n8n에서 워크플로우 안에 진짜로 “판단하는” AI 에이전트를 넣으려면, AI Agent 노드에 Chat Model 서브노드 1개와 Tool 서브노드 최소 1개를 연결하면 됩니다. 여기에 Memory 서브노드를 더하면 대화 맥락까지 기억하는 자동화가 완성됩니다. if/switch로 짜던 고정 분기 로직 대신, 상황에 따라 어떤 API를 호출할지 AI가 스스로 고르게 만들고 싶다면 이 노드가 정확히 그 역할을 합니다.
문제는 “AI Agent 노드를 추가했는데 뭘 더 연결해야 하는지”, “Memory 종류가 여러 개인데 뭐가 다른지”, “System Message는 어디서 설정하는지”가 헷갈린다는 점입니다. 이 글에서는 공식 문서와 커뮤니티 자료를 직접 열어 확인한 정확한 필드명·메뉴 위치를 바탕으로, 준비물부터 STEP별 연결·Tool 세부 설정까지 순서대로 정리했습니다.
AI Agent 노드는 Chat Model(필수)·Memory(선택)·Tool(최소 1개 필수), 이렇게 세 종류의 서브노드를 연결해야 동작합니다.
n8n 1.82.0부터 에이전트 타입 선택이 사라지고 전부 Tools Agent 방식으로 통합됐고, System Message는 기본 화면에 숨어 있어 Options의 “Add Option”에서 따로 추가해야 보입니다.
MCP 서버를 붙이는 세부 절차는 지난 글에 이미 정리돼 있으니, 이 글은 HTTP Request Tool·Workflow Tool·AI Agent Tool처럼 MCP와 겹치지 않는 Tool 설정에 더 집중합니다.
n8n AI Agent 노드란 무엇인가
AI Agent 노드는 LLM(거대언어모델)을 워크플로우 안에 “생각하고 도구를 고르는 주체”로 끼워 넣는 클러스터 노드입니다. 일반 노드처럼 정해진 순서대로만 실행되는 게 아니라, 연결된 Tool 목록을 보고 상황에 맞는 도구를 스스로 선택해 호출한 뒤 결과를 종합합니다.
공식 문서에 따르면 AI Agent 노드는 최소 1개 이상의 Tool 서브노드를 반드시 연결해야 동작합니다. Chat Model 없이는 애초에 저장이 안 되고, Tool이 하나도 없으면 에이전트가 “생각”만 하고 아무 행동도 하지 못하는 상태가 됩니다.
- Chat Model (필수): OpenAI, Anthropic Claude, Google Gemini, DeepSeek, Groq, Azure OpenAI 등 n8n에 내장 지원되는 모델 중 하나를 연결
- Memory (선택): 대화 맥락을 기억할지, 매번 새로 시작할지 결정
- Tool (최소 1개 필수): HTTP 요청, 코드 실행, 다른 워크플로우 호출, 외부 MCP 서버 등 에이전트가 실제로 쓸 수 있는 도구
버전 변경사항: 1.82.0 이전에는 Conversational Agent, ReAct Agent, OpenAI Functions Agent처럼 에이전트 “타입”을 직접 골라야 했는데, 1.82.0부터 이 설정 자체가 사라지고 가장 널리 쓰이던 Tools Agent 방식 하나로 통합됐습니다. 오래된 튜토리얼 영상을 보고 있다면 이 부분에서 화면이 다를 수 있습니다.
준비물
시작 전에 아래 세 가지만 확인하면 됩니다.
- n8n 계정(클라우드 또는 셀프호스팅) — Community 에디션(무료)만으로도 Simple Memory, Postgres, Redis, MongoDB 메모리 노드까지 전부 사용 가능
- LLM API 키 1개 — OpenAI·Anthropic·Gemini 중 아무거나(모델 사용료는 n8n 요금과 별도로 청구됨)
- 자동화하려는 구체적 시나리오 — “이메일 분류”, “리서치 요약”처럼 도구를 몇 개 붙일지 가늠할 수 있는 목표
이미 n8n으로 규칙 기반 워크플로우(트리거→조건분기→액션)를 만들어봤다면 n8n 워크플로우 예제 5가지 글에서 다룬 노드 연결 방식이 그대로 재사용됩니다. AI Agent 노드는 그 흐름 중간에 “판단이 필요한 구간”만 대체한다고 생각하면 됩니다.
설치/시작 — AI Agent 노드 추가하기
새 워크플로우를 만들고 트리거(Chat Trigger, Webhook, 스케줄 등)를 추가한 뒤, 노드 검색창에서 “AI Agent”를 검색해 추가합니다. 노드를 캔버스에 놓으면 하단에 Chat Model·Memory·Tool 세 개의 연결 슬롯이 라벨과 함께 비어 있는 상태로 나타납니다. 공식 문서에 나온 정확한 연결 방법은 다음과 같습니다.
- STEP 1 — Chat Model 연결: 노드 하단 “Chat Model” 라벨 옆의 + 커넥터를 클릭하면 “Language Models” 카테고리로 필터링된 검색창이 뜬다. 여기서 OpenAI Chat Model 등 원하는 모델을 선택하고 API 키 크리덴셜을 등록한다.
- STEP 2 — Memory 연결(선택): 노드 하단 “Memory” 라벨을 클릭하면 패널이 뜨는데, 여기서 “Simple Memory”를 선택하면 가장 기본적인 세션 내 대화 기록 저장이 켜진다. 영속 저장이 필요하면 Postgres/Redis/MongoDB Chat Memory 중 하나를 대신 선택한다.
- STEP 3 — Tool 연결(필수): “Tool” 라벨 아래 + 버튼으로 서브노드를 최소 1개 연결한다. 공식 문서가 명시한 대로 이 연결이 없으면 AI Agent 노드는 정상적으로 동작하지 않는다.
활용법 1 — Chat Model·Memory·System Message 세팅
Memory는 성격이 다른 두 계열로 나뉩니다. 이 차이를 모르고 쓰면 “분명 저장했는데 다음 실행에서 기억을 못 한다”는 흔한 실수로 이어집니다.
- Simple Memory: 워크플로우 실행(execution) 동안만 유지되는 버퍼 윈도우 방식. 실행이 끝나면 배열 자체가 사라져 재시작하면 대화 기록도 초기화됩니다. 빠르게 테스트할 때 적합합니다.
- Postgres / Redis / MongoDB Chat Memory: 외부 저장소에 기록을 영속 저장해 n8n 재시작 후에도 대화 맥락이 유지됩니다. 실제 운영용 챗봇·상담 자동화에는 이쪽을 권장합니다.
System Message는 AI Agent 노드 설정 패널 기본 화면에는 보이지 않습니다. 패널 하단의 “Options” 섹션에서 “Add Option” 선택자를 열어 “System Message” 항목을 직접 추가해야 입력창이 나타나는 구조이고, 처음 추가하면 기본값으로 “You are a helpful assistant”라는 문구가 들어 있습니다. 여기에 역할·금지사항·출력 형식을 구체적으로 적어줄수록 도구 선택 정확도가 올라갑니다.
Max Iterations(기본값 10)는 하나의 응답을 만들기 위해 도구 호출을 반복할 수 있는 최대 횟수입니다. 이 값을 넘기면 “Agent stopped due to max iterations.”라는 안내 메시지와 함께 중단됩니다.
활용법 2 — Tool별 실제 설정 포인트
Tool 슬롯에는 여러 종류를 동시에 연결할 수 있고, 에이전트는 각 도구의 설명(description)을 읽고 상황에 맞는 것을 스스로 고릅니다. MCP와 겹치지 않는 세 가지 Tool의 실제 설정 항목을 정리하면 다음과 같습니다.
- HTTP Request Tool: 일반 HTTP Request 노드와 같은 Method·URL·Headers·Body 필드에 더해 “Tool Description” 필드가 핵심입니다. 이 설명이 곧 에이전트가 “언제 이 도구를 쓸지” 판단하는 근거이기 때문에, 추상적인 문구보다 “사용자 이메일로 최근 주문 내역을 조회할 때 사용” 처럼 구체적으로 써야 합니다. URL이나 Body 안에
{placeholder}형태로 자리표시자를 넣으면 모델이 값을 채워 넣는데, 이 자리표시자를 별도 탭에서 정의하던 기존 “Placeholder Definitions” 기능은 최근 버전(1.90.x대)에서 제거됐다는 보고가 커뮤니티 포럼에 다수 올라와 있어, 지금은 Tool Description 설명 문구만으로 자리표시자 문맥을 전달해야 하는 점을 감안해야 합니다. - Workflow Tool: “Source” 파라미터로 호출할 하위 워크플로우를 지정(데이터베이스 목록에서 선택 / ID 직접 입력 등)하고, “Workflow Inputs”에서 상위 에이전트가 하위 워크플로우로 넘길 값의 구조를 매핑합니다. 복잡한 서브 로직(예: PDF 파싱, 다단계 계산)을 별도 워크플로우로 빼서 여러 에이전트가 재사용하게 만들 때 유용합니다.
- AI Agent Tool: 에이전트를 통째로 다른 에이전트의 도구로 등록하는 방식입니다. 하위 에이전트도 자체 System Message·Chat Model·Tool 구성을 그대로 가지므로, “총괄 에이전트 → 리서치 담당 하위 에이전트 → 하위 에이전트 전용 검색 Tool”처럼 계층형으로 역할을 나눌 수 있습니다.
MCP Client Tool도 이 목록에 포함되지만, SSE 엔드포인트 주소·인증 방식(Bearer/헤더/OAuth2) 같은 구체적인 연결 절차는 지난 글 n8n MCP 서버·클라이언트 연동 완전정리에서 이미 다뤘으므로 여기서는 반복하지 않습니다. 요약하면 HTTP Request Tool처럼 API를 하나하나 등록하지 않고, MCP 서버가 노출한 도구 전체를 엔드포인트 하나로 가져오는 방식이라는 점만 기억하면 됩니다.
직접 확인해보니
이 글을 쓰면서 n8n 공식 문서 여러 페이지와 커뮤니티 포럼·GitHub 이슈 트래커를 직접 열어 교차 확인했습니다. 그 과정에서 확인한 구체적인 사실 세 가지를 그대로 적습니다.
첫째, 공식 문서 사이트의 AI 튜토리얼 안내 URL(intro-tutorial 경로) 중 하나에 실제로 접속해보니 콘텐츠 대신 “Page Not Found” 오류 페이지로 연결됐습니다. 문서 구조가 개편 중인 것으로 보이며, 공식 문서만 믿고 링크를 따라갈 때는 이런 깨진 링크가 있을 수 있다는 점을 참고하면 좋겠습니다.
둘째, System Message 필드가 기본 화면에 없다는 점은 실제로 헷갈리기 쉬운 부분이라 GitHub 이슈(“Missing System Message (Prompt) field from AI Agent node”)에서도 별도로 문의가 올라와 있었습니다. Options → Add Option 경로를 거쳐야 한다는 사실을 문서와 이슈 트래커 양쪽에서 교차 확인했습니다.
셋째, HTTP Request Tool의 “Placeholder Definitions” 기능이 최근 버전에서 사라졌다는 점은 n8n 커뮤니티 포럼과 GitHub 이슈(#15085, #14927)에서 반복적으로 보고되고 있었습니다. 문서에는 아직 이 변경 사항이 명확히 반영돼 있지 않아, 옛 튜토리얼을 그대로 따라 하다 “그런 탭이 없다”는 혼란을 겪을 수 있다는 점을 확인했습니다.
자주 묻는 질문
n8n AI Agent 노드는 무료로 쓸 수 있나요?
노드 자체와 Simple Memory·Postgres·Redis·MongoDB 메모리 노드는 n8n Community 에디션(무료)에 모두 포함돼 있습니다. 다만 연결하는 LLM(OpenAI, Claude 등)의 API 사용료는 별도로 청구됩니다.
Tool을 여러 개 연결하면 에이전트가 헷갈리지 않나요?
Tools Agent 방식은 각 도구의 Tool Description 텍스트를 보고 스스로 적합한 도구를 고릅니다. 도구가 많아질수록 설명을 구체적으로 써주고, System Message에 우선순위를 명시하는 것이 오작동을 줄이는 실질적인 방법입니다.
기존 if/switch 규칙 기반 워크플로우와 AI Agent 노드를 같이 써도 되나요?
네, 오히려 그 방식이 권장됩니다. 정형적으로 처리 가능한 구간은 기존 조건 분기 노드로 처리하고, 판단이 필요한 구간만 AI Agent 노드로 좁혀서 연결하면 API 비용과 오류 가능성을 동시에 줄일 수 있습니다.
MCP 서버 연동과 AI Agent 노드의 다른 Tool은 뭐가 다른가요?
HTTP Request Tool·Workflow Tool은 API나 워크플로우를 하나씩 직접 등록해야 하지만, MCP Client Tool은 외부 MCP 서버가 노출한 도구 전체를 엔드포인트 주소 하나로 한 번에 가져옵니다. 구체적인 연결 절차는 n8n MCP 서버·클라이언트 연동 완전정리에서 확인할 수 있습니다.
실전 활용 아이디어
AI Agent 노드는 “규칙만으로는 처리하기 애매한 구간”에 넣을 때 가장 효과가 큽니다. 이 니치에서 바로 시도해볼 만한 조합은 다음과 같습니다.
- 문의 자동 응대 업그레이드: n8n 이메일 자동응대 만들기에서 다룬 Gmail 트리거 워크플로우에 AI Agent 노드를 끼워 넣으면, 단순 키워드 분류를 넘어 HTTP Request Tool로 CRM을 조회해 “이 고객의 과거 문의 이력을 참고해서 답장 초안 작성” 같은 판단형 자동화가 가능해집니다.
- SNS 콘텐츠 파이프라인 고도화: n8n으로 SNS 자동 포스팅 만들기 워크플로우에 Workflow Tool로 “이미지 생성 서브 워크플로우”를 연결하면, 에이전트가 게시 시간대·플랫폼별 톤을 스스로 판단해 분기하는 구조로 확장할 수 있습니다.
- 사내 리서치 비서: Chat Trigger + AI Agent + MCP Client Tool 조합으로, 사내 문서 검색용 MCP 서버 하나만 연결해두면 별도 API 설정 없이 “최근 계약서 요약해줘” 같은 요청을 바로 처리하는 부업/사이드 프로젝트용 봇을 만들 수 있습니다.
공통적으로, 처음부터 Tool을 5~6개씩 붙이기보다 1~2개로 시작해 System Message와 Max Iterations를 조정해가며 안정화한 뒤 도구를 늘려가는 순서가 디버깅 부담을 줄여줍니다.
핵심 요약
- AI Agent 노드는 Chat Model(필수)·Memory(선택)·Tool(최소 1개 필수) 세 서브노드 연결로 동작하며, 1.82.0부터 Tools Agent 방식으로 통합됐습니다.
- System Message는 Options → Add Option에서 따로 추가해야 보이고, Max Iterations 기본값 10을 참고해 Tool Description을 구체적으로 써야 도구 선택 정확도가 올라갑니다.
- HTTP Request Tool·Workflow Tool·AI Agent Tool은 각각 다른 실제 설정 항목(Tool Description, Source/Workflow Inputs, 계층형 에이전트 구성)을 가지며, MCP 서버 전체를 붙이는 절차는 지난 MCP 연동 글로 대체할 수 있습니다.
AI 리서치와 검수 과정을 거쳐 콘텐츠를 제작합니다. 오류나 개선할 점을 발견하시면 연락처로 알려주세요.