AI 에이전트 만들기, 노코드와 바이브코딩 중 어느 쪽이 나을까요? 저는 둘 다 직접 해봤습니다. n8n으로 실험실 안전점검 자동화를 만들었고, 같은 작업을 Claude Code에도 맡겨봤죠. 결론부터 말하면, 두 방법은 목적이 다릅니다.
n8n에서는 노드 연결, JSON 데이터 구조, OAuth 인증까지 직접 만져야 했습니다. 시행착오가 많았지만 AI 자동화의 기본 개념을 몸으로 배웠죠. Claude Code에 같은 걸 맡기면 5분이면 끝납니다. 하지만 n8n에서 익힌 개념이 없었다면, 바이브코딩으로도 제대로 된 결과를 뽑기 어려웠을 겁니다.
AI 에이전트 만들기, 같은 목표에서 출발한 두 가지 방법
구상은 단순했습니다. 실험실 사진 한 장을 찍으면, AI가 산업안전보건법과 연구실 안전관리 규정에 맞춰 평가하는 에이전트. 취약(긴급), 주의(개선), 양호로 항목별 점수를 매기고, 종합 보고서를 메일로 자동 발송해주는 워크플로우가 목표였습니다.
이 동일한 목표를 n8n과 Claude Code, 두 가지 방법으로 각각 구현해봤습니다. 과정과 결과가 확연히 달랐죠.
n8n AI 에이전트가 실험실 사진을 분석한 뒤 메일로 보내준 안전점검 보고서. 종합 점수, 항목별 평가, 현장 사진, 즉시 조치 사항까지 자동으로 생성된다
n8n 노코드: 시행착오가 곧 학습이었습니다
n8n은 노코드 자동화 플랫폼입니다. 워크플로우를 시각적으로 구성하고, 각 단계를 노드라는 블록으로 연결하는 방식이죠. 저는 Docker로 셀프호스팅하는 방식을 택했습니다. 비용을 줄이고, 내부 데이터를 외부로 보내지 않아도 되니까요.
그런데 “코딩 없이”라는 말이 “쉽다”는 뜻은 아니었습니다. Docker Desktop 설치, 컨테이너 실행, 포트 설정, 볼륨 마운트. 엔지니어가 평소에 쓸 일 없는 용어들이 줄줄이 나옵니다. 설치 가이드를 따라가다 막히고, 에러 메시지를 검색하고, 다시 따라가는 반복이었죠.
n8n이 구동되는 방식을 설명하는 화면. 트리거로 시작해서 각 노드를 거치며 데이터가 흘러가는 구조를 보여준다
워크플로우의 각 노드 사이에서 데이터가 JSON 형태로 오가는데, 변수명 하나가 틀리면 다음 노드에서 데이터를 못 받습니다. AI 모델을 API로 연결하려면 OAuth 2.0 인증도 거쳐야 하죠. Google Cloud Console에서 프로젝트를 만들고, 인증 키를 발급받고, n8n에 등록하는 과정이 필요합니다.
제가 직접 겪어보니, n8n의 가장 큰 가치는 완성된 에이전트가 아니라 그 과정에서 배우는 개념이었습니다. 데이터가 단계별로 변환되면서 흘러가는 것을 눈으로 따라가면서 체감했고, API 토큰이 뭔지, 왜 모델마다 가격이 다른지도 이때 알게 됐죠.
n8n 워크플로우 예시. 워크플로우 끝단에 디스코드, 슬랙 등을 연결하면 MCP처럼 플로우 안에서 실제 작업을 직접 수행할 수 있다
Claude Code 바이브코딩: 같은 일을 5분 만에
같은 AI 에이전트 만들기를 Claude Code에 맡기면 어떻게 될까요? 실제로 해봤습니다. “실험실 안전점검 AI 에이전트 만들어줘”라고 프롬프트를 던졌더니, 순식간에 전체 워크플로우를 설계해서 제안하더군요.
Claude Code에 안전점검 에이전트를 만들어달라고 프롬프트를 입력한 화면
기획부터 구축, 테스트까지 정말 몇 분이면 끝났습니다. n8n에서 며칠에 걸쳐 했던 일들이 자연어 한 줄로 해결되는 셈이죠. Claude Code는 코드를 짜고 실행하고, 에러가 나면 스스로 고칩니다. n8n에서 하루 걸리던 API 연결을 몇 분 만에 해결하는 것이 바이브코딩의 힘입니다.
Claude Code가 제안한 안전점검 에이전트 워크플로우. 이대로 구축시키니 API 연결까지 포함해서 정말로 몇 분 만에 만들어졌다
n8n vs Claude Code 항목별 비교
같은 작업을 두 방법으로 해본 결과를 항목별로 정리하면 다음과 같습니다.
| 비교 항목 | n8n (노코드) | Claude Code (바이브코딩) |
|---|---|---|
| 구축 소요 시간 | 수일 (시행착오 포함) | 수 분 |
| 워크플로우 설계 | 노드 종류 검색, 순서 직접 구성 | 자연어 한 줄로 전체 설계 |
| API 연결 | OAuth 직접 설정, 키 발급, 노드 등록 | MCP 서버 자동 구성 또는 코드로 처리 |
| 디버깅 | 노드별 로그 확인, 변수명 수동 수정 | 에러 발생 시 스스로 원인 파악 및 수정 |
| 시각적 모니터링 | 워크플로우 전체를 한눈에 확인 가능 | 코드 기반, 별도 모니터링 구현 필요 |
| 스케줄링 | 내장 트리거로 반복 실행 용이 | 최근 스케줄링 기능 추가, 발전 중 |
| 학습 효과 | 데이터 흐름, API, 토큰 과금 개념 체득 | 결과 중심, 내부 동작 이해는 제한적 |
| 비용 | 셀프호스팅 시 API 과금만 발생 | Claude Max 플랜 $100/월 + API 비용 |
n8n의 장단점: 운전교습소의 가치
n8n의 가장 큰 장점은 워크플로우가 시각적으로 보인다는 점입니다. 사진이 들어오면 이미지 분석 노드로 가고, 결과가 텍스트로 변환되고, 이메일 노드로 넘어가는 흐름을 눈으로 따라갈 수 있죠. 한 번 만든 워크플로우가 스케줄링 트리거로 계속 돌아가는 것도 실무에서 유용합니다.
반면 진입장벽이 만만치 않습니다. Docker 설치부터 시작해서, JSON 데이터 구조를 이해해야 하고, OAuth 인증을 직접 설정해야 합니다. 제가 직접 해본 경험으로는 초기 세팅에만 이틀이 걸렸습니다. 노코드라는 이름과 달리 기술적 배경지식이 꽤 필요하죠.
Claude Code의 장단점: 자율주행의 힘과 한계
Claude Code의 장점은 명확합니다. 속도. “이런 거 만들어줘”라고 말하면 전체 코드를 짜고, 실행하고, 에러가 나면 스스로 고칩니다. AI 에이전트 만들기의 진입장벽을 거의 없앤 셈이죠.
하지만 한계도 있습니다. 실제로 써보니, 바이브코딩은 “이런 거 만들어줘”라고 지시하는 것인데, 지시를 제대로 하려면 내가 뭘 원하는지 정확히 알아야 합니다. “이미지를 Vision API로 분석해서 결과를 JSON으로 받아서 보고서 양식에 매핑해줘”라는 문장이 나오려면, API가 뭔지, JSON 구조가 어떤 건지 이해하고 있어야 하죠.
n8n에서 이 모든 걸 반수동으로 겪어봤기 때문에, Claude Code에 지시할 때도 구체적으로 말할 수 있는 겁니다. 노코드가 가르쳐준 개념이 바이브코딩의 기초 체력이 된 셈이죠.
상황별 추천: 누가 어떤 방법을 선택해야 하는가
두 방법을 모두 경험한 입장에서, 상황에 따라 추천이 달라집니다.
| 상황 | 추천 방법 | 이유 |
|---|---|---|
| AI 자동화를 처음 접하는 비개발자 | n8n 먼저 | 데이터 흐름, API, 토큰 과금 개념을 시각적으로 익힐 수 있음 |
| 이미 API, JSON 개념이 있는 사람 | Claude Code 바로 | 기본 개념이 있으면 바이브코딩의 지시가 구체적으로 나옴 |
| 반복 실행이 필요한 정기 업무 자동화 | n8n | 스케줄링 트리거와 시각적 모니터링이 강점 |
| 빠르게 프로토타입을 만들어야 하는 경우 | Claude Code | 수 분 만에 전체 구조를 만들고 테스트까지 가능 |
| 비용을 최소화하면서 학습도 하고 싶은 경우 | n8n 셀프호스팅 | API 과금만 발생, 월정액 구독 불필요 |
저는 발전소 R&D 엔지니어입니다. 코딩이 본업이 아니죠. 그런데 AI 에이전트 만들기에 한 번 발을 들여놓은 뒤로, AI 자동화가 뭔지 감을 잡았고, 지금은 Claude Code로 훨씬 복잡한 작업을 시키고 있습니다.
중요한 건 도구가 아니라 경험입니다. n8n이든 Make든 Zapier든, 한 번이라도 AI 에이전트를 직접 만들어본 사람은 바이브코딩 시대에서도 훨씬 유리합니다. 자동화의 구조를 아는 사람이 AI에게 더 좋은 지시를 내릴 수 있으니까요. 초보자라면 n8n 공식 사이트에서 시작해보는 것을 권합니다. 교습소를 거친 사람이 사고 없이 달립니다.
Claude Code가 만든 워크플로우에서 실제로 생성된 안전점검 보고서. n8n으로 며칠 걸려 만들었던 것과 같은 수준의 결과물이 몇 분 만에 나왔다