GODRICH
#css애니메이션#버튼#로딩#전환효과#스크롤#대시보드#실전ui#디자인트렌드

n8n ai agent 도구 루프 9종 — 노드 그래프·메모리·가드

AI 에이전트 노드는 한 번에 답하지 않는다 — 05번은 재사용 페널티로 같은 도구 재선택 확률이 e^-Δ/T 로 떨어지고, 08번은 가드가 5번째 반복에서 실패 경로로 분기한다. 도구 루프 전체를 LLM 없이 재현하는 9종이다.

zip 구성과 여는 법

AI 에이전트 도구 루프 9종 — 그래프·설정·before/after·도구 선택·부분 사고·중복 제거·가드·분기·산출물

한 겹의 엔진이 아홉 장면을 돌린다

아홉 장면은 제각각 그리지 않고 공용 core 엔진 한 겹 위에 올라간다 — 2초 24프레임 주기의 WAAPI 시계, 재생해도 같은 값을 내는 시드 고정 난수 seedHash, 일시정지·되감기·프리셋 전환 분기가 그 몸통이고, 그 위에 이 편의 주역 계산 넷이 얹힌다: 쿼리와 도구 설명의 겹침으로 스코어를 내는 toolSim, 온도 T 로 확률을 정규화하는 softmaxT, 직전 도구를 깎는 penalized, 컨텍스트 예산을 지키는 memDecay 다. 도구 선택·중복 제거·메모리 감쇠·가드가 전부 이 규칙 계산에서 나오므로 외부 LLM 호출은 한 번도 없다.

    // ── 532 주역 계산 — 도구 선택 스코어·소프트맥스·재사용 페널티·메모리 감쇠·루프 가드
    // TOOL_SIM — 쿼리 토큰과 도구 설명 토큰의 자카드 겹침(교집합/합집합) + 시드 가중
    function toolSim(qtok, desc, seed) {
        const dt = tokens(desc);
        let hit = 0;
        for (let i = 0; i < qtok.length; i += 1) {
            if (dt.indexOf(qtok[i]) >= 0) { hit += 1; }
        }
        const uni = qtok.length + dt.length - hit;
        return uni > 0 ? (hit / uni) * (0.82 + 0.36 * seedHash(qtok.length, seed)) : 0.04 * seedHash(1, seed);
    }
    // SOFTMAX_T — 스코어 배열을 온도 T 로 정규화. T 가 낮으면 최고 봉우리가 독점한다
    function softmaxT(scores, T) {
        let mx = -Infinity;
        for (let i = 0; i < scores.length; i += 1) { if (scores[i] > mx) { mx = scores[i]; } }
        const ex = scores.map(function (s) { return Math.exp((s - mx) / T); });
        let sm = 0;
        for (let i = 0; i < ex.length; i += 1) { sm += ex[i]; }
        return ex.map(function (e) { return e / sm; });
    }

penalized 는 직전 사용 도구의 스코어에 (1 − 0.2) 를 곱해 소프트맥스에 다시 넣고, memDecay 는 턴 높이의 총합이 예산을 넘으면 오래된 순서로 alpha 거듭제곱을 물린다 — 이 두 함수의 산술은 05·06 절에서 각각 검산해 본다.

    // PENALTY_P — 직전 사용 도구에 REUSE_PENALTY 를 곱해 스코어를 깎는다.
    //   확률은 e^(-delta/T) 로 떨어진다 — 05의 주역 계산
    const REUSE_PENALTY = 0.2;
    function penalized(scores, lastIdx, T) {
        const s2 = scores.slice();
        if (lastIdx >= 0) {
            s2[lastIdx] = s2[lastIdx] * (1 - REUSE_PENALTY);
        }
        return softmaxT(s2, T);
    }

데모는 n8n 실행이 아니라 규칙 근사다

먼저 경계를 분명히 한다 — 이 데모의 도구 선택·루프 진행은 n8n 을 실제로 실행한 실측이 아니라, n8n 공식 문서에 적힌 에이전트 동작을 교육용 규칙 계산으로 재현한 주입 시연이다. n8n 의 AI Agent 노드가 프롬프트를 받아 도구를 반복 호출하며 답을 만들고 이 반복이 "도구 루프"라는 점, 그리고 아래에서 쓰는 노드명 AI Agent · Window Buffer Memory · Calculator · HTTP Request · Vector Store 가 실제 노드라는 점은 n8n 공식 문서에 근거한다. 반면 데모가 선택을 내리는 자카드 유사도와 소프트맥스는 n8n 내부 구현이 아니다 — 실제 n8n 에이전트의 도구 선택은 연결된 챗 모델이 프롬프트 컨텍스트로 결정하므로, 이 데모는 그 결정 과정을 눈으로 볼 수 있는 규칙으로 바꿔 놓은 것이고 값이 실제와 다를 수 있음을 전제로 읽는다.

모델과 실측의 경계

숫자 인용은 모델과 실측을 갈라서 적는다 — 온도 T 0.25 · 재사용 페널티 0.2 · 메모리 예산 360 · 감쇠 alpha 0.72 · 09 의 확정 시각 1,140ms(3턴 × 380ms 검산)처럼 소스 상수에서 계산하거나 검산한 값은 모델이고, 면적·강도·프레임은 렌더러가 2초 회차를 스물네 컷으로 남긴 뒤 붙은 두 컷의 차 스물세 개로 잰 실측이다. 누적면적은 회차 창 안에서 첫 컷과 달라진 적이 한 번이라도 있는 화소가 차지한 비율, 강도는 변화 화소의 밝기·색차 평균값(0~255 척도)이고 렌더 지터로 ±0.1 흔들린다.

측정 정답표

주입 시연 회차로 아홉 장면을 돌려 남긴 숫자가 아래 표다 — 씬 배경을 진행 값이 좌에서 우로 순회하는 배경 sweep 이 면적의 주 확보원이고, 어느 장면도 멈춘 구간 없이 창 내내 움직였다.

장면 누적면적 움직인 프레임 강도 평균
01 그래프 커넥터 뷰 34.8% 23/23 96.8
02 설정 패널 포커스 36.0% 23/23 101.5
03 데이터 before/after 34.5% 23/23 117.1
04 도구 선택 스코어 35.8% 23/23 89.0
05 재사용 페널티 36.2% 23/23 95.6
06 메모리 윈도우 감쇠 35.7% 23/23 107.3
07 루프 사이클 36.4% 23/23 102.0
08 가드 임계 분기 35.8% 23/23 118.8
09 최종 산출물 36.1% 23/23 108.5

면적이 가장 넓은 것은 07 의 36.4% 이고 가장 좁은 것도 03 의 34.5% 로 편차가 1.9% 포인트에 그친다 — 배경 sweep 이 캔버스 대부분의 픽셀을 매 프레임 문턱 넘게 움직이게 하는 값 전파 방식의 결과다. 강도는 08 의 118.8 이 가장 높은데 가드 분기 프레임에 루프 박스 전체가 상태색을 바꾸는 한 컷이 겹쳐서고, 04 의 89.0 이 가장 낮은 것은 봉우리 높이 변화가 완만한 축이기 때문이다. 순간 최대 면적(요소 자체 움직임만 잰 값)은 09 의 12.4% · 02 의 10.6% · 07 의 10.3% 순이고 넘침·320px 폭 넘침·로케일 넘침은 전 씬 0건, react 판은 TypeScript 컴파일 9파일·SCSS 단독 컴파일 9파일 전부 통과했다.

아홉 장면이 이 순서인 이유

이 순서는 n8n ai agent 노드를 다루는 흐름을 실제로 따라간 것이다 — 캔버스를 열면 먼저 그래프가 보이고(01), 노드를 눌러 설정을 고친 뒤(02), 도구가 무엇을 바꾸는지 데이터로 확인하고(03), 어떻게 하나가 선택되는지 따라가다가(04) 같은 도구만 도는 문제(05)와 메모리가 차오르는 문제(06)를 만나고, 한 바퀴의 구조(07)와 무한 루프를 끊는 가드(08)를 지나 최종 산출물(09)로 끝난다. n8n 축 첫 모음인 n8n 워크플로우 예제 9종이 받고 돌리고 합치고 나누는 데이터 흐름이었다면, 이번 편은 그 흐름 위에 도는 에이전트의 내부를 같은 노드 그래프 문법으로 연 편이다.

01AI Agent 노드와 하위 노드는 어떻게 붙나 — 그래프 뷰어에서 보는 연결

캔버스 중앙의 AI Agent 노드에 도구 셋(Calculator · HTTP Request · Vector Store)과 메모리(Window Buffer Memory)가 연결선으로 매달리고, 주행 점이 이번 턴에 쓰이는 하위 노드의 선을 따라 흘러 그 노드를 점등한다 — 실제 n8n 캔버스에서 에이전트 아래로 내려오는 연결선이 곧 구조 자체라는 점을 그대로 옮긴 장면이고, 연결선마다 위상이 다른 파형이 흘러 어느 선이 살아 있는지가 색이 아니라 흐름으로 보인다.

AI Agent 노드와 도구·메모리 하위 노드의 연결 그래프
전체 코드 새 창에서 열기

01 · AI Agent 노드와 도구·메모리 하위 노드의 연결 그래프 — 측정 누적면적 34.845% · 움직인 프레임 23/23GODRICH 원작 · zip 에 SCSS·React 포함 · 비밀번호 보기

nodeGraphnd--onseedHash

연결선은 각도까지 계산에 넣는다

연결선은 SVG stroke 대신 div 회전 막대로 그렸는데 좌표 계산이 본문 계산과 같은 층에 있게 하려는 선택이고, 복붙해 쓸 때는 하위 노드 배열 TOOLS01 과 라벨을 자기 도구 이름으로 바꾸면 그래프가 곧 자기 워크플로와 같은 모습이 된다.

    const pos = [[10, 10], [10, 61], [10, 112]];
    const roles = ['tool', 'tool', 'mem'];
    const subs = ['calculator', 'http request', 'window buffer'];
    for (let k = 0; k < 3; k += 1) {
        const nd = make('div', 'nd nd--' + roles[k], scWrap);
        nd.innerHTML = '<i class="' + cx('nd__t') + '">' + TOOLS01[k] + '</i><i class="' + cx('nd__s') + '">' + subs[k] + '</i>';
        put(nd, pos[k][0], pos[k][1], 108, 34);
        nodes01.push(nd);
        const ln = make('i', 'cn', scWrap);
        put(ln, 118, pos[k][1] + 16, 0, 0);
        ln.style.width = '72px';
        ln.style.transform = 'rotate(' + (Math.atan2(72, 60 + 17 - (pos[k][1] + 17)) * 180 / Math.PI) + 'deg)';

트리거에서 노드를 잇는 일반 흐름 설계가 궁금하면 n8n 노코드 자동화의 캔버스 절이 같은 문법을 데이터 흐름으로 쓴다.

02노드 설정 패널은 무엇을 고정하나 — 시스템 프롬프트·최대 반복·도구 권한

설정 패널의 네 항목 System Prompt · Tools · Memory · Max Iterations 에 원형 게이지가 차오르고 포커스 링이 항목 사이를 순회하는데, 프롬프트 칸의 게이지는 문자열을 쪼개 임베딩 없이 글자 수 비율(len/384)로 계산해 채운다 — 설정은 취향이 아니라 루프가 쓸 수 있는 예산의 정의라서, 프롬프트가 길어지면 도구 설명이 읽힐 자리가 그만큼 줄어든다는 관점이 이 장면의 주장이다.

시스템 프롬프트 설정 패널의 포커스 순환
전체 코드 새 창에서 열기

02 · 시스템 프롬프트 설정 패널의 포커스 순환 — 측정 누적면적 36.029% · 움직인 프레임 23/23GODRICH 원작 · zip 에 SCSS·React 포함 · 비밀번호 보기

settingsPanelgwrapcharRatioGauge

게이지와 포커스는 한 시계에서 나온다

게이지의 채움 비율은 항목마다 정해진 목표치로 수렴하고 포커스는 주기 위상을 넷으로 나눠 정하며, 실제 n8n ai agent node 의 설정 패널에도 이 네 가지가 있어서 그중 Max Iterations 는 실존하는 반복 상한 설정으로 08 의 가드 임계와 정확히 대응한다.

    function frame(t) {
        const ph = demoT(t) / 2000;
        const focus = Math.floor(ph * 4) % 4;
        const ratios = [0.48, 0.75, 0.6, 0.2];
        for (let k = 0; k < 4; k += 1) {
            rows02[k].classList.toggle(cx('srow--on'), k === focus);
            const target = ratios[k];
            const v = clamp((ph * 4 - k) , 0, 1) * target;
            fills02[k].style.background = 'conic-gradient(#0a4fe8 0turn ' + f0(v * 360) + 'deg, #d5daea ' + f0(v * 360) + 'deg 360deg)';
            nums02[k].textContent = f0(v * 100) + '%';
        }

03도구 호출 전후 JSON diff — 데이터가 무엇으로 바뀌나

왼쪽 before JSON 과 오른쪽 after JSON 이 세로로 흐르고 두 객체를 얕은 비교해 바뀐 줄만 diffOn 으로 밝히는데, cost: 0 이 cost: 3 이 되고 status: 'pending' 이 'done' 으로 넘어가는 자리만 빛나고 그대로인 줄은 흐려진다 — 도구 호출의 효과가 텍스트 설명이 아니라 데이터의 차이로 보이는 장면이고, 방향키로 돌려볼 수 있는 세 프리셋은 정상 완료·일부 변경·status: 'error'(timeout 30s) 실패 케이스를 각각 보여 준다.

도구 호출 전후 JSON diff
전체 코드 새 창에서 열기

03 · 도구 호출 전후 JSON diff — 측정 누적면적 34.46% · 움직인 프레임 23/23GODRICH 원작 · zip 에 SCSS·React 포함 · 비밀번호 보기

jsonDiffjl--difftoolSim

바뀐 줄 판정은 한 줄이다

바뀐 줄 판정은 키별 JSON 직렬화 비교 한 줄이며 복붙해 쓸 때는 BEFORE03·AFTER03 두 상수를 자기 도구의 실제 입출력으로 바꾸고, 중첩 객체까지 비교하려면 이 얕은 비교를 재귀 한 겹으로 감싸면 된다.

    const BEFORE03 = { query: 'rss feed', items: 20, cost: 0, status: 'pending' };
    const AFTER03  = { query: 'rss feed', items: 20, cost: 3, status: 'done', tool: 'HTTP Request' };
        for (let k = 0; k < keys.length; k += 1) {
            const key = keys[k];
            const ln = make('i', 'jl', col);
            const val = objs[c][key] === undefined ? '—' : JSON.stringify(objs[c][key]);
            const inB = key in objs[0];
            const inA = key in objs[1];
            const changed = !inB || !inA || JSON.stringify(objs[0][key]) !== JSON.stringify(objs[1][key]);
            if (c === 1 && changed) { diffset03.push(k); }
            ln.textContent = '  ' + key + ': ' + val + (k < keys.length - 1 ? ',' : '}');
            if (c === 1 && changed) { ln.className = cx('jl') + ' ' + cx('jl--diff'); }

04도구는 어떻게 선택되나 — 키워드 유사도 스코어와 소프트맥스 근사

자연어 쿼리를 토큰화해 각 도구 설명과의 자카드 겹침(교집합 ÷ 합집합)으로 스코어를 내고 세 도구의 봉우리가 스코어에 비례해 솟은 뒤 온도 T 0.25 의 소프트맥스로 정규화되면 선택 화살표가 최고 봉우리로 꺾인다 — 임베딩 없이 키워드 겹침만으로 어느 도구가 불릴지가 계산되고, 스코어가 비슷하면 확률이 흔들려 선택이 매번 달라질 수 있는 성질까지 규칙으로 재현된다.

도구 선택 — 키워드 유사도 스코어 계산
전체 코드 새 창에서 열기

04 · 도구 선택 — 키워드 유사도 스코어 계산 — 측정 누적면적 35.798% · 움직인 프레임 23/23GODRICH 원작 · zip 에 SCSS·React 포함 · 비밀번호 보기

similarityScoresoftmaxTtbar--on

검산 — 자카드에서 화살표까지

쿼리 「비용 계산해 줘 calculate cost」 의 토큰 [비용, 계산, calculate, cost] 와 Calculator 설명 [math, calculate, sum, cost, numbers] 의 교집합은 {calculate, cost} 2개·합집합은 7개라 자카드 2/7 ≈ 0.286에 시드 가중(≈1.0)을 곱해 약 0.29, HTTP Request 는 교집합 0 이라 기저 0.04 · seedHash 만 남고, 소프트맥스 T 0.25 에서 Calculator 확률은 약 60~70% — 화면의 선택 화살표가 가리키는 값이 바로 이 계산이며, 실전에서는 n8n ai agent tool 의 설명 칸에 동의어를 넣어두면 모델의 선택 정확도가 올라가는 원리가 이 겹침과 같은 방향이다.

    const TOOLS04 = [
        ['Calculator', 'math calculate sum cost numbers'],
        ['HTTP Request', 'fetch http page url request api'],
        ['Vector Store', 'memory search recall past conversation']
    ];
    function frame(t) {
        const ph = clamp(demoT(t) / 1500, 0, 1);
        const T = 0.25;
        const probs = softmaxT(scores04, T);
        let mx = 0;
        for (let k = 1; k < 3; k += 1) { if (probs[k] > probs[mx]) { mx = k; } }
        for (let k = 0; k < 3; k += 1) {
            const h = clamp(ph * probs[k] * 200, 0, 92);
            bars04[k].style.height = h + 'px';

05부분 사고 과정은 왜 중복 호출을 만드나 — 같은 도구 재선택 페널티

직전에 쓴 도구의 스코어에 REUSE_PENALTY 0.2 를 물려 재선택 확률을 깎는 것을 8턴 시뮬레이션의 세로 히스토그램에 쌓는데, 페널티가 켜진 프리셋에서는 선택 분포가 퍼지고 꺼진 프리셋에서는 한 도구가 8턴 중 4번을 점령한다 — 실제 에이전트가 같은 도구를 반복 호출하며 턴 예산을 태우는 패턴과 같은 모양을 대비로 보여 준다.

중복 제거 — 같은 도구 재선택 페널티
전체 코드 새 창에서 열기

05 · 중복 제거 — 같은 도구 재선택 페널티 — 측정 누적면적 36.226% · 움직인 프레임 23/23GODRICH 원작 · zip 에 SCSS·React 포함 · 비밀번호 보기

reusePenaltysoftmaxTseedHash

검산 — 확률은 e^(-Δ/T) 로 떨어진다

페널티는 스코어 감쇠 Δ = 0.2·s 를 만들고 소프트맥스를 다시 거치면 재선택 확률의 감소 비율은 e^(−Δ/T) 인데, s = 0.4 · T = 0.25 라면 Δ = 0.08 이므로 e^(−0.32) ≈ 0.73 즉 약 27% 감소고 페널티를 0.45 로 올리면 e^(−0.72) ≈ 0.49 로 반감 가까이 떨어진다.

    function build(i) {
        const useP = i !== 2; // 프리셋 3은 페널티 없음(대비)
        turns05 = [];
        let last = -1;
        for (let s = 0; s < 8; s += 1) {
            const sc = [0.3 + 0.2 * seedHash(s, 11), 0.28 + 0.2 * seedHash(s, 22), 0.25 + 0.2 * seedHash(s, 33)];
            const p = useP ? penalized(sc, last, 0.2) : softmaxT(sc, 0.2);
            let r = seedHash(s, 44);
            let pick = 0;
            let acc = 0;
            for (let k = 0; k < 3; k += 1) { acc += p[k]; if (r < acc) { pick = k; break; } }
            turns05.push(pick);
            last = pick;
        }

06메모리 윈도우는 어떻게 줄어드나 — 턴마다 감쇠하는 컨텍스트 예산

각 턴의 토큰 수가 세로 막대로 적층되다 총 높이가 예산 360 을 넘는 순간 오래된 턴부터 alpha 0.72 의 지수 감쇠로 낮아지고, 잊힌 턴은 잔여 높이가 사라지며 점선 윤곽만 남는다 — 감쇠 후의 총합은 매 턴 다시 계산되어 예산 위로 넘지 않으며, 실제 n8n 의 Window Buffer Memory 노드가 최근 N턴 대화를 유지하는 것이 이 윈도우 개념의 원형이다.

메모리 윈도우 — 턴마다 감쇠하는 컨텍스트 예산
전체 코드 새 창에서 열기

06 · 메모리 윈도우 — 턴마다 감쇠하는 컨텍스트 예산 — 측정 누적면적 35.669% · 움직인 프레임 23/23GODRICH 원작 · zip 에 SCSS·React 포함 · 비밀번호 보기

memDecayalphabudgetline

검산 — 오래된 두 턴이 잡아먹힌다

턴 높이 [50, 40, 60, 55, 70, 60, 45] 의 총합 380 이 예산 360 을 넘으면 첫 턴 50 은 50 × 0.72 = 36 이 되어 총합 366, 아직 초과하므로 두 번째 턴 40 이 × 0.72² = 20.7 로 깎여 총합 346.7 ≤ 360 에서 정지하는데 — 감쇠 지수는 오래된 턴부터 차례로 1, 2 로 붙는다, k 차 감쇠는 alpha^k 로 진행되므로 아주 오래된 턴은 사실상 0 에 수렴하고 복붙 시에는 BUDGET06 을 자기 모델의 컨텍스트 창에 맞추면 된다.

    // MEM_DECAY — 예산 초과 시 오래된 턴 높이를 alpha^k 로 감쇠 (06의 주역 계산)
    function memDecay(heights, budget, alpha) {
        let total = 0;
        for (let i = 0; i < heights.length; i += 1) { total += heights[i]; }
        const out = heights.slice();
        let k = 0;
        let idx = 0;
        while (total > budget && idx < out.length) {
            out[idx] = heights[idx] * Math.pow(alpha, k + 1);
            total = 0;
            for (let i = 0; i < out.length; i += 1) { total += out[i]; }
            k += 1;
            idx += 1;
        }
        return out;
    }

07도구 루프 사이클은 한 바퀴가 세 국면인가 — 호출·결과·부분 사고

1.9초 프레임을 세 국면 — 도구 부르기(call) 33% · 결과 적재(load result) 33% · 부분 사고(partial think) 34% — 으로 나눠 둥근 사각 페탈 path 위를 점이 순항하고, 도달한 국면의 페탈이 그 국면색으로 채워지며 사고 국면엔 진행률 카운터가 붙는다 — 국면 경계는 rAF 로 위상을 실측해 정하므로 시각 누적 오차가 국면을 넘겨 버리는 일이 없다.

도구 루프 사이클 — 호출·결과·부분 사고의 한 바퀴
전체 코드 새 창에서 열기

07 · 도구 루프 사이클 — 호출·결과·부분 사고의 한 바퀴 — 측정 누적면적 36.444% · 움직인 프레임 23/23GODRICH 원작 · zip 에 SCSS·React 포함 · 비밀번호 보기

loopCyclephasepetrAF

세 국면은 실제 턴의 구조 그대로다

n8n 공식 문서가 설명하는 도구 루프는 프롬프트 → 도구 호출 → 결과 수신 → 다음 판단의 반복인데, 사고 국면이 34% 를 차지한다는 배분이 보여 주듯 한 턴의 삼분의 이가 도구를 부르고 기다리고 읽는 시간이라 느린 워크플로를 고치려면 모델 속도보다 도구 응답 속도부터 보는 것이 순서다.

    const PHASES07 = [['call tool', 0.33], ['load result', 0.33], ['partial think', 0.34]];
    function frame(t) {
        const ph = (t % 1900) / 1900;
        let acc = 0;
        let cur = 0;
        for (let k = 0; k < 3; k += 1) {
            acc += PHASES07[k][1];
            if (ph < acc) { cur = k; break; }
            cur = k;
        }
        for (let k = 0; k < 3; k += 1) {
            petals07[k].classList.toggle(cx('phasepet--on'), k === cur);
        }

08무한 루프는 어디서 끊기나 — 반복 임계와 실패 경로 분기

좌측 도구 루프가 반복될 때마다 임계 곡선(threshold)이 12px 씩 위로 좁혀오다 5번째 반복에서 루프 표시가 곡선에 닿으면 그 프레임에 루프 박스가 실패 상태로 잠기고 위쪽 실패 경로의 Notify 노드가 떠오른다 — 발생 시각은 구간 340ms × 5 = 1,700ms 로 계산되어 매주기 같은 프레임에 일어나고, 실제 AI Agent 노드의 Max Iterations 설정이 무한 루프를 끊는 역할과 정확히 대응하는 가드다.

루프 가드 — 반복 임계를 넘어 실패 경로로 분기
전체 코드 새 창에서 열기

08 · 루프 가드 — 반복 임계를 넘어 실패 경로로 분기 — 측정 누적면적 35.812% · 움직인 프레임 23/23GODRICH 원작 · zip 에 SCSS·React 포함 · 비밀번호 보기

loopGuardcsegnd--fail

가드는 확률이 아니라 산술이다

반복 인덱스가 상한에 도달했는지를 매 프레임 판정하고 도달한 순간 상태를 분기 한 번으로 바꾸는 것이 전부다. 복붙 시 MAX_ITER08 을 3 으로 낮추면 340 × 3 = 1,020ms 세 번째 반복에서 곧장 실패 경로로 갈라져 실패 경로가 화면의 주인공이 된다.

    // 08 가드 — 반복마다 임계 곡선(thresholdCurve)이 좁혀오다 5번째에서 루프가 곡선을
    //    건드리면(loopGuard) 실패 경로(failBranch: 알림 노드)로 분기한다.
    const MAX_ITER08 = 5;
    function frame(t) {
        const seg = 340;
        const it = clamp(Math.floor(demoT(t) / seg), 0, 5);
        const maxIter = lpsegs08.length;
        const broke = it >= maxIter;
        for (let k = 0; k < maxIter; k += 1) {
            const on = k < it;
            lpsegs08[k].style.opacity = on ? '1' : '0.25';
            thsegs08[k].style.opacity = '1';
        }
        loopbox08.classList.toggle(cx('nd--on'), !broke);
        loopbox08.classList.toggle(cx('nd--fail'), broke);
        notify08.style.opacity = broke ? '1' : '0';

09최종 산출물은 언제 확정되나 — 루프 종료 뒤의 답 카드

루프가 끝나면 그동안 올라왔던 도구 카드 셋이 스택으로 접혀 내려가고 최종 답 카드가 떠오르는데, 확정 시각은 턴 수 3 × TURN_MS 380 = 1,140ms 로 계산되고 답 카드의 확신 바는 도구 스코어의 합을 Σscore / max(Σscore, 1) 로 정규화한 값이며 used 3 tools 배지가 루프가 실제로 세 턴을 돌았다는 흔적을 남긴다.

최종 산출물 — 루프 종료 뒤 확정되는 답 카드
전체 코드 새 창에서 열기

09 · 최종 산출물 — 루프 종료 뒤 확정되는 답 카드 — 측정 누적면적 36.059% · 움직인 프레임 23/23GODRICH 원작 · zip 에 SCSS·React 포함 · 비밀번호 보기

artifactCardconfbarTURN_MS

settle 판정도 산술이다

시각이 턴 수 × TURN_MS 를 지났는지 한 번 비교하고 지났을 때만 카드 상태를 바꾸는 것이 판정 전부이며, 확신 바의 정규화는 1 을 넘지 않게 클램프하므로 도구를 더 붙여도 바가 넘치지 않는다.

    // 09 산출물 — 루프 종료(턴수 × TURN_MS 계산) 후 도구 카드가 스택으로 접히고
    //    답 카드(artifactCard)가 뜬다. 확신 바는 스코어 합 정규화(scoreNormalize).
    const TURN_MS09 = 380;
    function frame(t) {
        const settle = 3 * TURN_MS09;
        const done = demoT(t) >= settle;
        const shown = clamp(Math.floor(demoT(t) / TURN_MS09), 0, 3);
        for (let k = 0; k < 3; k += 1) {
            const c = cards09[k];
            if (k < shown && !done) {
                c.style.opacity = '1';
                c.style.transform = 'translateY(0)';
            }
            else if (done) {
                c.style.opacity = '1';
                c.style.transform = 'translateY(' + (k % 2 === 0 ? 44 : 58) + 'px)';

도구 루프 데모가 깨지는 함정 — 순간 완성·가드 없는 분기·메모리 무한 증가

순간 완성은 에이전트가 아니다

루프의 흔적 없이 답 카드만 먼저 보이면 무엇이 답을 만들었는지 알 수 없다 — 09 는 확정 시각(3 × 380ms)을 계산해 도구 카드가 접히는 순간과 답 카드가 뜨는 순간을 한 프레임에 맞추고 used 3 tools 배지로 턴 수를 남긴다. UI 를 만들 때 이 원칙을 그대로 옮기면 완성 전 로딩과 완성 후 답이 같은 자리에서 상태로 갈라지는데, 그 로딩 축을 모은 ai skeleton placeholder 편과 짝이 된다.

가드 없는 분기는 왜 멈췄는지를 지운다

08 에서 임계 곡선 없이 다섯 번째에 그냥 분기하면 실패가 사건이 아니라 사고가 된다 — 임계가 반복마다 12px 씩 좁혀오는 계산이 있어야 실패 시각(340 × 5 = 1,700ms)이 예측 가능해지고, 실전의 Max Iterations 도 같은 이유로 기본값을 켜 두는 것이다. 실패 경로에 실제로 연결할 노드는 알림이 전형적이고 반복 업무 자동화의 실패 통지 절이 같은 분기를 스케줄 축에서 다룬다.

메모리 무한 증가는 비용 폭증으로 돌아온다

06 에서 감쇠 없이 턴을 계속 쌓으면 컨텍스트가 예산을 넘고 비용·지연이 폭증한다 — 윈도우 감쇠가 실제 시스템의 첫 방어선이며 n8n 의 Window Buffer Memory 가 최근 N턴만 유지하는 것도 같은 방어고, 감쇠 대신 최근 N턴을 통째로 버리는 하드 컷을 쓰고 싶으면 memDecay 의 while 문을 슬라이스 한 줄로 바꾸면 된다.

중복 호출은 탐색을 죽인다

05 의 페널티 없음 프리셋에서 한 도구가 8턴 중 4번을 점령한다 — 같은 도구 반복 호출은 턴 예산을 태울 뿐 새 정보를 가져오지 않는다. zip 비번은 fgsdq75n 이다 — 압축을 풀면 아홉 장면의 index.html · style.scss · style.css 와 react 판 전부가 그대로 들어 있다. n8n 노드에는 재선택 페널티에 해당하는 규칙 설정이 없으므로 실전의 첫 대응은 시스템 프롬프트에 이미 얻은 결과를 다시 요청하지 말라는 지시를 넣는 것이고, REUSE_PENALTY 값은 0.45 로 올리면 중복 제거가 강해지는 대신 다시 불러야 할 재시도까지 억제할 수 있어 0.2~0.45 사이에서 조정한다. 경계를 다는다 — 노드 이름과 루프 골격은 공식 문서에서 왔지만, 자카드·소프트맥스·감쇠 수치는 n8n 실행이 아니라 이 데모가 스스로 계산한 근사값이다.

도구 루프 시각화는 어디에 쓰나 — 에이전트 대시보드·디버거·교육 자료

이 장면들이 현장에 닿는 길은 크게 세 갈래다. 첫째 에이전트 운영 대시보드 — 01 의 그래프와 08 의 가드 상태를 붙이면 어느 하위 노드가 이번 턴에 불렸는지, 루프가 임계에 얼마나 가까운지가 한 화면에 잡힌다. 둘째 디버거 — 03 의 before/after diff 는 도구가 무엇을 바꿨는지, 05 의 히스토그램은 같은 도구만 도는 고장을 잡는 시야다. 셋째 교육 자료 — 07 의 사이클과 06 의 감쇠는 에이전트가 어떻게 도는지를 설명할 때 코드보다 먼저 보여 줄 수 있는 그림이다. 관리자용 알림 시스템처럼 실패 경로가 실제로 물리는 서비스라면 08 의 Notify 분기와 엑셀 자동화의 결과 리포트를 잇는 것이 자연스러운 다음 단계다.

실전으로 옮길 때는 문자열 상수 자리를 실제 값으로 바꾼다 — 01 의 프리셋 쿼리를 챗 입력으로, 03 의 before/after 를 도구 실행 로그로, 04 의 스코어를 모델이 반환한 도구 호출 확률(있으면)로 연결하면 데모의 계산 구조는 그대로 두고 데이터만 실서비스 것이 된다. n8n ai agent 사용법 문서의 그림으로 쓸 때도 07 의 국면 배분을 자기 서비스의 실제 비율(외부 호출이 오래 걸린다면 call 국면을 0.5 로)에 맞추는 것이 첫 수정이다. 루프 상태는 Space 로 멈추고 R 로 되감고 방향키로 프리셋을 바꿔 검증할 수 있으므로, 캔버스에 얹기 전에 이 데모에서 흐름을 확인하는 용도로도 그대로 쓴다.

값을 세 가지만 바꾸면 루프의 성격이 어떻게 달라지나

여기서는 계산을 건드리지 않고 변수 한 줄씩만 건드린 조합 세 가지를 견준다 — 시간축·페널티·임계 가운데 하나만 움직여 보는 것이다.

이름 바꾼 값 느낌
루프 속도를 올려 s07 국면 주기 1900 → 950 (t % 1900 리터럴) 국면 한 바퀴가 절반으로 짜져 루프가 두 배 빨라 돈다 — 스코어·가드 계산은 불변이라 흐름의 모양이 유지된 채 시간축만 짜진다
중복 페널티를 세게 core REUSE_PENALTY 0.2 → 0.45 재선택 확률 감소가 e^(−0.32) ≈ 0.73 에서 e^(−0.72) ≈ 0.49 로 반감 가까워진다 — 05 의 분포에서 최근 도구 봉우리가 뚜렷하게 낮아지고 탐색이 넓어진다
가드 임계를 낮춰 s08 MAX_ITER 5 → 3 3번째 반복(340 × 3 = 1,020ms)에서 곧장 실패 경로로 분기한다 — 임계 곡선이 왼쪽으로 당겨져 가드가 개입하는 지점이 눈에 띄게 빨라진다

첫 값은 루프의 시간축, 둘째는 선택의 분포, 셋째는 실패의 시점을 각각 지배한다 — 세 축을 한꺼번에 움직이면 원인 규명이 불가능해지므로 한 항목씩만 조정한다. 어느 줄을 고쳐야 하는지는 소스 안 주석이 친절히 짚어 준다.

화면 낭독기와 움직임 줄이기 — 도구 루프 접근성

루프 상태는 색만으로 알리지 않는다 — 진행 중인 국면과 실패 분기는 라벨·모양(페탈 채움·루프 박스 테두리·Notify 노드 등장)으로도 구분되고, 도구 이름이 낭독기에 불필요하게 반복 읽히지 않게 상태 줄의 aria-live 는 꺼 두고 단계 완료 문장만 role="status" 로 안내한다. 일시정지는 진짜 <button> 이라 키보드로 조작되고 Space·R·방향키 프리셋 전환도 실제로 동작한다.

@media (prefers-reduced-motion: reduce) {
  .ez * { animation: none !important; transition: none !important; }
  .ez__pause { transition: none !important; }
}

움직임을 줄이는 설정에서는 루프를 끄고 완료 상태 한 장만 남긴다 — 답 카드와 used 3 tools 배지가 정지 화면에 그대로 있으므로 정보는 줄지 않는다. prefers-reduced-motion 은 Chrome 74 · Firefox 63 · Safari 10.1 부터 지원되어 호환 걱정 없이 붙인다. 이 데모의 톤은 크림 배경 위 파스텔 팔레트로 잡았고 축 라벨까지 대비 실측 29행 전부가 일반 텍스트 임계 4.5:1 을 넘겼다 — 최저인 축 라벨도 5.35:1 이다.

도구 루프 데모를 받기 전에 자주 묻는 질문

n8n ai agent mcp 서버를 이 데모에 연결할 수 있나요?

이 데모는 외부 호출이 없는 주입 시연이라 MCP 서버를 직접 부르지 않습니다 — 01 의 도구 이름을 MCP 도구로 바꾸고 03 의 before/after 를 MCP 응답 로그로 채우면 그림 구조는 그대로 살아 있습니다. 실제 연결은 n8n 캔버스에서 AI Agent 노드에 MCP 도구를 하위 노드로 붙이는 것이고, 데모는 그 연결이 루프에서 어떻게 보일지를 미리 보는 용도입니다.

이 zip 의 코드를 n8n 워크플로에 그대로 붙여 넣으면 되나요?

아니요 — 이 압축 파일 안에 든 것은 HTML·SCSS 장면과 react 판이고, n8n 으로 가져가는 워크플로 JSON 은 들어 있지 않습니다. n8n 에 가져갈 JSON 이 필요하면 n8n 워크플로우 예제 9종의 zip 을 쓰고, 이 편은 에이전트 루프를 이해하고 시각화하는 자료로 함께 두면 됩니다.

데모의 확률 계산과 페널티·가드는 실제 n8n 과 같은가요?

다릅니다 — 실제 n8n 에이전트의 도구 선택은 연결된 챗 모델이 프롬프트 컨텍스트로 결정하고, 이 데모의 자카드 유사도·소프트맥스는 그 결정을 규칙으로 재현한 교육용 근사입니다. 다만 온도가 낮을수록 선택이 독점되고 페널티가 재선택을 깎는 성질은 실제 시스템에서도 같은 방향으로 작동하고, 가드에 해당하는 Max Iterations 설정은 실제로 존재해 켜 두는 것만으로 무한 루프가 끊깁니다.

ai agent 기둥의 다음 편들은 ai prompt input 자동완성과 ai skeleton placeholder으로 이어지고, 에이전트를 실제로 굴리는 데이터 쪽은 n8n 워크플로우 예제 9종에서 시작하면 됩니다.

압축 비밀번호를 입력하세요

비밀번호는 이 글 본문 안에 있습니다. 읽다 보면 나옵니다.