Self-Hosted AI Starter Kit 리뷰: 하나의 Compose 파일로 만나는 n8n + Ollama + Qdrant

n8n Self-Hosted AI Starter Kit란 무엇인가?

• 핵심 기능: n8n, Ollama, Qdrant, PostgreSQL을 함께 시작하고 서로 통신할 수 있도록 사전 네트워킹하는 docker-compose.yml 및 관련 설정 파일
• n8n: 400개 이상의 통합과 에이전트 및 자동화 구축을 위한 전용 AI/LangChain 노드를 갖춘 로우코드 워크플로 자동화 플랫폼
• Ollama: 오픈 웨이트 언어 모델을 로컬에서 실행하며, n8n 워크플로에 모델 제공자로 노출됨
• Qdrant: RAG 방식 워크플로에서 임베딩을 저장하고 검색하는 데 사용되는 오픈소스 벡터 데이터베이스
• PostgreSQL: n8n 자체의 워크플로와 자격 증명 저장을 뒷받침하는 관계형 데이터베이스
• 유지관리자: n8n 워크플로 자동화 플랫폼을 만든 기업 n8n
• 정식 저장소: github.com/n8n-io/self-hosted-ai-starter-kit — 이 리뷰에서 사용한 설치 절차와 버전 이력의 출처

스타터 키트의 프로젝트 이력과 최근 변경 사항

1. 1
   네 가지 서비스의 기본 구성
   Why it matters: compose 파일은 n8n, Ollama, Qdrant, PostgreSQL을 연결하고, 첫 시작 시 데모 워크플로와 미리 만든 자격 증명 두 개('Local Ollama service', 'Local QdrantApi database')를 가져오며, `llama3.2` 모델을 자동으로 받아옵니다.
2. 2
   GPU Compose 프로필
   Why it matters: 기본 `cpu` 프로필 외에 `gpu-nvidia`와 `gpu-amd` 프로필이 따로 있어, Ollama가 모든 모델을 CPU로 실행하는 대신 지원되는 GPU를 사용할 수 있습니다.
3. 3
   2025년 9월 1일 — 데모 워크플로 업데이트
   Why it matters: 커밋 메시지는 'Use latest version of Basic LLM Chain, to avoid fallback model issues'입니다.
4. 4
   2026년 1월 6일 — compose 파일의 마지막 변경
   Why it matters: 커밋 'Skip demo import if workflows already exist'는 `docker-compose.yml`을 수정하여, 재시작할 때 이미 워크플로가 있는 n8n 인스턴스에 데모를 다시 가져오지 않도록 했습니다.
5. 5
   2026년 7월 23일 — 기본 브랜치의 최신 커밋
   Why it matters: 커밋 'Fixed broken link in the readme. No significant changes'는 `README.md`만 변경했습니다.

Starter Kit로 무엇을 할 수 있는가?

• 로컬 API 서버 — 번들된 각 n8n 인스턴스는 n8n 자체의 REST API를 제공하므로, n8n UI뿐 아니라 다른 로컬 서비스에서도 워크플로를 프로그래밍 방식으로 트리거하거나 관리할 수 있음
• 로컬 워크플로 자동화 — n8n의 비주얼 에디터에서 400개 이상의 통합과 에이전트 구축용 전용 AI/LangChain 노드를 활용해 자동화를 구축하고 실행
• 로컬 LLM 추론 — Ollama가 오픈 웨이트 모델(Llama, Qwen, Gemma 등)을 로컬에서 실행하며, 외부 API 키 없이 n8n 워크플로의 모델 제공자로 사용할 수 있습니다. compose 파일은 첫 시작 시 llama3.2를 자동으로 받아옵니다
• RAG용 로컬 벡터 저장소 — Qdrant가 임베딩을 저장하고 검색하며, 키트는 n8n에 'Local QdrantApi database' 자격 증명을 미리 만들어 둡니다. 함께 제공되는 데모 워크플로는 이를 사용하지 않으므로, RAG 파이프라인은 직접 만든 워크플로에 Qdrant를 벡터 저장소로 추가하여 구축합니다
• 영구적인 워크플로 및 자격 증명 저장소 — PostgreSQL이 n8n 자체의 데이터베이스를 뒷받침하여, 워크플로와 자격 증명, 실행 기록이 컨테이너 재시작 후에도 유지됨
• GPU 가속 프로필 — 별도의 Compose 프로필(cpu, gpu-nvidia, gpu-amd)을 통해 지원되는 환경에서 Ollama가 사용 가능한 GPU 하드웨어를 활용해 더 빠른 로컬 추론을 수행할 수 있음
• 공유 파일 접근 — 마운트된 /data/shared 폴더를 통해 n8n이 Read/Write Files from Disk, Local File Trigger, Execute Command 같은 노드로 로컬 파일을 읽고 쓸 수 있어, 문서 수집 워크플로에 유용합니다
• 미리 불러온 데모 워크플로 — 키트는 첫 시작 시 워크플로 하나('Demo workflow': Chat Trigger, Basic LLM Chain, llama3.2:latest로 설정된 Ollama Chat Model)를 가져옵니다. 열어서 Chat 버튼으로 로컬 모델과 대화할 수 있습니다

사용 예시: Starter Kit를 활용하는 세 가지 방법

Self-Hosted AI Starter Kit 설치하기

가격과 라이선스

Self-Hosted AI Starter Kit 대 일반 n8n

디렉터리에서 비교→

Starter Kit는 누구에게 적합한가?

Starter Kit 대 다른 로컬 AI 워크플로 도구

• n8n — 이 키트가 구축된 바탕이 되는 워크플로 자동화 플랫폼; 위의 전용 비교 섹션과, 독립적인 설치 및 라이선스 세부사항을 다루는 전체 n8n 리뷰를 참조하십시오.
• LangChain-Chatchat — 범용 워크플로 자동화 캔버스가 아니라 자체 내장 UI를 갖춘 셀프호스트형 RAG 및 지식베이스 애플리케이션; 워크플로 빌더보다 전용 문서 채팅 앱이 필요에 더 잘 맞는다면 LangChain-Chatchat 리뷰를 참조하십시오.
• RAGFlow — 범용 워크플로 도구보다 더 철저하게 복잡한 문서(표, 레이아웃)를 파싱하는 데 초점을 맞춘 심층 문서 이해형 RAG 엔진; RAGFlow 리뷰를 참조하십시오.
• Haystack — 비주얼 워크플로 빌더 대신 파이프라인 코드를 직접 작성하고 싶은 개발자를 위한 Python 중심 RAG 프레임워크; Haystack 리뷰를 참조하십시오.

디렉터리에서 비교→

Starter Kit 평가 시 흔한 실수

자주 묻는 질문

출처

관련 읽을거리

• 2026 로컬 LLM 소프트웨어 디렉터리 — 이 기사가 속한 로컬 AI 도구의 전체 카탈로그로, 위에서 다룬 다른 RAG 및 워크플로 도구와 함께 이 스타터 키트 자체의 디렉터리 항목도 포함합니다.
• n8n 리뷰 — 이 스타터 키트가 구축된 바탕이 되는 워크플로 자동화 플랫폼에 대한 전체 리뷰로, 위의 전용 비교 섹션에서도 다루었습니다.
• RAGFlow 리뷰 — 워크플로 자동화 캔버스 이상의 기능이 필요하다면, 심층 문서 이해를 위해 목적에 맞게 구축된 RAG 엔진입니다.
• PDF에 대한 로컬 RAG, 단계별 안내 — 이 키트가 제공하는 로컬 벡터 데이터베이스 설정과 잘 어울리는 실전 RAG 안내서입니다.