Flowise 기초부터 핵심 14개 노드까지: 첫 AI Agent 워크플로우 구축하기 – 백서 다운로드
LLM 워크플로우를 코드 대신 노드로 — Flowise 기초부터 14개 핵심 노드, Flow State, Marketplace까지 첫 AI Agent 구축 1주차 교재를 소개합니다.
2026년 06월 11일
소개: 왜 코드 대신 ‘노드’로 AI Agent를 만들어야 하는가?
LLM 애플리케이션을 만들 때 우리는 흔히 LangChain·LangGraph·CrewAI 같은 코드 프레임워크부터 떠올립니다. 가장 유연한 선택지인 것은 분명하지만, 운영 단계에 들어서면 세 가지 축 (가시성, 거버넌스, 재현성)이 흔들리기 시작합니다. 흐름이 라이브러리 내부 함수 호출에 숨겨져 한 화면에서 볼 수 없고, 변경 이력은 코드·CI/CD·로그에 흩어지며, 라이브러리·환경·모델 버전에 따라 “어제는 됐는데 오늘은 왜 안 되지?”라는 질문이 반복됩니다.
Flowise는 바로 이 지점을 겨냥합니다. LangChain.js 위에 GUI 캔버스를 한 겹 얹어, LLM 워크플로우를 시각적인 노드 그래프로 조립하게 해 주는 오픈소스 도구입니다. 흐름이 한 화면에 보이고, 누가 무엇을 어떻게 바꿨는지 추적할 수 있으며, 같은 그래프는 어디서든 같게 동작합니다.
본 교재는 Flowise의 정체성과 도입 근거에서 출발해, Docker 한 줄 설치와 첫 Hello World 응답, 실무에서 가장 많이 쓰는 14개 핵심 노드, 한 번의 실행 동안 모든 노드가 읽고 쓰는 공유 메모리인 Flow State, 그리고 바로 가져다 변형해 쓰는 Marketplace까지를 1주차 분량으로 안내합니다.
지금 바로 [Flowise Getting Started]를 통해 첫 AI Agent를 직접 구축하는 데 필요한 구체적인 단계와 노드 사용법을 확인하십시오.
자료 다운로드
🗂️전체 발표자료(PDF)를 다운로드 받고싶으시다면 아래 설문을 제출해주세요!
발표 자료 주요 내용
총 5개 파트, 38개 슬라이드로 구성된 1주차 교재입니다. 각 파트가 어떤 내용을 다루는지 한눈에 확인하세요.
Part 1. 정체성과 정당성 — Flowise란 무엇이고 왜 도입하는가. Workflow 도구가 필요한 이유와 AgentFlow V2의 핵심 (Ch 1·2·3)
Part 2. 설치와 첫 응답 — Docker 한 줄 설치, Credentials 등록, Hello World 첫 응답까지 (Ch 4·5·6)
Part 3. 14 노드 깊이 — 5필드 포맷으로 보는 핵심 노드, Tool·HTTP·MCP, 흐름 제어(분기·반복) (Ch 7~11)
Part 4. Flow State 와 패턴 — 한 실행의 공유 메모리 $flow.state, 5가지 표준 패턴, Marketplace (Ch 12·13·14)
Part 5. 마무리 — 5가지 질문 자가 진단과 2~4주차 다음 단계 로드맵 (Ch 15)
이 자료의 핵심 장표
1. 코드 프레임워크가 운영에서 부딪히는 3축 — 가시성·거버넌스·재현성
“우리 팀은 왜 코드로 잘 만들어 두고도 운영이 힘들까?”를 한 장으로 설명하는 장표입니다. LangChain·LangGraph·CrewAI는 가장 유연하지만, 운영에서는 흐름을 한 화면에서 볼 수 없는 가시성, 변경 이력이 흩어지는 거버넌스, 어제와 오늘 결과가 달라지는 재현성이 흔들립니다. 슬라이드는 “① 흐름을 한 화면에 볼 수 있는가 ② 변경 이력이 한 곳에 모이는가 ③ 어제 결과를 재현할 수 있는가” 3개 중 1~2개가 ‘아니오’라면 Workflow형 도구 도입을 검토할 정량적 근거라고 제시합니다.
2. Flowise V1과 V2(AgentFlow), 무엇이 다르고 무엇을 골라야 할까?
“Flowise를 쓰면 V1과 V2 중 뭘 골라야 하지?”에 답하는 비교 장표입니다. V1(에이전트의 내부 미들웨어 의존)과 V2(흐름 제어를 노드로 가시화)를 제어 주체, 노드 이름 규칙, 주요 표현, 조건 분기, Human-in-the-Loop, 상태 공유 등 7개 항목으로 나란히 비교합니다. 비교가 명확해 “지금 새로 시작한다면 V2”라는 판단 근거를 바로 만들어 줍니다.
3. OpenAI API 자격증명 1건 등록 — 5단계
실습에서 가장 사고가 잦은 지점, ‘키 관리’를 다룹니다. 자격증명은 Credentials 메뉴에 1건만 등록하고 각 LLM 노드는 이름으로만 참조해 키 평문 노출을 막는 5단계를 안내합니다. 슬라이드는 키를 워크플로우에 평문으로 박는 잘못된 패턴과, 이름(openai-default)으로 참조하는 올바른 패턴을 나란히 보여주며 “Export → GitHub push → 키 노출”이라는 실제 사고 시나리오까지 경고합니다.
4. 핵심 5개 노드를 5필드 포맷으로 — Inputs·Outputs·옵션·동작·연결
14개 노드를 처음 익힐 때 “하나하나 외워야 하나?”라는 막막함을 덜어 주는 장표입니다. Start·LLM·Agent·Human Input·Direct Reply 핵심 5개 노드를 Inputs / Outputs / 자주 쓰는 옵션 / 동작 / 연결이라는 동일한 5필드 포맷으로 정리해, 나머지 노드도 같은 틀로 빠르게 읽는 법을 보여줍니다. 텍스트로 풀면 길어지는 내용을 한 장에 압축한 치트시트 성격의 장표입니다.
5. 한 실행의 화이트보드
“노드끼리 데이터를 어떻게 주고받지?”라는 핵심 질문에 답하는 장표입니다. $flow.state는 워크플로우 한 번의 실행 동안 유효한, 모든 노드가 읽고 쓸 수 있는 키-값 저장소입니다. 슬라이드는 14개 노드를 갱신 가능(Start·LLM·Tool·HTTP·Custom Function·Execute Flow)과 읽기 전용(Direct Reply·Condition·Iteration·Loop·Human Input 등)으로 나눠, 떨어진 노드 사이에서 데이터를 안전하게 공유하는 원리를 한 장으로 보여줍니다.
이런 분께 맞습니다
“AI Agent를 만들어 보고 싶은데 어디서부터 시작해야 할지 막막하다”면, 이 교재가 그 첫 한 주를 설계해 줍니다.
- 코드 프레임워크로는 운영이 버거웠던 백엔드 엔지니어 — 흐름을 한 화면에서 보고, 변경 이력을 한 곳에 모으고 싶은 분
- 사내 LLM 도입을 평가하는 담당자 — Workflow형 도구 도입의 근거를 빠르게 정리하고 싶은 분 (빠른 트랙 약 4시간)
- 첫 AI Agent 시스템을 직접 설계해야 하는 PoC 책임자 — 14개 노드와 5개 패턴을 손으로 완성하고 싶은 분 (심화 트랙 1주, 하루 1~2시간)
마무리 — 에디터 노트
이 교재에서 가장 주목할 포인트는 ‘노드 외우기’가 아니라 왜 노드 방식인가를 먼저 설득한다는 점입니다. 코드 프레임워크의 한계(가시성·거버넌스·재현성)를 정량적 자가 진단으로 짚은 뒤, 그 해법으로 Flowise를 제시하는 구조라 도입 의사결정과 실습이 자연스럽게 이어집니다.
처음 보신다면 Part 2(설치와 첫 응답)를 먼저 펼쳐 Hello World 첫 응답까지 직접 만들어 보길 권합니다. 화면에 응답이 뜨는 경험을 한 뒤 Part 3의 14개 노드로 넘어가면 훨씬 잘 붙습니다. 시간이 빠듯하다면 빠른 트랙(약 4시간)으로 Ch 1·6·14·15만 정독해도 도입 판단에 필요한 그림은 충분히 그릴 수 있습니다.
특히 사내에서 ‘AI Agent를 한번 검토해 보자’는 이야기가 막 나오기 시작한 지금이 읽기 좋은 시점입니다. PoC를 시작하기 전에 14개 노드·5개 패턴·Flow State라는 공통 언어를 팀이 먼저 맞춰 두면, 이후 RAG 심화나 Multi-agent로 확장할 때 의사소통 비용이 크게 줄어듭니다.
플랫폼의 상세한 노드 사용법과 실습 화면, 그리고 Marketplace 예제 변형 과정을 더 깊이 있게 보고 싶으시다면 전체 발표 자료를 확인해 보시기 바랍니다.
지금 바로 [Flowise Getting Started]를 통해 첫 AI Agent 구축에 필요한 구체적인 단계와 노드 사용법을 확인하십시오.
