AI "딸깍" 으로 만드는 슈퍼자동화 시나리오! 클로드4+MCP

"이 포스팅은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다."

AI "딸깍" 으로 만드는 슈퍼자동화 시나리오! 클로드4+MCP란 무엇인가?

이 콘텐츠는 클로드 4(Claude 4)의 강력한 에이전트 코딩 능력과 모델 컨텍스트 프로토콜(mcp) 서버를 활용하여 복잡한 자동화 시나리오를 '딸깍' 한 번으로 구현하는 방법을 상세히 알려줍니다. 특히, N8N과 같은 자동화 툴에서 AI가 직접 워크플로우를 설계하고 JSON 파일로 내보내는 과정을 보여주며, 사용자가 직접 코드를 작성할 필요 없이 생산성을 극대화할 수 있는 실질적인 방법을 제시합니다. 최신 정보를 학습하고 정확한 답변을 생성하는 Context 7 mcp서버 연동을 통해, AI가 단순한 텍스트 생성을 넘어 실용적인 자동화 솔루션을 제공하는 미래를 경험할 수 있습니다. 복잡한 자동화 구축에 어려움을 겪거나 AI 활용의 새로운 지평을 열고 싶은 분들에게 이 영상은 명확한 해답과 영감을 줄 것입니다.

1. 클로드 4(Claude 4)의 등장과 자동화의 미래

1. 자동화의 간소화: 클로드(Claude)를 활용하여 N8N 자동화 JSON 파일을 임포트(Import)하면 사용자가 직접 자동화를 처음부터 만들지 않아도 모든 자동화가 한꺼번에 생성된다.
2. 클로드 4 모델 발표: 2024년 5월 22일, 안트로픽(Anthropic)에서 클로드 오퍼스 4(Claude Opus 4)와 클로드 소네 4(Claude Sonnet 4)를 발표했으며, 이 모델들은 매우 높은 지능을 가지고 있다.
3. AI 활용 자동화 가능성: 클로드 AI를 활용하여 N8N 자동화를 직접 만들지 않고도 자동화 시나리오를 구축할 수 있다.
4. 클로드 4의 핵심 능력:
   1. 클로드 오퍼스 4와 클로드 소네 4는 에이전트 코딩 점수가 매우 높다.
   2. 대학원생 수준의 추론 능력을 보유하고 있어, 적절한 컨텍스트(Context)를 제공하면 N8N 자동화 워크플로우를 AI를 통해 직접 만들 수 있다.
5. 영상 목표: 본 영상에서는 클로드를 사용하여 복잡한 자동화를 만드는 방법을 처음부터 끝까지 자세히 설명한다.

2. 클로드 4 모델 상세 분석

2.1. 클로드 4의 주요 모델 및 성능

1. 두 가지 주요 모델: 클로드 오퍼스 4(Claude Opus 4)와 클로드 소네 4(Claude Sonnet 4)가 출시되었다.
2. 경쟁 모델 대비 우위: 최신 오픈AI 모델인 GPT-3.5와 GPT-4의 성능을 능가한다.
3. 클로드 소네 4(Claude Sonnet 4):
   1. 클로드 3.7의 업계 최고 성능을 크게 향상시켰으며, 최고 수준의 코딩 성능을 자랑한다.
   2. 오퍼스 4보다는 성능이 낮지만, 성능과 효율성의 균형을 맞추어 대부분의 영역에서 최적의 성능과 실용성을 제공한다.
4. 클로드 오퍼스 4(Claude Opus 4):
   1. 코딩 및 복잡한 문제 해결에 탁월하며, 프런티어 에이전트 제품을 지원하는 최첨단 코딩 도구이다.
   2. 본 영상에서는 N8N 자동화를 만드는 데 이 오퍼스 4 모델을 사용한다.

2.2. 클로드 오퍼스 4의 뛰어난 성능 입증

1. 성능 그래프: 기존 다른 모델들과 비교했을 때 확연하게 성능이 향상된 것을 그래프로 확인할 수 있다.
2. 포켓몬 게임 플레이 예시: 포켓몬 게임의 작동 방식과 플레이 지침을 제공하자, 클로드 오퍼스 4가 스스로 게임을 플레이하는 모습을 보여줄 정도로 똑똑하다.
3. 클로드 소개 마무리: 여기까지 클로드에 대한 기본적인 소개가 완료되었다.

3. N8N 자동화 워크플로우 구축 준비: 클로드 데스크톱 및 MCP 서버 설정

3.1. 클로드 데스크톱 설치 및 웹사이트 한계점

1. 워크플로우 자동화 준비: 이제 클로드를 활용하여 워크플로우를 자동화하는 방법을 설명한다.
2. 클로드 데스크톱 필요성: N8N 자동화를 위해서는 클로드 데스크톱이 필요하다.
3. 웹사이트 사용의 한계: 클로드 웹사이트에서 클로드를 사용할 수 있지만, 서버 연결이 불가능하여 클로드의 기능을 100% 활용할 수 없다.
4. MCP 서버의 개념: 서버는 AI에 여러 유용한 도구를 연결하여 기존 사용법보다 활용도를 높여주는 방법이다.
5. 데스크톱 시연: 클로드 데스크톱을 직접 열어 서버 활용 방법을 보여준다.

3.2. 클로드 데스크톱 MCP 서버 설정 방법

1. 설정 메뉴 접근:
   1. 클로드 데스크톱을 열고 왼쪽 상단의 햄버거 메뉴를 클릭한다.
   2. '파일' > '설정'으로 이동하거나, 단축키 Ctrl + 콤마(,)를 눌러 설정 창을 연다.
   3. 설정 창에서 '개발자' 탭을 선택한다.
2. MCP 설정 화면 확인:
   1. 초기에는 MCP가 설정되어 있지 않아 다른 화면이 나타난다.
   2. ' MCP클로드' 설명과 함께 " 모델 컨텍스트 프로토콜을 사용하여 전문 서버로부터 프롬프트및 첨부 파일과 같은 정보를 받을 수 있습니다"라는 문구가 표시된다.
   3. 하단에 '설정 편집'과 '시작하기' 버튼이 나타나며, 여기서 '설정 편집'을 선택한다.
3. config.json 파일 편집:
   1. 클로드가 설치된 폴더가 열리며, Claude Desktop Config.json 파일이 보인다.
   2. 해당 파일을 메모장이나 텍스트 편집기로 연다.
   3. 파일 안에는 []와 MCP Servers라는 텍스트만 들어 있으며, 이 안에 MCP서버를 추가해야 한다.
   4. MCP서버는 AI의 활용도를 높이기 위한 도구를 의미한다.
4. Context 7 서버 추가:
   1. 사용할 도구는 Context 7이다.
   2. Context 7의 필요성: LLM(대규모 언어 모델)은 최신 정보가 아닌 과거 정보를 기반으로 답변하는 경우가 많아, 최신 정보를 얻기 위해 웹 검색기능을 사용해야 한다. Context 7을 사용하면 항상 최신 문서를 기반으로 가장 정확한 답변을 생성할 수 있다.
   3. N8N 문서 예시: Context 7은 N8N 관련 문서를 보유하고 있으며, 이는 N8N 웹사이트에서 볼 수 있는 다큐먼트가 컴퓨터가 읽기 편하게 정리되어 있는 형태이다.
   4. 자동화의 필요성: N8N을 처음 공부하거나 자동화를 만들 때 일일이 문서를 확인할 시간이 없으므로, AI를 통해 자동화를 만드는 것이 효율적이다.
   5. Context 7을 클로드 데스크톱에 추가하는 방법:
      1. Context 7 웹사이트로 돌아와 상단의 ' MCP서버'를 클릭한다.
      2. '기타' 페이지로 이동하여 스크롤을 내리면 'Install in Claude Desktop' 섹션이 보인다.
      3. 화살표를 클릭하여 Claude Desktop Config.json 파일에 넣어줘야 할 명령어를 확인한다.
      4. MCP Servers 괄호 안에 Context 7 내용을 복사하여 메모장의 기존 내용을 대체한다.
      5. 파일을 저장한다.
5. 클로드 데스크톱 재시작:
   1. 클로드 데스크톱으로 돌아오면 아직 변경 사항이 반영되지 않은 상태이다.
   2. 서버를 추가한 후에는 클로드 데스크톱을 껐다가 다시 켜야 한다.
   3. 정확한 종료 방법: 우측 상단의 닫기 버튼이 아닌, 오른쪽 하단 트레이(스몰 아이콘)에서 클로드 데스크톱 아이콘을 오른쪽 클릭한 후 '종료' 버튼을 눌러 완전히 종료한다.
   4. 클로드를 다시 실행한다.
6. MCP 설치 확인:
   1. '파일' > '설정'으로 다시 이동하면 MCP가 성공적으로 설치된 것을 확인할 수 있다.
   2. 'Context 7'이 보이고 'Running' 버튼이 표시되어야 MCP가 제대로 설치된 것이다.
   3. 만약 보이지 않는다면, MCP서버 설치 방법을 다시 확인하고 완료해야 한다.

4. 클로드 4와 Context 7을 활용한 N8N 자동화 시나리오 생성

4.1. N8N 자동화 시나리오 생성 시작

1. MCP 서버 설치 완료: Context 7 MCP서버 설치가 완료되었으므로, 이를 활용하여 N8N 자동화 시나리오를 생성한다.
2. 생성 방법의 간편성: MCP서버 연결 과정이 복잡했을 뿐, 연결 후에는 결과 생성이 매우 간단하다.
3. 프롬프트 작성:
   1. 기본적으로 "N8N 자동화 시나리오를 만들고 싶은데 Context 7을 이용해서 만들어 줘"라고 시작한다.
   2. 이후 원하는 시나리오를 구체적으로 설명한다.
   3. 예시: " AI 에이전트를 활용해서 내가 원하는 블로그 글쓰기를 만들어 주는 자동화 시나리오"를 작성한다.
   4. 구체적인 프롬프트: "블로그 자동화 시나리오채팅으로 내가 특정 단어를 입력했을 때 해당 단어를 AI 에이전트를 이용해서 블로그 글을 써 주는 자동화 시나리오"
4. 모델 선택: Context 7을 이용한 N8N 자동화 시나리오생성 시에는 클로드 오퍼스 4를 사용하는 것을 추천한다.
5. 프롬프트 실행: 해당 모델을 선택하고 엔터를 눌러 프롬프트를 실행한다.

4.2. 클로드 4의 N8N 자동화 워크플로우 생성 과정

1. 최신 문서 확인: 클로드가 N8N의 최신 문서를 확인하겠다고 응답한다.
2. Context 7 라이브러리 활용: Context 7 MCP서버에 연결된 N8N 라이브러리를 가져와 활용한다.
3. 문서 선택 및 시나리오 생성: 가장 적합한 N8N 문서를 선택하고 Context 7의 명령어를 빌려 N8N 컨텍스트를 가져와 자동화 시나리오를 생성한다.
4. 자동화 과정 관찰: 클로드가 프롬프트를 작성하고 채팅 트리거를 연결하는 등 자동화 시나리오를 생성하는 과정을 사용자는 지켜볼 수 있다.
5. 워크플로우 구성 설명: 클로드가 워크플로우구성 요소를 설명한다.
   1. 채팅 트리거: 사용자가 채팅 인터페이스를 통해 블로그 주제 키워드를 입력한다.
   2. AI 에이전트: 입력된 키워드가 오픈 AI 에이전트에게 전달되고, GPT-4를 사용하여 블로그 글을 생성한다.

4.3. N8N JSON 파일 내보내기 및 임포트

1. 코드 복사: 클로드가 생성한 모든 코드를 복사 버튼을 눌러 복사한다.
2. JSON 파일 저장:
   1. 메모장을 열어 복사한 코드를 붙여넣는다.
   2. 파일 저장하기를 눌러 바탕화면에 N8N.json으로 저장한다.
   3. 파일 형식은 '모든 파일'로 설정하여 텍스트 파일이 아닌 JSON 타입으로 저장되도록 한다.
   4. 바탕화면에 N8N.json 파일이 생성된 것을 확인한다.
3. N8N 워크플로우 임포트:
   1. N8N으로 이동하여 '새로운 워크플로우만들기'를 클릭한다.
   2. 기존에는 사용자가 직접 트리거와 노드를 추가하여 자동화를 만들었지만, 이제는 그럴 필요가 없다.
   3. 기존 노드를 모두 삭제한다.
   4. 우측 상단의 '점점점' 버튼을 눌러 'Import from File'을 클릭한다.
   5. 방금 만든 N8N.json 파일을 선택하고 '열기'를 눌러 임포트한다.
   6. 클로드가 만든 자동화 시나리오가 N8N에 생성된 것을 확인한다.

4.4. N8N 자동화 시나리오 구성 요소 확인 및 테스트

1. AI 에이전트 1 (개요 생성):
   1. 첫 번째 AI 에이전트는 주어진 키워드를 분석하여 블로그 글 작성을 위한 상세한 개요를 만드는 전문가로 설정되어 있다.
   2. 키워드는 챗 프롬프트의 첫 번째 트리거인 '챗 메시지'에 입력하면 에이전트가 활동을 시작한다.
   3. AI 에이전트1이 빨간색으로 표시되는 이유는 프롬프트가 채팅에서 직접 가져올 수 없기 때문이다.
2. 시나리오 흐름:
   1. '챗 메시지'는 키워드를 입력하는 공간이다.
   2. 첫 번째 AI 에이전트가 개요를 생성한다.
   3. 두 번째 AI 에이전트가 개요를 가져와 블로그 글을 생성한다.
   4. 마지막 에어테이블(Airtable)은 생성된 정보를 저장하는 과정이다.
3. 에어테이블 연결 확인:
   1. 에어테이블 노드를 선택하면 저장된 토큰이 연결되어 있는 것을 확인할 수 있다.
   2. 베이스(Base)와 테이블(Table)은 사용자가 직접 연결해야 하며, 제목, 내용, 카테고리, 태그, 요약, 작성 등의 정보를 저장할 수 있다.
4. 초기 테스트 (에어테이블 제외):
   1. 간단한 테스트를 위해 채팅을 열고 "AI 공부"라고 입력한다.
   2. 채팅이 정상적으로 작동하는 것을 확인한다.
   3. 에어테이블연결 시 에러가 발생할 수 있으므로, 우선 에어테이블 노드를 제외하고 앞부분만 테스트한다.
   4. "AI 공부"를 입력하면 첫 번째 AI 에이전트가 작동하여 AI 공부에 대한 블로그 개요를 생성한다.
   5. 생성된 개요에는 최적화된 블로그 제목, 카테고리, 관련 태그까지 포함되어 있다.
5. AI 에이전트 2 (블로그 글 생성) 연결 및 테스트:
   1. 첫 번째 AI 에이전트의 아웃풋을 두 번째 AI 에이전트의 프롬프트로 가져올 수 있도록 연결한다.
   2. 제목, 카테고리, 태그, 주요 내용이 들어왔으며, 이 내용을 바탕으로 전문적인 블로그를 작성하라는 프롬프트가 입력된다.
   3. 다시 "AI 공부" 채팅을 입력한다.
   4. 채팅 메시지가 입력되고, 첫 번째 AI 에이전트가 개요를 생성한 후, 두 번째 AI 에이전트가 작동하여 블로그 글을 생성한다.
   5. 블로그 글이 작성되는 것을 기다린다.
   6. 마지막 에어테이블에서 에러가 발생하지만, 이는 아직 세팅이 완료되지 않았기 때문이며, 두 번째 AI 에이전트의 결과(블로그 글)는 정상적으로 작성된 것을 확인할 수 있다.

4.5. JSON 형식으로 결과 포맷팅 및 최종 확인

1. JSON 포맷팅의 필요성: 현재 결과는 하나로 뭉쳐져 있어 에어테이블에 제목, 내용, 카테고리, 태그 등을 분리하여 저장하기 어렵다. 따라서 AI 에이전트2의 결과를 JSON 형식으로 만들어야 한다.
2. N8N 아웃풋 파서 설정:
   1. AI 에이전트2 노드에 들어가 '포맷'을 체크하면 ' 아웃풋 파서'가 생긴 것을 확인할 수 있다.
   2. 'Structured Output Parser'를 눌러 아웃풋을 알아보기 쉽게 JSON 포맷으로 설정한다.
3. 클로드에게 JSON 포맷 요청:
   1. 클로드에게 "이것을 조금 더 알아보기 쉽게 JSON 포맷을 주면 좋겠어"라고 요청한다.
   2. N8N에서 미리 만들어 놓은 기본 포맷을 제공한다.
   3. 클로드가 JSON 스키마정의를 제공한다.
4. JSON 스키마 적용: 클로드가 제공한 JSON 스키마를 복사하여 N8N의 아웃풋 파서에 붙여넣는다.
5. 최종 테스트 및 결과 확인:
   1. 다시 채팅에 "AI 공부"를 입력하여 블로그 단어를 제시한다.
   2. 개요가 만들어지고, 이 개요에 따른 블로그 글 결과가 생성된다.
   3. 결과를 확인하면, 이전과 달리 아웃풋 하나 밑에 타이틀, 컨텐트, 카테고리, 태그, 요약이 정확하고 깔끔하게 분리되어 나온 것을 확인할 수 있다.
   4. 문단 역시 깔끔하게 정리되어 있다.
   5. 클로드에게 질문 하나만으로 훨씬 깔끔한 결과를 얻을 수 있었다.
6. 에어테이블 연결 및 심화 학습:
   1. 이제 이 결과들을 에어테이블에 연결하여 저장할 수 있다.
   2. 결과 저장 방법이나 자동화 심화 방법은 패스트캠퍼스의 ' 비즈니스 자동화AI 마스터' 강의에서 블로그 자동화 외에 보이스 에이전트, 유튜브 영상 자동화 등 모든 자동화 방법을 알려주고 있다.

5. 결론 및 추가 학습 권장

1. 클로드와 MCP 서버 활용 자동화 실습 요약: 클로드와 MCP서버를 활용하여 N8N 자동화 시나리오를 자동으로 만드는 실습을 완료했다.
2. 자동화의 확장성: 프롬프트입력을 더 디테일하게 하고 MCP서버를 더 잘 활용하면, 복잡한 자동화도 클로드가 자동으로 만들어 준다.
3. 생산성 극대화: 사용자는 클로드가 만든 자동화를 받은 후 중간중간 약간의 수정만 거치면 바로 사용할 수 있는 완벽한 자동화 시나리오를 얻게 된다.
4. 클로드 4의 강력함: 새로 나온 클로드 4소네와 클로드 4오퍼스는 매우 강력한 모델이므로, 이 영상을 본 사람들은 꼭 한 번씩 사용해 보기를 추천한다.

[Claude] 클로드 챗GPT 뛰어넘는 글쓰기? 입문 종결 가이드 바로가기

[Claude] 클로드 챗GPT 뛰어넘는 글쓰기? 입문 종결 가이드 - 하나이프 블로그