InfoGrab DocsInfoGrab Docs

Databricks AI Agent 노드

요약

Databricks AI Agent 노드를 사용해 실행 내역이 Databricks 워크스페이스의 MLflow Tracing에 표시되는 AI 에이전트1를 구축합니다. 이 페이지에서는 사전 요구 사항, 설정 단계, 노드 파라미터, 트레이스에 포함되는 내용, 문제가 발생했을 때 내보내기가 동작하는 방식을 설명합니다.

Databricks AI Agent 노드를 사용해 실행 내역이 Databricks 워크스페이스의 MLflow Tracing에 표시되는 AI 에이전트1를 구축합니다. 이 노드는 AI Agent 노드와 동일한 에이전트를 실행합니다. 같은 채팅 모델, 메모리, 도구2, 출력 파서 서브 노드를 받으며 같은 옵션을 제공합니다. 이 노드가 추가로 제공하는 것은 Export Traces to MLflow입니다. 이 옵션을 켜면 각 실행이 MLflow 실험(experiment)에 트레이스 하나를 생성하고, 모델 호출과 도구 호출마다 스팬(span)이 하나씩 기록됩니다. 따라서 Databricks 워크스페이스를 운영하는 팀이 다른 AI 시스템과 함께 n8n 에이전트를 살펴볼 수 있습니다.

이 페이지에서는 사전 요구 사항, 설정 단계, 노드 파라미터, 트레이스에 포함되는 내용, 문제가 발생했을 때 내보내기가 동작하는 방식을 설명합니다.

Note

자격 증명

인증 설정 방법은 Databricks 자격 증명을 참조하세요. 이 노드의 자격 증명은 선택 사항입니다. 에이전트는 연결된 채팅 모델 서브 노드의 자격 증명으로 실행됩니다. 이 노드는 자체 Databricks OAuth2 API 자격 증명을 트레이스를 내보내는 용도로만 사용하므로, Export Traces to MLflow를 켤 때 자격 증명을 선택합니다.

사전 요구 사항#

에이전트를 실행하려면 Databricks Chat Model 노드와 같이 자체 자격 증명이 있는 채팅 모델 서브 노드가 필요합니다. 트레이스를 내보내려면 다음도 필요합니다.

  • 서비스 프린시펄 또는 사용자 로그인을 사용하는, n8n의 Databricks OAuth2 자격 증명. 서비스 프린시펄은 Workspace access 권한(entitlement)이 있는 워크스페이스 멤버여야 합니다.
  • 트레이스를 받는 실험에 대한 CAN EDIT 권한. CAN READ만으로는 충분하지 않습니다. 이 경우 해당 ID에 실험을 편집할 권한이 없다는 403 오류와 함께 내보내기가 실패합니다.
  • 노드가 /Shared 아래에 만드는 기본 실험에는 추가 권한 부여가 필요하지 않습니다. Databricks는 기본적으로 모든 워크스페이스 사용자에게 /Shared 폴더의 객체에 대한 CAN MANAGE 권한을 부여하므로, 해당 ID가 실험을 만들고 그곳에 쓸 수 있습니다. 같은 기본 설정 때문에 모든 워크스페이스 사용자가 해당 트레이스를 열고 삭제할 수 있습니다. 개인 정보나 기밀 데이터를 다루는 워크플로에서는 Experiment를 직접 관리하는 폴더의 경로로 설정합니다. 또는 내보내기를 켜기 전에 실험을 먼저 만들고 권한을 설정합니다.

권한 변경 사항이 트레이스 서비스에 반영되기까지 1분 이상 걸립니다. 변경 직후에 실행하면 이전 권한이 그대로 사용될 수 있습니다.

노드 설정#

  1. 예를 들어 Chat Trigger 노드 뒤에 Databricks AI Agent 노드를 워크플로에 추가합니다.
  2. Chat Model 커넥터의 + 를 선택하고 Databricks Chat Model 노드와 같은 채팅 모델을 추가합니다. AI Agent 노드와 같은 방식으로 메모리, 도구, 출력 파서를 추가합니다. Databricks Vector Store 노드와 Databricks Genie One MCP server는 모두 도구로 사용할 수 있습니다.
  3. **Source for Prompt (User Message)**와 노드 옵션을 설정합니다.
  4. 트레이스를 내보내려면 Credential to connect with에서 Databricks OAuth2 자격 증명을 선택하고 Export Traces to MLflow를 켭니다.
  5. Experiment에서 이름을 비워 두면 노드가 워크플로용 실험을 만들고, 기존 실험의 경로나 ID를 입력할 수도 있습니다. 노드 파라미터를 참조하세요.
  6. 워크플로를 실행합니다. Databricks의 사이드바에서 Experiments를 열고 해당 실험을 선택한 다음 Traces 탭을 엽니다. 에이전트가 실행될 때마다 질문과 답변의 미리보기가 포함된 트레이스 하나로 표시됩니다.

노드 파라미터#

  • Source for Prompt (User Message): 사용자 메시지를 가져오는 위치로, Connected Chat Trigger Node 또는 Define below 중에서 선택합니다. AI Agent 노드의 같은 필드와 동일하게 동작합니다. 이 노드는 Connected Guardrails Node 소스를 제공하지 않습니다.
  • Require Specific Output Format: 에이전트의 출력 형식을 정하는 출력 파서 서브 노드를 연결하려면 켭니다.
  • Enable Fallback Model: 메인 모델이 실패했을 때 에이전트가 사용하는 두 번째 채팅 모델을 연결하려면 켭니다.
  • Export Traces to MLflow: 이 노드에서 선택한 자격 증명의 워크스페이스에 있는 MLflow Tracing으로 각 실행을 보낼지 여부입니다. 기본적으로 꺼져 있습니다.
  • Experiment: 트레이스가 저장되는 위치입니다. Export Traces to MLflow가 켜져 있을 때 표시됩니다.
    • By Name: 실험 경로입니다. 예: /Shared/my-agent-traces. 실험이 없으면 노드가 실험을 만듭니다. 필드를 비워 두면 워크플로마다 실험 하나씩 /Shared/n8n-workflows-<workflow-id>를 사용합니다.
    • By ID: Databricks의 URL에 표시되는 기존 실험의 숫자 ID입니다. 존재하지 않는 ID를 입력해도 실행은 실패하지 않습니다. 에이전트는 답변하고, 그 뒤 내보내기가 실패하면서 n8n 로그에 경고가 남습니다.

노드 옵션#

옵션은 AI Agent 노드의 옵션과 같습니다. System Message, Max Iterations(기본값 10), Return Intermediate Steps, Automatically Passthrough Binary Images, Tracing Metadata, Enable Streaming은 Tools Agent를 참조하세요. 두 가지 옵션이 더 있습니다.

  • Automatically Passthrough Binary PDFs: 입력의 바이너리 PDF 문서를 메시지의 일부로 모델에 전달할지 여부입니다. 기본적으로 꺼져 있습니다. PDF 입력을 받는 모델과 함께 사용합니다.
  • Batch Processing: Batch Size는 에이전트가 한 번에 처리하는 입력 항목 수(기본값 1)를 설정하고, Delay Between Batches는 배치 사이에 지정한 밀리초만큼 대기합니다(기본값 0). 토큰당 과금 방식 모델 서비스의 속도 제한(rate limit) 이내로 유지하려는 경우에 사용합니다.

노드가 내보내는 내용#

노드가 처리하는 항목 하나가 트레이스 하나가 됩니다. 트레이스에는 스팬의 트리가 담깁니다.

  • 최상위에는 에이전트 실행이 있으며, 사용자 메시지가 입력, 최종 답변이 출력입니다.
  • 모델 호출마다 스팬이 하나씩 있으며, 모델에 보낸 전체 메시지 목록과 OpenAI 형식의 완성 결과(completion)가 담깁니다. 메시지 목록에는 시스템 메시지, 메모리에서 불러온 대화 기록, base64로 모델에 전달한 이미지나 PDF가 포함됩니다. 스팬에는 도구 호출과 해당 호출의 토큰 사용량도 기록됩니다.
  • 도구 호출마다 스팬이 하나씩 있으며, 인수와 결과가 담깁니다. 벡터 저장소 도구의 스팬에는 해당 도구가 반환한 문서가 표시됩니다.
  • Vector Store Question Answer Tool과 같은 도구가 리트리버를 통해 벡터 저장소를 쿼리하는 경우, 리트리버 호출마다 스팬이 하나씩 있습니다.

모든 스팬에는 시작 시간과 종료 시간이 있습니다. 트레이스 자체에는 다음이 담깁니다.

  • client_request_id: n8n 실행 ID입니다. 워크스페이스의 트레이스가 n8n의 실행 하나에 대응됩니다.
  • 태그 n8n.source(n8n), n8n.workflowId, n8n.node(노드 이름).
  • 요청 미리보기와 응답 미리보기입니다. 질문과 답변의 처음 1,000자이며, 트레이스 목록의 두 열로 표시됩니다.
  • 실행의 총 토큰 사용량입니다. 스팬을 열지 않고도 트레이스 목록에서 실행당 비용을 확인할 수 있습니다.
  • 상태: OK, 또는 실행이 실패한 경우 ERROR입니다. 모델 호출이 실패하면 트레이스는 ERROR가 되고 모델 스팬에 Databricks 오류 메시지가 기록됩니다. 도구가 예외를 던지면 ERROR 도구 스팬으로 기록되지만, 에이전트가 복구해 답변하면 트레이스는 OK로 유지됩니다.

스트리밍 실행도 같은 스팬을 내보내며, 종료 시간과 토큰 수가 채워집니다. 실행을 취소하면 내보내기도 함께 중단됩니다. 그러면 실험에는 해당 실행의 트레이스가 표시되지 않거나 스팬이 없는 트레이스가 표시됩니다. 어느 경우든 n8n은 내보내기 실패를 로그에 남깁니다. Databricks Chat Model 노드가 OpenAI 호환 클라이언트를 통해 게이트웨이를 호출하기 때문에, 모델 스팬의 이름은 모델 서비스 이름이 아니라 ChatOpenAI로 지정됩니다.

Warning

트레이스에는 사용자의 데이터가 포함됩니다

트레이스 내보내기는 시스템 메시지와 메모리를 포함한 실제 프롬프트, 모델 출력, 도구 결과, 검색된 문서를 모든 실행에 대해 선택한 자격 증명의 Databricks 워크스페이스로 보냅니다. 스팬 내부에서 n8n은 잘 알려진 토큰 형식과 password=...처럼 레이블이 붙은 시크릿만 가리며, 그 외에는 가리지 않습니다. 트레이스 목록에 표시되는 질문과 답변의 미리보기는 가려지지 않습니다. 내보내기는 기본적으로 꺼져 있으며, 데이터는 사용자의 워크스페이스로만 전송되고 n8n이나 제3자에게는 전송되지 않습니다. 개인 정보나 기밀 데이터를 다루는 워크플로에서 이 설정을 켜기 전에 보안 팀과 협의합니다.

내보내기 실패 시 동작#

트레이스 내보내기는 관측(observability) 기능이므로 실행 결과를 바꾸지 않습니다.

  • 자격 증명이 동작하지 않거나, 실험 조회가 실패하거나, ID에 권한이 없어서 노드가 내보내기를 준비하지 못해도 에이전트는 계속 실행되고 답변합니다. n8n은 그 사유와 함께 Databricks AI Agent: could not prepare MLflow trace export를 로그에 기록합니다.
  • 실행 후 트레이스 쓰기가 실패하면 실행 출력은 그대로 유지되고, n8n은 Databricks 오류와 함께 Databricks AI Agent: MLflow trace export failed를 로그에 기록합니다. 경고는 n8n 서버 로그에만 표시되며 실행에는 표시되지 않습니다.
  • 부분 내보내기가 발생할 수 있습니다. Databricks가 트레이스를 등록하고도 스팬 업로드를 거부할 수 있습니다. 이 경우 트레이스는 스팬 없이 목록에 표시됩니다.
  • 유일하게 실행이 중단되는 실패는 자격 증명 누락입니다. Export Traces to MLflow가 켜져 있는데 선택된 자격 증명이 없으면, 노드는 모델을 호출하기 전에 Select a Databricks credential to export traces to MLflow 오류와 함께 실패합니다.

내보내기는 트레이스마다 세 번 호출합니다. 실험에 트레이스를 등록하고, 서명된 업로드 URL을 요청하고, 해당 URL로 스팬을 업로드합니다. 업로드 URL에는 수명이 짧은 자체 자격 증명이 포함되어 있으므로 워크스페이스 토큰은 해당 URL로 전송되지 않습니다.

관련 리소스#

참고

이 섹션의 상세 내용은 n8n 공식 문서를 참조하세요.

일반적인 문제#

Select a Databricks credential to export traces to MLflow#

Export Traces to MLflow가 켜져 있지만 노드에 자격 증명이 없습니다. Credential to connect with에서 Databricks OAuth2 자격 증명을 선택하거나 옵션을 끕니다.

실험에 트레이스가 나타나지 않습니다#

실행은 성공했지만 실험이 비어 있습니다. n8n 서버 로그에서 Databricks AI Agent:로 시작하는 줄을 확인합니다. 그 줄에 원인이 나타납니다. 403은 해당 ID에 실험에 대한 CAN EDIT 권한이 없다는 뜻이고, RESOURCE_DOES_NOT_EXIST가 포함된 404는 By ID로 지정한 실험이 존재하지 않는다는 뜻이며, 토큰 오류는 자격 증명으로 워크스페이스에 접근할 수 없다는 뜻입니다. 권한을 부여한 뒤에는 1분 정도 기다렸다가 다시 실행합니다.

트레이스에 스팬이 없습니다#

Databricks가 트레이스를 등록했지만 스팬 업로드를 거부했으므로 트레이스 목록에 트리 없이 실행만 표시됩니다. n8n 서버 로그에서 업로드 오류를 확인하고, 해당 ID의 실험에 대한 CAN EDIT 권한을 확인합니다.

에이전트 문제#

도구를 호출하지 않거나 속도 제한에 걸리는 모델과 같이 에이전트 자체에 문제가 있는 경우, Databricks Chat Model 페이지의 에이전트용 모델 선택과 AI Agent 일반적인 문제를 참조하세요.

Footnotes

  1. AI 에이전트는 요청에 응답하고, 의사 결정을 내리고, 사용자를 위해 실제 작업을 수행할 수 있는 인공지능 시스템입니다. 대규모 언어 모델(LLM)을 사용해 사용자 입력을 해석하고, 보유한 정보와 리소스를 활용해 요청을 가장 잘 처리하는 방법을 결정합니다. ↩

  2. AI 맥락에서 도구는 AI가 요청에 응답할 때 특정 정보나 기능을 참조할 수 있는 추가 리소스입니다. AI 모델은 도구를 사용해 외부 시스템과 상호작용하거나 구체적이고 한정된 작업을 완료할 수 있습니다. ↩

Databricks AI Agent 노드

n8n v2.47
원문 보기

요약

Databricks AI Agent 노드를 사용해 실행 내역이 Databricks 워크스페이스의 MLflow Tracing에 표시되는 AI 에이전트1를 구축합니다. 이 페이지에서는 사전 요구 사항, 설정 단계, 노드 파라미터, 트레이스에 포함되는 내용, 문제가 발생했을 때 내보내기가 동작하는 방식을 설명합니다.

Databricks AI Agent 노드를 사용해 실행 내역이 Databricks 워크스페이스의 MLflow Tracing에 표시되는 AI 에이전트1를 구축합니다. 이 노드는 AI Agent 노드와 동일한 에이전트를 실행합니다. 같은 채팅 모델, 메모리, 도구2, 출력 파서 서브 노드를 받으며 같은 옵션을 제공합니다. 이 노드가 추가로 제공하는 것은 Export Traces to MLflow입니다. 이 옵션을 켜면 각 실행이 MLflow 실험(experiment)에 트레이스 하나를 생성하고, 모델 호출과 도구 호출마다 스팬(span)이 하나씩 기록됩니다. 따라서 Databricks 워크스페이스를 운영하는 팀이 다른 AI 시스템과 함께 n8n 에이전트를 살펴볼 수 있습니다.

이 페이지에서는 사전 요구 사항, 설정 단계, 노드 파라미터, 트레이스에 포함되는 내용, 문제가 발생했을 때 내보내기가 동작하는 방식을 설명합니다.

Note

자격 증명

인증 설정 방법은 Databricks 자격 증명을 참조하세요. 이 노드의 자격 증명은 선택 사항입니다. 에이전트는 연결된 채팅 모델 서브 노드의 자격 증명으로 실행됩니다. 이 노드는 자체 Databricks OAuth2 API 자격 증명을 트레이스를 내보내는 용도로만 사용하므로, Export Traces to MLflow를 켤 때 자격 증명을 선택합니다.

사전 요구 사항#

에이전트를 실행하려면 Databricks Chat Model 노드와 같이 자체 자격 증명이 있는 채팅 모델 서브 노드가 필요합니다. 트레이스를 내보내려면 다음도 필요합니다.

  • 서비스 프린시펄 또는 사용자 로그인을 사용하는, n8n의 Databricks OAuth2 자격 증명. 서비스 프린시펄은 Workspace access 권한(entitlement)이 있는 워크스페이스 멤버여야 합니다.
  • 트레이스를 받는 실험에 대한 CAN EDIT 권한. CAN READ만으로는 충분하지 않습니다. 이 경우 해당 ID에 실험을 편집할 권한이 없다는 403 오류와 함께 내보내기가 실패합니다.
  • 노드가 /Shared 아래에 만드는 기본 실험에는 추가 권한 부여가 필요하지 않습니다. Databricks는 기본적으로 모든 워크스페이스 사용자에게 /Shared 폴더의 객체에 대한 CAN MANAGE 권한을 부여하므로, 해당 ID가 실험을 만들고 그곳에 쓸 수 있습니다. 같은 기본 설정 때문에 모든 워크스페이스 사용자가 해당 트레이스를 열고 삭제할 수 있습니다. 개인 정보나 기밀 데이터를 다루는 워크플로에서는 Experiment를 직접 관리하는 폴더의 경로로 설정합니다. 또는 내보내기를 켜기 전에 실험을 먼저 만들고 권한을 설정합니다.

권한 변경 사항이 트레이스 서비스에 반영되기까지 1분 이상 걸립니다. 변경 직후에 실행하면 이전 권한이 그대로 사용될 수 있습니다.

노드 설정#

  1. 예를 들어 Chat Trigger 노드 뒤에 Databricks AI Agent 노드를 워크플로에 추가합니다.
  2. Chat Model 커넥터의 + 를 선택하고 Databricks Chat Model 노드와 같은 채팅 모델을 추가합니다. AI Agent 노드와 같은 방식으로 메모리, 도구, 출력 파서를 추가합니다. Databricks Vector Store 노드와 Databricks Genie One MCP server는 모두 도구로 사용할 수 있습니다.
  3. **Source for Prompt (User Message)**와 노드 옵션을 설정합니다.
  4. 트레이스를 내보내려면 Credential to connect with에서 Databricks OAuth2 자격 증명을 선택하고 Export Traces to MLflow를 켭니다.
  5. Experiment에서 이름을 비워 두면 노드가 워크플로용 실험을 만들고, 기존 실험의 경로나 ID를 입력할 수도 있습니다. 노드 파라미터를 참조하세요.
  6. 워크플로를 실행합니다. Databricks의 사이드바에서 Experiments를 열고 해당 실험을 선택한 다음 Traces 탭을 엽니다. 에이전트가 실행될 때마다 질문과 답변의 미리보기가 포함된 트레이스 하나로 표시됩니다.

노드 파라미터#

  • Source for Prompt (User Message): 사용자 메시지를 가져오는 위치로, Connected Chat Trigger Node 또는 Define below 중에서 선택합니다. AI Agent 노드의 같은 필드와 동일하게 동작합니다. 이 노드는 Connected Guardrails Node 소스를 제공하지 않습니다.
  • Require Specific Output Format: 에이전트의 출력 형식을 정하는 출력 파서 서브 노드를 연결하려면 켭니다.
  • Enable Fallback Model: 메인 모델이 실패했을 때 에이전트가 사용하는 두 번째 채팅 모델을 연결하려면 켭니다.
  • Export Traces to MLflow: 이 노드에서 선택한 자격 증명의 워크스페이스에 있는 MLflow Tracing으로 각 실행을 보낼지 여부입니다. 기본적으로 꺼져 있습니다.
  • Experiment: 트레이스가 저장되는 위치입니다. Export Traces to MLflow가 켜져 있을 때 표시됩니다.
    • By Name: 실험 경로입니다. 예: /Shared/my-agent-traces. 실험이 없으면 노드가 실험을 만듭니다. 필드를 비워 두면 워크플로마다 실험 하나씩 /Shared/n8n-workflows-<workflow-id>를 사용합니다.
    • By ID: Databricks의 URL에 표시되는 기존 실험의 숫자 ID입니다. 존재하지 않는 ID를 입력해도 실행은 실패하지 않습니다. 에이전트는 답변하고, 그 뒤 내보내기가 실패하면서 n8n 로그에 경고가 남습니다.

노드 옵션#

옵션은 AI Agent 노드의 옵션과 같습니다. System Message, Max Iterations(기본값 10), Return Intermediate Steps, Automatically Passthrough Binary Images, Tracing Metadata, Enable Streaming은 Tools Agent를 참조하세요. 두 가지 옵션이 더 있습니다.

  • Automatically Passthrough Binary PDFs: 입력의 바이너리 PDF 문서를 메시지의 일부로 모델에 전달할지 여부입니다. 기본적으로 꺼져 있습니다. PDF 입력을 받는 모델과 함께 사용합니다.
  • Batch Processing: Batch Size는 에이전트가 한 번에 처리하는 입력 항목 수(기본값 1)를 설정하고, Delay Between Batches는 배치 사이에 지정한 밀리초만큼 대기합니다(기본값 0). 토큰당 과금 방식 모델 서비스의 속도 제한(rate limit) 이내로 유지하려는 경우에 사용합니다.

노드가 내보내는 내용#

노드가 처리하는 항목 하나가 트레이스 하나가 됩니다. 트레이스에는 스팬의 트리가 담깁니다.

  • 최상위에는 에이전트 실행이 있으며, 사용자 메시지가 입력, 최종 답변이 출력입니다.
  • 모델 호출마다 스팬이 하나씩 있으며, 모델에 보낸 전체 메시지 목록과 OpenAI 형식의 완성 결과(completion)가 담깁니다. 메시지 목록에는 시스템 메시지, 메모리에서 불러온 대화 기록, base64로 모델에 전달한 이미지나 PDF가 포함됩니다. 스팬에는 도구 호출과 해당 호출의 토큰 사용량도 기록됩니다.
  • 도구 호출마다 스팬이 하나씩 있으며, 인수와 결과가 담깁니다. 벡터 저장소 도구의 스팬에는 해당 도구가 반환한 문서가 표시됩니다.
  • Vector Store Question Answer Tool과 같은 도구가 리트리버를 통해 벡터 저장소를 쿼리하는 경우, 리트리버 호출마다 스팬이 하나씩 있습니다.

모든 스팬에는 시작 시간과 종료 시간이 있습니다. 트레이스 자체에는 다음이 담깁니다.

  • client_request_id: n8n 실행 ID입니다. 워크스페이스의 트레이스가 n8n의 실행 하나에 대응됩니다.
  • 태그 n8n.source(n8n), n8n.workflowId, n8n.node(노드 이름).
  • 요청 미리보기와 응답 미리보기입니다. 질문과 답변의 처음 1,000자이며, 트레이스 목록의 두 열로 표시됩니다.
  • 실행의 총 토큰 사용량입니다. 스팬을 열지 않고도 트레이스 목록에서 실행당 비용을 확인할 수 있습니다.
  • 상태: OK, 또는 실행이 실패한 경우 ERROR입니다. 모델 호출이 실패하면 트레이스는 ERROR가 되고 모델 스팬에 Databricks 오류 메시지가 기록됩니다. 도구가 예외를 던지면 ERROR 도구 스팬으로 기록되지만, 에이전트가 복구해 답변하면 트레이스는 OK로 유지됩니다.

스트리밍 실행도 같은 스팬을 내보내며, 종료 시간과 토큰 수가 채워집니다. 실행을 취소하면 내보내기도 함께 중단됩니다. 그러면 실험에는 해당 실행의 트레이스가 표시되지 않거나 스팬이 없는 트레이스가 표시됩니다. 어느 경우든 n8n은 내보내기 실패를 로그에 남깁니다. Databricks Chat Model 노드가 OpenAI 호환 클라이언트를 통해 게이트웨이를 호출하기 때문에, 모델 스팬의 이름은 모델 서비스 이름이 아니라 ChatOpenAI로 지정됩니다.

Warning

트레이스에는 사용자의 데이터가 포함됩니다

트레이스 내보내기는 시스템 메시지와 메모리를 포함한 실제 프롬프트, 모델 출력, 도구 결과, 검색된 문서를 모든 실행에 대해 선택한 자격 증명의 Databricks 워크스페이스로 보냅니다. 스팬 내부에서 n8n은 잘 알려진 토큰 형식과 password=...처럼 레이블이 붙은 시크릿만 가리며, 그 외에는 가리지 않습니다. 트레이스 목록에 표시되는 질문과 답변의 미리보기는 가려지지 않습니다. 내보내기는 기본적으로 꺼져 있으며, 데이터는 사용자의 워크스페이스로만 전송되고 n8n이나 제3자에게는 전송되지 않습니다. 개인 정보나 기밀 데이터를 다루는 워크플로에서 이 설정을 켜기 전에 보안 팀과 협의합니다.

내보내기 실패 시 동작#

트레이스 내보내기는 관측(observability) 기능이므로 실행 결과를 바꾸지 않습니다.

  • 자격 증명이 동작하지 않거나, 실험 조회가 실패하거나, ID에 권한이 없어서 노드가 내보내기를 준비하지 못해도 에이전트는 계속 실행되고 답변합니다. n8n은 그 사유와 함께 Databricks AI Agent: could not prepare MLflow trace export를 로그에 기록합니다.
  • 실행 후 트레이스 쓰기가 실패하면 실행 출력은 그대로 유지되고, n8n은 Databricks 오류와 함께 Databricks AI Agent: MLflow trace export failed를 로그에 기록합니다. 경고는 n8n 서버 로그에만 표시되며 실행에는 표시되지 않습니다.
  • 부분 내보내기가 발생할 수 있습니다. Databricks가 트레이스를 등록하고도 스팬 업로드를 거부할 수 있습니다. 이 경우 트레이스는 스팬 없이 목록에 표시됩니다.
  • 유일하게 실행이 중단되는 실패는 자격 증명 누락입니다. Export Traces to MLflow가 켜져 있는데 선택된 자격 증명이 없으면, 노드는 모델을 호출하기 전에 Select a Databricks credential to export traces to MLflow 오류와 함께 실패합니다.

내보내기는 트레이스마다 세 번 호출합니다. 실험에 트레이스를 등록하고, 서명된 업로드 URL을 요청하고, 해당 URL로 스팬을 업로드합니다. 업로드 URL에는 수명이 짧은 자체 자격 증명이 포함되어 있으므로 워크스페이스 토큰은 해당 URL로 전송되지 않습니다.

관련 리소스#

참고

이 섹션의 상세 내용은 n8n 공식 문서를 참조하세요.

일반적인 문제#

Select a Databricks credential to export traces to MLflow#

Export Traces to MLflow가 켜져 있지만 노드에 자격 증명이 없습니다. Credential to connect with에서 Databricks OAuth2 자격 증명을 선택하거나 옵션을 끕니다.

실험에 트레이스가 나타나지 않습니다#

실행은 성공했지만 실험이 비어 있습니다. n8n 서버 로그에서 Databricks AI Agent:로 시작하는 줄을 확인합니다. 그 줄에 원인이 나타납니다. 403은 해당 ID에 실험에 대한 CAN EDIT 권한이 없다는 뜻이고, RESOURCE_DOES_NOT_EXIST가 포함된 404는 By ID로 지정한 실험이 존재하지 않는다는 뜻이며, 토큰 오류는 자격 증명으로 워크스페이스에 접근할 수 없다는 뜻입니다. 권한을 부여한 뒤에는 1분 정도 기다렸다가 다시 실행합니다.

트레이스에 스팬이 없습니다#

Databricks가 트레이스를 등록했지만 스팬 업로드를 거부했으므로 트레이스 목록에 트리 없이 실행만 표시됩니다. n8n 서버 로그에서 업로드 오류를 확인하고, 해당 ID의 실험에 대한 CAN EDIT 권한을 확인합니다.

에이전트 문제#

도구를 호출하지 않거나 속도 제한에 걸리는 모델과 같이 에이전트 자체에 문제가 있는 경우, Databricks Chat Model 페이지의 에이전트용 모델 선택과 AI Agent 일반적인 문제를 참조하세요.

Footnotes

  1. AI 에이전트는 요청에 응답하고, 의사 결정을 내리고, 사용자를 위해 실제 작업을 수행할 수 있는 인공지능 시스템입니다. 대규모 언어 모델(LLM)을 사용해 사용자 입력을 해석하고, 보유한 정보와 리소스를 활용해 요청을 가장 잘 처리하는 방법을 결정합니다. ↩

  2. AI 맥락에서 도구는 AI가 요청에 응답할 때 특정 정보나 기능을 참조할 수 있는 추가 리소스입니다. AI 모델은 도구를 사용해 외부 시스템과 상호작용하거나 구체적이고 한정된 작업을 완료할 수 있습니다. ↩