메모리를 활용한 SQLite 데이터베이스 쿼리용 대화형 AI 에이전트 - n8n 워크플로우

• SQL 데이터에 자연어로 접근하고자 하는 데이터 과학자 및 분석가.


• n8n을 사용하여 정교하고 상태를 유지하는(stateful) AI 에이전트 배포에 관심 있는 개발자.


• LangChain을 로컬 데이터베이스와 통합하는 고급 n8n 템플릿을 찾는 사용자.


• 복잡한 다단계 데이터 쿼리 처리를 위한 강력한 n8n 워크플로우가 필요한 모든 사람.

데이터베이스와 상호작용하려면 종종 시간이 많이 걸리는 특정 SQL 쿼리를 작성해야 합니다. 이 강력한 n8n 워크플로우는 지능형 LangChain SQL 에이전트를 배포하여 이 문제를 해결합니다. 이 에이전트를 통해 사용자는 일반 영어(자연어)를 사용하여 SQLite 데이터베이스에 대한 복잡한 질문을 할 수 있습니다. n8n 노드 설정은 샘플 데이터베이스(chinook.db) 다운로드, 실행 컨텍스트에 로드, 사용자 입력을 AI 에이전트에 전달하는 전체 수명 주기를 처리합니다. 이 n8n 템플릿은 메모리 구성 요소를 사용하므로 AI 에이전트가 여러 대화 턴에 걸쳐 컨텍스트를 유지할 수 있어 직관적이고 상태를 유지하는 상호작용이 가능합니다. 이 특정 n8n 워크플로우는 n8n 플랫폼의 안정성을 활용하여 고객 대면 도구 또는 내부 분석 포털을 구축하는 데 매우 유용합니다.

이 n8n 워크플로우는 일회성 설정 단계와 지속적인 상호작용 단계라는 두 가지 뚜렷한 단계로 작동합니다.

설정 단계 (일회성 실행)

1. 워크플로우는 '워크플로우 테스트' 클릭 시 수동 n8n 트리거로 시작되며, 설정이 초기화됩니다.


2. chinook.zip 예제 가져오기 n8n 노드가 샘플 chinook.zip 파일을 다운로드합니다.


3. zip 파일 추출 n8n 노드가 아카이브의 압축을 풉니다.


4. chinook.db를 로컬에 저장 n8n 노드가 추출된 SQLite 데이터베이스 파일을 n8n 인스턴스 로컬에 저장합니다.

상호작용 단계 (채팅 메시지당)

1. 이 흐름은 챗 트리거 n8n 트리거에 의해 시작되며, 사용자의 대화 입력(질문)을 캡처합니다.


2. 로컬 chinook.db 로드 n8n 노드가 로컬 데이터베이스 파일을 메모리로 로드합니다.


3. 채팅 입력과 바이너리 결합 n8n 노드는 텍스트 입력(챗 트리거에서 가져옴)과 바이너리 데이터베이스 파일 데이터를 병합합니다. 이를 통해 AI 에이전트는 질문과 데이터 소스를 모두 갖게 됩니다.


4. n8n 워크플로우의 핵심은 AI 에이전트(LangChain SQL 에이전트)입니다. 이 n8n 노드는 입력을 받아 연결된 OpenAI 챗 모델(GPT-4 Turbo 사용으로 구성)을 활용하여 질문에 답하는 데 필요한 최적의 SQL 쿼리 순서를 결정합니다.


5. 창 버퍼 메모리 n8n 노드는 에이전트가 이전 대화 내용을 기억하도록 보장하여 후속 질문이 가능하게 합니다.


6. AI 에이전트는 로드된 데이터베이스에 대해 필요한 쿼리를 실행하고 최종 대화형 답변을 챗 트리거 인터페이스를 통해 사용자에게 반환합니다. 이러한 강력한 n8n 노드 유형의 조합은 원활한 경험을 제공합니다.

이 n8n 워크플로우를 사용하려면 다음 단계를 따르십시오:

1. n8n 템플릿 가져오기: 제공된 JSON 코드를 복사하여 n8n 인스턴스에서 '새로 만들기' > 'JSON에서 가져오기' 옵션을 사용하여 가져옵니다.


2. 자격 증명 설정: gpt-4-turbo에 접근 권한이 있는 유효한 OpenAI API 자격 증명으로 OpenAI 챗 모델 n8n 노드를 설정해야 합니다.


3. 설정 실행: n8n 워크플로우를 활성화하고 '워크플로우 테스트' 클릭 시 n8n 트리거에 연결된 '워크플로우 테스트' 버튼을 클릭하여 초기 설정 경로를 실행합니다. 이 과정에서 chinook.db 파일이 다운로드되고 저장됩니다.


4. 채팅 시작: 설정이 완료되면 챗 트리거 n8n 노드 설정에 제공된 챗 트리거 URL(또는 n8n의 내장 채팅 UI)을 사용하여 데이터베이스에 질문을 하기 시작할 수 있습니다. 이로써 이 복잡한 n8n 워크플로우의 설정이 완료됩니다.

이 고급 n8n 워크플로우는 몇 가지 전문화된 n8n 노드 유형에 의존합니다:

챗 트리거 (n8n 트리거):
기능: 대화 흐름의 상호작용 시작점으로, 사용자 메시지를 수신합니다.
주요 설정: 실시간 상호작용을 위한 웹훅 엔드포인트를 제공합니다.

파일 읽기/쓰기 (n8n 노드):
기능: 설정 단계에서 데이터베이스 파일을 로컬에 저장하고, 이후 모든 대화 턴에서 로컬 chinook.db를 로드하는 데 모두 사용됩니다.
주요 설정: 로컬 경로 ./chinook.db에 읽기/쓰기를 수행합니다.

Set (n8n 노드 - 채팅 입력과 바이너리 결합):
기능: 챗 트리거에서 오는 대화 텍스트 입력과 SQL 에이전트가 필요로 하는 바이너리 데이터베이스 파일 데이터를 병합합니다.
주요 설정: 바이너리 데이터를 포함하고 표현식(={{ $('Chat Trigger').item.json }})을 사용하여 채팅 페이로드를 가져옵니다.

AI 에이전트 (n8n 노드):
기능: n8n 워크플로우의 핵심 지능입니다. LangChain SQL 에이전트로 구성되어 자연어를 SQL 쿼리로 변환합니다.
주요 설정: 에이전트 유형은 sqlAgent로, 데이터 소스는 sqlite로 설정됩니다.

OpenAI 챗 모델 (n8n 노드):
기능: AI 에이전트(추론 엔진)에 대규모 언어 모델(LLM) 기능을 제공합니다.
주요 설정: 모델은 gpt-4-turbo로, Temperature는 0.3으로 설정됩니다.

창 버퍼 메모리 (n8n 노드):
기능: 대화 기록(입력 및 출력)을 저장하여 AI 에이전트가 컨텍스트를 유지하도록 보장합니다. 이는 효과적인 n8n 워크플로우를 만드는 데 중요합니다.
주요 설정: 컨텍스트 창 길이는 10으로 설정됩니다.