에이전트
사용자와 대화하며 작업을 수행하는 AI 에이전트를 제공하는 노드입니다.
설명
에이전트 노드는 LLM을 기반으로 사용자와 대화하며 다양한 작업을 수행하는 AI 에이전트를 제공합니다. 사용자의 요청을 이해하고, 목표를 달성하기 위해 필요한 도구를 스스로 판단해 호출합니다.
에이전트가 사용할 수 있는 도구:
- 웹 검색 · 크롤링: Tavily 검색, Jina 웹 크롤링으로 실시간 정보를 조회합니다.
- 캔버스 조작: 노드 생성·수정, 엣지(연결선) 생성 등 캔버스를 직접 편집합니다.
또한 이미지·문서·코드 파일을 첨부하여 함께 질문할 수 있습니다. (파일 첨부 참고)
에이전트의 작업을 캔버스 워크플로우로 확장하려면 에이전트 메시지 가로채기와 에이전트로 전달 노드를 함께 사용합니다.
포트 구성
입력 포트
- 데이터셋 (선택): 에이전트가 참고할 데이터셋
- 시스템 프롬프트 (선택): 에이전트의 행동 방침을 외부 노드에서 주입할 때 사용
출력 포트
- 데이터셋: 채팅 내역이 포함된 데이터셋
속성
모델 선택
사용할 AI 언어 모델을 선택합니다. 각 모델마다 성능과 비용이 다릅니다.
이미지 분석은 이를 지원하는 모델에서만 동작합니다. 대부분의 최신 모델(GPT-4o, Gemini, Claude 등)은 이미지를 지원하지만, 일부 텍스트 전용 모델(예: 온프레미스 환경의 gpt-oss, EXAONE)은 지원하지 않습니다. 지원하지 않는 모델을 선택하면 이미지 첨부 시 안내 메시지가 표시됩니다.
데이터셋을 연결하거나 파일을 첨부했는데도 에이전트가 문서 내용을 반영하지 않고 답할 때가 있습니다. 에이전트는 연결된 문서를 읽을지 말지 스스로 판단하는데, 도구 호출 성향이 약한 모델은 "굳이 안 봐도 되겠다"고 판단해 자기 지식으로만 답하기 때문입니다.
GPT는 5 버전부터 도구 호출(tool calling) 성향이 강하게 학습돼 있어, 별도 프롬프팅 없이도 연결된 문서를 알아서 찾아 읽습니다. 문서 기반 답변을 안정적으로 받고 싶다면 모델을 GPT-5 계열(예: gpt-5-nano) 로 설정하는 것을 권장합니다. 저비용 모델이지만 이 용도에는 충분합니다.
에이전트는 응답 한 번에 LLM을 여러 번 호출할 수 있어, 그 호출 횟수만큼 크레딧이 소모됩니다. 도구(문서 검색·웹 검색 등)를 사용하면 그 결과를 읽어 답하기 위해 LLM이 추가로 호출되므로, 도구를 많이 쓸수록 크레딧도 늘어납니다. 소모량은 선택한 모델에 따라 달라집니다. 특히 이미지 생성을 요청하면 호출 크레딧과 별도로 이미지 1장당 85 크레딧이 추가로 소모됩니다. 자세한 계산 방식은 노드별 크레딧 소모량을 참고하세요.
인사말
에이전트가 대화를 시작할 때 표시할 인사말을 입력합니다. 사용자가 대화를 시작하면 이 인사말이 먼저 표시됩니다.
예시 질문
사용자에게 제안할 예시 질문을 추가할 수 있습니다. 대화를 시작할 때 함께 표시되어, 사용자가 쉽게 대화를 시작하도록 돕습니다.
사용자 정의 시스템 프롬프트
사용자 정의 시스템 프롬프트 사용을 켜면 시스템 프롬프트 입력란이 나타납니다. 여기에 에이전트의 역할·말투·행동 방침을 정의하면, 모든 대화에 일관되게 적용됩니다.
메시지 가로채기 노드 선택
에이전트 메시지를 가로채서 처리할 노드를 선택합니다. 에이전트 메시지 가로채기 노드를 선택하면 해당 노드가 에이전트의 메시지를 가로채 워크플로우로 전달합니다.
대화 목록 표시
노드 좌측의 채팅방 목록 사이드바 표시 여부를 설정합니다.
채팅방 관리
에이전트 노드는 여러 개의 대화를 채팅방 단위로 관리할 수 있습니다. 노드 좌측 사이드바에서 채팅방 목록을 확인할 수 있습니다.
- 새 채팅: 새로운 대화를 시작합니다
- 채팅방 전환: 목록에서 다른 채팅방을 클릭하여 이전 대화로 돌아갈 수 있습니다
- 이름 변경: 채팅방 이름을 클릭하여 수정할 수 있습니다
- 삭제: 채팅방을 삭제할 수 있습니다
노드의 너비가 좁을 경우 채팅방 사이드바가 자동으로 숨겨집니다. 노드를 넓히면 다시 표시됩니다.
파일 첨부
입력창의 첨부 버튼으로 파일을 올려 에이전트에게 함께 질문할 수 있습니다. 지원 형식은 다음과 같습니다.
| 종류 | 지원 형식 |
|---|---|
| 이미지 | PNG, JPG, GIF, WebP, BMP, SVG |
| 문서 | PDF, DOCX, XLSX, PPTX, CSV, TSV, ODS |
| 코드/텍스트 | PY, JS, TS, JSON, MD, TXT, HTML, CSS, JAVA, XML, YAML 등 |
이미지는 캡처 후 입력창에 바로 붙여넣기(Ctrl+V)할 수 있습니다.
응답 중단
에이전트가 답변을 생성하는 동안 전송 버튼이 응답 중단 버튼으로 바뀝니다. 이를 클릭하면 진행 중인 응답 생성을 멈출 수 있습니다.
사용 방법
에이전트 노드는 다음과 같은 세 가지 방법으로 사용할 수 있습니다.
방법 1: 연결 없이 사용
입력 포트에 아무것도 연결하지 않고 에이전트를 사용할 수 있습니다. 이 경우 에이전트는 일반적인 대화형 AI 어시스턴트로 동작합니다.
- 에이전트 노드를 캔버스에 추가합니다
- 모델을 선택합니다
- 사용자가 직접 대화를 시작할 수 있습니다
방법 2: 데이터셋 연결
입력 포트에 데이터셋을 연결하여 에이전트가 해당 데이터를 참고하도록 할 수 있습니다.
예제 워크플로우:
PDF 데이터
↓
PDF-데이터 변환
↓
에이전트 (데이터셋 입력)
- PDF 데이터 노드에 PDF 파일을 업로드합니다
- PDF-데이터 변환 노드로 PDF를 데이터셋으로 변환합니다
- 변환된 데이터셋을 에이전트 노드의 입력 포트에 연결합니다
- 에이전트가 PDF 내용을 참고하여 사용자의 질문에 답변합니다
단순히 문서 하나를 참고시키려는 경우라면, 별도 변환 없이 대화창에 파일을 첨부하는 것이 더 간단합니다. 데이터셋 연결은 다른 노드의 처리 결과를 참고 데이터로 넘길 때 유용합니다.
방법 3: 에이전트 메시지 가로채기 및 전달
에이전트 메시지 가로채기와 에이전트로 전달 노드를 사용하여 에이전트의 작업을 확장할 수 있습니다.
예제 워크플로우: 뉴스 크롤링 자동화
에이전트가 사용자의 뉴스 요청을 받아 자동으로 뉴스를 크롤링하고 요약하는 워크플로우입니다.
워크플로우 구성:
에이전트
↓ (사용자: "오늘 삼성전자 뉴스 기사 알려줘")
에이전트 메시지 가로채기
↓
프롬프트 (키워드 추출: "뉴스 크롤링할 키워드만 대답해 주세요")
↓
크롤링 (구글 뉴스: "삼성전자" 키워드로 뉴스 수집)
↓
프롬프트 (뉴스 요약: "뉴스 기사를 요약해 주세요")
↓
에이전트로 전달
↓
에이전트가 사용자에게 요약된 뉴스 제공
동작 과정:
- 사용자가 에이전트에 "오늘 삼성전자 뉴스 기사 알려줘"라고 요청합니다
- 에이전트가 뉴스 정보가 필요하다고 판단하면, 에이전트 메시지 가로채기 노드가 메시지를 가로챕니다
- 첫 번째 프롬프트 노드에서 사용자 요청에서 키워드("삼성전자")를 추출합니다
- 크롤링 노드가 구글 뉴스에서 "삼성전자" 키워드로 최신 뉴스를 수집합니다
- 두 번째 프롬프트 노드가 수집된 뉴스 기사들을 요약합니다
- 에이전트로 전달 노드가 요약된 뉴스를 에이전트에 전달합니다
- 에이전트가 사용자에게 요약된 뉴스 정보를 제공합니다
이를 통해 에이전트는 실시간 뉴스 정보를 자동으로 수집하고 요약하여 사용자에게 제공할 수 있습니다.
