Qdrant, OpenAI 및 동적 도구 사용을 결합한 AI 기반 RAG 챗봇 - n8n 워크플로우

n8n을 사용하여 복잡한 AI 애플리케이션을 구축하는 개발자.
자체 보유 문서 기반의 자동화된 Q&A 시스템이 필요한 기업.
LangChain 기능을 통합한 강력한 n8n 템플릿을 찾는 자동화 전문가.
n8n 워크플로우 내에서 동적 함수 호출 및 도구 사용 기능이 필요한 사용자.

이 정교한 n8n 워크플로우는 고기능 AI 에이전트 구축을 위한 포괄적인 청사진을 제공합니다. 외부 지식 검색(RAG)과 작업 수행 능력(도구 사용)을 모두 요구하는 챗봇 구축이라는 이중 과제를 해결합니다. 설정은 Google Drive의 문서를 임베딩하여 Qdrant 벡터 스토어에 저장하는 인덱싱 과정에서 시작됩니다. 이후 n8n 워크플로우는 RAG 쿼리, 캘린더 예약, 주문 추적 등 다양한 대화 시나리오에 맞춰 여러 웹훅 n8n 트리거를 관리합니다. 이 템플릿은 단일 단계 LLM 호출 대비 훨씬 뛰어난 유연성을 제공하며, AI 상호작용, 임베딩 생성 및 구조화된 데이터 파싱을 관리하기 위해 특화된 LangChain n8n 노드를 활용하는 모범 사례입니다.

전체 프로세스는 단일하고 강력한 n8n 워크플로우 내에 구축된 세 가지의 뚜렷한 기능 경로로 나뉩니다.

1. 지식 기반 설정: 수동 n8n 트리거가 인덱싱을 시작합니다. n8n 워크플로우는 먼저 HTTP Request n8n 노드를 사용하여 Qdrant 컬렉션을 관리(생성/새로고침)합니다. Google Drive n8n 노드가 소스 문서를 가져와 다운로드합니다. 이 문서들은 Default Data Loader n8n 노드에서 처리되고 Token Splitter n8n 노드를 사용해 청킹됩니다. 마지막으로 Embeddings OpenAI n8n 노드가 벡터 표현을 생성하여 Qdrant Vector Store n8n 노드에 저장합니다.

1. RAG 쿼리 실행: 외부 애플리케이션이 사용자 쿼리와 함께 n8nrag 웹훅 n8n 트리거를 활성화합니다. 쿼리는 LangChain Retrive Agent n8n 노드로 라우팅됩니다. 이 에이전트는 OpenAI Chat Model을 활용하여 쿼리가 RAG 도구를 필요로 하는지 판단합니다. Tool Vector Store n8n 노드로 정의된 RAG 도구는 최신 임베딩을 사용하여 Qdrant Vector Store를 쿼리하고, 관련 컨텍스트를 검색한 뒤, 또 다른 OpenAI Chat Model을 사용하여 최종 합성된 응답을 생성합니다. 결과는 Webhook RAG response n8n 노드를 통해 반환됩니다.

1. 도구 호출 (캘린더 예약): n8nappointment 웹훅 n8n 트리거는 예약을 위한 요청을 처리합니다. 이 플로우는 OpenAI Chat Model과 결정적으로 중요한 Structured Output Parser n8n 노드를 통합한 LangChain LLM Chain n8n 노드를 사용합니다. 이를 통해 워크플로우가 Google Calendar n8n 노드를 실행하기 전에 파라미터(날짜 및 시간 등)가 안정적으로 추출됩니다. 결과는 Respond to Webhook n8n 노드를 사용하여 즉시 반환됩니다.

1. 주문 추적: n8n_order 웹훅 n8n 트리거는 단순한 외부 API 호출을 처리합니다. HTTP Request n8n 노드를 사용하여 추적 데이터를 가져오고 Webhook tracking response n8n 노드를 통해 신속하게 결과를 반환합니다.

1. n8n 워크플로우 가져오기: 제공된 JSON 데이터를 복사하여 'Workflows' 화면에서 'New' -> 'Import from JSON' 옵션을 통해 n8n 인스턴스로 가져옵니다.


2. 자격 증명 설정: 다음 서비스에 대한 자격 증명을 구성해야 합니다:

1. 인덱싱: 메인 웹훅을 활성화하기 전에 초기 인덱싱 경로('When clicking ‘Test workflow’ n8n trigger'로 시작)를 실행하여 Qdrant 벡터 스토어를 채웁니다.

Webhook (n8norder, n8nappointment, n8n_rag): 이들은 주요 n8n 트리거 역할을 하며, 외부 애플리케이션(프론트엔드 채팅 UI 또는 모바일 앱 등)이 n8n 워크플로우 내의 특정 자동화 경로를 시작할 수 있도록 합니다.
LangChain Chat OpenAI Model: 여러 위치(OpenAI Chat Model1, 2, 3)에서 사용되며, 핵심 대화, 도구 오케스트레이션 또는 RAG 컨텍스트로부터 최종 답변 생성 등 LLM 기능을 제공합니다.
LangChain Embeddings OpenAI: 텍스트를 저장(인덱싱)을 위한 벡터로 변환하고 검색을 위해 수신 쿼리를 변환하는 역할을 하는 핵심 n8n 노드입니다.
LangChain Vector Store Qdrant: RAG 시스템의 중앙 저장소 n8n 노드로, 문서 인덱싱과 고속 벡터 검색을 모두 처리합니다.
LangChain Agent (Retrive Agent): 사용자 의도를 해석하고 어떤 도구(이 경우 RAG 도구) 또는 직접적인 답변을 사용할지 결정하는 고수준 오케스트레이션 n8n 노드입니다.
LangChain Tool Vector Store (RAG): Qdrant 검색과 LLM을 결합하여 최종 합성을 수행하는, 에이전트가 호출 가능한 도구로서 RAG 기능을 정의합니다.
Google Calendar: AI 에이전트가 사용자가 이벤트를 예약하려는 것으로 판단할 때 실행되는 외부 도구로 사용되는 기능 n8n 노드입니다.
LangChain Output Parser Structured: LLM으로부터 특정 구조화된 출력(예: JSON)을 강제하는 데 사용되는 필수 n8n 노드로, Google Calendar와 같은 실행 노드로 데이터를 전달하기 전 신뢰성을 보장합니다.