AI 노드 입문 — OpenAI Chat 모델 연결

🎯 학습 목표

이 강을 마치면 다음을 할 수 있습니다.

• OpenAI API 키를 발급하고 n8n Credentials에 등록합니다.
• n8n의 AI Agent 또는 OpenAI Chat Model 노드로 GPT 모델을 워크플로우에 연결합니다.
• 시스템 프롬프트와 사용자 메시지를 설정해 원하는 응답을 이끌어냅니다.
• GPT 모델별 특성과 토큰 비용을 이해해 목적에 맞는 모델을 선택합니다.

💡 n8n과 AI의 결합 — 무엇이 가능한가

이 섹션에서는 n8n에서 AI를 활용하면 기존 자동화와 무엇이 달라지는지 살펴보겠습니다.

1강부터 13강까지 배운 n8n 자동화는 규칙 기반 자동화였습니다. 정해진 조건(IF, Switch)으로 데이터를 분류하고, 정해진 API를 호출하는 방식입니다. 이 방식은 빠르고 정확하지만, 비정형 데이터나 맥락 이해가 필요한 작업에는 한계가 있습니다. 예를 들어 고객 문의 이메일이 환불 요청인지, 단순 문의인지, 기술 지원 요청인지를 IF 노드 조건으로 분류하려면 수백 개의 규칙이 필요합니다.

여기서 LLM(Large Language Model)이 등장합니다. GPT-4o 같은 모델은 자연어를 이해하고, 텍스트를 분류·요약·번역·생성할 수 있습니다. n8n의 AI 노드를 사용하면 워크플로우 중간에 "이 텍스트를 GPT에 보내서 분류해줘"라고 지시하고, 그 결과를 다음 노드에서 사용할 수 있습니다. 규칙 기반 자동화와 AI가 결합하면, 구조화된 데이터는 기존 노드로 처리하고, 비정형 텍스트·이미지는 AI로 처리하는 하이브리드 워크플로우가 가능합니다.

🔑 OpenAI API 키 발급과 n8n Credentials 등록

이 섹션에서는 OpenAI API 키를 얻고 n8n에 안전하게 등록하는 방법을 살펴보겠습니다.

OpenAI API를 사용하려면 OpenAI 계정과 API 키가 필요합니다. API 키 발급 절차는 다음과 같습니다. platform.openai.com에 접속해 계정을 만들거나 로그인합니다. 오른쪽 상단 메뉴에서 "API Keys"를 선택합니다. "Create new secret key" 버튼을 클릭하고 키 이름을 입력합니다. 생성된 키(sk-로 시작하는 긴 문자열)를 즉시 복사합니다. 이 키는 다시 볼 수 없으므로 안전한 곳에 저장해 두십시오. 그리고 반드시 사용량 한도(Usage Limit)를 설정해 예상치 못한 과금을 방지하십시오. API 키 하나가 노출되면 타인이 비용을 발생시킬 수 있습니다.

n8n에 Credentials를 등록하는 방법은 다음과 같습니다. n8n 좌측 메뉴에서 "Credentials"를 선택합니다. "Add credential" 버튼을 클릭하고 "OpenAI"를 검색합니다. API Key 필드에 발급받은 키를 붙여넣고 저장합니다. 이 Credentials는 n8n 내부에 암호화된 형태로 저장됩니다. 이후 OpenAI 관련 노드를 사용할 때마다 이 Credentials를 선택하면 됩니다. API 키를 노드 설정에 직접 입력하지 않아야 합니다. Credentials를 통한 관리가 보안상 올바른 방법입니다.

🤖 Chat Model 노드 기본 설정

이 섹션에서는 n8n에서 OpenAI Chat 모델을 사용하는 두 가지 방법을 살펴보겠습니다.

n8n에서 OpenAI를 활용하는 방법은 크게 두 가지입니다. 첫 번째는 OpenAI 노드를 직접 사용하는 방법입니다. 이 노드는 OpenAI의 여러 기능(Chat, Image, Transcription 등) 중 원하는 작업을 선택해 사용합니다. 설정이 간단하고 직관적입니다. 두 번째는 AI Agent 노드를 사용하는 방법입니다. AI Agent는 LLM에 도구(Tool)를 제공해 더 복잡한 작업을 자율적으로 수행하게 합니다. 예를 들어 "웹에서 오늘 날씨를 검색한 다음 이메일 초안을 작성해줘"처럼 여러 단계를 AI가 스스로 계획하고 실행합니다.

이 강에서는 가장 기본적인 OpenAI 노드의 Chat 기능을 살펴보겠습니다. OpenAI 노드를 추가하고 Resource를 "Chat", Operation을 "Message"로 설정합니다. Model 필드에서 사용할 GPT 모델을 선택합니다. Messages 섹션에서 시스템 메시지와 사용자 메시지를 구성합니다.

설정 항목	역할	예시
Model	사용할 GPT 모델 선택	gpt-4o-mini, gpt-4o
System Message	AI의 역할·행동 지침 설정	당신은 친절한 고객 서비스 담당자입니다.
User Message	실제 처리할 텍스트 또는 질문	{{ $json.customerEmail }}
Max Tokens	응답 최대 길이 제한	500 (비용 제어)
Temperature	응답 창의성(0=일관, 1=다양)	0.3 (분류), 0.7 (창작)

User Message에 표현식을 사용하면 이전 노드의 데이터를 AI에게 전달할 수 있습니다. 예를 들어 고객 이메일 본문이 {{ $json.body }}에 있다면, User Message로 다음 이메일을 "환불요청", "기술문의", "일반문의" 중 하나로 분류해줘: {{ $json.body }}를 입력합니다. AI의 응답은 다음 노드에서 {{ $json.message.content }}로 접근합니다.

💰 모델 선택 기준과 토큰 비용

이 섹션에서는 OpenAI 모델별 특성과 비용을 비교해 적절한 모델을 선택하는 방법을 살펴보겠습니다.

OpenAI는 여러 GPT 모델을 제공합니다. 모델마다 능력과 비용이 다릅니다. 주요 모델을 비교하겠습니다.

모델	특징	비용(입력/1M 토큰)	권장 사용처
gpt-4o	최고 성능, 멀티모달	$2.50	복잡한 분석·추론
gpt-4o-mini	빠르고 저렴, 충분한 성능	$0.15	분류·요약 등 일반 작업
gpt-3.5-turbo	구형 모델, 저렴	$0.50	단순 텍스트 처리

토큰은 LLM이 텍스트를 처리하는 단위입니다. 대략 영어는 단어 당 1~1.5 토큰, 한국어는 글자 당 1~2 토큰으로 환산합니다. 1,000 토큰은 영어 기준 약 750 단어입니다. 비용 = (입력 토큰 + 출력 토큰) × 단가로 계산됩니다.

자동화 워크플로우에서 비용을 관리하는 팁을 소개합니다. 먼저 gpt-4o-mini로 시작하는 것을 권장합니다. 대부분의 텍스트 분류·요약 작업은 gpt-4o-mini로 충분합니다. gpt-4o는 복잡한 추론이나 멀티모달(이미지) 처리가 필요할 때만 사용합니다. 또한 시스템 프롬프트와 User Message를 간결하게 작성하면 입력 토큰을 줄여 비용을 낮출 수 있습니다. Max Tokens를 적절히 제한해 불필요하게 긴 응답을 방지합니다.

⚠️ AI 노드 사용 시 주의사항

이 섹션에서는 OpenAI API를 n8n 워크플로우에서 사용할 때 주의해야 할 사항을 살펴보겠습니다.

첫 번째 주의사항은 개인정보 보호입니다. OpenAI API로 전송된 데이터는 OpenAI 서버에서 처리됩니다. 고객의 개인정보, 민감한 비즈니스 데이터를 그대로 전송하면 데이터 보호 의무 위반이 될 수 있습니다. 민감 데이터는 마스킹하거나, 온프레미스 LLM(Ollama 등)을 사용하는 것을 검토하십시오. n8n은 Ollama, Claude, Gemini 등 다양한 LLM 연동을 지원합니다.

두 번째 주의사항은 비결정성(Non-determinism)입니다. LLM은 같은 입력에도 매번 다른 응답을 생성할 수 있습니다. Temperature를 0으로 설정하면 응답이 더 일관되지만, 완전히 동일하지는 않습니다. 분류나 추출처럼 정확한 출력 형식이 필요한 작업에는 15강에서 다룰 JSON 출력 강제 기법을 사용해야 합니다.

세 번째 주의사항은 Rate Limit과 비용 폭증입니다. 10강에서 배운 SplitInBatches + Wait 패턴을 AI 노드에도 적용해야 합니다. 대량 아이템을 한 번에 처리하면 OpenAI Rate Limit에 걸리거나 예상치 못한 비용이 발생합니다. 반드시 배치 처리와 딜레이를 적용하십시오.

📝 핵심 요약

개념	핵심 내용
AI 노드 의의	규칙 기반으로 처리 불가한 비정형 텍스트·이미지를 LLM으로 처리
Credentials 등록	API 키를 n8n Credentials에 등록. 노드에 직접 입력 금지
모델 선택	일반 작업은 gpt-4o-mini, 고성능 추론은 gpt-4o
응답 접근	{{ $json.message.content }}로 AI 응답 텍스트 참조
비용 관리	배치 처리 + Max Tokens 제한 + 간결한 프롬프트

다음 강에서는 프롬프트 설계를 깊이 파고듭니다. LLM이 원하는 형식으로 응답하도록 제어하는 기법(JSON 출력 강제, 역할 설정, Few-shot 예시)을 배우면, AI가 워크플로우의 다음 노드와 정확하게 연동될 수 있습니다.