}

• 66일차부터 LLM은 OpenAI API 키(Last3Mon/.env, Credential OpenAI (.env))만 씁니다. Ollama는 쓰지 않으므로 위처럼 꺼서 메모리를 아낍니다. 다음 날부터는 같은 명령을 그대로 써도 됩니다.
• network day65-n8n_default not found → n8n이 켜져 있지 않음. 위 n8n 부분부터 다시.
• .../day65-n8n/compose.yml: no such file or directory → 홈이 아닌 곳에 설치함. Last3Mon/65/n8n/.env에 N8N_HOME=<설치 폴더> (67일차 준비 1절).

2. 오늘 부를 Agent 두 개 게시 (전날 필수, 2분)

오늘 라우터가 부르는 Agent입니다. 만들지 않고 게시만 합니다.

Agent	파일	웹훅
IT 문의 (67일차 Lab 03 완성본)	agents/it-agent.json	/webhook/it-agent
회의록 (66일차 회의록 → 할 일)	agents/meeting-agent.json	/webhook/meeting-agent

cd ~/aio-01d4-stu/Last3Mon/68
uv run tools/flow.py push agents/it-agent.json agents/meeting-agent.json     # 수업 준비 때 약 19초
uv run tools/flow.py call it-agent requests/agent-it.json                     # route 자동 답변, T-1002 처리 중
uv run tools/flow.py call meeting-agent requests/agent-meeting.json           # count 4

같은 경로를 쓰던 예전 워크플로우가 있으면 push가 게시를 해제하고 ! unpublished ...로 알려 줍니다 (정상).

3. 준비 확인 (전날 필수, 2분)

cd ~/aio-01d4-stu/Last3Mon/68
uv run tools/flow.py doctor

✔ n8n install folder /home/<사용자>/day65-n8n
✔ n8n container day65-n8n-n8n-1
✔ n8n http://localhost:5678
✔ data API http://localhost:8800
✔ n8n → http://data-api:8800
✔ credential 'OpenAI (.env)' (openAiCourse0001)
✔ node catalog (for check)
✔ agent webhook /it-agent
✔ agent webhook /meeting-agent
✔ CLI coding agent: codex, claude
ready

✘ 항목	할 일
n8n container · data API	1절
credential	cd ~/aio-01d4-stu/Last3Mon/65/n8n && bash register-credentials.sh
agent webhook	2절 push
CLI coding agent	67일차 준비 2절 (설치·로그인)

---

4. 미리 읽어 오면 좋은 내용 (선택, 약 5분)

4.1 요청 하나에 업무가 여럿

"T-1002 처리 상태 알려주고, 첨부한 회의록에서 할 일도 정리해줘. 그리고 프린터 출력이 안 돼요."

이 문장에 업무가 몇 개인지, 각각 누가(어느 Agent가) 맡으면 좋을지 생각해 옵니다.

4.2 용어

용어	한 줄 설명
Multi-Agent	일을 나눠 맡은 Agent 여럿이 함께 하나의 업무를 처리
라우터	요청을 보고 담당 Agent에게 보내 주는 정해진 흐름
Supervisor	LLM 하나가 필요한 Agent를 골라 부르는 방식
계약	Agent의 입력·결과 모양 약속. 계약을 지키면 Agent 속은 바꿔도 됨

5. 당일 준비물

• 충전된 노트북과 충전기, WSL의 Docker, Windows Terminal(WSL) 창 두 개, 웹 브라우저
• 67일차 my-work/it-agent.json (지우지 마세요, 7교시 tflow 연습에 씀)

확인

• curl -s localhost:8800/health → {"status": "ok"}
• call it-agent, call meeting-agent 응답을 받았다
• uv run tools/flow.py doctor → 마지막 줄 ready