용어집

AI 에이전트

AI 에이전트는 요청에 응답하고, 결정을 내리며, 사용자에게 실제 작업을 수행할 수 있는 인공지능 시스템입니다. 이들은 대규모 언어 모델(LLM)을 사용하여 사용자 입력을 해석하고 사용 가능한 정보와 리소스를 사용하여 요청을 처리하는 가장 좋은 방법에 대한 결정을 내립니다.

AI 체인

AI 체인은 구성 요소에 대한 호출의 시퀀스를 통해 대규모 언어 모델(LLM) 및 기타 리소스와 상호작용할 수 있게 해줍니다. n8n의 AI 체인은 지속 메모리를 사용하지 않으므로 이전 컨텍스트를 참조할 수 없습니다(이를 위해 AI 에이전트를 사용하세요).

AI 임베딩

임베딩은 벡터를 사용하여 데이터의 수치적 표현입니다. 이는 AI가 복잡한 데이터와 관계를 해석하기 위해 여러 차원에 걸쳐 값을 매핑하는 데 사용됩니다. 벡터 데이터베이스 또는 벡터 저장소는 임베딩을 저장하고 접근할 수 있도록 설계된 데이터베이스입니다.

AI 메모리

AI 맥락에서 메모리는 AI 도구가 상호작용 간에 메시지 컨텍스트를 지속할 수 있게 해줍니다. 예를 들어, 각 메시지와 함께 지속적인 컨텍스트를 제출하지 않고도 AI 에이전트와 계속 대화를 나눌 수 있습니다. n8n에서 AI 에이전트 노드는 메모리를 사용할 수 있지만 AI 체인은 사용할 수 없습니다.

AI 도구

AI 맥락에서 도구는 AI가 요청에 응답할 때 특정 정보나 기능을 참조할 수 있는 추가 리소스입니다. AI 모델은 도구를 사용하여 외부 시스템과 상호작용하거나 특정 집중 작업을 완료할 수 있습니다.

AI 벡터 저장소

벡터 저장소 또는 벡터 데이터베이스는 임베딩이라고 하는 정보의 수치적 표현을 저장하기 위해 설계된 데이터베이스입니다.

API

API, 즉 응용 프로그램 프로그래밍 인터페이스는 서비스의 데이터 및 기능에 대한 프로그래밍적 접근을 제공합니다. API는 소프트웨어가 외부 시스템과 더 쉽게 상호작용할 수 있도록 해줍니다. 일반적으로 웹 브라우저나 UI를 통해 접근하는 전통적인 사용자 중심 인터페이스의 대안으로 제공됩니다.

캔버스 (n8n)

캔버스는 n8n의 편집기 UI에서 워크플로를 빌드하기 위한 주요 인터페이스입니다. 캔버스를 사용하여 노드를 추가하고 연결하여 워크플로를 구성합니다.

클러스터 노드 (n8n)

n8n에서 클러스터 노드는 워크플로에서 기능을 제공하기 위해 함께 작동하는 노드 그룹입니다. 이들은 루트 노드와 노드의 기능을 확장하는 하나 이상의 서브 노드로 구성됩니다.

자격 증명 (n8n)

n8n에서 자격 증명은 특정 앱 및 서비스에 연결하기 위한 인증 정보를 저장합니다. 인증 정보(사용자 이름 및 비밀번호, API 키, OAuth 비밀 등)를 사용하여 자격 증명을 생성한 후 연관된 앱 노드를 사용하여 서비스와 상호작용할 수 있습니다.

데이터 고정 (n8n)

데이터 고정은 워크플로 개발 중 노드의 출력 데이터를 일시적으로 동결할 수 있게 해줍니다. 이를 통해 외부 서비스에 반복 요청을 하지 않으면서 예측 가능한 데이터로 워크플로를 개발할 수 있습니다. 프로덕션 워크플로는 고정된 데이터를 무시하고 각 실행 시 새로운 데이터를 요청합니다.

편집기 (n8n)

n8n 편집기 UI는 워크플로를 생성하고 관리할 수 있게 해줍니다. 주요 영역은 캔버스이며, 여기서 노드를 추가하고 구성하며 연결하여 워크플로를 구성할 수 있습니다. 측면 및 상단 패널을 통해 자격 증명, 템플릿, 변수, 실행 및 기타 UI의 다른 영역에 접근할 수 있습니다.

평가 (n8n)

n8n에서 평가는 실행 기록에 태그를 달고 정리하고 이를 새로운 실행과 비교할 수 있게 해줍니다. 이를 통해 변경 사항을 적용하면서 워크플로의 성능을 이해할 수 있습니다. 특히 AI 중심의 워크플로를 개발할 때 유용합니다.

표현식 (n8n)

n8n에서 표현식은 JavaScript 코드를 실행하여 노드 매개변수를 동적으로 채울 수 있게 해줍니다. 정적 값을 제공하는 대신, n8n 표현식 구문을 사용하여 이전 노드, 다른 워크플로 또는 n8n 환경에서 가져온 데이터를 사용해 값을 정의할 수 있습니다.

LangChain

LangChain은 대규모 언어 모델(LLMs)과 함께 작업하기 위해 사용되는 AI 개발 프레임워크입니다. LangChain은 다양한 모델 및 기타 리소스와 함께 작업하고 서로 다른 구성 요소를 연결하여 복잡한 애플리케이션을 구축하기 위한 표준화된 시스템을 제공합니다.

Large language model (LLM)

대규모 언어 모델, 또는 LLM은 자연어 처리(NLP) 작업에서 뛰어나도록 설계된 AI 기계 학습 모델입니다. 이들은 대량의 데이터로 훈련되어 언어 및 기타 데이터의 확률론적 모델을 개발합니다.

node (n8n)

n8n에서 노드는 워크플로를 생성하기 위해 구성하는 개별 구성 요소입니다. 노드는 워크플로가 언제 실행되어야 하는지를 정의하고, 데이터를 가져오고, 전송하고, 처리할 수 있으며, 흐름 제어 논리를 정의하고, 외부 서비스와 연결할 수 있습니다.

project (n8n)

n8n 프로젝트는 워크플로, 변수 및 자격 증명을 별도의 그룹으로 분리하여 관리하기 쉽게 합니다. 프로젝트는 팀이 관련 리소스를 공유하고 구분하여 협업하는 데 용이하게 합니다.

root node (n8n)

각 n8n 클러스터 노드는 클러스터의 주요 기능을 정의하는 단일 루트 노드를 포함합니다. 하나 이상의 하위 노드가 루트 노드에 연결되어 그 기능을 확장합니다.

sub node (n8n)

n8n 클러스터 노드는 루트 노드에 연결된 하나 이상의 하위 노드로 구성됩니다. 하위 노드는 루트 노드의 기능을 확장하여 특정 서비스나 리소스에 대한 액세스를 제공하거나 계산기 기능과 같은 특정 유형의 전용 처리를 제공합니다.

template (n8n)

n8n 템플릿은 n8n 및 커뮤니티 회원이 설계한 미리 구축된 워크플로로, n8n 인스턴스에 가져올 수 있습니다. 템플릿을 사용할 때는 자격 증명을 입력하고 요구 사항에 맞게 구성을 조정해야 할 수 있습니다.

trigger node (n8n)

트리거 노드는 특정 조건에 응답하여 워크플로를 실행하는 특별한 노드입니다. 모든 생산 워크플로에는 워크플로가 언제 실행될지를 결정하기 위해 최소한 하나의 트리거가 필요합니다.

workflow (n8n)

n8n 워크플로는 프로세스를 자동화하는 노드의 집합입니다. 워크플로는 트리거 조건이 발생할 때 실행을 시작하고 복잡한 작업을 달성하기 위해 순차적으로 실행됩니다.