heymrun/heym

코드 작성 없이 지능형 AI 워크플로우(AI workflows)를 구축, 시각화 및 실행하세요.

드래그 앤 드롭 캔버스 · LLM 및 에이전트(Agent) 노드 · RAG 파이프라인 · 멀티 에이전트 오케스트레이션(Multi-agent orchestration) · MCP 지원

Heym은 LLM, 에이전트(Agent), 그리고 지능형 도구(intelligent tooling)를 중심으로 처음부터 설계된 **AI 네이티브 자동화 플랫폼(AI-native automation platform)**입니다. 시각적 캔버스 위에서 AI 에이전트, 벡터 스토어(vector stores), 웹 스크래퍼(web scrapers), HTTP 호출, 메시지 큐(message queues)를 서로 연결한 다음, Docker를 통해 즉시 배포하세요.

기존의 트리거-액션(trigger-action) 방식의 자동화에서 시작해 나중에 AI를 덧붙인 플랫폼들과 달리, Heym에서는 **AI가 실행 모델(execution model)**입니다.

제품 사이트 heym.run에서 더 자세히 살펴보세요.

많은 자동화 플랫폼들은 전역 변수(global variables), 실행 이력 및 검색, 인사이트(insights), AI Builder / Motherboard 기능, 관찰 가능성(observability), 감사 스타일 로그(audit-style logs), 팀 제어, 확장성(scaling) 또는 고객용 포털과 같은 필수적인 프로덕션 기능들을 유료 업그레이드를 유도하는 수단으로 활용합니다.

Heym은 정반대의 입장을 취합니다. 이러한 기능들은 기업용 미끼가 아니라 핵심적인 워크플로우 프리미티브(workflow primitives)입니다. 진정한 AI 자동화는 첫날부터 어떠한 이상한 프로덕션 실행 제한 없이도 검사 가능하고, 공유 가능하며, 관찰 가능하고, 배포 가능해야 하기에, 이러한 기능들을 무료로 셀프 호스팅(self-hostable) 가능한 제품에 포함하여 제공합니다.

우리의 엔터프라이즈(enterprise) 오퍼링은 상업적 라이선스, 배포 지원, 전담 지원 및 추가적인 보안 계층을 위한 것입니다. 이는 현재든 미래든 영업 상담 뒤에 핵심 워크플로우와 AI 네이티브 기능을 숨기기 위한 전략이 아닙니다.

아래 데모는 순수하게 단계별로 진행되는 단일 스레드(single-thread) 에이전트 체인이 아닌, 에이전트-서브에이전트(agent–subagent) 레이아웃을 보여줍니다. "베를린에서 프랑크푸르트까지 어떻게 가나요?" 그리고 "거기서 무엇을 먹어야 할까요?"와 같은 요청에 대해, 서브에이전트들은 해당 부분들을 병렬로(in parallel) 처리할 수 있습니다. 이는 작업 완료 속도를 높이고, 각 모델의 턴(turn)을 집중된 상태로 유지하며(컨텍스트 팽창(context bloat) 감소), 하나의 모델이 단일 응답에서 서로 관련 없는 두 개의 큰 답변을 생성하도록 압박하는 상황을 방지합니다.

여전히 두 번의 별도 LLM 호출 (질문당 하나씩)을 사용하거나, 여러 번의 호출을 순차적으로 실행한 뒤 마지막 단계에서 결과를 병합하는 방식을 사용할 수 있습니다. 이러한 패턴들도 작동은 하지만, 이러한 유형의 다중 부분 요청(multi-part ask)의 경우 오케스트레이터(orchestrator) 뒤에서 작동하는 병렬 서브에이전트(parallel subagents)를 사용하는 것보다 대개 더 느립니다.

원하는 에이전트, 오케스트레이션 패턴(orchestration pattern), 그리고 사용자에게 보여질 결과물을 설명하세요. Heym이 캔버스(canvas) 위에 워크플로(workflow)를 구축합니다.

프롬프트 예시

Roadmap Agent와 Best Food Agent를 포함하는 워크플로를 만들어줘. 오케스트레이터 에이전트(Orchestrator Agent)가 요청을 받으면, 이 서브에이전트들을 병렬로 호출하고 그 결과를 사용자에게 반환해야 해.

캔버스에서 워크플로를 직접 실행하고, 결과가 그래프(graph)를 통해 이동함에 따라 각 단계를 검사하세요.

자연어(natural language)로 에이전트 스킬(agent skills)을 생성하고, 생성된 SKILL.md를 미리 본 뒤 에이전트에 부착하세요.

프롬프트 예시

나를 위해 스킬을 하나 생성해서 에이전트에 추가해줘. 오케스트레이터 에이전트는 서브에이전트들로부터 정보를 받은 후 이 스킬을 호출할 것이며, 이 스킬은 목적지 도시에서 실제로 무엇을 할 수 있는지 설명하는 간단한 실행 계획(execution plan)을 생성할 거야.

워크플로를 채팅 경험으로 전환하여 사용자가 자연스러운 요청으로 오케스트레이션을 호출할 수 있도록 합니다.

프롬프트 예시

나는 베를린에 살고 있고 프랑크푸르트에 갈 계획이야. 아우토반(Autobahn)으로 가면 몇 킬로미터나 돼? 그리고 프랑크푸르트에서 가장 맛있는 도너(doner)를 어디서 찾을 수 있을까?

시각적 워크플로 에디터 (Visual Workflow Editor)— Vue Flow를 기반으로 하며 30개 이상의 노드(node) 유형을 지원하는 드래그 앤 드롭 캔버스
AI 어시스턴트 (AI Assistant)— 원하는 내용을 자연어(또는 음성)로 설명하면 어시스턴트가 캔버스 위에 노드를 자동으로 생성하고 연결합니다
문서와 채팅 (Chat with Docs)— 현재 문서 경로가 프롬프트에서 우선순위를 갖는 동안, 문서 헤더에서 직접 문맥을 인식하는 질문을 던질 수 있습니다
AI 스킬 빌더 (AI Skill Builder)— 모달 채팅을 통해 새로운 에이전트 스킬을 생성하거나 기존 스킬을 수정하며, 실시간으로 SKILL.md를 확인합니다

및 Python 파일 미리보기LLM & Agent Nodes (LLM 및 에이전트 노드)— 일급 시민(First-class) LLM 노드와 도구 호출(tool calling), 캔버스 노드 도구(canvas node tools), Python 도구, MCP 연결, 스킬(skills), 선택적 영구 메모리(노드별 지식 그래프 및 백그라운드 추출 포함), 그리고 지원되는 제공업체를 위한 실시간 상태 분기 기능이 포함된 LLM Batch API 모드를 갖춘 완전한 에이전트 노드Multi-Agent Orchestration (멀티 에이전트 오케스트레이션)— 하나의 에이전트가 이름이 지정된 하위 에이전트(sub-agents)와 하위 워크플로우(sub-workflows)를 시각적으로 연결하여 오케스트레이션합니다Human-in-the-Loop (HITL)— 에이전트 실행을 일시 중지하여 진행하기 전에 사용자의 승인이나 입력을 요청합니다Guardrails (가드레일)— LLM 및 에이전트 노드에 대한 콘텐츠 필터링, NSFW 보호 및 다국어 안전 검사를 제공합니다Built-In RAG (내장 RAG)— 두 개의 노드를 통해 문서를 삽입하고 관리되는 QDrant 벡터 스토어(vector stores)를 대상으로 의미론적 검색(semantic search)을 실행합니다MCP Support (MCP 지원)— 에이전트 노드를 클라이언트로서 모든 MCP 서버에 연결하거나, 워크플로우를 Claude, Cursor 및 기타 클라이언트를 위한 MCP 서버로 노출할 수 있습니다Portal (포털)— 모든 워크플로우를 스트리밍 응답 및 파일 업로드가 가능한 /chat/{slug} 경로의 공개 채팅 UI로 전환합니다Webhook SSE Streaming (웹훅 SSE 스트리밍)— /execute 또는 /execute/stream을 위한 즉시 실행 가능한 cURL 명령어를 생성합니다

, 노드별 시작 메시지 및 터미널 내 실시간 노드 이벤트 출력 기능 포함데이터 테이블 (Data Tables)— 대시보드에서 직접 구조화된 데이터를 관리하고 워크플로우에서 참조할 수 있습니다템플릿 (Templates)— 미리 구축된 워크플로우 템플릿을 사용하여 빠르게 시작할 수 있습니다병렬 실행 (Parallel Execution)— 그래프 구조에 따라 독립적인 노드들이 설정 없이 동시에 실행됩니다자동 복구 (Auto Heal)— Playwright 셀렉터(selectors)가 깨지면 AI가 런타임(runtime) 중에 이를 자동으로 감지하고 수정합니다LLM 폴백 (LLM Fallback)— 기본 LLM이 실패하거나 사용할 수 없는 경우 자동으로 모델을 전환합니다추론 지원 (Reasoning Support)— 세밀한 제어를 위해 에이전트(Agent) 노드별로 추론 노력(reasoning effort)과 온도(temperature)를 설정할 수 있습니다커맨드 팔레트 (Command Palette)— Ctrl+K를 통해 즉각적인 검색, 탐색 및 워크플로우 작업을 수행합니다평가 (Evals)— 테스트 스위트(test suites)를 정의하고 클릭 한 번으로 모든 워크플로우에 대해 실행할 수 있습니다LLM 트레이스 (LLM Traces)— 모든 에이전트 호출에 대한 완전한 관측성(observability) 제공: 요청(requests), 응답(responses), 도구 호출(tool calls) 및 타이밍(timing)셀프 호스팅 (Self-Hosted)— 귀하의 데이터, 귀하의 인프라

짧은 설명이 포함된 전체 기능 목록은 **전체 기능 세트 (Full Feature Set)**를 참조하십시오. 여기에는 시작하기(Getting Started), 모든 노드 유형, 참조 주제(표현식 DSL (Expression DSL), 워크플로우 구조, 웹훅 (webhooks), SSE 스트리밍, AI 어시스턴트, 문서와 채팅 (Chat with Docs), 포털, 보안 등), 그리고 모든 대시보드 탭(워크플로우, 템플릿, 변수, 채팅, 자격 증명, 벡터 스토어 (Vectorstores), MCP, 트레이스, 분석, 평가, 팀, 로그 등)이 포함되어 있습니다.

기능 (Capability)	Heym	n8n	Zapier	Make.com
내장 LLM 노드 (Built-in LLM node)	✅	✅	✅	✅
...
표 각주 (Table footnotes)

• Zapier Agents는 "지식 소스 (Knowledge Sources)" (문서 업로드, 앱 연결)를 지원하지만, 사용자에게 노출되는 벡터 스토어 (Vector store)나 임베딩 (Embeddings)/청킹 (Chunking)에 대한 제어 기능은 없습니다.

• Make.com은 Pinecone 및 Qdrant 모듈을 보유하고 있으나, 네이티브한 원클릭 RAG 노드는 없습니다. 파이프라인을 수동으로 조립해야 합니다.

• n8n의 AI 워크플로우 빌더 (AI Workflow Builder)는 클라우드 전용 베타 버전으로 월간 크레딧 제한이 있으며, 셀프 호스팅 (Self-hosted) 방식으로는 사용할 수 없습니다.

• n8n은 중간 단계 (도구 호출, 결과)를 보여주지만, 전체 프롬프트/응답 추적 (Tracing)을 위해서는 Langfuse와 같은 제3자 도구가 필요합니다.

• n8n은 채팅, 이메일, 협업 채널을 통해 AI 도구 호출을 검토하기 위해 일시 중지하지만, 이는 전체 실행 상태를 스냅샷으로 찍고 편집하는 방식이라기보다 도구 승인 (Tool approval)에 초점이 맞춰져 있습니다.

• Zapier의 Human in the Loop는 Zap 내부에서 승인 및 데이터 수집을 지원하지만, Heym이 체크포인트 (Checkpoint)를 생성하는 방식처럼 캡처된 에이전트/런타임 스냅샷에서 재개되지는 않습니다.

• Make의 Human in the Loop는 검토 요청 및 조정/승인/취소 결과가 포함된 엔터프라이즈 앱으로 제공되지만, 요금제에 따라 제한되며 에이전트 상태 (Agent state)와 밀접하게 결합되어 있지 않습니다.

• n8n은 전용 가드레일 (Guardrails) 노드를 제공하고, Zapier는 자사의 AI 제품 전반에 걸쳐 AI 가드레일을 제공하며, Make는 에이전트 규칙 및 검토 흐름을 문서화하고 있으나 이와 대등한 독립형 가드레일 기능은 없으므로 Make는 '제한적 (Limited)'으로 표시되었습니다.

• n8n은 기본적으로 순차적으로 실행됩니다. 병렬 실행 (Parallel execution)을 위해서는 서브 워크플로우 (Sub-workflow)를 통한 우회 방법이 필요합니다.

• n8n은 지속 가능한 사용 라이선스 (Sustainable Use License)를 사용합니다. 내부용 셀프 호스팅은 무료이지만, 상업적 재배포는 제한됩니다.

• 프롬프트 인젝션 (Prompt injection) 및 실행 후 LLM 병합 (Post-run LLM merge) 기능이 포함된 에이전트별 일급 지식 그래프 (First-class per-agent knowledge graph)는 흔치 않습니다. 다른 플랫폼들은 일반적으로 외부 벡터 DB 또는 수동 메모리 패턴에 의존하므로 '제한적 (Limited)'으로 분류됩니다.

• n8n의 공식 문서는 HTTP Webhook 및 HTTP Request 노드와 더불어 Code/커스텀/커뮤니티 확장성을 다루고 있지만, 퍼스트 파티 (First-party) WebSocket 트리거/전송 노드는 찾을 수 없었으므로 n8n은 '제한적 (Limited)'으로 표시되었습니다.

• Zapier의 공식 문서는 HTTP를 통한 인바운드 웹훅 (Inbound webhooks) 및 아웃바운드 웹훅/API 요청 (Outbound webhook/API requests)만을 다루며, 네이티브 WebSocket 트리거 또는 전송 단계는 지원하지 않습니다.

• Make의 공식 문서(official docs)는 Webhooks 모듈과 HTTP(S) request 모듈을 다루고 있지만, 네이티브 WebSocket 트리거 또는 전송(send) 모듈은 찾을 수 없었습니다.

• 2026년 4월 22일 기준으로, n8n의 공식 문서(official docs)는 네이티브 LLM 배치 상태 분기(batch-status branch)보다는 HTTP 배치(batching) 및 루프/대기(loop/wait) 패턴을 문서화하고 있으며, Zapier의 공식 ChatGPT 앱 문서는 트리거를 나열하지 않고 일반적인 API Request 베타 버전만 제공합니다. 또한 Make의 공식 OpenAI 통합 페이지는 create/watch completed와 같은 배치 작업(batch actions)을 노출하지만, 일급 객체인 상태 분기(status-branching) LLM 노드는 제공하지 않습니다. 따라서 n8n/Make는 부분적(partial)으로, Zapier는 이 특정 패턴에 대해 사용 불가능(unavailable)한 것으로 표시됩니다.

git clone https://github.com/heymrun/heym.git
cd heym
cp .env.example .env
...

브라우저에서 4017 포트로 에디터를 여세요.

두 가지 설정 방식 중 하나에서.
직접적인 docker run 설정의 경우, data/files 마운트(mount)를 통해 Drive 업로드 및 스킬(skill) 생성 파일들을 컨테이너 재시작 후에도 사용할 수 있도록 유지합니다.

🐳 Docker 프로덕션 배포 (Docker Production Deployment)

cp .env.example .env
./deploy.sh # 모든 서비스를 빌드하고 배포합니다
./deploy.sh --down # 서비스를 중지합니다
...

프로덕션 환경에서 등록을 제한하려면 .env 파일에서 ALLOW_REGISTER=false로 설정하세요.

🧠 Heym 플랫폼
⚡ 워크플로우 에디터 (Workflow Editor) Vue Flow 캔버스 (canvas) 드래그 앤 드롭 노드 (Drag-and-drop nodes) AI 어시스턴트 (AI Assistant) (채팅-to-워크플로우) 음성 입력 (Voice input) 표현식 DSL (Expression DSL) 편집 이력 (Edit history) · 다운로드 (Download) · 공유 (Share)
🤖 AI 엔진 (AI Engine) LLM 노드 (LLM Node) + 배치 API 모드 (Batch API mode) AI 에이전트 노드 (AI Agent Node) (도구 호출 (tool calling)) 지속성 메모리 그래프 (Persistent memory graph) (에이전트 (agents)) 멀티 에이전트 오케스트레이션 (Multi-agent orchestration) RAG / Qdrant 벡터 스토어 (vector store) MCP 클라이언트 및 서버 (MCP Client & Server) 스킬 시스템 (Skills system)
🌐 통합 (Integrations) HTTP · Slack · 이메일 전송 (Send Email) Redis · RabbitMQ 크롤러 (Crawler) (FlareSolverr) Playwright 브라우저 자동화 (browser automation) Grist 스프레드시트 (spreadsheets) Drive 파일 관리 (file management) Cron · 웹훅 (Webhooks)
🔍 관찰 가능성 (Observability) LLM 트레이스 (LLM Traces) (요청 (requests), 도구 호출 (tool calls)) 평가 (Evals) (AI 테스트 스위트 (test suites)) 실행 이력 (Execution History) 분석 (Analytics) · 로그 (Logs)
👥 팀 및 인증 (Teams & Auth) JWT 인증 (JWT Auth) 팀 관리 (Team management) 자격 증명 저장 및 공유 (Credentials store & sharing) 전역 변수 (Global variables) 폴더 구성 (Folder organization)
💬 포털 (Portal) 워크플로우를 채팅 UI로 게시 (Publish workflows as chat UIs) 공개 URL (Public URL): /chat/{slug} 선택적 인증 (Optional authentication) 파일 업로드 지원 (File upload support) 스트리밍 응답 (Streaming responses)

6개 카테고리에 걸친 30개 이상의 노드 (30+ nodes):

카테고리 (Category)	노드 (Nodes)
트리거 (Triggers)	입력 (Input) (Webhook), Cron, RabbitMQ 수신 (Receive), 에러 핸들러 (Error Handler)
AI	LLM, AI 에이전트 (AI Agent), Qdrant RAG
로직 (Logic)	조건 (Condition), 스위치 (Switch), 루프 (Loop), 병합 (Merge)
데이터 (Data)	설정 (Set), 변수 (Variable), 데이터 테이블 (DataTable), 실행 (Execute) (서브 워크플로우 (sub-workflow))
통합 (Integrations)	HTTP, Slack, 이메일 전송 (Send Email), Redis, RabbitMQ 전송 (Send), Grist, Drive..
자동화 (Automation)	크롤러 (Crawler), Playwright
유틸리티 (Utilities)	대기 (Wait), 출력 (Output), 콘솔 로그 (Console Log), 에러 발생 (Throw Error), 노드 비활성화 (Disable Node), 스티키 노트 (Sticky Note)

평문(plain text)이나 음성을 통해 원하는 내용을 설명하세요. 그러면 어시스턴트가 노드와 엣지(edges)를 생성하여 즉시 캔버스에 적용합니다. 다른 어떤 자동화 플랫폼도 에디터 내부에서 직접 작동하는 자연어 워크플로우 빌더를 제공하지 않습니다.

워크플로우에 이미 에이전트 스킬(Agent skills)이 포함되어 있는 경우, 어시스턴트는 각 스킬의 SKILL.md 파일만을 빌더 컨텍스트(builder context)로 전송합니다. 대용량 .py 파일과 바이너리 첨부 파일은 프롬프트(prompt)에서 제외되므로, 캔버스에 복잡한 스킬이 로드되어 있더라도 워크플로우 편집의 신뢰성을 유지할 수 있습니다.

Agent 노드의 Skills 섹션 내에서, AI Build를 사용하여 새로운 스킬을 생성하거나 인라인 반짝임(sparkle) 액션을 사용하여 기존 스킬을 수정할 수 있습니다. 모달(modal) 창에서는 채팅 대화가 스트리밍되며, 생성된 SKILL.md 및 .py 파일의 미리보기를 실시간으로 확인할 수 있습니다. 또한, 수동 스킬 업로드 시 사용되는 것과 동일한 ZIP 인제스션(ingestion) 경로를 통해 파일이 다시 저장됩니다.

오케스트레이터(orchestrator)/서브 에이전트(sub-agent) 파이프라인을 시각적으로 구축하세요. 하나의 에이전트가 이름이 지정된 서브 에이전트 또는 서브 워크플로우에 작업을 위임함으로써, 별도의 커스텀 오케스트레이션 코드 없이도 복잡한 동작을 구성할 수 있습니다. 에이전트별로 추론 노력(reasoning effort)과 온도(temperature)를 설정하여 세밀한 제어가 가능합니다.

진행하기 전에 사용자의 승인, 명확한 설명 또는 입력을 요청하기 위해 에이전트 실행을 어느 시점에서든 일시 중지할 수 있습니다. AI가 제안하고 인간이 결정하는 워크플로우를 구축하여, 자동화의 속도와 인간의 판단력을 결합하세요.

n8n, Zapier, Make 또한 이제 네이티브 검토 또는 승인 플로우를 제공합니다. Heym의 강점은 공개 검토 URL, 편집 후 계속하기(edit-and-continue), 그리고 전체 실행 상태 재개(full execution-state resume) 기능을 갖춘 에이전트 주도 체크포인트(agent-directed checkpoints)에 있습니다.

LLM 및 Agent 노드의 출력물에 콘텐츠 필터링, NSFW 보호 및 다국어 안전 검사를 적용하세요. 노드 설정에서 규칙을 정의하면, 안전하지 않은 응답이 다운스트림(downstream) 노드에 도달하기 전에 차단됩니다.