SQL AI Agent 노드#
SQL 에이전트는 SQL 데이터베이스를 데이터 소스로 사용합니다. 자연어 질문을 이해하고 이를 SQL 쿼리로 변환한 후, 쿼리를 실행하고 결과를 사용자 친화적인 형식으로 제공합니다. 이 에이전트는 데이터베이스에 대한 자연어 인터페이스를 구축하는 데 유용합니다.
AI 에이전트 노드에 대한 자세한 내용은 AI Agent를 참조하세요.
노드 매개변수#
다음 매개변수를 사용하여 SQL 에이전트를 구성하세요.
데이터 소스#
노드의 데이터 소스로 사용할 데이터베이스를 선택하세요. 옵션은 다음과 같습니다:
- MySQL: MySQL 데이터베이스를 사용하려면 이 옵션을 선택하세요.
- MySQL 자격 증명도 선택하세요.
- SQLite: SQLite 데이터베이스를 사용하려면 이 옵션을 선택하세요.
- SQLite 파일을 읽기 위해 Read/Write File From Disk 노드를 에이전트 앞에 추가해야 합니다.
- Read/Write File From Disk 노드에서 온 SQLite 파일의 Input Binary Field 이름도 입력하세요.
- Postgres: Postgres 데이터베이스를 사용하려면 이 옵션을 선택하세요.
- Postgres 자격 증명도 선택하세요.
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 노드에서chatInput이라는 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.
노드 옵션#
다음 옵션을 사용하여 SQL 에이전트 노드의 동작을 조정하세요:
무시된 테이블#
노드가 데이터베이스의 특정 테이블을 무시하도록 하려면 무시할 테이블의 쉼표로 구분된 목록을 입력하세요.
비워두면 에이전트는 어떤 테이블도 무시하지 않습니다.
샘플 행 포함#
에이전트에 프롬프트로 포함할 샘플 행의 수를 입력하세요. 기본값은 3입니다.
샘플 행은 에이전트가 데이터베이스의 스키마를 이해하는 데 도움이 되지만, 사용되는 토큰 수를 증가시킵니다.
포함된 테이블#
데이터베이스에서 특정 테이블만 포함하고 싶다면 포함할 테이블의 쉼표로 구분된 목록을 입력하세요.
비워두면 에이전트는 모든 테이블을 포함합니다.
접두사 프롬프트#
프롬프트 텍스트 전에 에이전트에게 보내고 싶은 메시지를 입력하세요. 이 초기 메시지는 에이전트가 무엇을 할 수 있고 무엇을 할 수 없는지, 그리고 응답 형식을 어떻게 지정할 것인지에 대한 더 많은 맥락과 지침을 제공할 수 있습니다.
n8n은 이 필드를 예제와 함께 채웁니다.
접미사 프롬프트#
프롬프트 텍스트 후에 에이전트에게 보내고 싶은 메시지를 입력하세요.
사용 가능한 LangChain 표현식:
{chatHistory}: 이 대화의 메시지 이력으로, 맥.Context를 유지하는 데 유용합니다.{input}: 사용자 프롬프트를 포함합니다.{agent_scratchpad}: 다음 반복을 위해 기억할 정보를 포함합니다.
n8n은 이 필드를 예제와 함께 채웁니다.
제한#
반환할 최대 결과 수를 입력하세요.
기본값은 10입니다.
템플릿 및 예제#
주요 AI 에이전트 노드의 템플릿 및 예제 섹션을 참조하세요.
일반적인 문제#
일반적인 질문이나 문제 및 제안된 솔루션은 Common issues를 참조하세요.
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.