AI Agent를 만들겠다고 결심했을 때 가장 막막한 지점은 “노드를 어디서부터 어떻게 연결해야 하는가”입니다. 개념 설명만 듣고 빈 캔버스를 마주하면 손이 잘 움직이지 않습니다. 가장 빠른 길은, 이미 동작하는 예제를 그대로 따라 만들어보며 패턴을 몸에 익히는 것입니다.

이 자료는 노코드/로우코드 AI 워크플로우 도구인 Flowise의 Marketplace 데모 13개를 활용한 중급 실전 교육 콘텐츠입니다. 단순한 단일 LLM 호출부터 RAG, 외부 API 연동, 자가교정 루프, 멀티 에이전트 협업까지 — AgentFlow에서 자주 쓰이는 핵심 패턴을 난이도 순으로 하나씩 쌓아 올립니다.

13개 데모는 4개의 난이도로 정리되어 있습니다. 난이도 1은 단일 파이프라인과 출력 제어, 난이도 2는 도구·API·DB 같은 외부 자원 연동, 난이도 3은 Agentic 패턴과 흐름 제어, 난이도 4는 멀티 에이전트 협업입니다. 로컬 모델 Credential 1개만 등록하면 13개 데모를 모두 그대로 import 해서 실행해볼 수 있도록 구성했습니다.

지금 바로 [Flowise AgentFlow 실전 데모 13선] 자료를 통해, 빈 캔버스 앞에서 멈추지 않고 동작하는 Agent를 직접 완성하는 흐름을 확인하십시오.

13개 데모를 난이도 4티어로 묶어, 단일 파이프라인에서 멀티 에이전트 협업까지 한 단계씩 쌓아 올리는 구성입니다. 데모마다 핵심 노드와 실행 결과를 함께 확인합니다.

난이도 1. 단일 파이프라인·출력 제어 — 한→영 번역기, 식당 리뷰 분석기(출력 스키마 강제), 사내 백서 RAG 봇 (기본기 마스터)

난이도 2. 외부 자원 연동 — 자연어 API 에이전트(OpenAPI Toolkit), 사내 채널 연동 봇(Slack 등 도구 연동), 자연어 SQL 변환(NL2SQL) (도구·API·DB 붙이기)

난이도 3. Agentic 패턴·흐름 제어 — 영화 큐레이터 봇(자가교정 RAG), 반복 토론 시뮬레이터(고정 반복), 이메일 답장 봇(사람 검토 게이트) (루프와 흐름 제어)

난이도 4. 멀티 에이전트 협업 — 문의 분류 봇(라우팅), 멀티 에이전트 관리자(Supervisor), 반복 토론 리서치(Multi-Agent Debate), 여행 계획 봇(Planner-Subagent 캡스톤)

부록. 공통 설정 — 로컬 모델 Credential 등록, 데모 JSON import, 자주 막히는 곳·다음 단계 정리

이 한 장이 자료 전체의 뼈대입니다. 데모를 무작정 나열하는 대신, 단일 LLM 파이프라인에서 멀티 에이전트 협업까지 난이도 순서로 쌓도록 동선을 짜 두었습니다. 장 번호(학습 순서)와 Marketplace 데모 파일명(01~13) 순서가 다르다는 점까지 명확히 표시되어, 어떤 데모를 어떤 순서로 열어야 하는지 헤매지 않습니다.

실습을 시작하기도 전에 환경 설정에서 막히는 경우가 많습니다. 이 장표는 로컬 모델 Credential 등록 → 데모 JSON import → 연결·키 점검의 3단계만 거치면 13개 데모를 모두 같은 설정으로 돌릴 수 있다는 점을 보여 줍니다. Document Store가 비어 있거나, Flow State 키를 선언하지 않았거나, 채널 토큰이 노출되는 자주 막히는 곳 세 가지도 미리 짚어 줍니다.

RAG를 처음 만들 때 가장 헷갈리는 부분이 “어디에 문서를 붙이고, 어디서 근거가 나오는가”입니다. 이 장표는 QnA Agent에 Knowledge(Document Store)를 연결하기만 하면, 근거 문서와 함께 답하는 RAG 봇이 완성되는 구조를 일반 LLM과 나란히 비교해 보여 줍니다. “그냥 LLM에 물어보는 것”과 “RAG로 답하는 것”의 차이를 한 장으로 이해할 수 있습니다.

“AI가 실제 API를 호출하게 만든다”는 게 어렵게 느껴진다면 이 장표가 가장 인상적일 수 있습니다. OpenAPI Toolkit에 YAML 명세 파일만 넣으면 LLM이 실제 엔드포인트와 연결되어, “강아지 한 마리 등록해 줘” 같은 자연어만으로 createPet, getPets, deletePet 같은 REST 호출이 실행됩니다. 외부 시스템과 Agent를 잇는 가장 실무적인 패턴입니다.

난이도 3의 핵심인 자가교정 RAG입니다. 한 번 검색해서 답이 부족하면 스스로 다시 검색하는 루프를, 질의 유효성 검증 → 검색 → 응답 평가 → 재검색의 흐름으로 구성합니다. Flow State로 데이터가 어떻게 흐르는지가 한눈에 정리되어 있어, 단순 RAG에서 Agentic 패턴으로 넘어가는 분기점을 직접 따라 만들 수 있습니다.

13개 데모가 어떤 난이도 흐름으로 쌓이는지 한 표로 정리했습니다. 자신의 수준에 맞는 티어부터 골라 시작하면 됩니다.

각 데모의 세부 노드 구성과 실행 결과는 본 자료의 해당 강의 슬라이드에서 확인할 수 있습니다.

개념은 들어봤지만 막상 빈 캔버스 앞에서 무엇부터 연결해야 할지 막막했던 분이라면, 동작하는 예제 13개를 따라 만드는 이 자료가 가장 빠른 길입니다.

• Flowise 기본은 떼었지만 그다음이 막막한 분 — RAG, 외부 API 연동, 멀티 에이전트로 넘어가는 다음 단계를 예제로 잡아 줍니다.

• 사내 챗봇·자동화 Agent를 직접 만들어야 하는 실무자 — 백서 RAG 봇, 채널 연동 봇, 자연어 SQL 등 바로 응용 가능한 패턴을 다룹니다.

• AI Agent 패턴을 체계적으로 학습하려는 분 — 단일 파이프라인부터 자가교정 루프, Supervisor 협업까지 난이도 순으로 정리되어 있습니다.

이 자료에서 가장 주목할 점은, AI Agent를 “이론으로 이해하는” 것이 아니라 “실제로 동작하는 13개 예제를 손으로 따라 만드는” 방식이라는 데 있습니다. 빈 캔버스에서 멈춰 본 경험이 있다면, 이 접근이 왜 빠른지 금방 체감하실 겁니다.

처음 보신다면 학습 지도(Slide 03)와 공통 설정(Slide 05)을 먼저 보고, 로컬 모델 Credential 1개를 등록한 뒤 난이도 1 데모부터 차례로 import 해 실행해 보시길 권합니다. RAG가 목적이라면 사내 백서 RAG 봇(Slide 11), 외부 연동이 목적이라면 자연어 API 에이전트(Slide 14)로 바로 건너뛰어도 좋습니다.

AI Agent를 실무에 도입해야 하는 시점이 빨라지고 있는 지금, 직접 만들 수 있는 손의 감각을 갖춰 두는 것이 가장 확실한 준비입니다. 13개 데모를 그대로 import 해 실행하며 AgentFlow V2 패턴을 손에 익혀 보세요.

전체 발표자료(PDF)를 다운로드 받아, 13개 데모를 직접 import 하고 따라 만들며 나만의 AI Agent를 완성해 보세요!