OpenAI 에이전트 빌더(Agent Builder)는 코드를 쓰는 대신 캔버스에 노드를 끌어 놓고 연결해 AI 에이전트 워크플로를 만드는 OpenAI의 시각적 도구예요. 다만 2026년 11월 3일 확인 기준으로 OpenAI는 이 제품을 2026년 11월 30일 종료할 예정이라고 공지했어요. 그래서 지금 이 이름을 검색했다면 '어떻게 만드나'보다 '이미 만든 것을 어디로 옮기고, 새로 만든다면 무엇을 쓸까'가 더 중요한 질문이에요.

이 글은 에이전트 빌더의 노드 구조와 배포 방식을 먼저 정리하고, 종료 일정과 공식 이전 경로, 그리고 많이 비교되는 n8n과 어떤 기준으로 고르면 되는지를 OpenAI·n8n 공식 문서만으로 설명해요. 기능과 요금은 자주 바뀌므로 표의 값은 2026년 11월 확인 시점 기준이에요.

OpenAI 에이전트 빌더란? 노드로 짜는 시각적 워크플로

에이전트 빌더는 OpenAI가 2025년 10월 6일 AgentKit의 일부로 베타 공개한 도구예요. AgentKit은 에이전트 빌더(워크플로 설계), ChatKit(채팅 UI 임베드), Connector Registry(관리자용 연결 관리), Evals(평가)로 구성됐어요. OpenAI는 당시 이 도구들을 '표준 API 모델 요금에 포함'한다고 밝혔기 때문에, 캔버스 사용료가 따로 붙는 구조가 아니라 실행 때 쓰인 모델 호출이 API 요금으로 청구되는 방식이었어요.

여기서 '워크플로'는 여러 에이전트, 도구, 제어 흐름 로직의 조합을 뜻해요. 공식 가이드에 따르면 노드 사이의 연결은 타입이 정해진 간선(typed edge)이 되고, 각 노드를 눌러 입력·출력 형식을 설정하면 다음 노드가 기대하는 속성을 받는지 확인할 수 있어요. 템플릿에서 시작하거나 빈 캔버스에서 시작할 수 있어요.

노드 종류 한눈에 보기

표의 분류는 노드 레퍼런스 기준이에요. 예를 들어 '분류 에이전트 → If/else로 질문 유형 분기 → 전문 에이전트 답변' 같은 흐름이나, '메일 초안 에이전트 → Human approval(보낼까요?) → Gmail MCP'처럼 사람 확인을 끼운 흐름을 코드 없이 구성하는 것이 핵심 사용 방식이었어요.

만들기 → 게시 → 배포 3단계

1. 1

   설계

   캔버스에서 노드를 배치·연결하고 Preview로 샘플 파일을 붙여 실행하며 각 노드의 출력을 확인해요. 상단 Evaluate에서 trace grader로 실행 기록을 채점할 수도 있었어요.

2. 2

   게시(Publish)

   작업은 자동 저장되고, 게시하면 ID와 버전을 가진 스냅샷이 만들어져요. API 호출에서 이전 버전을 지정할 수도 있어요.

3. 3

   배포

   상단 Code 메뉴에서 두 방법 중 하나를 골라요. ChatKit에 워크플로 ID를 넘겨 내 사이트에 채팅으로 붙이거나, Agents SDK 코드를 내려받아 직접 실행하는 방식이에요.

2026년 11월 30일 종료: 일정과 바뀌는 점

OpenAI는 2026년 6월 3일 에이전트 빌더 사용자에게 지원 종료를 알렸어요. 지원 종료 페이지와 AgentKit 발표문에 추가된 업데이트를 보면 같은 날 Evals 플랫폼과 재사용 프롬프트(v1/prompts)도 함께 종료 대상이 됐어요.

정리하면 '코딩 없이 OpenAI 플랫폼 안에서 에이전트 흐름을 그리고 바로 호스팅까지 맡기는' 방식이 사라지는 거예요. 같은 날 Evals도 종료되므로, 에이전트 빌더 안에서 trace grader로 품질을 재던 팀이라면 평가 체계도 함께 옮겨야 해요. OpenAI는 Evals 이전 경로로 오픈소스 평가 도구 Promptfoo로 옮기는 쿡북을 안내하고 있어요.

종료 후 선택지: Agents SDK·워크스페이스 에이전트·n8n

OpenAI 이전 가이드는 두 갈래를 제시해요. 코드로 계속 운영하려면 Agents SDK, 자연어로 만들고 팀과 공유하려면 ChatGPT 워크스페이스 에이전트예요. 공식 경로는 아니지만 여러 SaaS를 잇는 자동화가 중심이라면 n8n 같은 워크플로 도구로 다시 만드는 선택지도 현실적으로 검토돼요.

1. 1

   1. 코드 내보내기

   에이전트 빌더에서 워크플로를 열고 상단 Code → Agents SDK → TypeScript 또는 Python을 고른 뒤 전체 코드를 복사해요. 종료 전에만 가능한 작업이에요.

2. 2

   2-A. Agents SDK로 계속

   내 애플리케이션에 코드를 넣고 해당 SDK를 설치·설정한 뒤 런타임에서 테스트해요. 도구·인증·권한·배포 설정은 직접 검증해야 해요.

3. 3

   2-B. 워크스페이스 에이전트로 변환

   ChatGPT Business·Enterprise·Edu 워크스페이스와 에이전트 생성 권한이 필요해요. 새 워크스페이스 에이전트 화면에 내보낸 코드를 붙여 변환을 요청하고, 빌더가 지적한 변경 필요 항목을 검토해요.

4. 4

   3. 미리보기로 비교 검증

   원래 워크플로의 대표 입력으로 Preview를 돌려 결과를 비교하고, 연결 앱·인증·권한을 다시 설정한 뒤에만 생성·배포해요.

주의할 점은 이 과정이 그래프를 자동 변환해 주지 않는다는 거예요. 가이드는 동작이 그대로 옮겨진다고 보장하지 않으며, 결정적인 분기가 핵심인 워크플로는 워크스페이스 에이전트로 충실히 옮겨지지 않을 수 있다고 적었어요. If/else·While로 엄격하게 흐름을 통제했다면 Agents SDK 쪽이 원래 구조를 유지하기에 더 가까워요.

OpenAI 에이전트 빌더 vs n8n: 무엇이 다른가

둘 다 캔버스에서 노드를 이어 붙이지만 출발점이 달라요. 에이전트 빌더는 OpenAI 모델을 중심으로 한 '에이전트 흐름' 설계 도구였고, n8n은 수많은 앱 연동을 잇는 범용 워크플로 자동화 도구에 AI Agent 노드와 Agents(프리뷰) 기능을 더한 형태예요. 아래 표는 2026년 11월 확인 기준이에요.

n8n 비용 구조 읽는 법

n8n 요금 페이지는 단계 수와 상관없이 워크플로 한 번 실행을 1회로 센다고 설명해요. 연간 결제 기준 Starter 월 20유로(2,500회, 동시 실행 5), Pro 월 50유로(10,000회), 자체 호스팅 전용 Business 월 667유로(40,000회)이고 Enterprise는 별도 문의예요. 챗봇이라면 '주간 대화 수 × 대화당 평균 메시지 수'로 실행 수를 추정하라고 안내하므로, 메시지가 많은 채팅형 에이전트는 실행 횟수가 빠르게 늘 수 있어요. 또 Starter는 최대 실행 시간이 5분이라 오래 걸리는 에이전트 작업에는 제약이 될 수 있어요.

무료인 Community 에디션은 에디션 비교 문서 기준으로 거의 모든 기능을 담고 있지만 SSO, 워크플로·자격증명 공유, 프로젝트, 환경 분리, 외부 시크릿 저장소, Git 버전 관리가 빠져 있어요. 팀이 함께 쓰거나 사내 보안 기준을 맞춰야 한다면 유료 플랜 비용과 서버 운영 인력을 함께 계산해야 해요. 어느 쪽이든 AI 모델 호출 비용은 별도로 생긴다는 점도 잊지 마세요.

어떤 상황에 무엇이 맞나

• OpenAI 모델 중심의 채팅형 에이전트를 내 제품에 붙이고, 개발자가 코드로 관리할 수 있다면: Agents SDK + ChatKit 고급 통합
• 사내에서 ChatGPT를 이미 쓰고 직원들이 자연어로 반복 업무 에이전트를 만들게 하려면: ChatGPT 워크스페이스 에이전트
• CRM·메일·시트·메신저 등 여러 앱을 정해진 순서로 잇고, 그중 일부 단계에만 AI가 필요하다면: n8n 같은 워크플로 도구
• 데이터를 자체 서버 밖으로 보내기 어려운 환경이라면: 자체 호스팅이 가능한 도구와 사용할 모델의 데이터 처리 조건을 함께 확인

코딩 없이 만든 AI 에이전트의 위험과 점검 항목

노코드 도구는 만들기 쉬운 만큼 권한을 넓게 열기도 쉬워요. OpenAI의 에이전트 안전 가이드는 에이전트 빌더 기준으로 쓰였지만, 다른 도구로 옮겨도 그대로 적용되는 원칙이 많아요.

1. 신뢰할 수 없는 입력(사용자 메시지, 웹 페이지, 메일 본문)을 개발자 메시지에 직접 넣지 말고 사용자 메시지로 전달해요.
2. 노드 사이에는 열거형·고정 스키마 같은 구조화된 출력을 써서 자유 텍스트로 지시가 섞여 들어가는 통로를 줄여요.
3. 메일 발송·결제·데이터 수정처럼 되돌리기 어려운 도구 호출 앞에는 사람 승인 단계를 둬요.
4. 가드레일은 PII 가리기·탈옥 탐지의 첫 방어선일 뿐 완벽하지 않다고 OpenAI도 밝혀요. 연결된 MCP로 모델이 예상보다 많은 데이터를 보낼 수 있다는 점도 감안해요.
5. ChatKit을 쓴다면 세션 생성 시 최종 사용자마다 고유한 user 값을 서버에서 인증한 뒤 넘겨야 해요.

이전 작업 자체도 위험 요소예요. 워크플로를 코드로 내보내면 그동안 캔버스가 대신 처리하던 버전 관리·인증 키 보관·로그를 직접 맡게 돼요. API 키를 코드에 그대로 넣지 말고, 지출 한도와 사용량 알림을 먼저 설정한 뒤 운영 환경에 올리는 순서를 지키는 것이 좋아요. AI 에이전트 관련 소식이 빠르게 바뀌는 만큼 더따리의 AI 텔레그램 트렌드에서 업계 반응을 함께 살펴볼 수 있어요.

페이지 참고

트렌드theddari.com›트렌드텔레그램 · AIAI 채널 실시간 포스팅 피드

정리: 지금 상황별 체크리스트

OpenAI 에이전트 빌더는 '코딩 없이 에이전트 흐름을 그리고 바로 배포한다'는 방식을 보여 줬지만, 1년 남짓 만에 종료 수순을 밟게 됐어요. 노코드 도구를 고를 때는 기능만큼 제품의 지속 기간과 빠져나갈 수 있는 경로(코드 내보내기, 자체 호스팅)를 함께 봐야 한다는 점을 보여 준 사례이기도 해요.

• 에이전트 빌더 워크플로가 있다면: 2026년 11월 30일 전에 Code 메뉴에서 Agents SDK 코드를 내보내 보관하기
• ChatKit에 워크플로 ID를 연결해 운영 중이라면: 자체 서버 백엔드로 바꾸는 고급 통합 일정 잡기
• 에이전트 빌더 안의 Evals·trace grader를 썼다면: 평가 데이터와 기준을 다른 도구로 옮기기
• 새로 시작한다면: 코드 관리 가능 여부, ChatGPT 유료 워크스페이스 사용 여부, 연결할 앱의 수와 실행 빈도를 먼저 적어 보고 도구 고르기
• 어느 도구든: 되돌리기 어려운 작업 앞 사람 승인, 구조화된 출력, 지출 한도를 기본값으로 두기

블로그·커뮤니티에서 어떤 에이전트 도구가 주목받는지 흐름을 보고 싶다면 더따리 블로그 트렌드에서 관련 키워드 언급을 확인해 보세요. 도구 이름이 자주 오르내린다고 해서 오래 지원된다는 뜻은 아니므로, 결정 전에는 늘 공식 문서의 지원 종료 공지를 확인하는 습관이 필요해요.