AI & LLM

AI model integration, text generation, embeddings, and autonomous agents.

18 modules

Module	Description
자율 에이전트	메모리와 목표 지향 행동을 갖춘 자율 AI 에이전트
체인 에이전트	여러 단계를 가진 순차적 AI 처리 체인
도구 사용 에이전트	도구/기능을 호출할 수 있는 AI 에이전트
텍스트 임베딩	AI 모델을 사용하여 텍스트에서 벡터 임베딩 생성
AI 추출	AI를 사용하여 텍스트에서 구조화된 데이터 추출
로컬 Ollama 채팅	Ollama를 통해 로컬 LLM과 채팅 (완전 오프라인)
AI 메모리	AI 에이전트용 대화 메모리
엔티티 메모리	대화에서 엔티티(사람, 장소, 개념) 추출 및 추적
Redis 메모리	Redis 저장소를 사용한 영구 대화 메모리
벡터 메모리	관련 컨텍스트 검색을 위한 벡터 임베딩을 사용한 의미 메모리
AI 모델	AI 에이전트용 LLM 모델 구성
AI Tool	Expose a module as a tool for AI Agent
비전 분석	AI 비전 모델을 사용하여 이미지 분석
Claude 채팅	Anthropic Claude AI에 채팅 메시지를 보내고 응답 받기
Google Gemini 채팅	Google Gemini AI에 채팅 메시지를 보내고 응답 받기
OpenAI 채팅	OpenAI GPT 모델에 채팅 메시지 전송
DALL-E 이미지 생성	DALL-E를 사용하여 이미지 생성
AI 에이전트	다중 포트 연결(모델, 메모리, 도구)이 있는 자율 AI 에이전트

Modules

자율 에이전트

agent.autonomous

메모리와 목표 지향 행동을 갖춘 자율 AI 에이전트

Parameters:

Name	Type	Required	Default	Description
goal	string	Yes	-	에이전트가 달성할 목표
context	string	No	-	에이전트가 달성할 목표
max_iterations	number	No	5	추가 컨텍스트 또는 제약 조건
llm_provider	select (openai, ollama)	No	openai	최대 추론 단계
model	string	No	gpt-4-turbo-preview	모델 이름 (예: gpt-4, llama2, mistral)
ollama_url	string	No	http://localhost:11434	모델 이름 (예: gpt-4, llama2, mistral)
temperature	number	No	0.7	Ollama 서버 URL (ollama 제공자 전용)

Output:

Field	Type	Description
result	string	창의성 수준 (0-2)
thoughts	array	작업 결과
iterations	number	작업 결과
goal_achieved	boolean	에이전트 추론 단계

Example: Research task

goal: Research the latest trends in AI and summarize the top 3
max_iterations: 5
model: gpt-4

Example: Problem solving

goal: Find the best approach to optimize database queries
context: PostgreSQL database with 10M records
max_iterations: 10

체인 에이전트

agent.chain

여러 단계를 가진 순차적 AI 처리 체인

Parameters:

Name	Type	Required	Default	Description
input	string	Yes	-	체인의 초기 입력
chain_steps	array	Yes	-	체인의 초기 입력
llm_provider	select (openai, ollama)	No	openai	처리 단계 배열 (각각 프롬프트 템플릿)
model	string	No	gpt-4-turbo-preview	모델 이름 (예: gpt-4, llama2, mistral)
ollama_url	string	No	http://localhost:11434	모델 이름 (예: gpt-4, llama2, mistral)
temperature	number	No	0.7	Ollama 서버 URL (ollama 제공자 전용)

Output:

Field	Type	Description
result	string	창의성 수준 (0-2)
intermediate_results	array	작업 결과
steps_completed	number	작업 결과

Example: Content pipeline

input: AI and machine learning trends
chain_steps: ["Generate 5 blog post ideas about: {input}", "Take the first idea and write a detailed outline: {previous}", "Write an introduction paragraph based on: {previous}"]
model: gpt-4

Example: Data analysis chain

input: User behavior data shows 60% bounce rate
chain_steps: ["Analyze what might cause this issue: {input}", "Suggest 3 solutions based on: {previous}", "Create an action plan from: {previous}"]

도구 사용 에이전트

agent.tool_use

도구/기능을 호출할 수 있는 AI 에이전트

Parameters:

Name	Type	Required	Default	Description
prompt	string	Yes	-	에이전트의 목표 또는 작업
tools	array	Yes	-	도구 정의 목록 [{name, description, parameters}]
provider	select (openai, anthropic)	No	openai	에이전트의 LLM 제공자
model	string	No	gpt-4o	사용할 모델
api_key	string	No	-	API 키 (환경 변수로 대체 가능)
max_iterations	number	No	10	최대 도구 호출 라운드 수
system_prompt	string	No	-	에이전트를 안내하기 위한 선택적 시스템 프롬프트

Output:

Field	Type	Description
result	string	에이전트의 최종 응답
tool_calls	array	실행 중에 수행된 모든 도구 호출
iterations	number	완료된 반복 횟수
model	string	사용된 모델

Example: File Processing Agent

prompt: Read the config file and update the version number
tools: [{"name": "read_file", "description": "Read contents of a file", "parameters": {"type": "object", "properties": {"path": {"type": "string", "description": "File path"}}, "required": ["path"]}}, {"name": "write_file", "description": "Write contents to a file", "parameters": {"type": "object", "properties": {"path": {"type": "string", "description": "File path"}, "content": {"type": "string", "description": "File content"}}, "required": ["path", "content"]}}]
provider: openai
model: gpt-4o
max_iterations: 5

텍스트 임베딩

ai.embed

AI 모델을 사용하여 텍스트에서 벡터 임베딩 생성

Parameters:

Name	Type	Required	Default	Description
text	string	Yes	-	임베딩할 텍스트
provider	select (openai, local)	No	openai	임베딩을 위한 AI 제공자
model	string	No	text-embedding-3-small	사용할 임베딩 모델
api_key	string	No	-	API 키 (환경 변수로 대체 가능)
dimensions	number	No	-	임베딩 차원 (지원하는 모델에 한함)

Output:

Field	Type	Description
embeddings	array	벡터 임베딩 배열
model	string	임베딩에 사용된 모델
dimensions	number	임베딩 벡터의 차원 수
token_count	number	처리된 토큰 수

Example: Single Text Embedding

text: The quick brown fox jumps over the lazy dog
provider: openai
model: text-embedding-3-small

Example: Reduced Dimensions

text: Semantic search query
provider: openai
model: text-embedding-3-small
dimensions: 256

AI 추출

ai.extract

AI를 사용하여 텍스트에서 구조화된 데이터 추출

Parameters:

Name	Type	Required	Default	Description
text	string	Yes	-	데이터를 추출할 텍스트
schema	object	Yes	-	추출할 필드를 정의하는 JSON 스키마
instructions	string	No	-	추가 추출 지침
provider	select (openai, anthropic)	No	openai	사용할 AI 제공자
model	string	No	gpt-4o-mini	추출에 사용할 모델
api_key	string	No	-	API 키 (환경 변수로 대체 가능)
temperature	number	No	0	샘플링 온도 (0-2)

Output:

Field	Type	Description
extracted	object	추출된 구조화된 데이터
model	string	추출에 사용된 모델
raw_response	string	원본 모델 응답

Example: Extract Contact Info

text: John Smith is a senior engineer at Acme Corp. Email: john@acme.com
schema: {"type": "object", "properties": {"name": {"type": "string"}, "title": {"type": "string"}, "company": {"type": "string"}, "email": {"type": "string"}}}
provider: openai
model: gpt-4o-mini

Example: Extract Invoice Data

text: Invoice #1234 from Acme Corp. Total: $500.00. Due: 2024-03-01
schema: {"type": "object", "properties": {"invoice_number": {"type": "string"}, "vendor": {"type": "string"}, "total": {"type": "number"}, "due_date": {"type": "string"}}}
instructions: Extract all invoice fields. Parse amounts as numbers.

로컬 Ollama 채팅

ai.local_ollama.chat

Ollama를 통해 로컬 LLM과 채팅 (완전 오프라인)

Parameters:

Name	Type	Required	Default	Description
prompt	string	Yes	-	로컬 LLM에 보낼 메시지
model	select (llama2, llama2:13b, llama2:70b, mistral, mixtral, codellama, codellama:13b, phi, neural-chat, starling-lm)	No	llama2	로컬 LLM에 보낼 메시지
temperature	number	No	0.7	샘플링 온도 (0-2)
system_message	string	No	-	시스템 역할 메시지 (선택사항)
ollama_url	string	No	http://localhost:11434	시스템 역할 메시지 (선택사항)
max_tokens	number	No	-	Ollama 서버 URL

Output:

Field	Type	Description
response	string	응답의 최대 토큰 (선택사항, 모델에 따라 다름)
model	string	작업의 응답
context	array	작업의 응답
total_duration	number	모델 이름 또는 식별자
load_duration	number	후속 요청을 위한 대화 컨텍스트
prompt_eval_count	number	총 처리 시간
eval_count	number	모델 로딩 시간

Example: Simple local chat

prompt: Explain quantum computing in 3 sentences
model: llama2

Example: Code generation with local model

prompt: Write a Python function to calculate fibonacci numbers
model: codellama
temperature: 0.2
system_message: You are a Python programming expert. Write clean, efficient code.

Example: Local reasoning task

prompt: What are the pros and cons of microservices architecture?
model: mistral
temperature: 0.7

AI 메모리

ai.memory

AI 에이전트용 대화 메모리

Parameters:

Name	Type	Required	Default	Description
memory_type	select (buffer, window, summary)	Yes	buffer	메모리 저장 유형
window_size	number	No	10	유지할 최근 메시지 수 (윈도우 메모리용)
session_id	string	No	-	이 대화 세션의 고유 식별자
initial_messages	array	No	[]	사전 로드된 대화 기록

Output:

Field	Type	Description
memory_type	string	사전 로드된 대화 기록
session_id	string	사전 로드된 대화 기록
messages	array	메모리 유형
config	object	세션 식별자

Example: Simple Buffer Memory

memory_type: buffer

Example: Window Memory (last 5 messages)

memory_type: window
window_size: 5

엔티티 메모리

ai.memory.entity

대화에서 엔티티(사람, 장소, 개념) 추출 및 추적

Parameters:

Name	Type	Required	Default	Description
entity_types	multiselect	No	['person', 'organization', 'location']	Types of entities to extract and track
extraction_model	select (llm, spacy, regex)	Yes	llm	Model for entity extraction
session_id	string	No	-	Unique identifier for this memory session
track_relationships	boolean	No	True	Track relationships between entities
max_entities	number	No	100	Maximum number of entities to remember

Output:

Field	Type	Description
memory_type	string	기억할 최대 엔티티 수
session_id	string	기억할 최대 엔티티 수
entities	object	메모리 유형 (엔티티)
relationships	array	세션 식별자
config	object	유형별 추적된 엔티티

Example: People & Organizations

entity_types: ["person", "organization"]
extraction_model: llm

Example: Full Entity Tracking

entity_types: ["person", "organization", "location", "concept"]
track_relationships: true
max_entities: 200

Redis 메모리

ai.memory.redis

Redis 저장소를 사용한 영구 대화 메모리

Parameters:

Name	Type	Required	Default	Description
redis_url	string	Yes	redis://localhost:6379	Redis connection URL
key_prefix	string	No	flyto:memory:	Prefix for all Redis keys
session_id	string	Yes	-	Unique identifier for this memory session
ttl_seconds	number	No	86400	Time-to-live for memory entries (0 = no expiry)
max_messages	number	No	100	Maximum messages to store per session
load_on_start	boolean	No	True	Load existing messages from Redis on initialization

Output:

Field	Type	Description
memory_type	string	초기화 시 Redis에서 기존 메시지 로드
session_id	string	초기화 시 Redis에서 기존 메시지 로드
messages	array	메모리 유형 (redis)
connected	boolean	세션 식별자
config	object	로드된 메시지 기록

Example: Local Redis

redis_url: redis://localhost:6379
session_id: my-session
ttl_seconds: 3600

Example: Cloud Redis with Auth

redis_url: redis://:password@redis-cloud.example.com:6379
session_id: user-session
ttl_seconds: 86400
max_messages: 500

벡터 메모리

ai.memory.vector

관련 컨텍스트 검색을 위한 벡터 임베딩을 사용한 의미 메모리

Parameters:

Name	Type	Required	Default	Description
embedding_model	select (text-embedding-3-small, text-embedding-3-large, text-embedding-ada-002, local)	Yes	text-embedding-3-small	Model to use for generating embeddings
top_k	number	No	5	Number of most relevant memories to retrieve
similarity_threshold	number	No	0.7	Minimum similarity score (0-1) for retrieval
session_id	string	No	-	Unique identifier for this memory session
include_metadata	boolean	No	True	Include timestamp and other metadata with memories

Output:

Field	Type	Description
memory_type	string	메모리에 타임스탬프 및 기타 메타데이터 포함
session_id	string	메모리에 타임스탬프 및 기타 메타데이터 포함
embedding_model	string	메모리 유형 (벡터)
config	object	세션 식별자

Example: Default Vector Memory

embedding_model: text-embedding-3-small
top_k: 5

Example: High Precision Memory

embedding_model: text-embedding-3-large
top_k: 10
similarity_threshold: 0.85

AI 모델

ai.model

AI 에이전트용 LLM 모델 구성

Parameters:

Name	Type	Required	Default	Description
provider	select (openai, anthropic, ollama)	No	openai	AI model provider
model	string	No	gpt-4o	Specific model to use
temperature	number	No	0.7	Creativity level (0=deterministic, 1=creative)
api_key	string	No	-	API key (defaults to provider env var)
base_url	string	No	-	Custom API base URL (for Ollama or proxies)
max_tokens	number	No	4096	응답의 최대 토큰

Output:

Field	Type	Description
provider	string	응답의 최대 토큰
model	string	LLM 제공자 이름
config	object	LLM 제공자 이름

Example: OpenAI GPT-4

provider: openai
model: gpt-4o
temperature: 0.7

Example: Anthropic Claude

provider: anthropic
model: claude-3-5-sonnet-20241022
temperature: 0.5

AI Tool

ai.tool

Expose a module as a tool for AI Agent

Parameters:

Name	Type	Required	Default	Description
module_id	string	Yes	-	Module ID to expose as tool (e.g. http.request, data.json_parse)
tool_description	string	No	-	Custom description for the agent (overrides module default)

Output:

Field	Type	Description
module_id	string	Module ID exposed as tool

Example: HTTP Request Tool

module_id: http.request

Example: JSON Parse Tool

module_id: data.json_parse

비전 분석

ai.vision.analyze

AI 비전 모델을 사용하여 이미지 분석

Parameters:

Name	Type	Required	Default	Description
image_path	string	No	-	이미지 파일의 로컬 경로
image_url	string	No	-	분석할 이미지의 URL
prompt	string	No	Describe this image in detail	이미지에 대해 분석하거나 질문할 내용
provider	select (openai, anthropic)	No	openai	비전 분석을 위한 AI 제공자
model	string	No	gpt-4o	사용할 비전 모델
api_key	string	No	-	API 키 (환경 변수로 대체 가능)
max_tokens	number	No	1000	응답의 최대 토큰 수
detail	select (low, high, auto)	No	auto	이미지 세부 수준 (낮음/높음/자동)

Output:

Field	Type	Description
analysis	string	이미지에 대한 AI 분석
model	string	분석에 사용된 모델
provider	string	분석에 사용된 제공자
tokens_used	number	사용된 토큰 수

Example: Analyze Screenshot

image_path: /tmp/screenshot.png
prompt: Describe what you see in this UI screenshot
provider: openai
model: gpt-4o

Example: Analyze from URL

image_url: https://example.com/photo.jpg
prompt: What objects are in this image?
provider: anthropic
model: claude-sonnet-4-20250514

Claude 채팅

api.anthropic.chat

Anthropic Claude AI에 채팅 메시지를 보내고 응답 받기

Parameters:

Name	Type	Required	Default	Description
api_key	string	No	-	Anthropic API 키 (기본값: env.ANTHROPIC_API_KEY)
model	string	No	claude-3-5-sonnet-20241022	사용할 Claude 모델
messages	array	Yes	-	role과 content가 포함된 메시지 객체 배열
max_tokens	number	No	1024	작업에서 반환된 콘텐츠
temperature	number	No	1.0	샘플링 온도 (0-1). 높을수록 출력이 더 무작위
system	string	No	-	Claude 동작을 안내하는 시스템 프롬프트

Output:

Field	Type	Description
content	string	Claude 동작을 안내하는 시스템 프롬프트
model	string	Claude 응답 텍스트
stop_reason	string	응답에 사용된 모델
usage	object	모델이 생성을 중단한 이유 (end_turn, max_tokens 등)

Example: Simple question

messages: [{"role": "user", "content": "What is the capital of France?"}]
max_tokens: 100

Example: Text summarization

system: You are a helpful assistant that summarizes text concisely.
messages: [{"role": "user", "content": "Summarize this article: ${article_text}"}]
max_tokens: 500

Google Gemini 채팅

api.google_gemini.chat

Google Gemini AI에 채팅 메시지를 보내고 응답 받기

Parameters:

Name	Type	Required	Default	Description
api_key	string	No	-	Google AI API 키 (기본값: env.GOOGLE_AI_API_KEY)
model	string	No	gemini-1.5-pro	사용할 Gemini 모델
prompt	string	Yes	-	Gemini에 보낼 텍스트 프롬프트
temperature	number	No	1.0	무작위성 제어 (0-2). 높을수록 출력이 더 무작위
max_output_tokens	number	No	2048	응답의 최대 토큰 수

Output:

Field	Type	Description
text	string	Generated text response from Gemini
model	string	Model used for generation
candidates	array	All candidate responses

Example: Simple question

prompt: Explain quantum computing in simple terms

Example: Content generation

prompt: Write a professional email about ${topic}
temperature: 0.7
max_output_tokens: 500

OpenAI 채팅

api.openai.chat

OpenAI GPT 모델에 채팅 메시지 전송

Parameters:

Name	Type	Required	Default	Description
prompt	string	Yes	-	GPT에 보낼 메시지
model	select (gpt-4-turbo-preview, gpt-4, gpt-3.5-turbo)	No	gpt-4-turbo-preview	GPT에 보낼 메시지
temperature	number	No	0.7	샘플링 온도 (0-2)
max_tokens	number	No	1000	샘플링 온도 (0-2)
system_message	string	No	-	응답의 최대 토큰

Output:

Field	Type	Description
response	string	시스템 역할 메시지 (선택사항)
model	string	작업의 응답
usage	object	작업의 응답

Example: Simple chat

prompt: Explain quantum computing in 3 sentences
model: gpt-3.5-turbo

Example: Code generation

prompt: Write a Python function to calculate fibonacci numbers
model: gpt-4
temperature: 0.2
system_message: You are a Python programming expert

DALL-E 이미지 생성

api.openai.image

DALL-E를 사용하여 이미지 생성

Parameters:

Name	Type	Required	Default	Description
prompt	string	Yes	-	생성할 이미지 설명
size	select (256x256, 512x512, 1024x1024, 1792x1024, 1024x1792)	No	1024x1024	생성할 이미지 설명
model	select (dall-e-3, dall-e-2)	No	dall-e-3	DALL-E 모델 버전
quality	select (standard, hd)	No	standard	이미지 품질 (DALL-E 3 전용)
n	number	No	1	생성할 이미지 수 (1-10)

Output:

Field	Type	Description
images	array	List of generated images
model	string	Model name or identifier

Example: Generate artwork

prompt: A serene mountain landscape at sunset, digital art
size: 1024x1024
model: dall-e-3
quality: hd

Example: Create logo

prompt: Modern tech startup logo with blue and green colors
size: 512x512
model: dall-e-2
n: 3

AI 에이전트

llm.agent

다중 포트 연결(모델, 메모리, 도구)이 있는 자율 AI 에이전트

Parameters:

Name	Type	Required	Default	Description
prompt_source	select (manual, auto)	No	manual	작업 프롬프트를 가져올 위치
task	string	No	-	에이전트가 완료할 작업. 업스트림 데이터를 참조하려면 {{input}}을 사용하세요.
prompt_path	string	No	{<!-- -->{input}<!-- -->}	입력에서 프롬프트를 추출할 경로 (예: {{input.message}})
join_strategy	select (first, newline, separator, json)	No	first	배열 입력 처리 방법
join_separator	string	No	`

---

| 배열 항목 결합을 위한 구분자 | |max_input_size| number | No |10000| 프롬프트의 최대 문자 수 (오버플로 방지) | |system_prompt| string | No |You are a helpful AI agent. Use the available tools to complete the task. Think step by step.| 에이전트 동작을 위한 지침 | |tools| array | No |[]| 모듈 ID 목록 (도구 노드 연결 대안) | |context| object | No |{}| 모듈 ID 목록 (도구 노드 연결 대안) | |max_iterations| number | No |10| 에이전트를 위한 추가 컨텍스트 데이터 | |provider | select (openai, anthropic, ollama) | No | openai| AI model provider | |model| string | No |gpt-4o| Specific model to use | |temperature| number | No |0.3| Creativity level (0=deterministic, 1=creative) | |api_key| string | No | - | API key (defaults to provider env var) | |base_url` | string | No | - | Custom API base URL (for Ollama or proxies) |

Output:

Field	Type	Description
ok	boolean	에이전트가 성공적으로 완료되었는지 여부
result	string	에이전트가 성공적으로 완료되었는지 여부
steps	array	에이전트가 성공적으로 완료되었는지 여부
tool_calls	number	에이전트의 최종 결과
tokens_used	number	에이전트가 수행한 단계 목록

Example: Web Research Agent

task: Search for the latest news about AI and summarize the top 3 stories
tools: ["http.request", "data.json_parse"]
model: gpt-4o

Example: Data Processing Agent

task: Read the CSV file, filter rows where status is "active", and count them
tools: ["file.read", "data.csv_parse", "array.filter"]
model: gpt-4o