16 KiB
16 KiB
65일차 개요 · Trigger·Condition·Action 기반 워크플로우 설계
노코드 멀티 에이전트 워크플로우 설계 및 운영 · 2026-10-15 18장 · 각 장은 가로줄(
---)로 나뉩니다. 1교시에는 1~3장과 17장만 보고, 나머지 장은 각 단계를 설명할 때 함께 띄웁니다.
| 장 | 범위 |
|---|---|
| 1~3 | 표지 · 오늘의 목표 · 시간표 |
| 4~8 | 1단계 · TCA 설계 |
| 9~12 | 2단계 · n8n 실습 환경과 기본 설정 |
| 13~16 | 3단계 · 샘플 AI 워크플로우와 플랫폼 전환 |
| 17~18 | 실습 · 퀴즈와 예고 |
1 / 18 · 표지
flowchart LR
T((Trigger)) --> C{Condition}
C --> A1((Action))
C --> A2((Action))
classDef g fill:#8A9BA0,stroke:#8A9BA0,color:#fff
classDef o fill:#F2A541,stroke:#F2A541,color:#fff
classDef t fill:#0F7C80,stroke:#0F7C80,color:#fff
classDef m fill:#5B8E7D,stroke:#5B8E7D,color:#fff
class T g
class C o
class A1 t
class A2 m
65일차
Trigger·Condition·Action 기반 워크플로우 설계
업무 자동화 흐름 구성 · n8n 실습 환경 · 샘플 AI 워크플로우
노코드 멀티 에이전트 워크플로우 설계 및 운영 · 2026-10-15
2 / 18 · 오늘 할 수 있게 될 세 가지
| 목표 | 내용 | |
|---|---|---|
| ① | 흐름을 TCA로 설계한다 | 언제 시작하고(Trigger), 어느 길로 가고(Condition), 무엇을 하는지(Action) · 형식 함정 · 싼 검사부터 |
| ② | n8n으로 워크플로우를 실행한다 | Docker로 n8n 실행 · OpenAI Credential · 항목과 표현식 · IF·Switch·Webhook · 실행 기록 |
| ③ | AI 워크플로우를 플랫폼과 상관없이 부른다 | LLM 분기 + 결과 없음 경로 · 같은 입출력 약속 · 플랫폼·LLM 두 층의 자동 전환 |
3 / 18 · 오늘의 시간표
| ① 1~2교시 | ② 3~4교시 | ③ 5~6교시 | ④ 7~8교시 |
|---|---|---|---|
| 1단계 | 2단계 | 3단계 | 정리 |
| TCA 기반 워크플로우 설계 | n8n 실습 환경과 기본 설정 | 샘플 AI 워크플로우와 실행 흐름 | 퀴즈 A·B·C · 오늘의 정리·예고 |
| Lab 01 miniflow 분기 | Lab 02A 브라우저에서 직접 · Lab 02 IF·Webhook·Switch | Lab 03 AI 문의·전환 | 퀴즈 20분 |
09:00 시작 · 50분 수업 10분 휴식 · 12:00~13:00 점심
4 / 18 · 어제의 질문: 결과가 없으면 어디로?
64일차: "점심 메뉴 추천해줘" → FAQ 검색 결과 0건 → 다음 단계가 멈춤
flowchart LR
A["문의 입력"] --> B["FAQ 검색<br/>0건"] --> C["답변 초안<br/>첫 FAQ 사용"] --> X(["✕ 멈춤"])
classDef g fill:#8A9BA0,stroke:#8A9BA0,color:#fff
classDef o fill:#F2A541,stroke:#F2A541,color:#fff
classDef t fill:#0F7C80,stroke:#0F7C80,color:#fff
classDef r fill:#C65D3B,stroke:#C65D3B,color:#fff
class A g
class B o
class C t
class X r
오늘의 답 결과가 있을 때와 없을 때를 다른 길로 보낸다 → Condition 있음 → 답변 초안 작성 · 없음 → 담당자에게 전달 · 어떤 입력이 와도 결과가 나온다
| TCA | 코드에서 |
|---|---|
| Trigger | 엔드포인트 @app.post(...) |
| Condition | if / elif / else |
| Action | 함수 호출 · 저장 · 응답 |
그림에서는 마름모에서 나가는 선이 하나뿐이면 빠진 길이 바로 보입니다
5 / 18 · 워크플로우 설계의 세 가지 질문
| ① Trigger | ② Condition | ③ Action |
|---|---|---|
| 언제 시작하나? | 어느 길로 갈까? | 무엇을 하나? |
| 문의 양식 제출 매일 오전 9시 메일 도착 |
긴급 문의인가? FAQ가 있나? 분류가 무엇인가? |
LLM 답변 작성 담당자 전달 기록 저장 · 응답 |
모든 길의 끝에는 결과가 있어야 하고, 예상하지 못한 값을 받는 default 길이 필요합니다
6 / 18 · Trigger 고르기와 시작 데이터의 약속
| 질문 | 답에 따라 |
|---|---|
| 누가 시작하나? | 사람 → 폼·웹훅 / 시스템 → 이벤트 / 시계 → 일정 |
| 얼마나 자주? | 요청마다 → 웹훅 / 하루 한 번 묶어서 → 일정 |
| 결과를 기다리나? | 기다린다 → 웹훅 + 응답 노드 / 안 기다린다 → 처리 후 알림 |
| 한 번에 몇 건? | 1건 → 웹훅 / 여러 건 → 일정 Trigger가 목록을 읽어 항목별 처리 |
{"user": "kim", "text": "VPN 접속이 계속 끊겨요"}
| 필드 | 필수 | 비었을 때 |
|---|---|---|
user |
예 | 거절하거나 anonymous |
text |
예 | 400으로 거절 (Has text?) |
약속을 정해 두면 Trigger를 바꿔도(폼 → 메일 → 메신저) 뒤의 흐름은 그대로
7 / 18 · Condition의 종류와 LLM 출력 분기
| IF | Switch | 입력 검증 |
|---|---|---|
| 두 길 | 여러 길 + 그 밖 | 맨 앞에서 거절 |
| 긴급인가? 내용이 있나? | 분류: 계정·네트워크·장비·SW·기타 | 필수값이 비면 400 |
LLM의 판단으로 분기할 때
flowchart LR
L["LLM 분류<br/><small>'Software' · ' network\n'</small>"] --> N["값 정리·검증<br/><small>소문자·공백 제거<br/>허용 목록 확인</small>"] --> S["Switch<br/><small>정해진 값으로<br/>안전하게 분기</small>"]
classDef p fill:#7A6FB0,stroke:#7A6FB0,color:#fff
classDef o fill:#F2A541,stroke:#F2A541,color:#fff
classDef t fill:#0F7C80,stroke:#0F7C80,color:#fff
class L p
class N o
class S t
8 / 18 · 비교의 형식 함정과 "싼 검사부터"
| 함정 | 왼쪽 | 오른쪽 | 막는 방법 |
|---|---|---|---|
| 대소문자 | Network |
network |
소문자로 |
| 공백·줄바꿈 | " network\n" |
network |
trim |
| 문장으로 답함 | "It is network." |
network |
허용 목록에서 찾기 |
| 문자와 숫자 | "30" |
30 |
형식을 먼저 고름 |
| 빈 값과 없는 값 | "" / [] |
(필드 없음) | empty 연산자 |
flowchart LR
T(["요청"]) --> V{"입력 검증<br/>0원 · 즉시"} -->|"통과"| K{"'긴급' 포함?<br/>0원 · 즉시"} -->|"아니요"| L["LLM 분류<br/>비용 · 1~2초"]
V -->|"비었음"| R0(["거절"])
K -->|"예"| U(["담당자 즉시 연결"])
classDef o fill:#F2A541,stroke:#F2A541,color:#fff
classDef t fill:#0F7C80,stroke:#0F7C80,color:#fff
classDef r fill:#C65D3B,stroke:#C65D3B,color:#fff
classDef p fill:#7A6FB0,stroke:#7A6FB0,color:#fff
class V,K o
class L t
class R0 r
class U p
비용이 적고 확실한 검사를 앞에 · 빈 요청과 긴급 문의는 LLM을 부르기 전에 걸러진다
9 / 18 · 오늘의 실습 환경과 주소
flowchart LR
subgraph WSL["WSL2 (Ubuntu)"]
M["miniflow<br/>(uv)"]
subgraph DC["Compose 프로젝트 day65-n8n"]
N["n8n<br/>:5678<br/>get.n8n.io"] -.->|"대체 · http://ollama:11434"| O["Ollama<br/>(대체)"]
end
M -->|"localhost:5678"| N
end
N -->|"Credential<br/>OpenAI (.env)"| AI["OpenAI API<br/>gpt-4.1-mini"]
M -->|".env의 키"| AI
classDef m fill:#5B8E7D,stroke:#5B8E7D,color:#fff
classDef o fill:#F2A541,stroke:#F2A541,color:#fff
classDef d fill:#0F3D3E,stroke:#0F3D3E,color:#fff
classDef t fill:#0F7C80,stroke:#0F7C80,color:#fff
class M m
class N o
class O d
class AI t
명령 (Last3Mon/65/n8n) |
하는 일 |
|---|---|
curl -fsSL https://get.n8n.io | N8N_DIR=./day65-n8n sh -s -- --version 2.42.6 |
n8n 공식 한 줄 설치 (홈에서 한 번, 사전 준비) |
docker compose up -d / ps |
Ollama 더해 함께 실행 / 상태 확인 |
docker compose stop / start |
멈춤 / 다시 켬 (데이터 유지) |
docker compose logs n8n |
화면이 안 열릴 때 |
API 키는 .env와 Credential에만 둔다 · 컨테이너끼리는 서비스 이름(ollama)으로 부른다 · 오늘 띄운 n8n을 79일차까지 계속 씁니다
10 / 18 · API 키는 Credential로
flowchart LR
E[".env<br/>OPENAI_API_KEY<br/>(git 제외)"] -->|"register-credentials.sh"| C["n8n Credential<br/>'OpenAI (.env)'"]
C -.->|"이름으로 참조"| H["HTTP Request 노드"] --> AI["OpenAI API"]
classDef r fill:#C65D3B,stroke:#C65D3B,color:#fff
classDef p fill:#7A6FB0,stroke:#7A6FB0,color:#fff
classDef o fill:#F2A541,stroke:#F2A541,color:#fff
classDef t fill:#0F7C80,stroke:#0F7C80,color:#fff
class E r
class C p
class H o
class AI t
| 방식 | 워크플로우 JSON에 키가 들어가나 | 키를 바꿀 때 |
|---|---|---|
| 노드에 직접 적기 | 들어감 (공유·내보내기 위험) | 모든 노드를 찾아 고침 |
| Credential 참조 | 들어가지 않음 (이름·ID만) | Credential 하나만 (.env 수정 → 스크립트 다시 실행) |
수업용 Credential 두 개: OpenAI (.env) · Ollama local
11 / 18 · n8n의 데이터와 웹훅
[ {id: T-1, priority: urgent},
{id: T-2, priority: normal},
{id: T-3, priority: urgent} ]
IF priority = urgent
→ true 2개 · false 1개 (IF는 항목마다 3번 검사)
| Test URL | Production URL |
|---|---|
/webhook-test/... |
/webhook/... |
| 화면에서 대기 중일 때 1회 · 캔버스에 실행 과정 표시 | Publish 후 언제든 · Executions에서 확인 |
| 만들면서 확인 | 다른 프로그램(miniflow, 업무 코드)이 부를 때 |
결과를 돌려주려면 Respond to Webhook 노드 · 빈 요청은 400으로 알린다
12 / 18 · 표현식으로 값 꺼내기
| 표현식 | 어느 데이터 |
|---|---|
{{ $json.priority }} |
바로 앞 노드가 넘겨 준 지금 항목 |
{{ $json.body.text }} |
웹훅 요청 본문은 body 안에 |
{{ $('Settings').first().json.model }} |
이름으로 지정한 노드의 첫 항목 |
{{ $('Request webhook').item.json }} |
이름으로 지정한 노드에서 지금 항목과 짝인 항목 |
| 노드 설정 창 | 64일차 실행 기록에서 |
|---|---|
| INPUT (왼쪽) | 앞 노드의 output |
| Parameters (가운데) | args, prompt |
| OUTPUT (오른쪽) | output — Table · JSON · Schema로 보기 |
노드 이름은 표현식에 쓰이므로 처음부터 하는 일로 짓는다 · 처음엔
$json.text대신$json.body.text를 가장 자주 틀린다
13 / 18 · 샘플 AI 워크플로우: IT 문의 처리
flowchart LR
W(["Webhook"]) --> H{"내용<br/>있음?"} --> L["LLM<br/>분류"] --> N["값 정리<br/>FAQ 검색"] --> F{"FAQ<br/>있음?"}
F -->|"있음"| D["LLM 답변<br/>→ 자동 답변"]
F -->|"없음"| P["담당자<br/>전달"]
classDef g fill:#8A9BA0,stroke:#8A9BA0,color:#fff
classDef o fill:#F2A541,stroke:#F2A541,color:#fff
classDef p fill:#7A6FB0,stroke:#7A6FB0,color:#fff
classDef m fill:#5B8E7D,stroke:#5B8E7D,color:#fff
classDef t fill:#0F7C80,stroke:#0F7C80,color:#fff
classDef r fill:#C65D3B,stroke:#C65D3B,color:#fff
class W g
class H,F o
class L p
class N m
class D t
class P r
| 입력 | 지나간 길 | 응답 시간 (수업 전 측정) |
|---|---|---|
| VPN 접속이 계속 끊겨요 | 자동 답변 (FAQ-003) | 약 3~4초 · LLM 2회 |
| 비밀번호를 잊어버렸어요 | 자동 답변 (FAQ-001) | 약 3초 · LLM 2회 |
| 점심 메뉴 추천해줘 | 담당자 확인 | 약 0.6초 · LLM 1회 |
바뀔 수 있는 값은 Settings에 · LLM 출력은 Code에서 정리 · 두 길은 같은 필드(
category·faq_id·route·reply)로 끝난다
14 / 18 · 키워드 규칙 vs LLM 분류 · 시간은 어디서
키워드 규칙 (65-02) |
LLM 분류 (03) |
|
|---|---|---|
| 방식 | 단어 목록에 있으면 그 분류 | 문장의 뜻을 보고 분류 |
| 시간·비용 | 즉시 · 0원 | 1~2초 · 호출 비용 |
| 약한 곳 | 목록에 없는 표현 ("암호를 바꾸고 싶어요") | 형식이 흔들림 → 정리 단계 필요 |
flowchart LR
W["Webhook·Settings·IF<br/>밀리초"] --> L1["LLM classify<br/>약 1초대"] --> C["Code<br/>밀리초"] --> L2["LLM draft<br/>약 1~2초"] --> R["Respond<br/>밀리초"]
classDef g fill:#8A9BA0,stroke:#8A9BA0,color:#fff
classDef t fill:#0F7C80,stroke:#0F7C80,color:#fff
class W,C,R g
class L1,L2 t
전체 시간은 거의 LLM 호출 횟수가 정한다 · Executions에서
raw_label(원래 값)과category(정리된 값)를 나란히 본다
15 / 18 · 플랫폼에 묶이지 않는 실행: 자동 전환
flowchart LR
APP["업무 코드<br/>call('request')"] --> FR["FailoverRunner<br/>순서대로 시도"]
FR -->|"1순위"| N8["n8n ✕ 꺼짐"]
FR -->|"2순위"| MF["miniflow ✓ 응답"]
classDef d fill:#0F3D3E,stroke:#0F3D3E,color:#fff
classDef o fill:#F2A541,stroke:#F2A541,color:#fff
classDef t fill:#0F7C80,stroke:#0F7C80,color:#fff
classDef m fill:#5B8E7D,stroke:#5B8E7D,color:#fff
class APP d
class FR o
class N8 t
class MF m
| 그대로인 것 | 플랫폼마다 만드는 것 |
|---|---|
업무를 부르는 코드 · 입력 {user, text} · 출력 {category, faq_id, route, reply} |
워크플로우 자체 · 그 플랫폼의 어댑터 · 주소와 인증 설정 |
| 넘길 실패 | 넘기지 않을 실패 |
|---|---|
| 접속 불가 · 시간 초과 · 404 · 500 | 입력 오류(400) — 어디서 실행해도 똑같이 실패 |
수업 전 측정: 정상 n8n 약 2.5초 · n8n을 멈추자 약 12ms 만에 실패 판단 → miniflow가 처리
16 / 18 · 두 층의 대체 경로
flowchart TB
subgraph P["플랫폼 층 · FailoverRunner"]
direction LR
p1["n8n"] -->|"실패하면"| p2["miniflow"]
end
subgraph L["LLM 층 · MINIFLOW_LLM_FALLBACK"]
direction LR
l1["OpenAI gpt-4.1-mini"] -->|"실패하면"| l2["Ollama gemma3:4b"]
end
P ~~~ L
classDef o fill:#F2A541,stroke:#F2A541,color:#fff
classDef m fill:#5B8E7D,stroke:#5B8E7D,color:#fff
classDef t fill:#0F7C80,stroke:#0F7C80,color:#fff
class p1 o
class p2,l2 m
class l1 t
| 층 | 무엇이 실패할 때 | 오늘 확인 |
|---|---|---|
| 플랫폼 | n8n이 꺼짐·응답 없음 | docker compose stop n8n 후 miniflow call request |
| LLM | OpenAI 키 오류·한도·인터넷 | 잘못된 키로 miniflow run (이 명령에서만) |
두 층을 함께 쓰면 n8n도, OpenAI도 안 될 때 miniflow + Ollama로 업무가 이어진다 · 어느 쪽이 처리했는지
served_by·provider로 기록
17 / 18 · 오늘의 실습
| 실습 | 내용 | |
|---|---|---|
| 1 | Lab 01 · miniflow Condition·Switch | 어제 멈춘 흐름을 결과 없음 경로로 고치기 · default 길 · 긴급 분기 직접 추가 |
| 2A | Lab 02A · 브라우저에서 직접 만들기 (기본) | Windows 브라우저로 WSL의 n8n 열기 · Manual → Edit Fields → If → 두 길 · WSL curl로 웹훅 부르기 |
| 2 | Lab 02 · n8n 화면과 첫 워크플로우 | 가져오기 · Manual + IF · Webhook + Switch · Test/Production URL · 보안 분류 추가 |
| 3 | Lab 03 · AI 문의 처리와 플랫폼 전환 | LLM 분류·FAQ 분기 · Executions 추적 · n8n을 멈추고 자동 전환 · LLM 대체 |
준비: SETUP-N8N (.env에 OpenAI 키 · n8n 2.42.6 공식 한 줄 설치 + Ollama 대체 · Credential 등록) · 수업 전날
18 / 18 · 7교시 퀴즈 · 그리고 내일
| A · 기본 | B · 응용 | C · 심화 |
|---|---|---|
| TCA 용어 · n8n 기본 | 표현식 · 주소 · 분기 결과 | 설계 판단 · 자동 전환 |
- 단계별 10문항 · 20분 · 원하는 단계 선택
- 마지막 주관식 '더 알고 싶은 것'은 선택 · 점수 없음
66일차 예고 CLI 코딩 에이전트에게 요청문으로 만드는 단일 업무 자동화 워크플로우 (회의록 → 할 일) 준비: CLI 코딩 에이전트(Codex · Claude Code · Antigravity) 하나 설치·로그인 복습: 어제 시나리오를 TCA 설계표로 정리