n8n의 AI Agent 노드를 쓰면 이메일을 읽고, 레코드를 조회하고, 답장하는 어시스턴트를 쉽게 만들 수 있습니다. 계획보다 많은 돈을 쓰기도 쉽습니다. 실행 한 번에 모델을 최대 열 번 호출하고, 매번 프롬프트 전체를 다시 보내기 때문입니다. 이 글은 저렴한 OpenAI 호환 모델로 AI Agent 워크플로를 돌리는 방법, 도구 사용에 맞는 모델, 토큰을 줄이는 설정, 실행당 비용을 다룹니다. 자격 증명과 노드 설정 자체는 n8n 설정 가이드를 따르세요.
AI Agent를 더 싼 모델에 연결하려면 어떻게 하나요?
- 제공업체의 키와 Base URL(예:
https://inference.broadnet.ai/v1주소)을 넣어 OpenAI 자격 증명을 만드세요. - AI Agent 노드를 추가하고, 그 자격 증명을 쓰는 OpenAI Chat Model 하위 노드를 연결하세요.
- 목록에서 고르지 말고 모델을 ID로 입력하세요. 예:
broadnet/qwen3.8-27b. - BroadNet처럼 제공업체가 채팅 완성을 제공한다면 Use Responses API를 끄세요.
- 도구를 최소 하나 연결하세요. n8n 문서에 따르면 AI Agent에는 도구 하위 노드를 하나 이상 연결해야 합니다.
OpenAI가 아닌 Base URL을 설정하면 n8n은 모든 모델이 도구나 JSON 응답 형식을 지원하지는 않는다는 안내를 표시합니다. 가볍게 넘기지 마세요. 모델 선택을 좌우하는 내용입니다.
n8n 도구를 다룰 수 있는 저렴한 모델은 무엇인가요?
n8n 문서에 따르면 이제 모든 AI Agent 노드는 Tools Agent로 동작합니다. 모델이 도구 호출을 안정적으로 내보내야 하며, 그렇지 않으면 에이전트가 루프를 돌거나 도구를 쓰지 않고 답합니다.
| BroadNet의 모델 | 도구 지원 명시 | 컨텍스트 | n8n에서 가장 좋은 용도 |
|---|---|---|---|
| Qwen3.8 27B | 예 | 262,144 | AI Agent 기본값, 이미지 입력, 아랍어 테스트됨 |
| GLM 5.3 | 예 | 1,048,576 | 긴 문서를 다루는 에이전트 |
| Gemma 4 VL 26B | 명시되지 않음 | 32,768 | Basic LLM Chain: 분류, 추출, 라우팅 |
| DeepSeek V4.1 Flash | 명시되지 않음 | 1,048,576 | 긴 문서 체인, 이미지 입력, 에이전트에 쓰기 전 테스트 필요 |
Qwen3.8 27B는 도구를 지원하는 두 모델 중 입력 가격이 더 싸고, n8n 에이전트는 입력이 많습니다. 여기서 시작하고, 테스트에서 GLM 5.3이 내 도구를 더 잘 다룬다면 옮기세요. 두 모델의 비교는 GLM 5.3 vs Qwen3.8 27B에 있습니다.
n8n 에이전트는 토큰을 어디에 쓰나요?
반복 하나하나가 별도의 모델 호출이며, 다음을 싣습니다.
- 직접 작성한 System Message
- 연결된 모든 도구의 정의(All로 설정된 MCP Client Tool 노드의 모든 도구 포함)
- Simple Memory의 메모리 윈도
- 사용자 입력, 그리고 이번 실행에서의 이전 도구 호출과 결과
출력은 대개 짧습니다. 그래서 청구액은 입력 크기 × 반복 횟수로 결정됩니다. 각 부분을 측정하는 방법은 에이전트 토큰 예산 글에 있습니다.
비용을 가장 많이 줄이는 설정은 무엇인가요?
- Max Iterations. 기본값은 10입니다. 고객 지원형 에이전트는 대부분 2~4회에 끝납니다. 4나 5로 설정해 헤매는 실행이 일찍 멈추게 하세요.
- Simple Memory의 Context Window Length. 이전 상호작용을 몇 개 유지할지 정합니다. 하나하나가 반복할 때마다 다시 전송됩니다. 5 정도로 작게 유지하세요.
- 도구 줄이기. MCP Client Tool 노드에서는 All 대신 Selected나 All Except를 쓰세요.
- 짧은 도구 출력. HTTP Request 도구는 API 응답 전체가 아니라 에이전트에 필요한 필드만 돌려주게 하세요.
- Maximum Number of Tokens. Qwen3.8 27B와 GLM 5.3은 먼저 추론하며, 추론은 한도에 포함됩니다. 기본값으로 두거나 수천으로 설정하세요. 너무 작으면 빈 출력이 나옵니다.
- 에이전트 앞에서 라우팅하기. Gemma 4 VL 26B를 쓰는 Basic LLM Chain을 앞에 두어 요청을 분류하세요. 도구가 필요한 요청만 에이전트로 보내세요.
출력 형태가 정해져 있다면 Require Specific Output Format을 켜고 Structured Output Parser를 연결하세요. 에이전트에게 형식을 다시 맞추라고 시키는 것보다 쌉니다. 자세한 내용은 구조화된 출력에 있습니다.
n8n 에이전트 실행 비용은 얼마인가요?
고객 지원 에이전트를 예로 들어 봅시다. 실행당 반복 3회, 반복마다 입력 약 4,000토큰, 출력 300토큰입니다. 실행당 입력 12,000토큰, 출력 900토큰입니다. 월 10,000회 실행이라면 다음과 같습니다.
| 월 토큰 | Qwen3.8 27B | GLM 5.3 |
|---|---|---|
| 입력 1억 2,000만 | 100만당 $0.175 | 100만당 $0.78 |
| 출력 900만 | 100만당 $2.17 | 100만당 $3.46 |
곱해서 더하세요. 2026-11-14 기준으로 동기화한 가격에서, 캐시 할인 전 이 워크플로는 GLM 5.3이 Qwen3.8 27B보다 약 3배 비쌉니다. 반복 횟수를 절반으로 줄이면 어느 모델이든 입력 항목이 대략 절반이 됩니다. 메모리 윈도를 줄이면 각 프롬프트에서 메모리가 차지하는 비율만큼 줄어듭니다.
Gemma 4 VL 26B 라우팅 단계는 비용이 거의 들지 않습니다. 입력 800토큰, 출력 20토큰짜리 분류 10,000회는 입력 800만 토큰(100만당 $0.10 요금)과 출력 20만 토큰(100만당 $0.22 요금)입니다. 요청의 40%가 에이전트까지 가지 않는다면 에이전트 항목의 40%가 절약됩니다. Gemma를 꾸준히 대량으로 쓴다면, BroadNet은 시간당 $0.50 요금의 정액 시간제 키도 판매합니다. 분당 120 요청, 스트림 하나, 분당 300,000 토큰입니다.
LLM API 비용 계산기에서 직접 숫자를 넣어 보고, 속도 제한 계산기로 분당 30 요청이 어디까지 버티는지 확인하세요.
n8n에서 저렴한 모델을 쓰면 무엇이 깨지나요?
- 에이전트가 도구를 무시함. 도구 지원이 명시되지 않은 모델입니다. Qwen3.8 27B나 GLM 5.3으로 바꾸세요.
- “Bad request”. 대개 Responses API 토글 때문입니다. 해결 방법은 설정 가이드에 있습니다.
- 배치에서 429. 종량제 키는 분당 30 요청, 동시 요청 4개까지 허용합니다. Loop Over Items와 Wait 노드를 쓰세요. 오류와 재시도를 참고하세요.
- MCP 도구. MCP Client Tool 노드로 에이전트가 외부 MCP 서버를 호출할 수 있습니다. 먼저 OpenAI 호환 모델에서 MCP 쓰기를 읽어 보세요.
BroadNet Inference의 위치
BroadNet Inference는 n8n에 OpenAI 호환 자격 증명 하나로 도구를 지원하는 Qwen3.8 27B와 GLM 5.3, 저렴한 라우팅용 Gemma 4 VL 26B, 꾸준한 배치용 $0.50 요금의 Gemma 시간제 키를 제공합니다. 신규 계정은 $5 금액의 크레딧을 받으며, 이는 Gemma 4 VL 26B에 쓸 수 있습니다. 도구를 지원하는 모델에는 충전이 필요합니다. Responses API의 내장 도구처럼 OpenAI 전용 기능이 필요한 워크플로에는 맞지 않습니다. inference.broadnet.ai에서 키를 만드세요.
