Lab 01 · 첫 번째 워크플로우 실행과 실행 기록 읽기

관련 강의: 1단계 · AI 워크플로우의 개념과 전체 아키텍처
소요 시간: 약 35분
목표: 노드·연결·페이로드·실행 기록을 직접 눈으로 확인한다.

1. 설치 확인 (5분)

사전 준비 안내를 마친 상태에서 WSL 터미널에서 실행합니다.

cd ~/aio-01d4-stu/Last3Mon/64/workflow-lab
uv run pytest -q          # 18 passed, 1 skipped
uv run miniflow check     # Reply (openai, ...) 가 나오면 준비 완료

2. 가장 단순한 워크플로우 실행 (10분)

flows/01-llm-only.json을 열어 구조를 확인합니다.

flowchart LR
  start[/"start<br/>input"/] --> summarize{{"summarize<br/>llm"}} --> result[\"result<br/>output"\]

uv run miniflow run flows/01-llm-only.json -i text="다음 주 화요일 10시에 기획 회의를 진행합니다. 각 팀은 진행 현황을 준비해 주세요."

출력 예시:

Workflow: 01 LLM only
------------------------------------------------------------------------
[1/3] start          input        ok    0.0ms  {"text": "다음 주 화요일 ..."}
[2/3] summarize      llm          ok 1645.8ms  "다음 주 화요일 10시에 기획 회의가 있습니다. 각 팀은 진행 현황을 준비해 주세요."
[3/3] result         output       ok    0.0ms  "다음 주 화요일 10시에 기획 회의가 있습니다. 각 팀은 진행 현황을 준비해 주세요."
------------------------------------------------------------------------
Status: completed
Trace saved: runs/20261014-101500-01-llm-only.json

OpenAI의 gpt-4.1-mini가 요약을 만들었습니다(약 1.4~1.6초). 요약 문장과 소요 시간은 실행할 때마다 조금씩 다를 수 있습니다.

같은 명령을 대체 모델(Ollama) 로도 실행해 봅니다. .env보다 명령 앞에 적은 값이 우선합니다.

MINIFLOW_LLM=ollama uv run miniflow run flows/01-llm-only.json -i text="다음 주 화요일 10시에 기획 회의를 진행합니다. 각 팀은 진행 현황을 준비해 주세요."

수업 전 측정에서 gemma3:4b는 12.7초가 걸렸고, 원문에 없는 "회의에서 진행 상황을 공유하고 논의할 예정입니다"를 덧붙였습니다. 요약 노드도 내용을 지어낼 수 있습니다.

같은 명령을 Mock LLM으로도 실행해 비교해 봅니다. Mock은 노드에 적어 둔 정해진 답을 돌려줍니다.

MINIFLOW_LLM=mock uv run miniflow run flows/01-llm-only.json -i text="다음 주 화요일 10시에 기획 회의를 진행합니다."

3. 실행 기록 읽기 (10분)

runs/ 폴더에 생긴 JSON 파일을 열고 다음 질문에 답해 보세요.

summarize 노드의 prompt 필드에는 무엇이 들어 있나요? {{input.text}}는 어떻게 바뀌었나요?
provider 값은 무엇인가요? Mock으로 실행한 기록과 비교하면 무엇이 다른가요?
각 노드의 ms 값을 보면 어느 노드가 가장 오래 걸렸나요? Mock, Ollama로 실행했을 때와 비교하면 얼마나 차이 나나요?

uv run miniflow show flows/01-llm-only.json

위 명령은 워크플로우를 Mermaid 문법으로 출력합니다. 출력을 Mermaid Viewer에 붙여 넣으면 그림으로 볼 수 있습니다.

4. 지난 프로젝트를 노드로 다시 그리기 (10분)

지난 실습 프로젝트 하나를 골라 노드와 연결로 다시 그립니다. 아래 예시를 참고하세요.

mini_agent_03_mcp (8월)를 워크플로우로 그리면:

flowchart LR
  i[/"사용자 질문"/] --> l1{{"LLM<br/>Tool 선택"}}
  l1 --> t1["Tool<br/>Travel MCP"]
  l1 --> t2["Tool<br/>Policy MCP"]
  t1 --> l2{{"LLM<br/>최종 답변"}}
  t2 --> l2
  l2 --> o[\"답변"\]

다음 중 하나를 골라 Last3Mon/64/my-work/LAB-01-MY-DIAGRAM.md 파일에 Mermaid로 그려 보세요.

mini_agent_04_rag: 질문 → 검색 → 답변 → 캐시
mini_agent_05_memory: 질문 → 기억 조회 → 답변 → 기억 저장
mini_multi_agent_04_distributed_collaboration: 계획 → 병렬 Agent 3개 → Join → 일정

그린 뒤, 각 노드가 LLM·Tool·Memory·데이터 처리 중 무엇인지 표시합니다.

확인

pytest가 모두 통과했다.
01-llm-only.json을 실행하고 실행 기록을 열어 보았다.
지난 프로젝트 하나를 노드와 연결로 그렸다.

4.5 KiB Raw Blame History

Lab 01 · 첫 번째 워크플로우 실행과 실행 기록 읽기

1. 설치 확인 (5분)

2. 가장 단순한 워크플로우 실행 (10분)

3. 실행 기록 읽기 (10분)

4. 지난 프로젝트를 노드로 다시 그리기 (10분)

확인

4.5 KiB

Raw Blame History