ReAct AI Agent 노드#

ReAct Agent 노드는 ReAct 논리를 구현합니다. ReAct(추론 및 행동)는 사고의 연쇄를 통한 프롬프트와 행동 계획 생성을 결합합니다.

ReAct Agent는 주어진 작업에 대해 추론하고, 필요한 행동을 결정한 후 이를 실행합니다. 작업을 완료할 때까지 추론과 행동의 사이클을 따릅니다. ReAct agent는 복잡한 작업을 더 작은 하위 작업으로 나누고, 우선 순위를 매기고, 이를 하나씩 실행할 수 있습니다.

AI Agent 노드 자체에 대한 자세한 내용은 AI Agent를 참조하십시오.

메모리 없음

ReAct agent는 메모리 하위 노드를 지원하지 않습니다. 즉, 이전 프롬프트를 기억하거나 지속적인 대화를 시뮬레이션할 수 없습니다.

노드 매개변수#

다음 매개변수를 사용하여 ReAct Agent를 구성합니다.

프롬프트#

노드가 프롬프트(사용자의 질의 또는 채팅 입력)를 구성하는 방식을 선택하세요.

다음 옵션 중에서 선택할 수 있습니다:

이전 노드에서 자동으로 가져오기(Take from previous node automatically):
이 옵션을 선택하면 노드는 이전 노드에서 chatInput이라는 입력을 기대합니다.
직접 정의(Define below):
이 옵션을 선택하면 텍스트(Text) 필드에 사용할 프롬프트를 입력할 수 있습니다.
동적 콘텐츠를 위해 표현식(Expressions)을 사용할 수도 있습니다.

특정 출력 형식 요구#

이 매개변수는 노드가 특정 출력 형식을 요구할지 여부를 제어합니다.

이 기능을 활성화하면 n8n에서 다음 출력 파서 중 하나를 노드에 연결하도록 요청합니다:

노드 옵션#

대화 시작 시 에이전트에게 보낼 메시지를 생성하기 위해 옵션을 사용합니다. 메시지 유형은 사용 중인 모델에 따라 다릅니다:

채팅 모델: 이 모델은 상호 작용하는 세 가지 구성 요소(AI, 시스템 및 인간)의 개념을 가지고 있습니다. 시스템 메시지와 인간 메시지(프롬프트)를 수신할 수 있습니다.
지시 모델: 이 모델은 별도의 AI, 시스템 및 인간 구성 요소의 개념이 없습니다. 지시 메시지라는 하나의 본문 텍스트를 수신합니다.

인간 메시지 템플릿#

사용자 프롬프트를 확장하기 위해 이 옵션을 사용합니다. 이는 에이전트가 하나의 반복에서 다음 반복으로 정보를 전달하는 방법입니다.

사용 가능한 LangChain 표현식:

{input}: 사용자 프롬프트를 포함합니다.
{agent_scratchpad}: 다음 반복을 위해 기억해야 할 정보입니다.

접두사 메시지#

대화 시작 시 도구 목록 앞에 추가할 텍스트를 입력합니다. 도구 목록을 추가할 필요는 없습니다. LangChain이 자동으로 도구 목록을 추가합니다.

채팅 모델용 접미사 메시지#

에이전트가 채팅 모델을 사용할 때 대화 시작 시 도구 목록 뒤에 추가할 텍스트를 추가합니다. 도구 목록을 추가할 필요는 없습니다. LangChain이 자동으로 도구 목록을 추가합니다.

일반 모델용 접미사 메시지#

에이전트가 일반/지시 모델을 사용할 때 대화 시작 시 도구 목록 뒤에 추가할 텍스트를 추가합니다. 도구 목록을 추가할 필요는 없습니다. LangChain이 자동으로 도구 목록을 추가합니다.

중간 단계 반환#

최종 출력에 에이전트가 수행한 중간 단계를 포함할지 여부를 선택하세요.

활성화(ON): 에이전트가 수행한 중간 단계를 포함하여 출력합니다.
이는 에이전트의 동작을 세밀하게 조정하는 데 유용할 수 있습니다.
비활성화(OFF): 중간 단계를 포함하지 않고 최종 응답만 출력합니다.

템플릿 및 예제#

주요 AI Agent 노드의 템플릿 및 예제 섹션을 참조하십시오.

일반적인 문제#

일반적인 질문이나 문제 및 제안된 솔루션은 일반적인 문제를 참조하십시오.

AI 용어집 (AI Glossary)#

완성(Completion): GPT와 같은 모델이 생성하는 응답을 의미합니다.
환각(Hallucinations): AI에서 "환각"이란 LLM(대규모 언어 모델)이 실제로 존재하지 않는 패턴이나 개체를 잘못 인식하는 현상을 의미합니다.
벡터 데이터베이스(Vector Database): 정보를 수학적으로 표현한 벡터 데이터를 저장하는 데이터베이스입니다.
임베딩(Embeddings) 및 검색기(Retrievers)와 함께 사용하여 AI가 질문에 답할 때 접근할 수 있는 데이터베이스를 구성할 수 있습니다.
벡터 저장소(Vector Store): 벡터 데이터베이스와 동일한 개념으로, 정보를 수학적으로 표현한 벡터 데이터를 저장하는 시스템입니다.
임베딩 및 검색기와 함께 사용하여 AI가 질문에 답할 때 참조할 수 있는 데이터베이스를 구축할 수 있습니다.

n8n 공식 기술 문서 한글판 by 인포그랩