에이전트와 체인의 차이

에이전트와 체인의 차이 (Agents vs chains)

에이전트와 체인의 핵심 차이를 보여주는 워크플로 예시예요.

이 워크플로에서는 채팅 질의를 에이전트[^1]로 보낼지 체인[^2]으로 보낼지 선택할 수 있어요. 에이전트가 체인보다 더 강력한 몇 가지 면이 드러나죠.

핵심 기능

이 워크플로는 다음을 사용해요.

  • Chat Trigger: 워크플로를 시작하고 사용자 채팅 상호작용에 응답해요. 커스터마이즈 가능한 채팅 인터페이스를 제공하죠.
  • Switch 노드: 질의에서 지정한 내용에 따라 질의를 에이전트 또는 체인으로 보내요. "agent"라고 말하면 에이전트로, "chain"이라고 말하면 체인으로 보내요.
  • Agent: Agent 노드는 워크플로의 다른 컴포넌트와 상호작용하고 어떤 도구[^3]를 쓸지 결정해요.
  • Basic LLM Chain: Basic LLM Chain 노드는 연결된 LLM과의 채팅을 지원하지만 메모리[^4]나 도구는 지원하지 않아요.

예시 사용하기

템플릿을 n8n 인스턴스에 불러오려면:

  1. 워크플로 JSON 파일을 다운로드하세요.
  2. n8n 인스턴스에서 새 워크플로를 여세요.
  3. JSON을 붙여 넣거나, Workflow 메뉴 > Import from file... 을 선택하세요.

예시 워크플로는 Sticky Notes로 안내를 제공해요.

  • 노란색: 메모와 정보.
  • 초록색: 워크플로를 실행하는 지침.
  • 주황색: 워크플로가 동작하려면 뭔가를 바꿔야 한다는 표시.
  • 파란색: 예시의 핵심 기능에 주목을 끌기.

출처: 공식문서

더 알아보기 (Learn more)

[^1]: AI 에이전트는 요청에 응답하고, 결정을 내리며, 사용자를 위해 실제 세계의 작업을 수행할 수 있는 인공지능 시스템이에요. 대규모 언어 모델(LLM)을 사용해 사용자 입력을 해석하고, 가진 정보와 자원을 바탕으로 요청을 가장 잘 처리하는 방법을 결정하죠.

[^2]: AI 체인은 대규모 언어 모델(LLM) 및 기타 리소스와 컴포넌트 호출의 시퀀스로 상호작용할 수 있게 해줘요. n8n의 AI 체인은 영구 메모리를 사용하지 않으므로 이전 컨텍스트를 참조하는 데 쓸 수 없어요(이 경우 AI 에이전트를 사용하세요).

[^3]: AI 맥락에서 도구(tool)는 요청에 응답할 때 특정 정보나 기능을 위해 AI가 참조할 수 있는 추가 리소스예요. AI 모델은 도구를 사용해 외부 시스템과 상호작용하거나, 특정하고 집중된 작업을 완료할 수 있어요.

[^4]: AI 맥락에서 메모리는 AI 도구가 상호작용 간에 메시지 컨텍스트를 유지할 수 있게 해줘요. 예를 들어 매 메시지마다 컨텍스트를 다시 제출하지 않고도 AI 에이전트와 대화를 이어갈 수 있게 해주죠. n8n에서 AI 에이전트 노드는 메모리를 쓸 수 있지만 AI 체인은 쓸 수 없어요.