소개
이 글은 (1편) 반복 업무 탈출! n8n + AI로 만드는 뉴스 자동화 시스템에 이어지는 두 번째 이야기입니다. 1편에서는 Slack 메시지를 트리거로 받아 단일 AI Agent와 코드 노드를 통해 관련 뉴스를 검색해주는 기본 봇을 만들었습니다. 하지만 이 방식에는 확장성과 유지보수 측면에서 아쉬움이 있었습니다.
AI Agent 워크플로우 초기화면
(작동은 한다. 하지만...
무슨 내용이 들어있는지 알 수 없는 Code 노드에 뉴스 요청만 처리 가능하던 시절.)
이번 2편에서는 코드 노드 없이, n8n의 Filter / Switch / AI Agent 노드만으로 구성한 더 정교한 뉴스 탐지 시스템을 소개합니다.
유저가 Slack에 남긴 메시지에 따라, 뉴스 요청인지 일반 대화인지 판단하여 자동으로 적절하게 응답하는 슬랙봇을 만들었어요. 🎯
핵심은 뉴스 요청을 처리하는 기본 기능에 더해, 일반적인 대화도 가능한 유연한 대응력을 갖췄다는 점입니다!
진행 방법
사용한 도구
n8n (워크플로우 자동화 플랫폼)
Slack Trigger 노드 (메시지 수신)
Filter / Switch 노드 (조건 분기)
AI Agent 노드 x3 (각기 다른 역할)
Simple Memory / SerpAPI / Structured Output Parser
전체 구조 요약
Slack 메시지 수신
Filter 노드에서 필터링 조건 적용
사람이 보낸 메시지만 처리 (봇의 응답은 무시)
AI Agent1이 유저의 요청이 일반 대화인지, 뉴스 요청인지 문맥을 판단함
Switch 노드를 통해 요청 타입에 따라 라우팅:
일반 대화 ➝ AI Agent2
뉴스 요청 ➝ AI Agent3 (키워드 추출)
각각의 AI Agent가 OpenAI 모델과 상호작용하여 결과 생성
Slack 채널로 결과 전송
AI Agent 역할 분담
AI Agent1 - 모드 분류용: 유저 메시지를 받아 '뉴스 요청'인지 '일반 대화'인지 문맥에 따라 판단하여 Switch 분기로 전달합니다.
AI Agent2 - 일반 대화 대응: 일반적인 대화에 응답합니다. OpenAI + Simple Memory + SerpAPI를 활용해 사용자 맥락을 반영한 RAG 방식 응답이 가능하게 구성했습니다.
AI Agent3 - 키워드 추출용: 뉴스 요청 메시지에서 뉴스레터를 만들기 위한 뉴스키워드를 추출합니다. Structured Output Parser2를 연결하여 형식에 맞는 출력 결과를 생성합니다.
결과와 배운 점
이번 워크플로우 개선을 통해 단순한 뉴스 응답 기능을 넘어서, 유저의 맥락에 맞춰 더 유연하고 직관적인 대화형 봇을 만들 수 있다는 가능성을 확인할 수 있었습니다. 특히 코드 노드를 제거하고 n8n의 기본 노드만으로도 충분히 복잡한 흐름을 구성할 수 있다는 점이 인상적이었어요.
무엇보다도 Agent의 역할을 명확히 나누니 디버깅도 쉬워지고, 향후 기능 추가에도 유리하겠다는 확신이 들었습니다.
개선된 점
Code 노드 제거로 더 순수한 노코드 구현 완성
뉴스와 일반 대화 분기를 통해 AI 모델이 다양한 요청을 처리함 (확장성의 가능성을 보게됨)
각 Agent 역할 명확화로 유지보수 용이성 증가
시행착오
초기에는 Output Parser 설정이 누락되어 형식 오류가 발생했음
Filter/Switch의 순서와 조건 분기 테스트에 다소 시간이 소요됨
다음 계획
AI Agent에 페르소나 적용: 단순 뉴스 제공을 넘어서 보다 자연스럽고 친근한 대화형 응답이 가능하도록 업그레이드할 예정입니다.
Slack 외에 Discord, Telegram 등 확장 고려: Slack과 Telegram에서 실용적인 챗봇으로 활용되도록 다듬어갈 계획이에요.
n8n + MCP + 커서 기반 구조를 활용한 자동 시장조사 봇 개발: 예를 들어, 특정 키워드나 관심 주제를 입력하면 관련 트렌드 뉴스, SNS 반응, 기업 정보 등을 종합해서 요약해주는 자동 리서치 봇을 목표로 하고 있습니다.
이 기능이 잘 구축된다면, 스타트업 내부의 전략/기획 업무에 큰 도움이 될 거라고 기대하고 있어요!
