| name | n8n-llm-integration |
| description | n8n에서 LLM(Anthropic Claude · OpenAI · Ollama · Hugging Face)을 활용해 AI Agent·Chat Trigger·RAG·도구 호출 워크플로우를 구성하는 가이드. Anthropic Chat Model 노드와 Tools Agent를 중심으로 메모리·벡터 스토어·Output Parser 사용 패턴을 정리한다. <example>사용자: "n8n에서 Claude로 챗봇 만들고 싶어"</example> <example>사용자: "n8n RAG 워크플로우 — Pinecone vs Qdrant"</example> <example>사용자: "n8n AI Agent에서 도구 호출 setup"</example>
|
| disable-model-invocation | true |
n8n LLM Integration
소스:
검증일: 2026-08-12
대상 버전: n8n v2.x (2026-08-11 기준 stable v2.33.7 / beta v2.34.4)
짝 스킬: devops/n8n-self-hosting, devops/n8n-workflow-design, backend/python-anthropic-sdk
1. n8n LLM 통합 아키텍처
n8n은 LangChain을 기반으로 클러스터 노드(Cluster Nodes) 구조를 사용한다.
| 계층 | 노드 종류 | 역할 |
|---|
| Root Node | AI Agent, Basic LLM Chain, Q&A Chain, Vector Store 등 | 오케스트레이션 |
| Sub-Node | Chat Model, Embeddings, Memory, Tool, Output Parser, Retriever | Root 노드에 연결되어 기능 제공 |
| Trigger | Chat Trigger, Webhook, Schedule | 입력 진입점 |
핵심 원칙: Root 노드 단독으로는 작동하지 않는다. 반드시 Chat Model sub-node가 연결되어야 한다.
2. LLM Chat Model 노드 (공식)
| 노드 | 용도 | Tool calling | 비고 |
|---|
| Anthropic Chat Model | Claude (Fable·Opus·Sonnet·Haiku) | ✅ | API key 인증, Bedrock·Vertex 미포함 |
| OpenAI Chat Model | GPT 계열 | ✅ | 기본 함수 호출 지원 |
| Google Gemini Chat Model | Gemini 계열 | ✅ | |
| Ollama Chat Model | 로컬 Llama·Mistral·Qwen 등 | ⚠️ 모델별 상이 | self-hosted 환경 권장 |
| Hugging Face Inference Model | HF Hub 추론 API | ❌ | AI Agent에 연결 불가, Basic LLM Chain에만 사용 |
Anthropic Chat Model 주요 파라미터
| 파라미터 | 설명 |
|---|
| Model | Anthropic API에서 동적으로 조회되는 드롭다운 (최신순 정렬). 하드코딩 목록이 아님 — n8n PR #13543 |
| Maximum Number of Tokens | 응답 최대 토큰 |
| Sampling Temperature | 0.0~1.0, 높을수록 다양성 증가 |
| Top K | 다음 토큰 후보 수 |
| Top P | nucleus sampling, 0.0~1.0 |
| Enable Thinking / Thinking Budget | extended thinking 토글 + 예산 (아래 주의 참조) |
모델 목록은 하드코딩하지 않는다. 이 노드는 자격증명의 API key로 Anthropic /v1/models를 조회해 드롭다운을 채운다.
따라서 "어떤 모델이 뜨는가"는 키에 열려 있는 모델에 따라 달라진다. 워크플로우 JSON에는 선택된 모델 ID 문자열이 그대로 박히므로,
모델 교체 시 워크플로우를 수정해야 한다.
현행 모델 지정 기준 — 이 레포는 .claude/rules/agent-design.md를 기준으로 삼는다:
| 티어 | 모델 ID | 용도 |
|---|
| 상위 티어 | claude-fable-5 | 최고난도 장기 에이전트 작업 (단가 $10/$50 per MTok — 비용 감안해 최소 사용) |
| 고성능 | claude-opus-5 | 최고난도 판단·분석, 오케스트레이션 |
| 균형 | claude-sonnet-5 | 검색·코드 생성·검증 — n8n 워크플로우 기본 선택 |
| 경량 | claude-haiku-4-5 | 단순 분류·포맷 변환·라우팅 |
세대 정렬 (2026-08-12): 위 표는 Anthropic 현행 라인업(Claude Fable 5 / Claude Opus 5 / Claude Sonnet 5 /
Claude Haiku 4.5) 기준으로 갱신했다. 구세대 claude-opus-4-8·claude-sonnet-4-6은 여전히 호출 가능한
legacy지만 신규 워크플로우에는 쓰지 않는다. Haiku는 claude-haiku-4-5가 계속 현행이다.
레포 규칙 파일 .claude/rules/agent-design.md는 아직 Opus 4.8·Sonnet 4.6 기준으로 남아 있으므로
별도 갱신이 필요하다. 신규 n8n 워크플로우 구성 시 드롭다운에 뜨는 최신 ID를 함께 확인한다.
구버전 모델명 금지: claude-3-7-sonnet, claude-3-5-sonnet, claude-3-haiku, claude-3-opus 등 Claude 3 계열은
대부분 retired(API 404)다. 과거 워크플로우 JSON에 이 문자열이 남아 있으면 실행이 실패하므로 일괄 점검 대상이다.
주의 — thinking 파라미터 미갱신 (n8n issue #28635, 2026-08-11 기준 open): Anthropic Chat Model 노드(v1.3)는
레거시 포맷 thinking: {type: "enabled", budget_tokens: N}만 전송한다. Anthropic은 최신 모델에서 이 포맷을 제거하고
thinking: {type: "adaptive"} + output_config.effort를 요구하므로, 최신 모델 + thinking 활성화 조합은 400 에러가 난다
(에러: "thinking.type.enabled" is not supported for this model). 노드가 수정될 때까지 우회책은 thinking을 끄거나
extended thinking을 지원하는 모델을 쓰는 것뿐이다. 깊은 추론이 필요하면 HTTP Request 노드로 Messages API를 직접 호출한다.
주의 — 샘플링 파라미터 (5 계열에서 제거됨): Claude Opus 5·Sonnet 5·Fable 5·Opus 4.8/4.7은 temperature·top_p·top_k를
더 이상 받지 않는다 — 기본값이 아닌 값을 보내면 400이다. n8n Anthropic Chat Model 노드는 Sampling Temperature 필드를
그대로 전송하므로, 5 계열 모델을 선택했다면 노드의 Sampling Temperature를 기본값으로 두고 프롬프트로 톤을 제어한다.
응답 다양성이나 결정성이 필요하면 output_config.effort를 쓰되 노드가 지원하지 않으므로 HTTP Request 노드로 직접 호출한다.
(4.6 이하 legacy 모델을 쓰는 경우에만 종전 제약이 적용된다 — temperature와 top_p 중 하나만 지정. 참고: n8n issue #18304)
3. AI Agent 노드 (Root) — Tools Agent 중심
Agent 타입 선택은 제거됐다 (n8n 1.82.0+)
1.82.0부터 AI Agent 노드의 Agent 타입 선택 파라미터가 제거됐다. 이제 모든 AI Agent 노드는 Tools Agent로만 동작한다
— 기존에 가장 많이 쓰이던 권장 설정이 유일한 동작 방식이 된 것이다.
| 구 Agent 타입 | 현재 |
|---|
| Tools Agent | ✅ 유일한 동작 방식 (선택 UI 없음) |
| Conversational / OpenAI Functions / ReAct / Plan and Execute / SQL Agent | ❌ 선택지 제거 |
기존 워크플로우가 Tools Agent로 설정돼 있었다면 그대로 동작한다. 다른 타입으로 설정돼 있던 노드는 마이그레이션 검토가 필요하다.
오래된 튜토리얼·블로그가 여전히 "Agent 타입에서 Tools Agent를 고르세요"라고 안내한다 — 현재 UI에는 그 드롭다운이 없다.
화면에 안 보인다고 잘못 설치된 게 아니다.
Tools Agent 파라미터
| 파라미터 | 설명 |
|---|
| Prompt (Define / Take from previous) | 사용자 입력. Chat Trigger 연결 시 Take from previous node automatically 권장 |
| Require Specific Output Format | Output Parser 연결 활성화 토글 |
| System Message (옵션) | 에이전트 역할 정의 |
| Max Iterations (옵션) | 도구 호출 최대 횟수 (기본 10) |
| Return Intermediate Steps | 디버깅용 reasoning step 반환 |
| Enable Streaming | Chat Trigger에 토큰 단위 스트리밍 |
필수 sub-node 연결
Chat Trigger ──▶ AI Agent (Tools)
│
├─ Chat Model (필수: Anthropic Chat Model 등)
├─ Memory (옵션: Simple Memory)
├─ Tool × N (옵션: HTTP Request Tool, Calculator 등)
└─ Output Parser (옵션: Structured Output Parser)
4. 채팅 패턴 — Chat Trigger + AI Agent + Memory
최소 구성
[Chat Trigger] ──▶ [AI Agent (Tools)] ──▶ (응답은 Chat Trigger UI로 자동 반환)
├─ Anthropic Chat Model
└─ Simple Memory (sessionId = $('Chat Trigger').item.json.sessionId)
Chat Trigger는 세 가지 모드를 지원한다.
- Hosted Chat — n8n이 호스팅하는 공개/임베드 URL
- Embedded Chat —
@n8n/chat 위젯으로 외부 사이트 임베드
- Webhook — REST 호출
Simple Memory (구 Window Buffer Memory)
- 메모리 sub-node 중 가장 단순, 워크플로 내 in-memory 저장
- Session Key: 같은 사용자/세션을 식별. Chat Trigger의 sessionId를 expression으로 연결 권장
- Context Window Length: 보존할 이전 메시지 수 (기본 5)
주의 — 메모리 노드 누락 시: Memory sub-node가 없으면 매 호출이 stateless가 되어 대화 맥락이 끊긴다. 챗봇 워크플로우에는 반드시 연결한다.
주의 — 다중 Memory 동일 sessionId: 같은 워크플로우에 Simple Memory를 2개 이상 두면 기본적으로 같은 메모리 인스턴스를 공유한다. 분리하려면 sessionId를 다르게 지정한다.
5. 도구 호출 (Tool Sub-Nodes)
| Tool | 용도 |
|---|
| HTTP Request Tool | 외부 REST API 호출. tool description으로 LLM이 자동 호출 |
| Calculator Tool | 수식 계산 |
| Vector Store Tool | RAG 검색 (Retriever as tool) |
| Workflow Tool (Call n8n Workflow) | 다른 n8n 워크플로우를 도구로 호출 |
| Code Tool | JS/Python 커스텀 도구 |
| Wikipedia / SerpAPI / Wolfram | 검색·지식 |
| MCP Client Tool | MCP 서버 도구 호출 |
MCP 서버 직접 연결 (n8n 2.22+)
2.22부터 MCP Client 노드를 별도로 두지 않고 에이전트에 MCP 서버를 직접 연결할 수 있다.
초기 지원 대상: Apify, Linear, monday.com, Notion, PostHog. 단순 MCP 도구 사용이라면 노드 하나를 줄일 수 있다.
도구 호출 사람 승인 (Human-in-the-loop, n8n 2.6+)
특정 도구에 대해 AI Agent가 실행하기 전 명시적 사람 승인을 요구하도록 설정할 수 있다.
DB 쓰기·메일 발송·결제 같은 비가역 액션 도구에는 이 옵션을 켜는 것이 기본이다 (11절 안전 가드 참조).
$fromAI() — 동적 파라미터
도구 파라미터를 LLM이 결정하게 하려면 $fromAI('key', 'description', 'type') 사용:
https:
Tool Description 작성 원칙
- 도구 이름과 설명은 LLM이 읽고 호출 여부를 판단하는 근거다.
- "꿈 해몽 사전을 조회한다. 입력은 꿈 키워드(예: 뱀, 물)" 처럼 언제 호출해야 하는지를 명확히 적는다.
주의 — Tool schema 오류: description이 모호하면 LLM이 도구를 호출하지 않거나, 잘못된 인자를 전달한다. JSON Schema 파라미터를 명시할 때 $ref는 n8n이 지원하지 않으므로 평탄화해서 작성한다.
6. RAG 워크플로우 — Vector Store
지원 Vector Store (공식 Root 노드)
| Vector Store | 환경 | 비고 |
|---|
| Pinecone | 클라우드 SaaS | 빠른 시작, 프로덕션 가능 |
| Qdrant | self-host (Docker) | self-host n8n 동거 권장 |
| Supabase | Postgres pgvector | 기존 Supabase 스택과 통합 |
| PGVector | Postgres 확장 | 자체 Postgres 운영 시 |
| Simple Vector Store (In-Memory) | 메모리 | 개발/테스트 전용, 재시작 시 휘발 |
| Milvus, Weaviate, MongoDB Atlas, Redis | 추가 옵션 | 환경에 따라 선택 |
Vector Store 노드의 4가지 동작 모드
- Insert Documents — 문서 임베딩 후 저장
- Get Many — 메타데이터 필터로 조회
- Retrieve Documents (as Vector Store for Chain/Tool) — Chain/Retriever에 연결
- Retrieve Documents (as Tool for AI Agent) — AI Agent에 도구로 직접 연결
표준 RAG 파이프라인
[문서 적재]
File/HTTP ──▶ Text Splitter ──▶ Embeddings (OpenAI) ──▶ Vector Store (Insert)
[검색]
Chat Trigger ──▶ AI Agent ──▶ (Tool) Vector Store Retrieve
└─ Chat Model
Embeddings OpenAI 노드 파라미터
| 파라미터 | 설명 |
|---|
| Model | text-embedding-3-small, text-embedding-3-large, text-embedding-ada-002 |
| Base URL | OpenAI 호환 self-host 모델 사용 시 |
| Batch Size | 한 요청당 문서 수 |
| Strip New Lines | 개행 제거 |
| Timeout | 요청 타임아웃(초) |
7. 메모리 노드 비교
| Memory | 영속성 | 용도 |
|---|
| Simple Memory (구 Window Buffer) | ❌ 워크플로 내 in-memory | 단일 인스턴스 챗봇 |
| Postgres Chat Memory | ✅ | 프로덕션 영속 저장, 사용자 프로필과 통합 |
| Redis Chat Memory | ✅ (단 TTL 가능) | 빠른 세션 컨텍스트, 다중 인스턴스 |
| MongoDB Chat Memory | ✅ | 문서형 저장 |
| Xata / Zep | ✅ | 매니지드 메모리 서비스 |
Motorhead | — | n8n 2.8.3에서 deprecated (업스트림 프로젝트 유지보수 중단) — 신규 사용 금지 |
Postgres·Redis·Xata 메모리 노드는 Context Window Length 옵션을 지원해 보존 메시지 수를 제한할 수 있다.
권장 패턴
- 개발/단일 사용자: Simple Memory
- 다중 사용자 프로덕션: Postgres Chat Memory (영속) 또는 Redis (속도)
- 하이브리드: Redis(세션) + Postgres(사용자 프로필) 조합
8. Output Parser
| Parser | 출력 형태 |
|---|
| Structured Output Parser | JSON 객체 (스키마 강제) |
| Item List Output Parser | 배열 (구분자로 split) |
| Auto-fixing Output Parser | 다른 parser 결과가 깨졌을 때 LLM이 보정 |
Structured Output Parser 사용
- AI Agent 노드의
Require Specific Output Format 토글 ON
- Output Parser sub-node 연결
- 스키마 정의 — 두 방식:
- Generate from JSON Example: 예시 JSON 입력하면 자동 추론
- Manually input the JSON schema: JSON Schema 직접 작성
주의 — $ref 미지원: n8n Structured Output Parser는 JSON Schema의 $ref를 지원하지 않는다. 중첩 구조는 inline으로 평탄화한다.
Item List Output Parser 파라미터
- Number of Items: 최대 항목 수 (-1 = 무제한)
- Separator: 분리 문자 (개행, 콤마 등)
9. 모델 선택 — Claude vs GPT vs Llama (중립 비교)
| 기준 | Claude (Anthropic) | OpenAI GPT 계열 | Llama/Mistral via Ollama |
|---|
| 추론 품질 | 최상위권, 긴 컨텍스트·에이전트 작업 강함 | 최상위권, 함수 호출 안정 | 모델별 편차 큼 |
| 컨텍스트 윈도우 | 1M (Fable 5·Opus·Sonnet 최신 세대) / 200K (Haiku 4.5) | 모델별 | 모델별 (8K~128K) |
| Tool calling | 안정 | 안정 (네이티브) | 모델별, Tools Agent 호환 모델 한정 |
| 비용 | Haiku 저렴 → Sonnet 중간 → Opus 높음 → Fable 최상 | 티어별 상이 | self-host 운영비만 |
| 데이터 주권 | API 호출 (외부) | API 호출 (외부) | 로컬 (self-host) |
| 적합한 용도 | 긴 문서 분석·코드·장기 에이전트 추론 | 함수 호출 중심·범용 | 데이터 외부 송출 금지·내부망 |
컨텍스트 윈도우 수치는 Anthropic 공식 모델 문서(2026-08-11 확인) 기준. OpenAI·Ollama 측 수치는 벤더 문서에서 직접 확인할 것
— 이 스킬은 n8n 통합이 주제이므로 타 벤더 스펙을 추적하지 않는다.
선택 기준
- 외부 API 허용 + 추론 품질 우선 → Claude 또는 GPT
- 데이터 외부 송출 금지 → Ollama (self-host) + Tools Agent 호환 모델
- Tool calling 안정성 최우선 → OpenAI 또는 Anthropic (Hugging Face Inference는 Tools Agent 비호환)
10. 비용 관리·캐싱 패턴
| 패턴 | 방법 |
|---|
| 모델 라우팅 | Switch 노드로 간단 질의는 Haiku, 복잡한 추론은 Opus/Fable |
| 프롬프트 캐싱 | Anthropic prompt caching 활용 (System Message 고정 시 효과 큼) |
| 컨텍스트 윈도우 축소 | Memory Context Window Length 5~10으로 제한 |
| Embedding 재사용 | Vector Store 노드 Insert는 1회, 이후 Retrieve만 |
| Max Iterations 제한 | Tools Agent의 무한 루프 방지 (기본 10, 단순 작업은 3~5) |
| 응답 캐시 | Webhook 입력을 해시 키로 Redis/PostgreSQL 캐시 후 동일 입력은 캐시 반환 |
주의 — Anthropic 프롬프트 캐싱: n8n Anthropic Chat Model 노드의 system 메시지 캐싱 동작이 명시적으로 노출되지 않는 시점이 있었다 (n8n issue #13231). 최신 버전 확인 권장.
11. 안전 가드
| 영역 | 조치 |
|---|
| API 키 | n8n Credential Manager에만 저장. 노드 파라미터에 직접 입력 금지. 워크플로우 export 시 자격증명 분리 확인 |
| PII / 시크릿 | n8n Guardrails 노드로 PII·시크릿·jailbreak 입력 차단 (AI Agent와 액션 사이 배치) |
| 도구 호출 사전 승인 | Human-in-the-loop (n8n 2.6+) — 지정한 도구는 AI Agent 실행 전 명시적 사람 승인 필요. DB 쓰기·메일 발송·결제 도구에 필수 |
| Output 검증 | Structured Output Parser로 스키마 강제 + 후속 IF 노드로 값 범위 검증 |
| Rate Limit | Wait 노드 / Queue 노드로 API rate limit 회피 |
| 워크플로우 격리 | LLM 호출 워크플로우와 액션(메일 발송·DB 쓰기) 워크플로우 분리, Call n8n Workflow Tool로 명시적 호출 |
12. 예시 — 꿈 해몽 워크플로우
요구사항: 사용자가 webhook으로 꿈을 입력 → AI Agent(Anthropic Claude)가 해몽 → 결과를 DB에 저장.
노드 구성
[Webhook Trigger]
POST /dream
Body: { userId, dreamText }
│
▼
[AI Agent (Tools)]
Prompt: "{{ $json.dreamText }}"
Require Specific Output Format: ON
│
├─ [Anthropic Chat Model]
│ Model: claude-sonnet-5 # 드롭다운에서 선택 (API로 동적 조회)
│ System Message: "당신은 꿈 해몽 전문가다. 문화적 맥락(동양 전통 해몽 + 현대 심리학)을 모두 고려해 균형 있게 해석한다."
│ Sampling Temperature: (기본값 유지) # 5 계열은 temperature 미지원 — 비기본값 전송 시 400
│ Enable Thinking: OFF # issue #28635 — 최신 모델 + thinking = 400
│
├─ [Simple Memory]
│ Session Key: {{ $json.userId }}
│ Context Window Length: 10
│
├─ [HTTP Request Tool] (선택: 해몽 사전 API)
│ Name: dreamDictionary
│ Description: "꿈 키워드별 전통 해몽을 조회한다. 입력: keyword (string)"
│ URL: https://api.example.com/dict/{{ $fromAI('keyword', '꿈 핵심 키워드', 'string') }}
│
└─ [Structured Output Parser]
JSON Example:
{
"summary": "한 줄 요약",
"interpretation": "상세 해몽 본문",
"keywords": ["뱀", "물"],
"mood": "positive"
}
│
▼
[Postgres — Insert]
Table: dream_interpretations
Columns: user_id, dream_text, summary, interpretation, keywords, mood, created_at
│
▼
[Respond to Webhook]
Body: {{ $('AI Agent').item.json.output }}
핵심 포인트
Require Specific Output Format ON + Structured Output Parser → 파싱 실패 없이 Postgres 컬럼에 매핑 가능- Simple Memory의
Session Key를 userId로 → 같은 사용자의 꿈 이력 컨텍스트 유지
- HTTP Request Tool은 선택. 없으면 모델 내재 지식으로만 해몽
- 응답은 Respond to Webhook으로 반환 (Webhook의 Respond 설정이
Using Respond to Webhook Node여야 함)
13. 흔한 함정
| 함정 | 증상 | 대응 |
|---|
| API 키 노출 | 워크플로우 JSON export에 키가 포함 | n8n Credential에만 저장, export 시 credentials 제외 옵션 사용 |
| Memory 노드 누락 | 챗봇이 매번 처음처럼 대답 | Simple Memory 또는 Postgres Chat Memory 연결 |
| Tool description 모호 | LLM이 도구 호출 안 함 또는 잘못된 인자 전달 | "언제 호출하는가 + 입력 형식"을 명시 |
$ref 사용 schema | Structured Output Parser 에러 | 스키마를 inline 평탄화 |
| 5 계열 모델 + Sampling Temperature 지정 | 400 — Opus 5·Sonnet 5·Fable 5·Opus 4.8/4.7은 temperature/top_p/top_k 미지원 | 노드 필드를 기본값으로 두고 프롬프트로 톤 제어 |
temperature + top_p 동시 (4.6 이하 legacy 한정) | Anthropic API 에러 | 한쪽만 지정 |
| Enable Thinking + 최신 Claude 모델 | 400 "thinking.type.enabled" is not supported | thinking OFF, 또는 HTTP Request 노드로 Messages API 직접 호출 (issue #28635) |
| 워크플로우에 Claude 3 계열 모델명 잔존 | 모델 404 / 실행 실패 | claude-3-* 문자열 일괄 검색 후 현행 모델로 교체 |
| 오래된 가이드대로 Agent 타입 찾기 | UI에 드롭다운이 없음 | 1.82.0에서 제거됨 — 항상 Tools Agent |
| Motorhead 메모리 노드 사용 | 2.8.3부터 deprecated | Postgres / Redis Chat Memory로 이전 |
| Hugging Face Inference → AI Agent | Tools Agent에서 모델 인식 안 됨 | Basic LLM Chain으로 변경하거나 다른 모델 사용 |
| Simple Memory 다중 인스턴스 | 분리된 줄 알았는데 공유됨 | sessionId를 노드별로 다르게 expression 설정 |
OpenAI sk-proj-... 키 호환성 | OpenAI 노드가 키 거부하는 케이스 보고됨 | n8n 최신 버전 확인, 필요 시 user-scoped key 사용 |
| Max Iterations 무한 루프 | 토큰·요금 폭주 | Tools Agent Max Iterations를 작업별로 3~10 사이 설정 |
| Vector Store In-Memory 휘발 | n8n 재시작 시 인덱스 사라짐 |
14. 짝 스킬과의 관계
| 스킬 | 다루는 범위 |
|---|
devops/n8n-llm-integration (본 스킬) | LLM 노드·AI Agent·RAG·메모리·도구 호출 |
devops/n8n-self-hosting | n8n Docker/Kubernetes 자체 호스팅, 환경변수, queue mode |
devops/n8n-workflow-design | 일반 워크플로우 설계 원칙, 에러 처리, 모듈화 |
backend/python-anthropic-sdk | n8n 외부에서 직접 Anthropic SDK 호출(파이썬), Tool Use·streaming |
n8n 워크플로우 내에서 LLM을 시각적 노드 조합으로 다룰 때는 본 스킬을, 직접 SDK 호출이 필요한 영역(복잡한 도구 체인·테스트 코드)은 backend/python-anthropic-sdk를 참조한다.
