n8n 자체 구축 AI 워크플로우 완벽 가이드: 구독료 제로, 로컬 실행, 400+ AI 노드 자유롭게 활용

왜 AI 자동화 플랫폼을 직접 구축해야 할까?

2026년, AI는 개발의 모든 구석구석에 스며들었습니다. 하지만 대부분의 사람들은 여전히 "ChatGPT 페이지 열기 → 복사/붙여넣기 → 수동 작업" 방식으로 AI를 사용하고 있습니다. 이런 방식은 본질적으로 비효율적입니다.

진정으로 효율적인 AI 사용 방식은 자동화 워크플로우입니다. AI가 로그를 자동으로 모니터링하고, 이메일을 자동으로 분류하며, 콘텐츠 요약을 자동으로 생성하게 하는 것입니다. 이 목표를 달성하기 위해 매달 수백 달러를 Zapier 구독료로 쓸 필요가 없습니다.

Zapier의痛点: 비싸고, 데이터가 해외로 나가고, 모델이 제한됨

n8n의 장점: 오픈소스, 1500+ 통합, AI 네이티브

n8n은 Fair-Code 라이선스의 워크플로우 자동화 플랫폼으로, GitHub에서 50,000+ Star를 보유하고 있으며 ByteByteGo에서 2026년 Top AI 오픈소스 프로젝트로 선정되었습니다.

핵심 판매 포인트:

• AI-Native: AI 노드(OpenAI, Anthropic, Ollama, LangChain)가 내장되어 있어 별도 설정이 필요 없음
• 1500+ 통합: GitHub, Slack, Lark(飞书), DingTalk(钉钉), Google Sheets, PostgreSQL, Redis 등 주요 서비스 대부분 커버
• 비주얼 캔버스: 드래그 앤 드롭 방식의 노드 편집, 커스텀 JavaScript/Python 코드도 동시 지원
• 자체 배포: Docker 명령어 한 줄로 실행 가능, 데이터 완전 통제
• 9000+ 워크플로우 템플릿: 공식 커뮤니티에서 바로 가져다 쓸 수 있는 다양한 워크플로우 제공

n8n이란? 2026년 왜 뜨고 있을까?

"자체 배포 Zapier"에서 AI 워크플로우 플랫폼으로

n8n은 처음에 "오픈소스 버전의 Zapier"로 불렸지만, 2026년에는 AI 워크플로우 플랫폼으로 진화했습니다. 핵심 기능은 다음과 같습니다:

1. 비주얼 워크플로우 오케스트레이션: 노드를 드래그 앤 드롭으로 연결해 코드 없이도 복잡한 플로우 구축
2. AI Agent 노드: "생각-행동-관찰" 사이클을 지원하여 AI가 스스로 다음 단계 결정
3. LangChain 네이티브 통합: RAG, 멀티 Agent 대화, 도구 호출 등 고급 패턴 구축
4. Human-in-the-loop: 주요 노드에 수동 승인 단계를 추가해 AI 작업의 통제 가능성 확보
5. MCP 지원: Model Context Protocol에 연결하여 AI의 인식 능력 확장

핵심 아키텍처 및 기능 하이라이트

┌─────────────────────────────────────┐
│         n8n 워크플로우 엔진         │
│  ┌─────────┐  ┌─────────┐          │
│  │ 트리거   │→ │ 처리 노드 │→ ... → │  ┌──────┐
│  │(Cron/Webhook)│ (AI/Code/API) │    │  출력  │
│  └─────────┘  └─────────┘        │  └──────┘
│                                     │
│  ┌─────────── 내장 AI 노드 ────────┐│
│  │ Ollama │ OpenAI │ Claude │ Gemini││
│  │ LangChain Agent │ 벡터 검색 │ ...││
│  └─────────────────────────────────┘│
└─────────────────────────────────────┘

Fair-Code 라이선스의 의미

n8n은 Sustainable Use License(지속 가능 사용 라이선스)를 채택하고 있으며, 이는 Fair-Code 범주에 속합니다:

• ✅ 소스 코드 공개, 자체 배포 가능
• ✅ 개인 및 소규모 팀 무료 사용
• ❌ SaaS 제품으로 직접 판매 불가
• ✅ 기업은 Enterprise License 구매로 추가 기능 이용 가능

개인 개발자와 중소 팀에게는 완전 무료입니다.

환경 구축: Docker + n8n

n8n 원클릭 배포

가장 빠른 방법은 Docker 한 줄 명령어를 사용하는 것입니다:

# 영구 데이터 볼륨 생성
docker volume create n8n_data

# n8n 실행
docker run -it --rm --name n8n \
  -p 5678:5678 \
  -v n8n_data:/home/node/.n8n \
  docker.n8n.io/n8nio/n8n

실행 후 http://localhost:5678에 접속하면 n8n의 환영 페이지가 나타납니다. 첫 방문 시 사용자 계정을 생성하라는 메시지가 표시됩니다(로컬에 저장되며 인터넷 연결이 필요하지 않습니다).

Docker Compose 설정 (권장)

프로덕션 환경에서는 Docker Compose를 사용하고 Ollama도 함께 배포하는 것을 권장합니다:

# docker-compose.yml
version: "3.8"

services:
  n8n:
    image: n8nio/n8n:latest
    restart: always
    ports:
      - "5678:5678"
    environment:
      - N8N_HOST=localhost
      - N8N_PORT=5678
      - N8N_PROTOCOL=http
      - WEBHOOK_URL=http://localhost:5678
      - EXECUTIONS_DATA_PRUNE=true
      - EXECUTIONS_DATA_MAX_AGE=168
    volumes:
      - n8n_data:/home/node/.n8n
    extra_hosts:
      - "host.docker.internal:host-gateway"

volumes:
  n8n_data:

실행:

docker compose up -d

첫 접속 및 초기화

1. 브라우저에서 http://localhost:5678 접속
2. 로컬 관리자 계정 생성 (사용자 이름, 비밀번호, 로컬에만 저장)
3. 메인 인터페이스 진입, 빈 작업 영역 확인
4. 왼쪽 "Workflows" → "New" 클릭하여 첫 워크플로우 생성

로컬 AI 연결: n8n + Ollama

n8n AI 기능의 가장 강력한 점은 로컬 모델을 지원한다는 것입니다. Ollama를 통해 n8n 워크플로우에서 로컬에서 실행 중인 오픈소스 대형 언어 모델을 직접 호출할 수 있으며, 데이터가 로컬 네트워크를 벗어나지 않습니다.

Ollama 설치

Ollama가 아직 설치되지 않았다면 한 줄 명령어로 설치할 수 있습니다:

curl -fsSL https://ollama.com/install.sh | sh

설치가 완료되면 실용적인 모델을 다운로드합니다:

# Meta의 Llama 3 다운로드 (8B 파라미터, 약 4.7GB)
ollama pull llama3

# 또는 알리바바의 Qwen 2.5 다운로드 (중국어 성능 우수)
ollama pull qwen2.5

# 실행 확인
ollama list

💡 이미 Ollama를 배포한 적이 있다면, 이전 글 Ollama 로컬 LLM 배포 완벽 가이드에서 더 자세한 내용을 확인할 수 있습니다.

n8n과 Ollama 연결 설정

핵심 팁: n8n은 Docker 컨테이너에서 실행되고 Ollama는 호스트에서 실행되므로, host.docker.internal을 사용하여 호스트에 접근해야 합니다.

n8n 에디터에서 Ollama 노드 추가:

1. Ollama 노드를 캔버스에 드래그
2. 노드 클릭 → "Create New Credential"
3. 연결 매개변수 설정: - Base URL: http://host.docker.internal:11434 - 나머지는 기본값 유지
4. "Test" 클릭하여 연결 확인

연결에 성공하면 사용 가능한 모델 목록이 표시됩니다.

적합한 모델 선택

실전 1: 일일 시스템 로그 분석 보고서

완전 자동화된 시나리오: 매일 아침 9시, n8n이 자동으로 시스템 로그를 읽고, Ollama로 이상 징후를 분석한 후 요약본을 Lark(飞书)/DingTalk(钉钉)로 전송합니다.

워크플로우 설계

Cron (매일 9:00) → Execute Command (로그 읽기) → Ollama (이상 분석) → Lark 알림

노드 설정

Step 1: Cron 트리거

"Schedule Trigger" 노드 추가: - Trigger Times: "Every Day" 선택 - Hour: 9 - Minute: 0

Step 2: 로그 읽기 (Execute Command 노드)

"Execute Command" 노드를 추가하여 최근 1시간의 시스템 로그를 읽습니다:

# 시스템 로그 마지막 200줄 읽기
journalctl -u nginx --since "1 hour ago" --no-pager 2>&1 | tail -200

참고: 호스트 로그를 읽으려면 docker-compose에서 호스트 로그 디렉토리를 컨테이너에 마운트하거나 SSH 노드를 사용하여 원격으로 실행해야 합니다.

Step 3: Ollama 분석 노드

"Ollama" 노드 추가:

• Model: qwen2.5 (중국어 분석 성능 우수)
• Prompt:

당신은 시스템 운영 전문가입니다. 다음 시스템 로그를 분석하여 오류, 경고 및 이상 징후를 찾아내세요.
다음 형식으로 출력하세요:

## 이상 징후 요약
- 치명적 오류: X개
- 경고: X개
- 정보: X개

## 주요 문제
1. [문제 설명] — 권장 조치
2. [문제 설명] — 권장 조치

중국어로 답변해 주세요.

Step 4: 알림 전송

팀에서 사용하는 도구에 따라 해당 노드를 선택:

• Lark (飞书): "Feishu" 노드 사용, Webhook URL 설정
• DingTalk (钉钉): "DingTalk" 노드 사용
• Slack: "Slack" 노드 사용
• 이메일: "Email" 노드 사용 (SMTP)

효과 시연

워크플로우가 실행되면 Lark/DingTalk에서 다음과 같은 메시지를 받게 됩니다:

📊 시스템 로그 분석 보고서 — 2026-07-30 09:00

## 이상 징후 요약
- 치명적 오류: 2개
- 경고: 5개
- 정보: 120개

## 주요 문제
1. ❌ Nginx 502 Bad Gateway (2회) — 백엔드 서비스 상태 확인 권장
2. ⚠️ 디스크 사용률 80% 초과 — 로그 파일 정리 권장

Powered by n8n + Ollama Qwen 2.5

이제 매일 아침 5초만 알림을 확인하면 서버 상태를 완벽히 파악할 수 있습니다.

실전 2: AI 이메일 지능형 분류 및 자동 처리

매일 수십 통의 이메일을 수동으로 분류하는 것은 시간 낭비입니다. n8n으로 AI 이메일 비서를 구축하여 이메일의 중요도를 자동으로 판단하고 적절한 작업을 수행하게 하세요.

워크플로우 설계

IMAP 폴링 (새 이메일) → 이메일 내용 읽기 → Ollama 분류 → 분기 판단
→ 긴급 → Slack 알림 + 표시
→ 일반 → 자동 응답 템플릿
→ 스팸 → 바로 폐기

노드 설정

Step 1: IMAP 트리거

"Email Trigger (IMAP)" 노드 추가: - Credentials: 이메일 IMAP 설정 입력 (163, QQ, Gmail 등 모두 가능) - Check Interval: 5분마다 확인 - Folder: INBOX

Step 2: Ollama 분류 노드

Ollama 노드를 추가하여 이메일 내용을 읽고 분류:

• Model: qwen2.5
• Prompt:

당신은 이메일 분류 도우미입니다. 다음 이메일 내용을 분석하여 카테고리와 우선순위를 판단하세요.
JSON 한 줄만 출력하고 다른 내용은 포함하지 마세요:

{
  "category": "긴급/일반/스팸/마케팅/알림",
  "priority": 1-5,
  "summary": "한 줄 요약",
  "suggested_action": "답장/알림/무시"
}

---
이메일 제목: {{ $json.subject }}
이메일 내용: {{ $json.text }}
발신자: {{ $json.from }}

Step 3: 조건 분기

"IF" 노드를 추가하여 Ollama 출력에 따라 경로 분기:

• 조건: {{ $json.output.category === "긴급" }} → 긴급 처리 브랜치
• 기본값 → 일반/스팸 처리 브랜치

Step 4: 긴급 알림

긴급 브랜치에 Slack 또는 Lark 노드를 연결하여 경고 전송:

🚨 긴급 이메일: {{ $json.output.summary }}
발신자: {{ $json.from }}
즉시 처리 바랍니다!

효과

설정이 완료되면 더 이상 매일 이메일함을 확인할 필요가 없습니다. 중요한 이메일은 초 단위로 IM에 알림이 오고, 스팸 메일은 자동으로 필터링되며, 일반 이메일에는 "접수했습니다. 빠르게 처리하겠습니다"라는 자동 응답이 발송됩니다. 이 시스템으로 이메일 처리 시간이 하루 30분에서 5분으로 줄어듭니다.

실전 3: RSS 콘텐츠 수집 + AI 요약 생성

기술 콘텐츠 크리에이터로서 매일 여러 정보 소스를 추적해야 한다면, 이 워크플로우가 RSS를 자동으로 가져와 중국어 요약을 생성하고 스프레드시트에 출력해 줍니다.

워크플로우 설계

RSS Feed Trigger → HTML 추출 (본문) → Ollama 요약 → 중국어 번역 → Google Sheets에 기록

노드 설정

Step 1: RSS Feed 트리거

"RSS Feed Trigger" 노드 추가: - URL: 관심 있는 RSS 주소 입력 (예: Hacker News https://hnrss.org/frontpage) - Poll Interval: 1시간마다

Step 2: HTML 추출

"HTML Extract" 노드를 추가하여 기사 본문 추출: - Selector: article 또는 main 또는 body - Return Values: text (순수 텍스트 형식)

Step 3: Ollama 요약 노드

Ollama 노드 추가:

• Model: qwen2.5
• Prompt:

다음 글의 핵심 내용을 3-5문장으로 요약해 주세요. 다음을 준수하세요:
1. 기술적 세부 사항의 정확성 유지
2. 핵심 데이터 포인트와 결론 강조
3. 중국어로 출력

글 제목: {{ $json.title }}
글 내용: {{ $json.extractedText }}

Step 4: Google Sheets에 기록

"Google Sheets" 노드 추가: - Operation: Append - Sheet ID: Google Sheets ID - Columns: 날짜, 제목, 요약, 원문 링크

효과

실행할 때마다 Google Sheets에 자동으로 행이 추가됩니다:

이 워크플로우는 기술 주간 뉴스레터 유지나 업계 인텔리전스 모니터링에 특히 적합합니다. 일주일 후 스프레드시트를 열면 모든 중요 정보를 한눈에 확인할 수 있습니다.

n8n vs 다른 플랫폼 비교

선택 가이드:

• 많은 SaaS 통합이 필요하고 데이터 클라우드가 괜찮다면 → Zapier
• 순수 AI 애플리케이션 개발, 복잡한 워크플로우 오케스트레이션 불필요 → Dify
• 사용자용 AI Bot을 빠르게 구축해야 한다면 → Coze
• 커스텀 워크플로우 + 로컬 AI + 데이터 프라이버시가 필요하다면 → n8n (이 글의 추천)

심화: 중국 내 모델 연동

n8n은 Ollama뿐만 아니라 HTTP Request 노드를 통해 중국 주요 모델 API도 연동할 수 있습니다.

Tongyi Qianwen (通义千问) API

1. Alibaba Cloud Bailian(百炼) 플랫폼에서 API Key 획득
2. "HTTP Request" 노드 추가: - Method: POST - URL: https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions - Authentication: Bearer Token (API Key 입력) - Body:

{
  "model": "qwen-max",
  "messages": [{"role": "user", "content": "프롬프트"}]
}

DeepSeek API

1. DeepSeek 플랫폼에서 API Key 획득
2. 동일하게 HTTP Request 노드 사용: - URL: https://api.deepseek.com/chat/completions - 설정 방식은 Tongyi Qianwen과 유사

Volcengine (豆包)

1. Volcengine Ark(方舟) 플랫폼에서 API Key 획득
2. HTTP Request 노드를 설정하여 Doubao(豆包) 모델 호출

이러한 API는 일반적으로 무료 할당량을 제공하며, 비용이 OpenAI API를 직접 호출하는 것보다 훨씬 저렴합니다.

요약

n8n은 2026년에 가장 배울 가치가 있는 AI 자동화 도구 중 하나입니다. "AI 워크플로우 직접 구축"의 진입 장벽을 최대한 낮추어 주며, Docker 명령어 한 줄이면 실행할 수 있고, 드래그 앤 드롭만으로 복잡한 AI 자동화 프로세스를 구축할 수 있습니다.

빠른 복습

1. 설치: docker run -p 5678:5678 docker.n8n.io/n8nio/n8n
2. AI 연결: Ollama 노드를 통해 로컬 모델 연결, 데이터는 로컬 네트워크를 벗어나지 않음
3. 실전 시나리오: 로그 분석, 이메일 분류, 콘텐츠 수집 — 세 가지 재사용 가능한 워크플로우 템플릿
4. 비교 우위: Zapier 대비 구독료 절약, Dify 대비 워크플로우 오케스트레이션 능력 우수, 데이터 완전 로컬

다음 단계

• n8n 워크플로우 템플릿 라이브러리 방문하여 더 많은 기성 워크플로우 가져오기
• Self-Hosted AI Starter Kit을 사용하여 전체 AI 자동화 스택 빠르게 시작
• 커뮤니티 포럼 community.n8n.io에서 토론에 참여하기