다중 에이전트 반복 콘텐츠 고도화 시스템 - n8n 워크플로우

고품질 브랜딩 자산(이름, 태그라인) 자동화가 필요한 마케팅 팀.
LangChain 노드를 사용하여 고급 AI 로직을 구현하려는 n8n 자동화 전문가.
자체 수정이 가능한 생성형 AI 프로세스를 위한 강력한 n8n 템플릿을 찾는 사용자.
창의적 반복 작업과 출력 품질 향상을 위해 다중 에이전트 시스템을 활용하고자 하는 에이전시.

고품질의 창의적인 콘셉트를 생성하려면 여러 차례의 검토, 비평 및 개선 작업이 필요합니다. 이 정교한 n8n 워크플로우는 일련의 전문 AI 에이전트(생성자, 비평가, 개선자, 평가자)를 사용하여 이 전체 피드백 주기를 자동화합니다.

The automation starts with an initial concept generation. The results are then passed into a self-contained loop controlled by an If n8n node. Inside the loop, the Critic Agent identifies weaknesses, the Refiner Agent incorporates that criticism to improve the output, and the Evaluation agent assesses the quality and determines if further iteration is necessary. This powerful n8n template ensures that the final output is highly polished, eliminating manual intervention and maximizing the efficiency of your generative AI tasks. This process showcases the true potential of the n8n node ecosystem for advanced AI orchestration.

이 복잡한 n8n 워크플로우는 ‘워크플로우 실행’ 클릭 시(When clicking ‘Execute workflow’) n8n 트리거로 시작됩니다.

1. 초기 생성: 첫 번째 AI 에이전트(브랜딩 에이전트)는 제품 설명 입력을 받아 3가지 초기 이름 및 태그라인 아이디어를 생성합니다.


2. 상태 초기화: 아이디어는 아이템 반복(Loop Over Items) n8n 노드로 전달되며, 이어지는 필드 편집(Edit Fields) n8n 노드는 ideas, turn(1로 설정), done("아니요"로 설정) 변수를 설정하여 상태를 초기화합니다.


3. 루프 제어: If n8n 노드는 게이트키퍼 역할을 하며, 반복 제한(turn = 5)에 도달했는지 또는 평가 에이전트가 이전에 done 상태를 "예"로 설정했는지 확인합니다.


4. 비평 및 개선: 루프가 계속되면 비평 에이전트가 현재 아이디어를 분석하여 결함과 제안 사항을 제공합니다. 그런 다음 개선 에이전트는 이 피드백과 원본 아이디어를 사용하여 3가지 개선된 콘셉트를 생성합니다.


5. 평가: 평가 에이전트는 개선된 출력을 순위를 매기고 구조화된 출력 파서(Structured Output Parser) n8n 노드를 사용하여 새로운 아이디어와 결정된 done 상태를 포함하는 구조화된 JSON 객체를 반환합니다.


6. 루프 반복: 코드(Code) n8n 노드는 turn 카운터를 증가시켜 다음 주기를 위해 상태를 준비합니다. Edit Fields1은 데이터를 필요한 구조로 다시 매핑하여 아이템 반복(Loop Over Items) n8n 노드에 공급함으로써 n8n 워크플로우의 다음 반복을 시작합니다.


7. 종료: 루프는 If n8n 노드의 조건이 충족될 때까지 계속되며, 이때 최종적으로 고품질의 콘셉트를 다운스트림에서 사용할 수 있게 됩니다.

이 강력한 다중 에이전트 n8n 워크플로우를 배포하려면 다음 단계를 따르십시오:

1. n8n 워크플로우 템플릿 가져오기: 제공된 JSON을 복사하여 워크플로우 생성 메뉴를 통해 사용 중인 n8n 인스턴스로 가져옵니다.


2. OpenAI 자격 증명 구성: OpenAI API 계정에 대한 자격 증명을 설정해야 합니다. 이 자격 증명이 네 개의 LangChain 에이전트 n8n 노드 인스턴스(AI Agent, Critic Agent, Refiner Agent, Evaluation agent)에 모두 올바르게 연결되었는지 확인하십시오.


3. 초기 입력 설정: 시작 AI 에이전트는 수신 데이터에서 productDescription을 읽도록 구성되어 있습니다: =Product: {{$json["productDescription"]}}. 이 데이터를 주입하도록 수동 n8n 트리거를 수정하거나, 이 표현식을 업데이트하여 다른 n8n 노드 소스에서 콘텐츠를 가져와야 합니다.


4. 루프 설정 확인: 필요한 경우, If n8n 노드 내에서 하드 코딩된 반복 제한(현재 turn은 5)을 조정하여 개선 루프가 실행되는 기간을 제어할 수 있습니다.

이 n8n 워크플로우는 핵심적인 LangChain 통합 노드를 활용하여 로직을 구성합니다:

‘워크플로우 실행’ 클릭 시 (n8n 트리거): 자동화의 수동 시작 지점입니다.
AI 에이전트 (브랜딩 에이전트): 초기 콘셉트 생성기. 기능: 3가지 초기 브랜딩 아이디어를 생성하여 루프를 위한 초기 데이터 구조를 제공합니다.
아이템 반복 (n8n 노드): 반복적인 개선 프로세스를 통해 데이터 항목의 지속적인 흐름을 제어합니다.
필드 편집 / Edit Fields1 (n8n 노드): 루프 내 상태 관리에 매우 중요합니다. 기능: turn, ideas, done 변수를 초기화하고, 데이터가 루프 피드백을 위해 올바르게 구조화되도록 보장합니다.
If (n8n 노드): 흐름 제어 노드. 기능: (turn < 5 AND done == "No")를 기반으로 루프를 계속할지 여부를 결정합니다.
비평 에이전트 (n8n 노드): 생성된 콘텐츠에 대한 건설적인 피드백을 제공하여 품질 향상을 주도합니다.
개선 에이전트 (n8n 노드): 비평을 받아 새롭고 개선된 아이디어 세트를 생성하며, 이 n8n 워크플로우에서 콘텐츠 개선 엔진 역할을 수행합니다.
평가 에이전트 (n8n 노드): 개선된 출력의 품질을 평가하고 목표가 달성되었는지 여부를 결정하여 done 상태를 제어합니다.
구조화된 출력 파서 (n8n 노드): 평가 에이전트에 연결되어 있으며, 반복 중 데이터 무결성을 유지하기 위해 다음 n8n 노드에 필요한 완벽하게 유효한 JSON 객체 출력을 보장합니다.
코드 (n8n 노드): 루프 추적을 위해 turn 카운터를 증가시키는 간단한 스크립팅 작업입니다.