카테고리 업무 자동화
사용 도구 DifyClaude Codeego-browser
난이도 중급
소요 시간 15분
최종 업데이트 2026-09-12

#Dify#워크플로#DSL#회의록#JSON#API

어떤 문제를 해결하나

챗봇은 사람이 대화하는 용도고, 워크플로는 시스템이 호출하는 용도입니다. 입력이 정해져 있고(회의록 텍스트) 출력도 정해져 있어야(JSON) 다음 시스템(슬랙·노션·지라)에 넘길 수 있습니다.

Dify 워크플로를 노드 편집기에서 마우스로 만들 수도 있지만, 이 사례는 Claude 가 DSL YAML 을 써서 import 했습니다. 노드 3개짜리도 클릭이 30번인데, YAML 은 80줄이고 버전 관리가 됩니다.

사전 준비

  • Dify Cloud 계정 + 모델 (샌드박스 크레딧 또는 본인 API 키)
  • DSL 형식 참고용으로 기존 앱 하나를 내보내 두면 좋습니다 (챗봇 사례의 chatbot-dsl.yml). 버전(version: 0.7.0)과 모델 provider 표기(langgenius/openai/openai)를 거기서 베낍니다

단계별 사용법

1

DSL YAML 을 쓴다 — 시작 · LLM · 종료

workflow-dsl.yml 의 핵심:

app: { mode: workflow, name: 회의록 정리 워크플로, … }
version: 0.7.0
workflow:
  graph:
    nodes:
    - id: start
      data: { type: start, variables: [{ variable: minutes, type: paragraph, required: true, max_length: 20000 },
                                       { variable: team, type: text-input, required: false }] }
    - id: llm
      data:
        type: llm
        model: { provider: langgenius/openai/openai, name: gpt-5, mode: chat, completion_params: { temperature: 0.2 } }
        prompt_template:
        - role: system
          text: '너는 회의록 정리 담당이다. … 반드시 아래 JSON 스키마로만 답한다(코드블록·설명 없이 JSON 만):
                 {"team","summary"(3문장 이내),"decisions":[…],"action_items":[{"owner","task","due"}],"open_questions":[…]}. 없으면 null.'
        - role: user
          text: '팀: {{#start.team#}}   회의록: {{#start.minutes#}}'
    - id: end
      data: { type: end, outputs: [{ variable: result, value_selector: [llm, text] }] }
    edges: [start→llm, llm→end]

변수 참조는 {{#노드id.변수#}}. 종료 노드의 outputs 가 API 응답의 키가 됩니다.

import 는 화면의 DSL 가져오기 로 파일을 올리거나, 콘솔 API 로 직접:

fetch("/console/api/apps/imports", { method: "POST", headers: { "X-CSRF-Token": csrf, "Content-Type": "application/json" },
  body: JSON.stringify({ mode: "yaml-content", yaml_content: yaml }) })
// → {"status":"completed","app_id":"0eb0a769-…","app_mode":"workflow"}
DSL YAML 을 쓴다 — 시작 · LLM · 종료
import 직후 편집기. 시작(minutes 필수, team 선택) → ‘회의록 → JSON’(gpt-5) → 종료(result). 노드 위치까지 YAML 에 있습니다.
2

테스트 실행 — 회의록 한 장을 넣는다

content_copy 입력 (회의록 원문)
  9/12 플랫폼팀 주간회의 (참석: 민수, 지영, 현우)
- 지난주 kind 로컬 클러스터 사례를 사이트에 올렸고 반응이 좋았음. 지영: CKS 세트도 이번 주 안에 올리자고 제안. 다들 동의.
- Argo CD 폴링 3분이 데모에서 답답했다는 피드백. 현우가 GitHub 웹훅 연동을 다음 주 수요일까지 붙이기로 함.
- 민수: OG 카드 한글 폰트를 Pretendard로 바꿔 보자는 의견. 결정은 보류, 다음 회의에서 샘플 보고 정하기로.
- 사이트 방문 통계 대시보드가 없다. 누가 할지 정하지 못함.
- 지영이 CKAD 문제 세트 설명서를 금요일까지 다듬기로.

일부러 담당자가 없는 항목(CKS 세트), 결정이 보류된 항목(폰트), 미결 항목(대시보드)을 섞었습니다. 이걸 어떻게 분류하는지가 검증 포인트입니다.

테스트 실행 — 회의록 한 장을 넣는다
테스트 실행 패널. 회의록 원문(참석자·논의·결정·미결)과 팀 이름.
3

결과 — JSON 그대로

{"team":"플랫폼팀",
 "summary":"지난주 kind 로컬 클러스터 사례를 게시해 반응이 좋았다. CKS 세트를 이번 주에 올리기로 하고, … 사이트 방문 통계 대시보드 담당자는 미정이고 CKAD 설명서는 지영이 금요일까지 다듬는다.",
 "decisions":["CKS 세트를 이번 주 안에 사이트에 올리기로 함.","Argo CD에 GitHub 웹훅 연동을 적용하기로 함.","OG 카드 한글 폰트 변경은 다음 회의에서 샘플을 보고 결정하기로 함."],
 "action_items":[{"owner":null,"task":"CKS 세트를 사이트에 올리기","due":"이번 주 안에"},
                 {"owner":"현우","task":"Argo CD에 GitHub 웹훅 연동 추가","due":"다음 주 수요일까지"},
                 {"owner":"지영","task":"CKAD 문제 세트 설명서 다듬기","due":"금요일까지"}],
 "open_questions":["사이트 방문 통계 대시보드를 누가 담당할 것인가?"]}

세 검증 포인트 모두 통과: 담당자 없는 항목은 owner: null, 보류된 폰트 건은 “다음 회의에서 결정” 이라는 결정으로, 대시보드는 open_questions 로. 프롬프트에 “추측하지 않는다. 없으면 null” 을 넣은 효과입니다.

결과 — JSON 그대로
결과 탭. summary · decisions 3 · action_items 3(owner null 포함) · open_questions 1. 코드블록 없이 JSON 만.
4

게시 → API 엔드포인트

curl -X POST https://api.dify.ai/v1/workflows/run \
  -H "Authorization: Bearer app-…" -H "Content-Type: application/json" \
  -d '{"inputs":{"minutes":"…회의록…","team":"플랫폼팀"},"response_mode":"blocking","user":"ci"}'
# → {"data":{"outputs":{"result":"{\"team\":…}"}}}

이 한 줄이 슬랙 봇·노션 자동화·CI 에서 호출하는 접점입니다. 웹 앱 URL(udify.app/workflow/5K2JMiR41TL6wUrX)은 사람이 폼에 붙여넣는 용도.

게시 → API 엔드포인트
액세스 지점. 웹 앱(udify.app/workflow/…)과 API(api.dify.ai/v1). 워크플로에는 Trigger(일정·웹훅) 옵션도 보입니다.

결과

DSL 80줄 → import → 테스트 → 게시, 15분. 회의록 텍스트가 스키마가 고정된 JSON 이 됐고, owner: null 같은 빈 값 처리까지 프롬프트대로 나왔습니다. 같은 DSL 을 복사해 프롬프트만 바꾸면 이슈 분류기, 고객 문의 태깅기가 됩니다 — 그게 YAML 로 만든 이유입니다.

주의사항

  • JSON 을 강제하려면 “코드블록·설명 없이” 를 명시하세요. 안 그러면 ```json 으로 감싸서 오고, 다음 시스템에서 파싱이 깨집니다. 더 확실하게는 LLM 노드 뒤에 코드 노드(JSON.parse)나 파라미터 추출기 노드를 붙입니다.
  • DSL 의 version 과 모델 provider 문자열은 기존 앱에서 베끼세요. langgenius/openai/openai 처럼 플러그인 기반 표기라 버전마다 다릅니다. 틀리면 import 는 되는데 노드에 모델이 비어 있습니다.
  • import 는 새 앱을 만듭니다. 같은 이름으로 여러 번 하면 앱이 여러 개. 업데이트는 앱 메뉴의 DSL 가져오기(덮어쓰기) 나 /console/api/apps/<id>/imports 를 씁니다.
  • temperature 를 낮추세요. 분류·추출은 0.2 정도. 기본 0.7 은 같은 회의록에 다른 JSON 을 줍니다.
  • 샌드박스 크레딧은 gpt-5 실행 한 번에 여러 크레딧이 나갑니다. 본인 키를 등록한 뒤 작은 모델로 시작하세요.

응용

  • 슬랙 #meeting-notes 채널 → 웹훅 트리거 → 이 워크플로 → action_items 를 지라 이슈로
  • 고객 문의 메일 → {category, urgency, reply_draft} JSON → 헬프데스크
  • 이 사이트의 새 사례 초안 → {title, category, tools, difficulty, tags} front matter 자동 생성
  • 종료 노드 뒤에 HTTP 요청 노드를 붙여 결과를 노션 API 로 바로 전송
Edit this page

Last updated 12 9월 2026, 00:00 KST. history