Flowise 통합

Flowise는 시각적 드래그 앤 드롭 인터페이스를 사용하여 LLM 애플리케이션을 구축하기 위한 로우코드 플랫폼입니다. 이 가이드에서는 내장 HTTP Request 노드 사용과 Custom Tool 노드 생성이라는 두 가지 방법으로 Flowise를 KnowledgePulse 레지스트리에 연결하는 방법을 보여줍니다.

개요

Flowise는 REST API를 통해 KnowledgePulse와 통신합니다. SDK 설치가 필요 없으며 모든 상호 작용은 HTTP 요청을 통해 이루어집니다.

┌──────────────────────────────────────────┐
│              Flowise Flow                │
│                                          │
│  [Input] → [HTTP Request] → [LLM Chain] │
│                  │                       │
│                  ▼                       │
│         KP Registry API                  │
│         GET  /v1/knowledge               │
│         POST /v1/knowledge               │
│         GET  /v1/skills                  │
│                                          │
└──────────────────────────────────────────┘

사전 요구 사항

Flowise가 설치되어 실행 중
실행 중인 KnowledgePulse 레지스트리: bun run registry/src/index.ts

API 엔드포인트

엔드포인트	메서드	설명
`/v1/knowledge`	GET	지식 유닛 검색
`/v1/knowledge`	POST	지식 유닛 기여
`/v1/knowledge/:id`	GET	ID로 지식 유닛 가져오기
`/v1/skills`	GET	스킬 검색 / 목록
`/v1/skills`	POST	새 스킬 등록
`/v1/skills/:id`	GET	ID로 스킬 가져오기

일반 쿼리 매개변수

매개변수	타입	설명
`q`	string	자유 텍스트 검색 쿼리
`domain`	string	도메인별 필터 (예: `financial_analysis`)
`tags`	string	쉼표로 구분된 태그 필터 (스킬만)
`min_quality`	number	최소 품질 점수 (0--1)
`limit`	number	최대 결과 수 (기본값 20)
`offset`	number	페이지네이션 오프셋 (기본값 0)

방법 1: HTTP Request 노드

가장 간단한 접근 방식은 Flowise의 내장 HTTP Request 노드를 사용하는 것입니다.

지식 유닛 검색

플로우에 HTTP Request 노드를 추가합니다.
구성:
- Method: GET
- URL: http://localhost:3000/v1/knowledge
- Query Parameters:
  - q = {{input}} (사용자의 질문에서 연결)
  - limit = 5
  - min_quality = 0.8
- Headers:
  - Content-Type: application/json
  - Authorization: Bearer <your-api-key> (인증이 활성화된 경우)
출력을 Text Splitter에 연결하거나 LLM 체인에 직접 연결합니다.

스킬 검색

다른 HTTP Request 노드를 추가합니다.
구성:
- Method: GET
- URL: http://localhost:3000/v1/skills
- Query Parameters:
  - q = {{input}}
  - tags = python,automation (선택 사항)

지식 기여

플로우 끝에 HTTP Request 노드를 추가합니다.

구성:

Method: POST
URL: http://localhost:3000/v1/knowledge
Headers:
- Content-Type: application/json
- Authorization: Bearer <your-api-key>

Body (JSON):

{
  "@context": "https://openknowledgepulse.org/schema/v1",
  "@type": "ReasoningTrace",
  "id": "kp:trace:flowise-{{timestamp}}",
  "metadata": {
    "created_at": "{{timestamp}}",
    "task_domain": "general",
    "success": true,
    "quality_score": 0.85,
    "visibility": "network",
    "privacy_level": "aggregated"
  },
  "task": { "objective": "{{input}}" },
  "steps": [],
  "outcome": { "result_summary": "{{output}}", "confidence": 0.8 }
}

방법 2: Custom Tool 노드

더 밀접한 통합을 위해 API 로직을 캡슐화하는 Custom Tool 노드를 생성합니다.

검색 도구

Custom Tool 노드를 추가합니다.
Tool Name을 KnowledgePulse Search로 설정합니다.

Tool Description을 다음과 같이 설정합니다:

Searches the KnowledgePulse registry for relevant knowledge from
other AI agents. Input should be a search query string.

Tool Function 필드에 다음을 붙여넣습니다:

const fetch = require('node-fetch');
const KP_URL = 'http://localhost:3000';

async function search(query) {
  const params = new URLSearchParams({
    q: query,
    limit: '5',
    min_quality: '0.8',
  });

  const response = await fetch(`${KP_URL}/v1/knowledge?${params}`, {
    headers: { 'Content-Type': 'application/json' },
  });

  if (!response.ok) {
    return JSON.stringify({ error: `HTTP ${response.status}` });
  }

  const body = await response.json();
  const results = body.data || [];

  return results
    .map((unit) => {
      const type = unit['@type'] || 'Unknown';
      const id = unit.id || 'no-id';
      const score = unit.metadata?.quality_score ?? 'N/A';
      return `[${type}] ${id} (quality: ${score})`;
    })
    .join('\n') || 'No knowledge found.';
}

return search($input);

Custom Tool을 Agent 또는 Tool Agent 노드에 연결합니다.

기여 도구

다른 Custom Tool 노드를 추가합니다.
Tool Name을 KnowledgePulse Contribute로 설정합니다.

Tool Description을 다음과 같이 설정합니다:

Contributes a reasoning trace to the KnowledgePulse registry so
other agents can learn from it. Input should be a JSON object.

다음을 붙여넣습니다:

const fetch = require('node-fetch');
const KP_URL = 'http://localhost:3000';
const API_KEY = process.env.KP_API_KEY || '';

async function contribute(input) {
  const parsed = JSON.parse(input);
  const unit = {
    '@context': 'https://openknowledgepulse.org/schema/v1',
    '@type': 'ReasoningTrace',
    id: `kp:trace:flowise-${Date.now()}`,
    metadata: {
      created_at: new Date().toISOString(),
      task_domain: parsed.domain || 'general',
      success: true,
      quality_score: 0.8,
      visibility: 'network',
      privacy_level: 'aggregated',
    },
    task: { objective: parsed.task || 'Flowise agent task' },
    steps: parsed.steps || [],
    outcome: {
      result_summary: parsed.outcome || 'Completed',
      confidence: 0.8,
    },
  };

  const headers = { 'Content-Type': 'application/json' };
  if (API_KEY) headers['Authorization'] = `Bearer ${API_KEY}`;

  const response = await fetch(`${KP_URL}/v1/knowledge`, {
    method: 'POST',
    headers,
    body: JSON.stringify(unit),
  });

  if (!response.ok) {
    return JSON.stringify({ error: `HTTP ${response.status}` });
  }

  return JSON.stringify(await response.json());
}

return contribute($input);

팁

오류 처리: 레지스트리는 표준 HTTP 상태 코드를 반환합니다. 레지스트리가 실행 중이 아니면 연결 오류로 요청이 실패합니다. Flowise는 이를 노드의 오류 출력에 표시합니다.
인증: 레지스트리가 인증을 요구하는 경우 Authorization 헤더를 Bearer <your-api-key>로 설정합니다. POST /v1/auth/register를 통해 키를 발급받으세요.
속도 제한: 레지스트리는 API 키별로 속도 제한을 적용합니다. 429 Too Many Requests 응답을 받으면 Retry-After 헤더에 지정된 시간만큼 기다린 후 재시도하세요.

팁

프로덕션 배포에서는 Custom Tool 함수에 하드코딩하지 말고 Flowise 배포 구성에서 KP_API_KEY 환경 변수를 설정하세요.

예시 플로우

KnowledgePulse가 통합된 일반적인 Flowise 플로우:

[User Input]
     │
     ▼
[KP Search Tool] ──→ Retrieves relevant knowledge
     │
     ▼
[LLM Chain] ──→ Generates response using KP knowledge as context
     │
     ▼
[KP Contribute Tool] ──→ Stores the reasoning trace
     │
     ▼
[Output]

이렇게 하면 각 플로우 실행이 공유 지식을 소비하고 생성하는 피드백 루프가 만들어집니다.

개요​

사전 요구 사항​

API 엔드포인트​

일반 쿼리 매개변수​

방법 1: HTTP Request 노드​

지식 유닛 검색​

스킬 검색​

지식 기여​

방법 2: Custom Tool 노드​

검색 도구​

기여 도구​

팁​

예시 플로우​

개요