AI
AI 에이전트, 거창한 인프라 대신 노션(Notion)과 DAG로 시작하는 법
두줄요약
Notion과 Google Workspace를 활용해 가벼운 LLM 에이전트 구조를 제안했습니다. DAG·체크포인트·승인 게이트로 비용과 쓰기 작업을 통제합니다.
문제 상황
- 대규모 데이터 인프라 선구축으로 인한 긴 리드타임과 가시적 성과 부재
- 단순 질의응답 챗봇으로 신청서 검토·보고서 작성 같은 다단계 업무 자동화의 한계
구조와 흐름
- Notion 업무일지·WBS 조회, LLM 요약, Google Docs 보고서 작성, 시트 상태 기록의 파이프라인
- FetchNotion·FetchWBS 및 WriteDoc·UpdateWBS의 병렬 실행, MarkReady에서의 합류
- 노드별 실행 결과 저장을 통한 성공 노드 건너뛰기와 실패 지점부터의 재개
선택 이유
- Notion·Google Workspace API를 지식 창고·장기 기억으로 활용해 별도 백엔드와 관리자 화면 축소
- 소수 문서 대상에서는 청킹·Vector DB보다 원문 직접 참조와 ETag 기반 최신 파일 조회
- 단계별 최소 도구 노출, 업무 단위 도구 구성, 멱등성으로 잘못된 호출과 중복 실행 축소
성능/운영 포인트
- DAG로 순환 호출을 차단해 무한 루프와 비용 급증 방지, 독립 노드 병렬화로 처리 시간 단축
- 승인 체크박스를 코드로 검증해 메일 발송 등 비가역적 쓰기 작업 통제
- 노드별 입출력·응답·소요 시간·토큰 사용량 기록을 통한 품질 및 비용 이상 징후 감지
