최신 AI 뉴스를 한눈에.

n8n@2.46.6

n8n 2.46.6 업데이트는 모든 플랫폼에서 n8n의 npm 설치가 작동하지 않던 문제를 해결하여 호환성과 기능을 복원합니다.

n8n@2.47.2

n8n 2.47.2 업데이트는 모든 플랫폼에서 n8n의 npm 설치가 작동하지 않던 문제를 해결하여 호환성과 기능을 복원합니다.

n8n@2.47.1

n8n 2.47.1 업데이트는 기본적으로 보관된 워크플로우 숨기기 및 보고서 로드에 시간이 걸릴 경우 메시지 표시 등 마이그레이션 보고서 경험을 향상시키는 기능을 도입합니다.

n8n@2.46.3

## [2.46.3](https://github.com/n8n-io/n8n/compare/n8n@2.46.2...n8n@2.46.3) (2026-10-30) ### 버그 수정 * **core:** 마이그레이션 소유자 알림 재전송 전에 쿨다운 시간을 추가 ([#42567](https://github.com/n8n-io/n8n/issues/42567)) ([724efc3](https://github.com/n8n-io/n8n/commit/724efc352f51a52910924789b79cf66770807e09)) * **core:** 활성화 후 IMAP 트리거 표현식을 해결 ([#42612](https://github.com/n8n-io/n8n/issues/42612)) ([17594a7](https://github.com/n8n-io/n8n/commit/17594a7eefa42bc37f532af35c4f38eb1986bbc5)) * **core:** 표현식에서 사용자 데이터를 __isError 키와 함께 반환 ([#42490](https://github.com/n8n-io/n8n/issues/42490)) ([9fe595e](https://github.com/n8n-io/n8n/commit/9fe595e1b83179b54ac5768d03c5f90f9c409f16)) * **editor:** 워크플로우 프로젝트를 해당 이름으로 표시

n8n@2.45.7

core: 워크플로 스코프 루트가 실행 데이터를 읽을 때 실행 권한:읽기 필요 (#42446) (93638f4)

벤 하일락 인용

내가 사용하는 모든 제품은 단지 헤드리스 MCP에 불과하며, 이는 에이전트로 연결되어 아래쪽에서는 어떤 것도 신경 쓸 필요가 없도록 설계되어야 한다.

n8n@1.123.90

1.123.90 (2026-10-29) 코어: 초대를 수락하려면 서명된 토큰이 필요합니다(#42292) (4580f22)

n8n@2.45.6

core: 대기 모드에서의 실행에 대한 동적 시간 절감 기록(#42482) (f2f0c2f) editor: 컴팩트한 사이드바 아이콘 크기 맞추기(#42378) (56eec49)

n8n@3.0.1

## [3.0.1](https://github.com/n8n-io/n8n/compare/n8n@3.0.0...n8n@3.0.1) (2026-10-28) ### 버그 수정 핵심: 축소된 빌드에서 ExpressionError 이름을 유지합니다 (https://github.com/n8n-io/n8n/issues/42309) ([b3192c6](https://github.com/n8n-io/n8n/commit/b3192c6d151125c76c88fe8a421e027b4242a3f9)) 핵심: QuickJS 표현식 결과에서 미정의 값을 유지합니다 (https://github.com/n8n-io/n8n/issues/42264) ([532f645](https://github.com/n8n-io/n8n/commit/532f645f21c99e178a09448caf37ebd77d24b56a)) 편집기: 분할 버튼 내 캐럿 정렬을 개선합니다 (https://github.com/n8n-io/n8n/issues/42203) ([61cbfea](https://github.com/n8n-io/n8n/commit/61cbfeafa267b5c769b345c50ccbd4fc504b0e69)) 편집기: 첫 로드 속도를 향상시킵니다 (https://github.com/n8n-io/n8n/issues/41987) ([8b6bdbb](https://github.com/n8n-io/n8n/commit/8b6bdbbe874b

n8n@2.45.5

## [2.45.5](https://github.com/n8n-io/n8n/compare/n8n@2.45.4...n8n@2.45.5) (2026-10-28) ### 버그 수정 * **core:** 축소된 빌드에서 ExpressionError 이름을 유지합니다([#42309](https://github.com/n8n-io/n8n/issues/42309)) ([b3192c6](https://github.com/n8n-io/n8n/commit/b3192c6d151125c76c88fe8a421e027b4242a3f9)) * **core:** QuickJS 표현식 결과에서 미정의 값을 유지합니다([#42264](https://github.com/n8n-io/n8n/issues/42264)) ([532f645](https://github.com/n8n-io/n8n/commit/532f645f21c99e178a09448caf37ebd77d24b56a)) * **editor:** 분할 버튼 내 캐럿 정렬을 개선합니다([#42203](https://github.com/n8n-io/n8n/issues/42203)) ([61cbfea](https://github.com/n8n-io/n8n/commit/61cbfeafa267b5c769b345c50ccbd4fc504b0e69)) * **editor:** 첫 로드 속도를 향상시킵니다([#41987](https://github.com/n8n-io/n8n/issues/4

우리가 디자인 에이전트를 어떻게 구축했는지

LangChain이 Slack에서 브랜드에 맞는 동영상, 그래픽 및 프레젠테이션을 제작하는 오픈소스 디자인 에이전트인 Content Studio와 이를 구동하는 하네스를 어떻게 구축했는지.

SAP, 더 지능적이고 관리된 Joule 에이전트로 자율 기업 전략을 한층 더 추진합니다

SAP SE는 오늘 개발자를 위한 연례 TechEd 컨퍼런스에서 인공지능 혁신 제품군을 발표하며, Joule 어시스턴트 솔루션과 비즈니스 AI 플랫폼을 고도화했습니다. 여기에는 테이블형 데이터 기반 모델도 포함됩니다. Joule Work의 새로운 기능은 AI 에이전트가 더욱 효율적으로 작동하고 개방형 프로토콜과 상호운용성을 갖도록 지원합니다. 이와 관련해 모델 컨텍스트 프로토콜[…] SAP는 더 지능적이고 관리된 Joule 에이전트를 통해 자율적 기업 전략을 한층 더 추진하고 있습니다. 이 글은 SiliconANGLE에 처음 게재되었습니다.

把15个国民级App接入灵光后，我造出了最舒适的国产Personal Agent

自从拿到蚂蚁灵光2.0这个Personal Agent的内测，它已经成为我的私人管家了。到现在，我已经通过Skill、MCP、GitHub项目或者内置的方式，把15个国民级App都接进去了。基本上我打开「帮我管」那一栏里，定时任务里会定时刷新值得关注的信息。灵光不是我用的第一个Personal Agent，前前后后一共测了12个，测到后面，我越来越觉...

증류, 토론, 발견: 그래프 기반 증류된 인사이트로 다중 에이전트 연구 아이디어 발상의 기초를 마련하다

arXiv:2610.33366v1 발표 유형: 신규 초록: 대규모 언어 모델(LLMs)은 연구 아이디어 생성과 과학적 발견을 지원하는 데 점점 더 널리 활용되고 있습니다. 다중 에이전트 토론은 다양한 관점을 하나로 모아 연구 아이디어를 개발하는 협업 방식을 제공합니다. 그러나 주요 과제는 각 에이전트에게 서로 다르고 의미 있는 전문성을 부여하여 그들의 기여를 효과적으로 이끌어내는 방법입니다. 연구자들이 협업 과정에서 축적된 연구 경험을 활용하는 방식에서 영감을 받아, 우리는 관련 논문들의 그래프로부터 인사이트를 추출해 문헌 기반의 에이전트 전문성을 구축하는 프레임워크인 InsightAgents를 제안합니다. 한 연구 분야 내에서 진화하는 연구 접근법을 추적하고, 근본적인 가정을 드러내며, 아직 해결되지 않은 과제를 식별하는 인사이트에 따라,

v0.43.0

## 변경된 내용 * model_prefetch: https://github.com/Comfy-Org/ComfyUI/pull/17178에서 @rattus128이 모든 그래프 정리 작업을 동기화했습니다 * https://github.com/Comfy-Org/ComfyUI/pull/17172에서 @kijai가 MOSS-image에 로프 스케일링 지원 기능을 추가했습니다 * [파트너 노드] https://github.com/Comfy-Org/ComfyUI/pull/16943에서 @dante01yoon이 API 노드의 파트너 노드 로그인 토큰을 갱신했습니다 * [파트너 노드] feat(HeyGen): https://github.com/Comfy-Org/ComfyUI/pull/17043에서 @bigcat88이 HeyGen Voice 즉석 클론 및 텍스트 음성 변환 기능을 추가했습니다 * [파트너 노드] feat(ClarityAI): https://github.com/Comfy-Org/ComfyUI/pull/17192에서 @bigcat88이 Crystal Video Upscaler 노드를 추가했습니다 * [파트너 노드] feat(BFL): https://github.com/Comfy-Org/ComfyUI/pull/17200에서 @bigcat88이 FLUX 3 비디오 노드에 2K/4K 해상도 옵션을 추가했습니다 * MOSS-image 지원

DocuSign이 Claude Code와 dbt v2, dbt MCP, 그리고 에이전트 스킬을 결합함으로써 분석 엔지니어링 시간을 절반으로 줄인 방법

DocuSign은 Claude Code, dbt Agent Skills, dbt MCP 및 dbt v2를 하나의 워크플로우로 통합하고, 생산성 향상 50%를 측정했습니다.

MCP 연결 AI 에이전트로 6분 만에 대시보드 디버깅을 해결하는 방법

AI 에이전트는 BI 계층 내부에서 dbt 라이너지 기능을 활용해, 커피를 타는 시간 안에 세 가지 데이터 미스터리를 해결했습니다.

n8n@2.44.7

## [2.44.7](https://github.com/n8n-io/n8n/compare/n8n@2.44.6...n8n@2.44.7) (2026-10-26) ### 버그 수정 * **core:** 사전 실행 검사가 실패할 경우 하위 워크플로우 오류 워크플로우를 시작하도록 수정 ([#41978](https://github.com/n8n-io/n8n/issues/41978)) ([67d0e65](https://github.com/n8n-io/n8n/commit/67d0e65f5d5d01d49b1d14ea2c26a6b803bf058b)) * **이메일 트리거(IMAP) 노드:** 서버가 각 새 연결을 끊을 때 재연결을 지연하도록 수정 ([#41927](https://github.com/n8n-io/n8n/issues/41927)) ([10a9518](https://github.com/n8n-io/n8n/commit/10a9518f0d9d470e619b500383b5b76fc1870662)) * **Microsoft SharePoint 노드:** 자동 매핑 시 컬럼 매핑 403 오류 및 빈 항목 문제를 해결 ([#41906](https://github.com/n8n-io/n8n/issues/41906)) ([e67d278](https://github.com/n8n-io/n8n/commit/e67d278ef0ae3c15493e74813ecce972e384ff1

arXiv의 새로운 논문은 증거 검증과 가중치 업데이트가 필요 없는 프롬프트 수정을 지원하는, 추적 가능한 다모달 감정 추론 에이전트 프레임워크를 제안합니다.

2026년 10월 26일, arXiv는 사전인쇄 논문(번호 2610.31685v1)을 발표하며, 동결된 대규모 모델 기반의 추적 가능한 다중모달 감정 추론 지능체 아키텍처를 제안했습니다. 이 아키텍처는 모달별 전용 인지 지능체, 통합 지능체, MLLM 비판자 및 증거 검증 단계를 통해 오류 귀속과 프롬프트 공간의 자율적 최적화를 구현하며, MER2025 데이터셋에서 여러 개방형 다중모달 대규모 모델(2B–38B 파라미터)의 감정 인식 F-스코어를 0.6~2.2점 향상시켰습니다.

추천 이유이 연구는 현재 다중 모달 감정 추론 시스템에서 명령 미세조정 비용의 높음과 에이전트 파이프라인의 디버깅 불가능성 간의 모순을 해결하기 위해, 증거 인용, 확실성 검증, 실패 귀인 및 타깃형 프롬프트 수정을 통합한 최초의 전 과정 설명 가능한 프레임워크를 제안한다. 모든 개선 사항은 모델 가중치를 변경하지 않으며, 네 가지 서로 다른 규모의 오픈소스 MLLM에서 실증적으로 효과를 입증하여 방법론적 혁신성과 공학적 실용성을 갖추고 있다.

다중 에이전트 LLM 시스템에서의 의사소통 실패 이해

arXiv:2610.32060v1 발표 유형: 신규 초록: 다중 에이전트 LLM 시스템은 토론, 증거 공유 및 상호 교정을 통해 추론 능력을 향상시키는 것을 목표로 하지만, 상호작용 과정에서는 최종 정확도만으로는 설명할 수 없는 다양한 실패가 발생할 수 있습니다. 에이전트들은 지나치게 빨리 수렴하거나, 이견을 무시하거나, 올바른 소수 의견을 억압하거나, 여러 라운드에 걸쳐 잘못된 프레임을 유지하는 등의 문제를 겪을 수 있습니다. 우리는 의료 QA, 코딩, 금융, 다중 홉 추론, 윤리, 그리고 체화된 텍스트 작업 등 다양한 분야에서 수집된 3,211개의 실패한 다단계 대화 트래젝터리를 바탕으로, 데이터셋과 시스템 설계별 실패 분포, 라운드 수준의 오류 동역학, 복구 난이도, 다수 의견 전환, 소수 의견 신호 억압, 그리고 자가 보고된 신뢰도 등을 분석하기 위한, 데이터셋 기반의 의사소통 실패 분류체계를 제시합니다. 이를 통해 우리는 다음과 같은 사실을 발견했습니다.