Agentria에서 제공하는 다양한 노드를 통해 아이디어를 확장해 보세요.

다음 카테고리별 설명을 참고하여 작업에 적합한 노드를 선택할 수 있고, 더 나은 어빌리티 개발이 가능합니다.

AI 노드

✨ Azure OpenAI LLM

Azure OpenAI가 제공하는 대규모 언어 모델(LLM)을 사용할 수 있는 노드입니다.

텍스트 생성, 질문 응답, 요약, 번역 등 다양한 자연어 처리 작업을 수행할 수 있습니다.

✨ Bedrock Anthropic LLM

AWS Bedrock을 통해 Anthropic의 대규모 언어 모델(LLM)을 사용할 수 있는 노드입니다.

안전성과 맥락 이해를 중시하는 언어 모델을 기반으로, 대화형 응답이나 분석 작업에 적합합니다.

✨ Google Gemini LLM

Google의 Gemini 대규모 언어 모델(LLM)을 사용할 수 있는 노드입니다.

멀티모달(텍스트 + 이미지 등) 처리까지 지원하여, 고도화된 AI 작업이 가능합니다.

✨ Azure Text Embedding

Azure OpenAI의 임베딩 모델을 이용해 텍스트를 벡터(숫자 형태)로 변환하는 노드입니다.

해당 벡터는 의미 기반 검색, 문서 유사도 계산, 추천 시스템 등 AI 응용 작업에 활용할 수 있습니다.

✨ Anthropic LLM

Anthropic에서 제공하는 대규모 언어 모델을 사용할 수 있는 노드입니다.

윤리적 가이드라인과 안전성을 강조한 AI 응답을 생성하는 데 강점이 있습니다.

✨ LLM Reserve

기본으로 설정한 LLM이 실패하거나 이를 사용할 수 없을 때, 자동으로 다른 LLM으로 전환하는 백업 노드입니다.

서비스 안정성을 보장하기 위해, 예비 언어 모델을 준비해두는 역할을 합니다.

✨ OpenAI LLM

OpenAI에서 제공하는 대규모 언어 모델(LLM)을 사용하는 노드입니다.

텍스트 생성, 요약, 번역, 질문 응답 등 다양한 자연어 처리 작업에 활용할 수 있습니다.

AI Agent 노드

💼 Short-term Memory Reader

세션 동안 발생한 최근 대화 컨텍스트를 저장하고 꺼내는 단기 기억 기능을 제공하는 노드입니다.

대화 맥락을 일관되게 유지하고, 사용자의 입력 흐름을 자연스럽게 이어갈 수 있도록 도와줍니다.

특히 챗봇이나 대화형 에이전트 구축 시, 직전 대화를 기억해야 할 때 유용합니다.

• 범위: 현재 세션에 한정 (세션이 종료되면 초기화)

• 활용 예시: 직전 발화 기억하기, 간단한 질의응답 맥락 이어가기, 대화 중 마지막 명령 유지

💼 Agent Tools

사용자의 메시지를 분석하고, 필요한 어빌리티를 자동으로 선택하여 실행하는 노드입니다.

에이전트가 다양한 기능을 상황에 맞춰 실행해야 할 때, 자동 결정과 연결 흐름을 구축하는 데 용이합니다.

💼 Long-term Memory Reader

여러 세션에 걸쳐 대화 히스토리나 경험을 주제별로 저장하고 불러오는 장기 기억 기능을 제공하는 노드입니다.

사용자의 선호도, 프로필, 과거 상호작용을 바탕으로 보다 개인화된 응답이나 추천을 구현할 수 있습니다.

• 범위: 여러 세션에 걸쳐 지속적으로 유지 (삭제 또는 갱신 시까지 저장)

• 활용 예시: 사용자의 이름 기억하기, 선호 설정 저장, 과거 행동을 기반으로 맞춤형 응답 제공

💼 ReAct Agent

ReAct(Reasoning and Acting) 프레임워크를 구현한 노드로, LLM이 사고와 행동을 반복하며 문제를 단계적으로 해결하도록 설계된 구조입니다.

복잡한 작업을 실행할 때, LLM이 먼저 사고, 행동, 관찰을 반복하며 더 정확하고 신뢰성 있는 결과를 도출합니다.

Tools 노드

🛠️ Notion

에이전트가 Notion 워크스페이스의 페이지나 데이터베이스 내용을 읽고, 작성하고, 관리할 수 있는 노드입니다.

🛠️ Gmail

에이전트가 Gmail 계정의 이메일을 읽고, 처리할 수 있는 노드입니다.

🛠️ Discord

에이전트가 Discord 채널 및 메시지와 상호작용하거나 사용자 이벤트를 처리할 수 있는 노드입니다.

Web Tools

🌐 Web Request

외부 웹 서비스에 HTTP 요청을 보내고, 받은 응답을 워크플로우 내에서 활용할 수 있는 노드입니다.

REST API 호출, 데이터 수집, 웹훅 처리 등에 사용할 수 있습니다.

🌐 SerpApi Web Search

SerpApi 서비스를 통해 구조화된 웹 검색 결과를 즉시 가져올 수 있는 노드입니다.

Google, Bing, DuckDuckGo 등 검색 엔진 결과를 JSON 형태로 편리하게 받아올 수 있습니다.

🌐 DuckDuckGo Web Search

프라이버시 중심의 검색 엔진 DuckDuckGo를 통해 검색을 실행하고, 결과를 가져오는 노드입니다.

DuckDuckGo API는 SerpApi에서도 지원되고 있어서, SerpApi 연동 방식으로 사용 가능합니다.

🌐 Exa Web Search

Exa의 API를 활용해 관련성 높은 고품질 웹 검색 결과를 가져올 수 있는 노드입니다.

Exa는 LLM 기반 애플리케이션을 위해 설계된 검색 엔진으로, 웹 콘텐츠를 자연어 질의로 처리하고 정제된 정보를 제공하는 데 최적화되어 있습니다.

File Handling Tools

📎 PDF Text Reader

PDF 파일에서 텍스트만 추출해서 읽을 수 있는 노드입니다.

PDF.js 기반의 추출 라이브러리를 이용해 문서 내부의 구조화된 텍스트를 읽고 정보를 제공합니다.

📎 Upstage AI OCR

이미지나 스캔된 문서에서 텍스트를 인식하는 OCR(광학문자판독) 기능을 제공하는 노드입니다.

Upstage의 Document AI는 한국어 및 영어 텍스트 인식에 특화된 고정밀 OCR 모델로, 이미지화된 영수증이나 스캔 문서로부터 텍스트를 자동 추출할 때 활용할 수 있습니다.

Code

💻 Python

Python 코드를 직접 작성하고 실행할 수 있는 노드입니다.

워크플로우 내에서 다른 노드를 함수처럼 호출할 수 있으며, 데이터 전처리, 계산, API 호출 등 자유로운 로직 구현이 가능합니다.

Database

🗄️ Embedding Data Searcher

데이터 저장소에 저장된 임베딩(벡터) 데이터를 검색하는 노드입니다.

주어진 쿼리와 의미적으로 유사한 데이터를 찾아내어, RAG 기반 문서 검색이나 추천 시스템 구현에 활용할 수 있습니다.

🗄️ Structured Data Reader

데이터 저장소에 있는 구조화된 데이터를 읽어오는 노드입니다.

표, 데이터베이스 레코드, JSON 포맷 등에서 필요한 정보를 불러와 워크플로우에서 사용 가능합니다.

🗄️ Structured Data Writer

구조화된 데이터를 데이터 저장소에 기록하는 노드입니다.

RAG나 검색 시스템을 위해 새로운 레코드나 정형 데이터를 저장할 때 활용할 수 있습니다.

🗄️ Embedding Data Writer

텍스트를 임베딩 벡터로 변환한 후 데이터 저장소에 기록하는 노드입니다.

추후에 의미 기반 검색을 지원하기 위해, 문서나 대화 기록을 임베딩 형태로 저장할 수 있습니다.

* RAG (Retrieval-Augmented Generation) : 검색과 생성을 결합해 정확성을 높이는 방법