이 가이드에서는 다음을 배우게 됩니다:
- 왜 Dify가 AI 에이전트 구축을 위한 강력한 플랫폼인지.
- 웹 검색 기능이 AI 에이전트에 필수적인 이유
- Dify에서 웹 검색이 가능한 AI 에이전트를 만드는 방법.
시작해 보겠습니다!
Dify로 에이전트 기반 워크플로 자동화 개발의 가능성을 열어보세요
Dify는 LLM 애플리케이션 생성을 단순화하기 위해 설계된 혁신적인 로우코드/노코드 플랫폼입니다. 클라우드 또는 오픈소스 버전으로 사용할 수 있으며 에이전트형 워크플로를 지원합니다.
직관적인 시각적 편집기를 제공하여 드래그 앤 드롭 기능으로 복잡한 AI 로직을 쉽게 구축하고 관리할 수 있습니다. Dify는 독점적 모델부터 오픈소스 모델까지 다양한 LLM과 호환되어 프로젝트에 최적의 모델을 유연하게 선택할 수 있습니다.
BaaS(백엔드 서비스)로 기능하여 AI 인프라를 대신 처리해 줍니다. 또한 확장 기능과 플러그인 지원을 통해 기능을 더욱 향상시킬 수 있습니다. 이는 타사 통합을 통해 AI 애플리케이션 내에서 확장된 기능성을 구현할 수 있는 길을 열어줍니다.
AI 에이전트가 웹 검색을 할 수 있어야 하는 이유
웹 검색 능력은 AI 에이전트가 지능적이고 최신 정보를 반영한 응답을 제공하기 위한 근본적인 필수 요소입니다. ChatGPT나 Gemini 같은 초기 LLM들은 훈련 데이터의 정적 특성으로 인해 최신 정보나 틈새 정보 제공에 종종 어려움을 겪었습니다.
웹 검색 기능이 탑재되면서 정확도가 크게 향상되었습니다.
이 기능은 LLM이 필요할 때마다 정보를 가져올 수 있게 하여, 궁극적으로 지식 기반을 확장하고 허위 응답을 줄이는 것을 목표로 합니다.
동시에 LLM의 내장형 웹 검색 기능은 일반적으로 유료 모델에서만 제공됩니다. 또한 단순히 ‘웹 검색’만으로는 부족합니다. 인터넷 데이터의 방대한 양과 검증되지 않은 특성으로 인해 여전히 부정확하거나 관련 없는 결과가 나올 수 있기 때문입니다.
진정한 힘은 Google, Bing, DuckDuckGo 등과 같은 신뢰할 수 있는 검색 엔진에서 직접 검증된 SERP(검색 엔진 결과 페이지) 데이터에 접근할 수 있는 데 있습니다. 해당 데이터는 엄격한 품질 검증을 포함한 정교한 순위 알고리즘에 의해 형성됩니다.
결과적으로 SERP 데이터는 AI 에이전트가 정보를 종합하고 정보에 입각한 응답을 생성하는 데 훨씬 더 신뢰할 수 있는 기반을 보장합니다. AI에서 SERP 데이터를 활용하는 RAG 기반 챗봇 구축이 흔한 사용 사례인 이유가 바로 여기에 있습니다.
Dify AI 에이전트 워크플로우에 SERP 데이터를 제공하려면 Bright Data Dify 플러그인을 사용할 수 있습니다. 이 플러그인이 제공하는 도구 중 하나인 “검색 엔진“은 Bright Data SERP API에 연결하여 Google, Bing, Yandex 및 기타 주요 검색 엔진의 실시간 검색 결과를 제공합니다.
이 통합 덕분에, 코딩 없이 구축한 AI 에이전트도 신뢰할 수 있는 검색 엔진의 신뢰성을 활용하면서 방대한 웹의 정보를 활용할 수 있습니다.
Dify에서 웹 검색이 가능한 AI 에이전트 구축: 단계별 튜토리얼
이 가이드 섹션에서는 다음과 같은 AI 에이전트 워크플로를 구축하게 됩니다:
- 키프레이즈를 입력으로 받습니다.
- Bright Data 플러그인의 “검색 엔진” 도구를 사용하여 해당 키워드로 Google 검색을 수행합니다.
- LLM으로 검색 결과를 처리합니다.
이 모든 과정은 코딩 없이 완전히 시각적으로 진행됩니다. 간단한 드래그 앤 드롭 인터페이스로 각 노드를 연결하여 AI 에이전트를 구현하세요.
이제 Dify에서 Bright Data 기반의 웹 검색 AI 워크플로를 코딩 없이 구축해 보세요!
필수 사항
Dify에서 웹 검색 AI 에이전트를 구축하는 이 튜토리얼을 따라하려면 다음이 필요합니다:
- Dify 계정 (무료 플랜으로도 충분합니다).
- Bright Data API 키.
아직 준비되지 않았다면 위 링크를 따라 설정 절차를 진행하세요.
참고: 실제 운영 환경에서는 LLM 제공업체(OpenAI, Anthropic, Gemini 등)의 API 키도 추가로 필요합니다.
1단계: Dify에서 LLM 통합 설정하기
Dify에서 LLM을 사용하려면 먼저 LLM 통합을 설정해야 합니다. 프로필 이미지를 클릭하고 “설정”을 선택하여 시작하세요:
다음으로 “모델 제공자” 페이지로 이동합니다. 여기에서 예를 들어 OpenAI 제공자 플러그인을 설치할 수 있습니다:
기본적으로 200개의 무료 메시지 크레딧이 제공됩니다. 이 제한을 해제하려면 플러그인 설치 후 OpenAI API 키를 추가하여 OpenAI 설정을 구성하세요:
또는 무료 영구 LLM 통합을 원한다면 Gemini LLM 제공자를 고려해 보세요. Flash 2.0과 같은 일부 Gemini 모델은 API를 통해서도 무료로 사용할 수 있습니다.
좋습니다! 이제 웹 검색 기능을 갖춘 Dify AI 워크플로우 구축을 시작할 준비가 되었습니다.
2단계: Bright Data 플러그인 설치
Bright Data 플러그인의 GitHub 저장소에서 릴리스 페이지를 방문하여 brightdata_plugin.difypkg 파일을 다운로드하세요.
Dify에 설치하려면 “PLUGINS”를 클릭하여 플러그인 마켓플레이스를 열고 “Install from Local Package File”을 선택하세요:
앞서 다운로드한 로컬 .difypkg 파일을 선택하고 “설치” 버튼을 클릭하세요:
이것으로 끝입니다! Bright Data 플러그인이 Dify에 성공적으로 설치되었습니다.
3단계: 새로운 Dify 애플리케이션 구상하기
모든 설정이 완료되었으므로 이제 AI 에이전트 구축을 시작할 준비가 되었습니다. Dify 작업 공간 홈페이지에서 아래와 같이 “Create from Blank”를 선택하여 새 애플리케이션을 생성하세요:
그런 다음 애플리케이션 유형으로 “워크플로우”를 선택하고, AI 애플리케이션 이름을 지정한 후 “생성”을 클릭하세요:
그러면 새 빈 워크플로 캔버스가 생성됩니다:
노코드 AI 에이전트 구축에 바로 착수하기 전에, 에이전트가 수행해야 할 작업과 필요한 노드를 간략히 정리해 보세요. 이 튜토리얼에서는 다음과 같은 노드로 구성된 간단한 4단계 워크플로로 목표를 달성할 수 있습니다:
- 입력 변수(키프레이즈)를 정의하는 “시작” 노드.
- 해당 키워드로 웹 검색을 수행하는 “검색 엔진” 노드.
- 검색 결과를 분석하고 사용자 정의 프롬프트를 통해 유용한 인사이트를 추출하는 “LLM” 노드.
- 최종 AI 생성 보고서를 표시하는 “종료” 노드.
좋습니다! 이제 Dify에서 웹 검색 AI 워크플로를 구현해 보세요.
4단계: “시작” 노드 구성
“시작” 노드를 클릭한 후 “입력 필드”를 선택하세요:
입력으로 짧은 텍스트 쿼리를 입력할 예정이므로 “필드 유형”을 “짧은 텍스트”로 설정하세요. 입력 필드 이름을 search_topic으로 지정합니다. 이는 AI 에이전트가 웹 검색을 수행하는 데 사용할 핵심 문구를 나타냅니다.
확인을 위해 “저장”을 클릭하세요:
잘하셨습니다! 이제 “시작” 노드가 제대로 설정되었습니다.
5단계: “검색 엔진” 노드 통합
“시작” 노드에서 “+” 아이콘을 클릭하여 계속합니다. 그런 다음 “도구” > “Bright Data 웹 스크레이퍼” > “검색 엔진”으로 이동합니다:
이 Bright Data 플러그인 노드는 Dify 워크플로우와 Bright Data AI 인프라 간의 가교 역할을 합니다. 특히 “검색 엔진” 도구는 AI 에이전트가 웹에서 직접 실시간 검색 결과를 가져올 수 있게 합니다.
이제 “Authorize”를 클릭하고 Bright Data API 토큰을 입력하세요:
인증이 완료되면 Bright Data 플러그인이 계정에 연결됩니다.
이제 앞서 구성한 입력 변수를 전달하세요. “검색 쿼리” 필드에 “/”를 입력하여 사용 가능한 변수를 확인한 후 search_topic을 선택하세요. “검색 엔진” 노드는 사용자 입력에 기반하여 실시간 웹 검색을 수행합니다:
마지막으로 “검색 엔진” 드롭다운에서 사용하려는 검색 엔진을 선택하세요(이 튜토리얼에서는 Google을 사용하겠습니다):
훌륭합니다! Bright Data “검색 엔진” 노드가 이제 설정되었습니다.
6단계: “LLM” 노드 추가
“검색 엔진” 노드에서 “+” 아이콘을 클릭하고 “LLM” 노드를 선택하세요:
“모델” 섹션에서 “모델 구성”을 클릭하고 목록에서 LLM을 선택하세요(예: gpt-4):
“시스템” 섹션에 다음과 같은 프롬프트를 입력하세요:
당신은 전문 SEO 분석가입니다. 구글 검색 결과를 포함한 데이터를 제공받았습니다.
이 정보를 바탕으로 다음 사항을 보고해 주세요:
- 주요 논점: 검색 결과 제목과 설명에서 반복되는 가장 흔한 주제와 키워드는 무엇인가요?
- 주요 콘텐츠 유형: 제목을 기준으로 어떤 유형의 글이 상위 노출되는 것 같나요? (예: "무엇인가?", "톱 10...", "초보자 가이드...", "vs...").
또한 URL도 보고해 주세요.
검색 결과 데이터:
{{Search_engine.text}}이 프롬프트는 LLM에게 다음을 지시합니다:
- “검색 엔진” 노드가 반환한 검색 결과를 분석합니다.
- 반복되는 주제, 인기 콘텐츠 형식 및 관련 URL을 추출하여 SEO 분석가 역할을 수행합니다.
참고: 변수 {{Search_engine.text}} 는 “검색 엔진” 노드의 텍스트 출력을 LLM 프롬프트로 직접 전달합니다. 즉, LLM은 “검색 엔진” 노드가 반환한 실시간 웹 검색 데이터에 접근할 수 있습니다.
아래는 “LLM” 노드 구성이 어떻게 보일지 예시입니다:
훌륭합니다! 이제 워크플로에 마지막 노드만 추가하면 됩니다.
7단계: “종료” 노드로 AI 워크플로 완성하기
“종료” 노드를 추가하여 워크플로를 완성하세요:
이 노드는 LLM이 생성한 최종 출력을 반환합니다. 해당 동작을 구성하려면 “출력 변수” 섹션을 클릭하고 LLM 노드의 텍스트 변수를 선택하세요:
이렇게 설정하면 LLM의 최종 응답(실시간 검색 엔진 결과를 기반으로 함)이 전체 워크플로의 출력으로 반환됩니다.
단계 #8: AI 웹 검색 워크플로 실행
Bright Data의 “검색 엔진” 도구를 기반으로 Dify에서 구축한 최종 AI 웹 검색 워크플로입니다:
워크플로우를 실행하려면 “실행” 버튼을 클릭하세요. search_topic 입력란에 조사할 주제(예: “새로운 AI 프로토콜“)를 입력한 후 “실행 시작”을 눌러 에이전트를 시작하세요:
이제 워크플로가 시작됩니다. Bright Data 노드는 실시간 Google 검색을 수행하고, LLM 노드는 결과를 수신하여 지시된 대로 요약문을 생성합니다.
최종 출력은 “Result” 탭에 표시됩니다. 다음과 같은 형태일 수 있습니다:
아래는 텍스트 형태의 결과입니다:
주요 논의 사항: 검색 결과에서 가장 빈번히 언급된 주제와 키워드는 "AI 프로토콜", "모델 컨텍스트 프로토콜(MCP)", "에이전트 간 통신 프로토콜(A2A)", "에이전트 통신 프로토콜(ACP)", "AI 통합", "AI 에이전트 통신", "비결정적 행동", "안전한 양방향 연결", "데이터 소스", "AI 기반 도구"입니다. 이러한 용어들은 특히 통신 및 통합 측면에서 AI 기술의 새로운 방법론과 표준에 초점을 맞추고 있음을 시사합니다.
주요 콘텐츠 유형: 검색 결과에는 설명형 기사, 가이드, 뉴스 업데이트가 혼합되어 있는 것으로 보입니다. MCP, A2A, ACP 같은 용어를 설명하는 "What is..." 형식의 기사가 다수 존재합니다. "개발자를 위한 AI 프로토콜 가이드..." 및 "모든 AI 엔지니어가 A2A, MCP 및...에 대해 알아야 할 사항"은 가이드형 글의 예시이며, "모델 컨텍스트 프로토콜 Anthropic 소개"나 "아직 합의되지 않은 프로토콜로 AI가 통제될 것"과 같은 제목은 뉴스 업데이트나 발표를 암시합니다.
URL:
1. https://www.anthropic.com/news/model-context-protocol
2. https://www.infoworld.com/article/4007686/a-developers-guide-to-ai-protocols-mcp-a2a-and-acp.html
3. https://www.businessinsider.com/ai-protocol-rules-future-2025-6
4. https://www.cio.com/article/3991302/ai-protocols-set-standards-for-scalable-results.html
5. https://www.forbes.com/sites/craigsmith/2025/04/07/how-a-simple-protocol-is-changing-everything-about-ai/
6. https://hackernoon.com/mcp-a2a-agp-acp-making-sense-of-the-new-ai-protocols
7. https://www.youtube.com/watch?v=rmphqjsc4Po
8. https://www.youtube.com/watch?v=CQywdSdi5iA
9. https://www.youtube.com/watch?v=TQXG4r0U2PQ
10. https://techstrong.ai/aiops/model-context-protocol-the-new-standard-for-ai-interoperability/
11. https://developers.googleblog.com/en/a2a-a-new-era-of-agent-interoperability/
12. https://www.axios.com/2025/04/17/model-context-protocol-anthropic-open-source지시된 대로 LLM 모델은 요청하신 대로 결과를 보고했습니다:
- “모델 컨텍스트 프로토콜(MCP)” 및 “에이전트 간 통신(A2A) 프로토콜”과 같은 공통 논의 주제를 식별했습니다.
- 개발자 가이드 및 정보성 문서 등 주요 콘텐츠 유형을 강조했습니다.
- 추가 참고를 위한 관련 URL을 나열했습니다.
자, 이제 웹에서 실시간 정보를 검색하고 맞춤형 인사이트를 제공할 수 있는 AI 에이전트를 성공적으로 구축하셨습니다.
결론
이 글에서는 Dify를 활용해 웹 검색이 가능한 노코드 AI 워크플로를 구축하는 방법을 알아보았습니다. 이 기능은 주요 검색 엔진에서 실시간 SERP 데이터를 가져오는 “검색 엔진” 도구를 제공하는 Bright Data Dify 플러그인 덕분에 가능해졌습니다.
이것은 하나의 예시일 뿐, 다양한 다른 활용 사례가 가능합니다. 구체적인 AI 워크플로 목표와 관계없이 효과적인 에이전트는 웹 데이터 검색, 검증, 변환을 위한 도구에 접근할 수 있어야 합니다. 바로 이것이 Bright Data의 AI 인프라가 제공하는 것입니다.
무료 Bright Data 계정을 생성하고 AI 활용이 가능한 데이터 도구로 오늘 바로 실험을 시작해 보세요!
