AI 에이전트(AI agent)를 만드는 것은 데모용으로 보여주기에는 쉽습니다.

하지만 자신만의 지식을 갖추고 실제 작동하는 배포 환경을 갖추어 실제 웹사이트에 출시하는 것이 진정으로 중요한 부분입니다.

이 튜토리얼에서는 다음과 같은 실용적인 스택을 사용하여 무료 고객 지원 AI 에이전트를 구축하는 방법을 살펴보게 됩니다:

• 챗봇 워크플로우(chatbot workflow)를 위한 Hexabot
• LLM 제공업체로서의 OpenRouter
• 호스팅 및 Postgres를 위한 Railway
• 봇이 자신의 웹사이트 콘텐츠를 바탕으로 답변할 수 있게 하는 RAG (Retrieval-Augmented Generation)
• 사이트에 에이전트를 임베드(embed)하기 위한 채팅 위젯

이 프로젝트는 Node.js와 Hexabot CLI를 사용하여 로컬에서 시작합니다. 거기에서 지원 워크플로우를 시각적으로 구축하고 OpenRouter를 통해 AI 모델에 연결하며, 이를 통해 유료 제공업체를 먼저 설정하지 않고도 무료 LLM을 쉽게 실험할 수 있습니다.

또한 이 튜토리얼은 챗봇 워크플로우를 구축하고 수정하는 데 도움을 주기 위해 MCP를 통한 Claude Code를 사용하며, 코딩 에이전트(coding agents)가 최종 제품 내부에서만 사용되는 대신 어떻게 개발 프로세스를 가속화할 수 있는지 보여줍니다.

봇이 로컬에서 작동하면 프로젝트를 GitHub에 푸시하고 무료 Postgres 데이터베이스와 함께 Railway에 배포합니다. 이를 통해 챗봇은 로컬 실험 단계에서 온라인에서 접속 가능한 상태로 전환됩니다.

가장 중요한 부분은 RAG입니다. 봇은 사용자의 웹사이트 콘텐츠를 흡수(ingest)한 다음, 모델의 일반적인 지식에만 의존하는 대신 그 지식을 사용하여 고객 질문에 더 관련성 높은 답변을 제공합니다.

전체 흐름은 다음과 같습니다:

→ Hexabot 설치
→ LLM 제공업체로 OpenRouter 연결
→ 지원 워크플로우 구축
...

이것은 무료 도구를 사용하고 신용카드 등록 없이, 제로 상태에서 실제 웹사이트에서 실행되는 작동 가능한 고객 지원 AI 에이전트까지 도달하는 엔드 투 엔드(end-to-end) 경로입니다.