n8n, Claude와 함께 함께 자연어를 기반으로 워크플로우 자동화를 구현하다

n8n은 기술팀이 신뢰할 수 있는 AI 워크플로우와 에이전트를 구축, 조정, 배포할 수 있도록 지원하며, 시각적 빌더의 속도와 맞춤형 코드의 유연성을 동시에 제공합니다. 이 플랫폼은 170,000개 이상의 GitHub 스타를 받아 역대 상위 50개 프로젝트에 들었으며, 솔로 창업자부터 Fortune 100대 기업까지 다양한 고객들이 사용하는 플랫폼입니다.

Claude를 활용하여 n8n이 달성한 결과:

• Claude 기반 AI 워크플로우 빌더 제품을 개념 수립부터 프로덕션까지 단 2개월 만에 구축했으며, 이후 아키텍처는 각기 다른 작업을 담당하는 전문 에이전트들로 구성된 멀티 에이전트 시스템으로 발전했습니다
• LLM과 n8n 인터페이스 간을 전환하던 두 개의 탭 기반 워크플로우를 대체하는 채팅 기반 워크플로우 생성 및 디버깅 도구를 개발했습니다
• 워크플로우 구축에 소요되는 작업량은 80% 줄이고, 엔지니어가 최종 개선 사항을 처리하도록 지원합니다
• 복잡한 다단계 워크플로우 어셈블리를 위한 신뢰할 수 있는 함수 호출을 구축했으며, Claude는 정확한 지침 따르기에서 다른 모델 중 최고의 성능을 발휘했습니다 

과제: 모델이 정확한 구조화된 형식을 생성하도록 하기

n8n이 AI 워크플로우 빌더를 구축하기 전에는 많은 사용자들이 친숙한 2개의 탭 설정을 가지고 있었습니다: 한쪽은 n8n, 다른 한쪽은 채팅 기반 LLM이었습니다. 자동화하고 싶은 내용을 설명하고, 제안된 워크플로우를 복사해 n8n에 붙여넣고, 오류가 발생하면 다시 반복하곤 했습니다. 작동은 했지만, 외부 모델은 도구 내부에서 실제로 어떤 일이 일어나고 있는지에 대한 컨텍스트가 부족했습니다.

n8n은 2023년부터 AI 기능을 제공해 왔습니다. 그러나 다음 단계는 한층 더 야심찬 계획을 세웠습니다: 마치 대화를 나누듯 워크플로우를 구축할 수 있다면 어떨까요?

이 과제는 구조적 측면의 도전이었습니다. n8n 워크플로우는 정확한 객체입니다. 노드를 찾아야 하고, 특정 순서로 연결해야 하며, 올바른 매개변수로 구성해야 합니다. 팀의 첫 번째 접근 방식은 모델이 워크플로우의 기반이 되는 JSON을 직접 생성하도록 하는 것이었습니다. n8n AI팀의 엔지니어링 매니저인 JP van Oosten은 "이는 모델에게 상당히 어려운 과제로 나타났습니다."라고 말했습니다. 완전한 워크플로우를 한 번에 생성하려면 모델이 전체 스키마, 모든 노드 정의, 모든 연결 로직을 동시에 이해해야 했습니다. van Oosten은 "이 모델은 수백만 개의 TypeScript 코드 파일과 비교했을 때 아마 10,000개 정도의 n8n 워크플로우만 접해 보았을 것입니다."라고 말했습니다.

정확한 지침 수행을 위한 Claude를 선택하다

JSON 생성 문제를 해결하기 위해, 팀은 Claude가 한 번에 하나씩 노드를 추가하고, 이를 연결하며, 개별 함수 호출을 통해 이를 구성하는 도구 기반 아키텍처로 전환했습니다. 이는 모델의 강점을 활용했고, van Oosten이 설명했듯이 이 프로세스를 "모델이 훨씬 더 소화하기 쉽게" 만들었습니다.

팀은 여러 모델을 평가했습니다. Claude는 특히 지침 수행 능력에서 뛰어난 성과를 보였습니다. 다른 모델은 함수 호출에 지나치게 의존하거나, 이를 아예 무시했습니다. Claude는 팀이 "스위트 스팟"이라고 부르는 이상적인 상태에 있었습니다. 이는 지침을 일관되게 따르면서 도구를 의도한 대로 활용하는 상태를 의미합니다.

AI 워크플로우 빌더의 리드 엔지니어인 Oleg Ivaniv는 "응답 속도와 품질이 매우 우수했습니다."라고 말했습니다. "워크플로우는 이해하기가 다소 어려울 수 있습니다." 

또한 Claude의 문서는 프롬프트 캐싱과 같은 세부 사항을 이해하는 데 도움을 주었으며, Anthropic 팀은 n8n의 구현을 검토하여 속도 제한 관점에서 출시가 원활하게 진행되도록 했습니다. AI 워크플로우 빌더의 첫 번째 이터레이션은 개념에서 프로덕션까지 약 2개월이 걸렸습니다.

결과: n8n이 대화를 통해 워크플로우를 구성하는 방식

AI 워크플로우 빌더는 n8n 사용자에게 친숙한 채팅 인터페이스를 제공하여, 이전에는 노드 유형, 연결 로직, 구성 옵션을 이해해야만 수행할 수 있었던 작업을 보다 쉽게 처리할 수 있도록 지원합니다. 사용자가 자동화하고 싶은 부분을 설명하면, Claude는 어떤 부분을 조합해야 할지, 그리고 어떻게 조합해야 할지를 결정합니다. 워크플로우를 첫 번째로 생성하는 데 수동으로 구축할 경우 보통 10~30분이 걸리는 것과 달리, 약 3분 정도가 소요됩니다.

van Oosten은 "Claude의 도구 호출은 물론, 코딩 기능도 최고 수준입니다"라고 말했습니다. "이 요소들은 AI 워크플로우 빌더에서 저희 접근 방식의 핵심입니다."

가장 명확한 변화 사례는 두 개의 탭 기반 경험입니다. 이전에는 n8n과 외부 LLM 사이를 오가던 사용자들이 이제는 제품 내에서 그 과정을 대화형으로 수행할 수 있게 되었습니다. AI 워크플로우 빌더는 워크플로우에서 실제로 일어나는 상황에 대한 컨텍스트를 파악하고 있어, 오류를 보다 정확하게 진단할 수 있으며 제안도 더욱 적절하게 제공됩니다. van Oosten은 "Claude를 통해 아이디어에서 완전한 기능을 갖춘 워크플로우로 이어지는 친숙한 채팅 기반 인터페이스를 제공할 수 있었습니다."라고 말했습니다.

출시 이후, 이 아키텍처는 각기 다른 워크플로우 생성 단계를 담당하는 전문 에이전트들로 구성된 멀티 에이전트 시스템으로 발전했습니다. 현재 팀의 프롬프트는 Claude Sonnet 4.5에 맞춰 정교하게 맞춤화되었으며, Claude가 도구를 호출하는 대신 코드를 생성하는 코드 기반 접근 방식에 대한 초기 실험에서도, 보다 성능이 뛰어난 모델에서 유망한 결과가 나타났습니다.

숙련된 사용자에게 이 도구의 가치는 바로 속도입니다. AI 워크플로우 빌더는 수동 조립 없이도 목표 워크플로우의 약 80%를 자동으로 생성하므로, 엔지니어는 구축이 아닌 세부 개선에 집중할 수 있습니다. 처음 사용하는 사용자에게는 그 가치가 다릅니다. n8n은 수천 개의 템플릿을 제공하지만, 그 진정한 강점은 유연성에 있으며, 많은 사용자가 템플릿으로 다루기 어려운 고유한 사용 사례를 위해 이 플랫폼을 선택합니다. AI 워크플로우 빌더는 사용자들에게 출발점을 제시합니다. 제품 마케팅팀의 Ophir Prusak은 말했습니다. "처음 사용하는 사용자들이 '내가 무엇을 모르는지 모르겠어'라는 초기 심리적 장벽을 극복할 수 있도록 도와줍니다."

동일한 인터페이스는 사용자가 디버깅하는 데에도 도움을 줍니다. 워크플로우에 오류가 발생하면, 문서나 커뮤니티 포럼에만 의존하지 않고 문제를 설명하여 해결 방법을 안내받을 수 있습니다. 최근 팀은 AI 워크플로우 빌더가 엔지니어링 진행 상황을 추적하기 위한 복잡한 워크플로우를 구성하는 과정을 통해, 이러한 기능이 내부에서 실제로 구현되는 모습을 확인했습니다. 첫 번째 시도에서 여러 폼 노드를 정확하게 활용했으며, van Oosten은 이 결과가 특정 노드 유형에 맞춰 프롬프트를 최적화하는 팀의 지속적인 노력 덕분이라고 설명했습니다.

향후 사용 사례 

향후 팀은, 경험이 풍부한 사용자가 실제로 자동화를 구축하는 방식을 반영하여, 노드 단위 또는 서브그래프 단위로 워크플로우를 구성하는 접근 방식이 생성 과정에서 보다 긴밀한 피드백 루프를 제공할 수 있는지 탐구하고 있습니다. 현재 버전은 마지막에 완성된 워크플로우를 보여줍니다. 보다 점진적인 접근 방식은 워크플로우가 형성되는 과정에서 사용자가 이를 직접 조정하며 다듬을 수 있도록 지원할 수 있습니다.

n8n은 AI 워크플로우 빌더의 기능을 계속 확장하고, Claude와 함께 작업을 더욱 심화시켜 나가고 있습니다. 멀티 에이전트 아키텍처는 점점 복잡해지는 자동화 요청을 처리할 수 있는 새로운 가능성을 열어주며, 팀의 코드 기반 생성 실험은 향후 품질 향상이 더욱 기대된다는 점을 보여줍니다. 

van Oosten은 "AI 워크플로우 빌더를 통해 사용자가 n8n으로 빌드를 시작하는 진입 장벽을 낮출 수 있을 뿐만 아니라, 기술적으로 숙련된 사용자들이 아이디어를 보다 빠르게 반복하고 발전시킬 수 있습니다."라고 말했습니다.

‍

‍

‍