구글 File Search API와 n8n으로 코딩 없이 RAG 에이전트 구축하기

• •전통적 RAG의 청킹, 임베딩, 벡터 DB 관리 과정을 API 하나로 통합했다
• •스토리지 및 쿼리 임베딩 비용이 무료이며 100만 토큰당 0.15달러의 인덱싱 비용만 발생한다
• •PDF, Word, Excel, SQL, HWP 등 다양한 파일 형식을 기본적으로 지원한다

RAG는 외부 지식을 검색하여 LLM의 답변 정확도를 높이는 기술이다.

• •Data Table을 활용해 File Store 정보를 관리하고 중복 생성을 방지했다
• •HTTP Request 노드로 구글의 File Search API 엔드포인트를 직접 호출했다
• •다중 파일 업로드를 위해 Loop Over Items 노드와 바이너리 데이터 처리 로직을 결합했다

n8n은 노드 기반의 워크플로우 자동화 도구로, API 호출과 데이터 처리를 시각적으로 연결한다.

• •AI Agent 노드에 File Search API를 도구로 등록하여 자율적인 검색을 가능케 했다
• •Gemini 2.5 Flash 모델을 활용해 검색된 컨텍스트 기반의 정확한 답변을 생성했다
• •이메일 수신부터 답변 초안 작성까지의 전 과정을 자동화 워크플로우로 연결했다

AI Agent는 주어진 도구를 자율적으로 선택하여 복잡한 작업을 수행하는 모델이다.

• •실제 문서의 수치와 텍스트를 정확히 인용하여 답변 초안을 생성하는 성능을 입증했다
• •커스텀 청킹이나 임베딩 모델 선택이 불가능한 관리형 서비스의 한계를 지적했다
• •중복 문서 처리 등 세부적인 운영 로직은 워크플로우 설계 시 직접 보완해야 한다

Fully Managed 서비스는 편의성이 높지만 세부적인 튜닝 권한은 제한적일 수 있다.