에이전트 프롬프트
AI 언어 모델을 사용하여 툴(도구)을 활용할 수 있는 에이전트 프롬프트를 실행하는 노드입니다.
설명
에이전트 프롬프트 노드는 기본 프롬프트 노드의 모든 기능을 포함하며, 추가로 AI가 툴(도구)을 자율적으로 사용할 수 있습니다. 단순히 프롬프트에 한 번 응답하는 것이 아니라, 목표를 달성하기 위해 웹 검색 → 결과 확인 → 문서화처럼 여러 툴을 스스로 순서대로 호출하며 작업을 완성합니다.
두 가지 방식으로 사용할 수 있습니다.
- 작업 지시형 (데이터셋 없이):
삼성전자의 오늘자 뉴스를 찾아서 문서화해줘처럼 하나의 목표를 지시하면, AI가 필요한 툴을 판단해 실행하고 결과를 반환합니다. (예시 플로우 참고) - 데이터셋 반복형 (
{{컬럼명}}사용): 입력 데이터셋을 연결하고 프롬프트에{{컬럼명}}을 넣으면, 각 행의 값으로 프롬프트가 동적으로 완성되어 행마다 실행됩니다. 예를 들어책 이름컬럼이 있으면{{책 이름}}이 각 행의 값으로 치환됩니다. 결과적으로 각 행에 AI 응답 컬럼이 추가된 새 데이터셋을 얻습니다.{{dataset}}을 쓰면 전체 데이터셋을 한 번에 프롬프트에 삽입할 수도 있습니다.
포트 구성
입력 포트
- 데이터셋 (선택, 여러 개 가능): 프롬프트에 사용할 데이터. 연결하지 않으면 프롬프트 자체를 단일 작업 지시로 실행합니다. 포트 편집기로 데이터셋 입력 포트를 여러 개 추가할 수 있습니다.
- 도구 목록 (선택):
에이전트 도구 목록노드에서 선택한 툴. 연결하지 않으면 전체 기본 툴이 사용됩니다.
데이터셋 포트가 여러 개일 때 (주 데이터셋 / 보조 데이터셋)
데이터셋 포트를 2개 이상 연결하면 역할이 나뉩니다.
- 주 데이터셋 (첫 번째 데이터셋 포트): 기존 단일 연결과 동일하게 동작합니다.
{{컬럼명}}치환과 컬럼 검증, 행마다 반복 실행, 응답 컬럼(output_response)이 붙는 출력 대상이 모두 주 데이터셋 기준입니다. - 보조 데이터셋 (나머지 데이터셋 포트): 행 반복·
{{컬럼명}}치환·출력에는 관여하지 않고, AI가 데이터셋 도구(inspect_dataset,search_documents등)로 조회·검색만 할 수 있는 참고 자료로 제공됩니다. 도구 응답에서 포트 이름이 데이터셋 이름으로 표시됩니다.
예를 들어 첫 번째 포트에 질문 목록, 두 번째 포트에 제품 매뉴얼 문서 목록을 연결하면, 질문 행마다 실행하면서 AI가 매뉴얼을 검색해 답변하는 구성이 됩니다.
어느 포트가 "첫 번째"인지는 연결 순서가 아니라 노드의 포트 정의 순서(포트 편집기에 보이는 순서) 기준입니다. 보조 데이터셋은 툴 사용을 켠 경우에만 의미가 있습니다 — 툴 사용이 꺼져 있으면 AI가 보조 데이터셋을 읽을 방법이 없습니다.
출력 포트
- 데이터셋: LLM 응답 값이 포함된 데이터셋
속성
답변의 수
각 데이터 행에 대해 생성할 AI 응답의 개수를 설정합니다. 슬라이더를 조정하여 1개 이상의 답변을 생성할 수 있습니다.
출력 열 이름
AI 응답이 저장될 새로운 컬럼의 이름을 지정합니다. 기본값은 output_response입니다.
모델 선택
사용할 AI 언어 모델을 선택합니다. 각 모델마다 성능과 비용이 다릅니다.
예시: gpt-4o-mini / 1 credit per row
최대 출력 토큰
AI 응답의 최대 길이를 토큰 단위로 제한합니다. 최대 출력 토큰 값은 선택한 모델에 따라 다릅니다.
기본값: 1000토큰
툴 사용 (Tool Calling)
툴 사용 속성을 켜면 AI가 작업 중 필요에 따라 자율적으로 툴을 선택·호출합니다.
- 툴 목록을 연결하지 않은 경우: 사용 가능한 모든 기본 툴이 자동으로 바인딩됩니다.
에이전트 도구 목록(Agent Tool List) 노드를 연결한 경우: 해당 노드에서 체크한 툴만 바인딩됩니다. 사용할 툴을 제한하거나 MCP 서버 툴을 추가할 때 사용합니다.
사용 가능한 기본 툴
| 툴 | 설명 |
|---|---|
get_current_time | 현재 시간을 조회합니다. |
tavily_search_api | Tavily 웹 검색으로 쿼리에 대한 검색 결과를 반환합니다. |
naver_search_api | 네이버 Open API로 한국어 검색 결과를 카테고리별로 반환합니다. |
jina_api_web_crawler | 웹 페이지 URL을 크롤링하여 본문 텍스트를 추출합니다. |
get_node_info | 모든 노드의 간략 정보를 조회합니다. |
get_node_info_detail | 특정 노드의 상세 정보를 조회합니다. |
create_node_tool | 캔버스에 새 노드를 생성합니다. |
update_node_tool | 노드의 파라미터를 수정합니다. |
create_edge_tool | 두 노드 사이에 엣지(연결선)를 생성합니다. |
run_node_tool | 특정 노드를 실행합니다. |
get_node_result_tool | 특정 노드의 실행 결과를 조회합니다. |
save_document_tool | 생성된 텍스트를 문서로 만들어 문서 데이터(DocumentData) 노드에 저장합니다. |
generate_image | AI로 이미지를 생성합니다. |
monday_list_boards | 접근 가능한 monday.com 보드 목록을 조회합니다. |
monday_read_board | monday.com 보드의 컬럼 메타와 아이템 값을 조회합니다. |
monday_create_item | monday.com 보드에 새 아이템을 생성합니다. |
monday_update_item | monday.com 보드의 기존 아이템 컬럼 값을 수정합니다. |
에이전트 도구 목록 노드에 MCP 서버를 설정하면 해당 서버가 제공하는 툴이 [MCP] 접두사로 목록에 추가되어 함께 사용할 수 있습니다.
데이터셋/문서 도구
툴 사용을 켜면 위 기본 툴과 별개로, 연결된 데이터셋을 AI가 직접 다룰 수 있는 런타임 도구가 자동으로 등록됩니다. 별도 설정 없이 데이터셋이 연결되어 있으면 활성화됩니다.
| 툴 | 설명 |
|---|---|
run_python | Python 코드를 작성해 실행합니다. 주 데이터셋이 dataset 변수(DataFrame)로 바인딩되며, 정확한 계산·집계·검증에 사용됩니다. (파이썬 스크립트 노드와 동일한 실행 환경) |
inspect_dataset | 데이터셋의 행 범위·요약 통계·구조 정보를 조회합니다. 주/보조 데이터셋 모두 조회 가능. |
search_documents | 데이터셋에 포함된 문서 파일 전체에서 키워드를 검색합니다(파일명 + 본문). 주/보조 데이터셋 모두 검색 가능. |
search_in_document | 특정 문서 안에서 키워드가 등장하는 위치(페이지/슬라이드)와 스니펫을 찾습니다. |
read_document_pages | 특정 문서의 페이지(슬라이드) 범위 텍스트를 추출합니다. |
read_file_by_key | 데이터셋에 포함된 파일(CSV/XLSX/PDF/PPTX/DOCX/TXT 등)을 범위 지정으로 읽습니다. |
inspect_excel_formulas | XLSX 파일을 수식 보존 모드로 읽어 계산 결과가 아닌 수식 자체를 확인합니다. |
run_python은 주 데이터셋만 코드에 바인딩됩니다. 보조 데이터셋의 내용이 필요하면 AI가 inspect_dataset·search_documents 등 조회 도구를 사용합니다.
예시 플로우
데이터셋 없이 하나의 작업만 지시해도, AI가 필요한 툴을 스스로 골라 순서대로 호출합니다. 아래는 삼성전자의 오늘자 뉴스를 찾아서 문서화해줘 라고 지시한 예시입니다.
- 에이전트 프롬프트 노드를 캔버스에 추가하고,
데이터 연결영역에 프롬프트를 작성합니다.삼성전자의 오늘자 뉴스를 찾아서 문서화해줘.
툴 사용속성을 켜고 실행하기 를 클릭합니다.- AI가 지시를 달성하기 위해 툴을 자율적으로 호출합니다.
get_current_time— "오늘"이 언제인지 현재 날짜를 확인naver_search_api— 삼성전자 관련 최신 뉴스 검색
- 출력을 텍스트 출력 노드에 연결하면, 툴 호출 과정(
[Tool Calling: ...])과 최종적으로 정리된 뉴스 요약 문서를 각각 확인할 수 있습니다.
문서화해줘처럼 결과를 문서로 남기라고 지시하면 AI가 save_document_tool 을 사용해 문서 데이터(DocumentData) 노드로 저장하기도 합니다. 목표를 구체적으로 적을수록 적절한 툴을 선택합니다.
사용 방법
- 노드를 캔버스에 추가합니다
데이터 연결영역에 프롬프트(작업 지시)를 작성합니다- (선택) 데이터셋을 입력 포트에 연결하고, 컬럼을
{{컬럼명}}형태로 프롬프트에 삽입해 행마다 실행합니다. 참고용 데이터셋이 더 필요하면 포트 편집기로 데이터셋 포트를 추가해 연결합니다 (보조 데이터셋은 AI 조회 전용) - 답변의 수를 설정합니다 (기본값: 1)
- 출력 열 이름을 지정합니다
- 사용할 AI 모델을 선택합니다
- 최대 출력 토큰을 설정합니다
툴 사용속성을 켜고, 필요하면에이전트 도구 목록노드를 연결해 사용할 툴을 제한합니다- 실행하기 버튼을 클릭합니다
- 출력 포트(또는 텍스트 출력 노드)에서 AI 응답과 툴 호출 결과를 확인합니다
주의사항
에이전트 프롬프트는 AI 모델 호출과 툴 호출마다 크레딧이 소비됩니다. 데이터셋을 연결한 경우 주 데이터셋의 행 수만큼 반복 실행되며, 툴을 여러 번 호출할수록 비용이 늘어납니다. 데이터 행 수, 선택한 모델, 툴 호출 횟수에 따라 비용이 달라집니다.
각 AI 모델마다 최대 출력 토큰 제한이 있습니다. 제한을 초과하는 응답은 잘릴 수 있습니다.
AI가 툴을 효과적으로 사용하도록 하려면 명확한 목표와 지시사항을 제공하세요. AI는 필요에 따라 자율적으로 툴을 선택하고 사용합니다.