172만명의 커뮤니티!! 함께 토론해봐요.
해결됨
회사에서 바로 쓰는 업무자동화 AI 에이전트 (w. n8n, LangGraph)
강의에서는 네이버 뉴스 스크랩을 하기위해, more url 을 호출하는 방식을 사용하셨는데, 서비스 API 를 사용해 보는것도 하나의 방법일것 같습니다. https://developers.naver.com/docs/serviceapi/search/news/news.md#%EB%89%B4%EC%8A%A4-%EA%B2%80%EC%83%89-%EA%B2%B0%EA%B3%BC-%EC%A1%B0%ED%9A%8C 사용하시려면, 네이버 개발자 센터에서 애플리케이션을 등록하고 클라이언트 아이디와 클라이언트 시크릿을 발급받아야 합니다. ^^;;
해결됨
회사에서 바로 쓰는 업무자동화 AI 에이전트 (w. n8n, LangGraph)
create_react_agent 가 deprecated 되었습니다. from langgraph.prebuilt import create_react_agent langchain.agents 에서 create_agent 를 제공합니다. 참고로, system_prompt 가 생겼습니다. from langchain.agents import create_agent 자세한 내용은 아래 링크를 참고하세요. Deprecate https://docs.langchain.com/oss/python/releases/langgraph-v1#deprecation-of-create-react-agent create_agent https://docs.langchain.com/oss/python/releases/langchain-v1#create-agent create_agent 로 마이그레이션 https://docs.langchain.com/oss/python/migrate/langchain-v1#migrate-to-create-agent
미해결
회사에서 바로 쓰는 업무자동화 AI 에이전트 (w. n8n, LangGraph)
선생님 안녕하세요 LangGraph를 활용한 AI Agent 개발 (feat. MCP) 를 듣지 않아도 이 강의를 따라가는데 문제가 없나요?
해결됨
LangGraph를 활용한 AI Agent 개발 (feat. MCP)
선생님 안녕하세요 좋은 강의 감사합니다. 바로 아래 질문 올린 수강생입니다. 강의에 나온대로 openai api를 사용해서 pdf 파일을 markdown으로 변환하는데, 아래와 같은 오류(?) 메시지가 뜨다가, 맨 마지막에는 결과물이 나오긴 합니다. import nest_asyncio nest_asyncio.apply() from pyzerox import zerox import os import json import asyncio kwargs = {} ## Vision 모델에 사용할 시스템 프롬프트 custom_system_prompt = None model = "gpt-4o-mini" # os.environ["OPENAI_API_KEY"] = os.getenv("OPENAI_API_KEY") # 메인 비동기 진입점을 정의합니다 async def main(): file_path = "./documents/income_tax.pdf" ## 로컬 파일 경로 및 파일 URL 지원 ## 일부 페이지 또는 전체 페이지를 처리 select_pages = None ## 전체는 None, 특정 페이지는 int 또는 list(int) 페이지 번호 (1부터 시작) output_dir = "./documents" ## 통합된 마크다운 파일을 저장할 디렉토리 result = await zerox(file_path=file_path, model=model, output_dir=output_dir, custom_system_prompt=custom_system_prompt, select_pages=select_pages, **kwargs) return result # 메인 함수를 실행합니다: result = asyncio.run(main()) # 마크다운 결과를 출력합니다 print(result) 에러 메시지(실제는 이런게 여러번 반복이 됨) Give Feedback / Get Help: https://github.com/BerriAI/litellm/issues/new LiteLLM.Info : If you need to debug this error, use `litellm._turn_on_debug()'. ERROR:root:Failed to process image Error: Error in Completion Response. Error: litellm.RateLimitError: RateLimitError: OpenAIException - Rate limit reached for gpt-4o-mini in organization org-ZlBA2iz8ZXx6PbxDnPFaTYOK on tokens per min (TPM): Limit 200000, Used 200000, Requested 807. Please try again in 242ms. Visit https://platform.openai.com/account/rate-limits to learn more. Please check the status of your model provider API status. ERROR:root:Failed to process image Error: Error in Completion Response. Error: litellm.RateLimitError: RateLimitError: OpenAIException - Rate limit reached for gpt-4o-mini in organization org-ZlBA2iz8ZXx6PbxDnPFaTYOK on tokens per min (TPM): Limit 200000, Used 200000, Requested 807. Please try again in 242ms. Visit https://platform.openai.com/account/rate-limits to learn more. Please check the status of your model provider API status. ERROR:root:Failed to process image Error: Error in Completion Response. Error: litellm.RateLimitError: RateLimitError: OpenAIException - Rate limit reached for gpt-4o-mini in organization org-ZlBA2iz8ZXx6PbxDnPFaTYOK on tokens per min (TPM): Limit 200000, Used 200000, Requested 807. Please try again in 242ms. Visit https://platform.openai.com/account/rate-limits to learn more. Please check the status of your model provider API status. Give Feedback / Get Help: https://github.com/BerriAI/litellm/issues/new LiteLLM.Info : If you need to debug this error, use litellm._turn_on_debug()'. Give Feedback / Get Help: https://github.com/BerriAI/litellm/issues/new LiteLLM.Info: If you need to debug this error, use litellm._turn_on_debug()'. Give Feedback / Get Help: https://github.com/BerriAI/litellm/issues/new LiteLLM.Info : If you need to debug this error, use `litellm._turn_on_debug()'. ERROR:root:Failed to process image Error: Error in Completion Response. Error: litellm.RateLimitError: RateLimitError: OpenAIException - Rate limit reached for gpt-4o-mini in organization org-ZlBA2iz8ZXx6PbxDnPFaTYOK on tokens per min (TPM): Limit 200000, Used 200000, Requested 807. Please try again in 242ms. Visit https://platform.openai.com/account/rate-limits to learn more. Please check the status of your model provider API status. Give Feedback / Get Help: https://github.com/BerriAI/litellm/issues/new LiteLLM.Info : If you need to debug this error, use `litellm._turn_on_debug()'. ERROR:root:Failed to process image Error: Error in Completion Response. Error: litellm.RateLimitError: RateLimitError: OpenAIException - Rate limit reached for gpt-4o-mini in organization org-ZlBA2iz8ZXx6PbxDnPFaTYOK on tokens per min (TPM): Limit 200000, Used 200000, Requested 807. Please try again in 242ms. Visit https://platform.openai.com/account/rate-limits to learn more. Please check the status of your model provider API status. - 결과물 : ZeroxOutput(completion_time=69952.953, file_name='income_tax', input_tokens=626909, output_tokens=17668, pages=[Page(content='# 소득세법\n[시행 2025. 1. 1.] [법률 제20615호, 2024. 12. 31., 일부개정]\ (이후 생략) --> 근데 생성된 markdown 파일을 보니 18조 정도밖에 생성이 안되어있고, 그 이후 내용은 모두 없더라고요. 이건 그냥 token의 문제 때문에 openai api가 너무 큰 pdf파일을 처리하지 못하면서 발생하는 문제인가요? 강의에서는 아무런 문제 없이 변환이 되는데, 갑자기 안되는 이유가 있을까요? 강의 소스코드에 제공된 파일의 markdown 파일에는 소득세법의 전 내용이 들어가있던데, 그걸 사용하면 강의 따라가는데는 문제가 없어보입니다. 맞나요?
해결됨
LangGraph를 활용한 AI Agent 개발 (feat. MCP)
안녕하세요? 2.2 강의에서 강의내용과 노트북에 차이가 있어 질문드립니다. 강의에서는 openai api key를 쓰셨는데, 노트북은 azure로 되어있더라고요 강의대로 openai api key를 써서 했는데 아래와 같은 오류가 납니다. 혹시 어떤 것 때문일까요? from pyzerox import zerox import os import json import asyncio ### 모델 설정 (Vision 모델만 사용) 참고: https://docs.litellm.ai/docs/providers ### ## 일부 모델에 필요할 수 있는 추가 모델 kwargs의 자리 표시자 kwargs = {} ## Vision 모델에 사용할 시스템 프롬프트 custom_system_prompt = None # model = "azure/gpt-4o-2024-11-20" model = "gpt-4o-mini" os.environ["OPENAI_API_KEY"] = os.getenv("OPENAI_API_KEY") # os.environ["AZURE_API_KEY"] = os.getenv("AZURE_OPENAI_API_KEY") # os.environ["AZURE_API_BASE"] = os.getenv("AZURE_OPENAI_ENDPOINT") # os.environ["AZURE_API_VERSION"] = "2024-08-01-preview" # "2023-05-15" # 메인 비동기 진입점을 정의합니다 async def main(): file_path = "./documents/income_tax.pdf" ## 로컬 파일 경로 및 파일 URL 지원 ## 일부 페이지 또는 전체 페이지를 처리 select_pages = None ## 전체는 None, 특정 페이지는 int 또는 list(int) 페이지 번호 (1부터 시작) output_dir = "./documents" ## 통합된 마크다운 파일을 저장할 디렉토리 result = await zerox(file_path=file_path, model=model, output_dir=output_dir, custom_system_prompt=custom_system_prompt, select_pages=select_pages, **kwargs) return result # 메인 함수를 실행합니다: result = asyncio.run(main()) # 마크다운 결과를 출력합니다 print(result) (오류내용 아래부분만) TypeError : 'NoneType' object is not iterable 2. 강의내용과 노트북을 다르게 하신 이유가 있으실까요? azure openai api key, azure openai endpoint 값들은 chatgpt에 검색해서 나오는 방법으로 받으면 되는건가요? 아니면 다른 방법이 있나요?
해결됨
회사에서 바로 쓰는 업무자동화 AI 에이전트 (w. n8n, LangGraph)
병진님 안녕하세요:) 바쁘실텐데 답변 확인해주셔서 감사합니다! '사내 QnA 봇' 강의 실습 중에 질문이 생겨서 글 남깁니다. inhouse-rule-index 는 pdf 표의 한계로 제대로 인덱싱이 안되어서 틀린 답이 나온다고 하셨습니다. 그 근거로 '전결 규정' 파일을 확인하셨고, '대표이사' 승인이 필요하다고 말씀 주셨습니다. 실제로 inhouse-rule-index 실습 결과, '대표이사'에 대한 언급이 답변에 없어서 이해를 하고 넘어갔습니다. 하지만, inhouse-python-index 로 전처리를 하고 n8n으로 교체후에 돌려보았을 때도 아래와 같이 동일한 결과가 나왔는데요. 왜 그럴까 확인해봤더니, '경비 관리 가이드' 문서의 내용을 토대로 답변을 작성한 것으로 보입니다. 제 질문은, '경비 관리 가이드' 문서만 보면 처음에 틀렸다고 생각했던 답변이 맞다라고 판단되는데, 제가 이해한게 맞을까요? 서로 다른 문서에서 승인 절차에 대해 다른 내용이 있기 때문에 문서 싱크가 맞지 않아서 그런 것으로 보여집니다. 이 부분에 대해서 병진님 의견이 궁금합니다!
미해결
LangGraph를 활용한 AI Agent 개발 (feat. MCP)
강의에서 "연봉 5천만원 직장인의 소득세는?" 이라는 (직장인이라는)단어를 문서에서 찾지 못해서 응답을 받지 못했다고 하는데 보통 사용자가 질문할때는 정확한 단어를 입력할 확률이 적을것으로 생각되서 이 경우 쿼리에 대해 llm 이나 다른 방법을 통해 알아서 잘(?) 질문에 대해서 llm이 해석 할 수 있도록 해줄 필요가 있을 것 같다고 생각이 드는데, 혹시 이런 경우에 있어서 해결방안이나 팁이 있으신가요?
미해결
LangGraph를 활용한 AI Agent 개발 (feat. MCP)
안녕하십니까, 강사님. 자세하고 유익한 강의를 준비해주셔서 감사합니다. 이전 강의 내용과 비교하면서 궁금한 점이 생겼습니다. 이전에 다루신 Adaptive RAG와 이번에 다루신 Multi-Agent 강의의 차이점이 무엇인지 알고 싶습니다. 만약 다른 개념이라면, 두 접근 방식이 어떤 부분에서 가장 큰 차이를 보이는지도 궁금합니다.
미해결
회사에서 바로 쓰는 업무자동화 AI 에이전트 (w. n8n, LangGraph)
웹훅 붙일때 env 파일에는 production url이 되었으나, 이상하게 실제 os.getenv("AGENT_API_URL") 로 돌리면 test url로 나오는 현상이 있었습니다. 사용자 환경변수 기타 모든 환경변수 조회하였으나 안나오는데 이상하게 계속 test-url로 요청하더라구요 이걸로 4시간 잡아 먹었습니다....하하하하 load_dotenv(override=True) agent_api_key = os.getenv("AGENT_API_KEY") agent_api_url = os.getenv("AGENT_API_URL") 찾아서 삭제 해볼려고 하였으나, 못 찾고 대신 override하면 괜찮아 지니 참고 하시기 바랍니다. 근데 진짜 이유를 모르겠습니다....왜 test url로 등록이 됫는지...
해결됨
회사에서 바로 쓰는 업무자동화 AI 에이전트 (w. n8n, LangGraph)
병진님 안녕하세요! 좋은 강의 덕분에 재미있게 실습 중입니다ㅎㅎ 강의 중에 google sheet 노드의 get row 대신 다른 방법 알게 되면 공유해달라고 하셔서, 실습하면서 다른 방법 찾게 되어서 공유 드려요! (참고로 제가 참고한 링크는 https://community.n8n.io/t/how-to-see-all-files-inside-a-google-drive/157053/2 입니다) 저는 google drive 노드의 Search files and folder를 사용하였습니다. 강의 중에는 해당 옵션을 사용하면 폴더의 id만 나온다고 하셨는데, Filter 부분에 내용을 추가하니까 해당 폴더 안에 있는 파일들의 id와 name이 나왔습니다. 그래서 get row 대신에 search files and folder 부분만 수정하였는데요. 실제로 loop over items 이후 download file 부분에서 파일의 id와 연결하여 다운로드 되는 것 까지 확인하였습니다. 작지만 도움 되셨으면 좋겠네요ㅎㅎ 강의 늘 감사합니다!
해결됨
회사에서 바로 쓰는 업무자동화 AI 에이전트 (w. n8n, LangGraph)
안녕하세요 병진님:) 좋은 강의 감사합니다! n8n 강의를 차례차례 따라하고 있는데요. 'Naver 뉴스 스크랩 봇' 강의를 따라하는 도중에 의도치 않는 결과가 나와서 질문 드립니다. 강의에서 Filter 노드를 사용하셨는데, Filter 노드는 array를 받아서 그 중에서 조건에 맞지 않는 값들은 filter하는 것으로 이해하였습니다. 하지만 저희는 for loop을 통해서 array가 아닌 한 개의 값들만 filter 노드를 통과할 것이고, 그리고 실제로 이 값이 false이면 진행하지 않고 멈춰버릴 것으로 예상됩니다. 실제로 실습 도중에 아래의 그림과 같이 Filter 노드 결과가 false이니까 그 이후를 진행하지 않고 workflow successfully ended로 끝나버렸습니다. 그래서 Filter 노드를 쓰면 안된다고 이해했는데 맞을까요? 그래서 Filter 노드 대신에 If 노드를 사용하였고, false이면 for loop과 이어주었더니 그제서야 의도대로 동작하였습니다. 이렇게 수정한 버전이 맞을까요? (+아니면 Filter 노드로 원래 의도대로 동작하는거라서 굳이 If 노드를 사용할 필요가 없는건가요?) 바쁘실텐데 답변 주시면 감사하겠습니다!
해결됨
회사에서 바로 쓰는 업무자동화 AI 에이전트 (w. n8n, LangGraph)
안녕하세요! 좋은 강의 만들어주셔서 감사합니다. 저는 비개발자로 무턱대고 강의를 수강했는데, 파이썬 관련된 내용은 아무래도 이해가 어렵네요. 순서대로 강의를 듣는 게 좋겠다고 생각해서 앞에서부터 듣고 있는데, 아무래도 저에게 가장 도움되는 파트는 Text to SQL이 아닐까 싶습니다만... 이 파트에도 파이썬 지식이 필요하면 파이썬을 공부해야 하나 고민입니다. 그래서 질문을 드리자면 Text to SQL 파트도 파이썬 지식이 필요할까요? 만약 그렇지 않더라도 파이썬을 공부하면 다른 강의 내용을 익히는 데 도움이 될 것 같은데, 이 경우에 파이썬을 공부하는 방법으로 추천하시는 게 있을까요? 감사합니다!
미해결
LangGraph를 활용한 AI Agent 개발 (feat. MCP)
안녕하세요! 강사님이 올려주신 강의 전부 다 보면서 아주 유익하게 학습했습니다. 혹시 가능하시다면 ACP에 관한 강의도 제작 하시면 어떨까요!
미해결
회사에서 바로 쓰는 업무자동화 AI 에이전트 (w. n8n, LangGraph)
강의 너무 재밌게 잘 듣고 있습니다! 그런데 문득 궁금한게 생겼습니다. 작업 하시는 것 보다 보면, 어떤 경우에는 langChain, langGraph로 작업하시고, 또 어떤 경우에는 n8n으로 작업하시는데 어떤 기준으로 기술을 선택하시는지 궁금합니다.
해결됨
LangGraph를 활용한 AI Agent 개발 (feat. MCP)
안녕하십니까 강사님! 덕분에 강의 너무나도 잘 들었습니다. 수강하게 된 계기가 파이썬 기반 백엔드 신입으로 취업 준비를 할 때 어떻게 하면 자바보다 차별화해서 준비할 수 있을까? 라는 생각으로 시작했습니다. 강의를 수강하고 나니 확실히 RAG기술은 강하다고 느꼈습니다. 하지만 저번에 답변을 해주셨을 때 프롬포트 엔지니어링만으로는 취업을 준비하기 불안정하다 라는 의견에 굉장히 동의합니다! 혹시 실례가 안된다면 질문을 드리고 싶습니다! 만약에 답변이 조금 어려우시면 답변 안해주셔도 됩니다! - 파이썬 기반 백엔드 신입으로 취업 준비를 할 때 현재 저는 was와 db구현해보기 + rag기술 다루어보기 정도의 기술 스택을 가지고 있는데 강사님이 보시기에는 어떠한지 궁금합니다. 올바른 방향으로 준비를 하고 있는지 아니면 시장에서 원하는 방향이 아닌건지 궁금합니다! 현재는 학부 3학년으로써 조언을 해주신다면 정말 감사하겠습니다. 질문 읽어주셔서 감사합니다!
해결됨
회사에서 바로 쓰는 업무자동화 AI 에이전트 (w. n8n, LangGraph)
안녕하세요. 너무 좋은 강의 감사합니다. 다름이 아니오라, 18강 까지 진행중인데 강의에서 말씀하시는 제공했다는 스크립트 (create_table_for_test_sql.ipnb) 는 어디서 받을 수 있나요? 자료제공이나 강의자료를 봐도 해당 스크립트가 없네요 ㅠㅠ
해결됨
회사에서 바로 쓰는 업무자동화 AI 에이전트 (w. n8n, LangGraph)
AI 관련 직군이 아니더라도 AI에 대한 능력을 가지고 있어야 하는 추세같은데 여기서 말하는 AI에 대한 능력이 무엇을 말하는 것일까요? n8n을 사용해서 AI를 도입한다던지,, 필요시 랭체인 개발을 할 수 있는 능력이라던지,, AI지식이 없어 추상적으로 여쭤보는 점 죄송합니다.
해결됨
LangGraph를 활용한 AI Agent 개발 (feat. MCP)
안녕하세요. 해당 챕터에서 강의 내용과 실행 결과 간 매치가 잘 안되는 듯 느껴져 문의드립니다. from langchain_core.messages import HumanMessage for chunk in graph.stream({'messages': [HumanMessage('3에다 5를 더하고 거기에 8을 곱하면?')]}, stream_mode='values'): chunk['messages'][-1].pretty_print() 강의 화면에서 위와 같은 query 에 대해 노드 단위로 출력한 결과를 보면, 첫 번째 Ai Message 는 Tool Calls 로 add 과 multiply 두 툴에 대한 요청을 함께 생성하고 다음 Tool Message 로 multiply 의 결과 64 를 반환, 두 번째 Ai Message 는 Tool Calls 로 multiply 만 생성하고 다음 Tool Message 로 결과 64를 반환하고 있습니다. 근데 강의에서는 첫 번째 Ai Message 에 대해 "먼저 덧셈을 실시합니다. 그러니까 multiply(?) 라는 툴이 64를 주고, 근데 task 가 두 개니까 task 에서 도구 호출을 또 하는 겁니다. 그런 다음에 64라는 답이 나오고..." 라고 녹화되어 있는데... 이게 무슨 얘기인지 잘 와닿지가 않네요.. 녹화 당시의 실행 결과와 상관없이 add 한 번 호출 후 multiply 한 번 호출에 대한 설명인 걸까요? 아니면 병렬 도구 호출에 대한 설명인 걸까요? 감사합니다.
해결됨
회사에서 바로 쓰는 업무자동화 AI 에이전트 (w. n8n, LangGraph)
현업에서 보통 n8n 워크플로우를 Python 노드로 어느 정도 수준까지 전처리를 진행하나요? Python 환경과 n8n 환경을 sync를 맞춰서 연동하는 좋은 꿀팁 혹은 구조가 있는지 궁금합니다.
미해결
회사에서 바로 쓰는 업무자동화 AI 에이전트 (w. n8n, LangGraph)
안녕하세요!! n8n으로 데이터 자동화 워크플로를 만들고 있는데 데이터 전처리 작업을 어떻게 구성하는 게 좋을지 고민이 됩니다. 실무에서는 보통 n8n 내부 Python 노드로 어느 정도 수준까지 전처리를 하고 복잡한 전처리가 필요한 경우에 외부 Python 환경과 연동하는 좋은 방법이 있을까요? n8n과 Python을 함께 쓰는 효율적인 구조가 있다면 조언 부탁드립니다.
