[n8n] AI 에이전트로 영수증 지출 내역(가계부) 자동 기록하기

💡 워크플로우 목표

1. 이메일 첨부파일 영수증 이미지에서 데이터 추출
2. 추출한 데이터를 구글 시트에 기록
3. 영수증 원본은 구글 드라이브에 백업
4. 처리된 이메일은 자동 정리

 

 

Gmail Trigger 노드

---

먼저 테스트를 위해 구글에서 walmart receipt 키워드로 영수증 이미지를 찾은 뒤, 본인 이메일 주소로 영수증 이미지를 첨부하여 메일을 보내 둔다. n8n이 메일을 인식할 수 있도록 메일 제목에는 receipt 단어를 포함시켜야 한다.

 

n8n으로 돌아와서 Gmail Trigger 노드(on message received)를 추가하고, 수식 입력 편의를 위해 노드 이름은 get_emails로 변경한다. 이 노드는 지정한 간격으로 메일함을 주기적으로 확인하다가, 조건에 맞는 메일이 도착하면 다음 단계로 넘겨주는 역할을 한다.

 

노드 설정 창을 열어 아래와 같이 설정한다.

• Poll Times > Mode: Every Minute (1분마다 이메일 확인)
• Event: Message Received (메일 도착하면 트리거)
• Simplify: 체크해제 (상세 데이터 출력)
  Simplify 옵션을 체크 해제해야 추가적인 옵션을 지정할 수 있다.
• Add Filter > Search: from:me has:attachment subject:receipt
from:, has: 등은 구글에서 지원하는 검색 연산자다. 위 연산자는 나에게 보낸 메일(from:me) 중에서 첨부파일이 있고(has:attachment) 제목에 receipt(subject:receipt)가 포함된 메일을 골라낸다.
• Add option > Download Attachments: 체크 (첨부파일 다운로드)

 

설정을 마치고 Fetch Test Event 버튼을 클릭해 보자. 우측 Output 영역에 Binary 탭이 새로 생긴 것을 확인할 수 있다. 트리거 설정에서 Download Attachments 옵션을 체크했기 때문에 n8n이 메일에 첨부된 이미지를 다운로드하여 이 Binary 탭에 담아 둔 것. 이 이미지 데이터는 다음 노드에서 활용할 수 있다.

 

 

AI Agent 노드

---

앞서 다운로드한 영수증 이미지(attachment_0)에서 가계부 작성에 필요한 핵심 정보(결제일, 금액 등)를 추출할 차례다. 이를 위해선 Vision(이미지 인식) 기능이 있는 AI 모델을 활용해야 한다.

 

AI Agent 노드를 추가하고 아래처럼 설정한다.

• Source for Prompt: Define below
• Prompt: 현재 노드로 전달된 바이너리 파일은 $binary 변수로 접근할 수 있다.

Extract the invoice data from this image: {{ $binary.attachment_0 }} Date format needs to be YYYY.MM.DD

• Require Specific Output Format: 체크 (정형화된 데이터로 출력)

 

그 다음 프롬프트를 이해하고 이미지를 실제로 분석할 '두뇌' 역할을 하는 AI 모델을 연결한다. 에이전트 설정창 하단 Chat Model [+] 버튼을 클릭하고 OpenAI Chat Model 등을 선택한다. Chat Model은 저렴한 gpt-4.1-mini 정도면 충분하다.

 

 

구조화된 출력 (Structured Outputs)

---

AI 모델은 기본적으로 사람이 읽기 편한 일반 텍스트(줄글)를 반환한다. 하지만 LLM이 추출한 영수증 데이터를 구글 스프레드시트 같은 데이터베이스에 안정적으로 저장하려면 JSON 같은 정형화된 구조를 가져야 한다. 이를 강제하기 위해 Structured Output Parser 노드를 활용할 수 있다.

 

AI Agent 설정에서 Require Specific Output Format 옵션에 체크했다면, 아래쪽에 출력 파서(Output Parser)를 연결할 수 있는 [+] 버튼이 생긴다. 클릭해서 노드를 생성하고, 설정 창에서 Schema Type을 Generate From JSON Example로 선택한 뒤, 원하는 데이터 형태를 JSON으로 작성한다.

 

JSON Example 예시:

{
  "date": "2025.10.31",
  "vendor": "Apple Store Gangnam",
  "totalAmount": 1400,
  "currency": "USD",
  "items": [
    {
      "description": "Apple Watch",
      "unitPrice": 200,
      "quantity": 2,
      "totalPrice": 400
    },
    {
      "description": "iPhone",
      "unitPrice": 1000,
      "quantity": 1,
      "totalPrice": 1000
    }
  ]
}

 

이렇게 샘플 JSON만 입력하면 n8n이 구조를 분석하여 AI에게 전달할 스키마 규칙을 자동으로 생성해준다. 각 필드의 키값이나 데이터 타입을 일일이 지정하지 않아도 돼서 편리하다. 필요하다면 JSON Schema를 직접 작성할 수도 있다.

AI Agent에 Chat Model과 Output Parser 노드가 연결된 모습

 

 

지출 비용 기록

---

추출한 영수증 정보를 구글 스프레드시트에 기록하는 방법은 크게 두 가지가 있다. 두 방식 모두 구현 가능하지만 워크플로우 구조에 따라 적절한 선택이 필요하다.

 

1. AI Agent의 Tool로 추가: 여러 도구 중 어떤 것을 언제 호출해야 할지 AI 스스로 판단하고 결정해야 하는 상황
2. 일반 Google Sheets 노드로 연결: [영수증 정보 추출 → 구글 시트 기록]처럼 실행 단계가 명확하게 정해진 상황

 

이번 예제처럼 프로세스가 고정되어 있다면 일반 노드를 사용하여 AI 크레딧(비용) 낭비를 방지할 수 있다. 워크플로우 실행 흐름이 더 명확해지는 장점도 있다.

 

먼저 새로운 구글 시트를 만들고 Date, Vendor, Items, Total Amount, Currency 열 이름을 지정해 둔다.

 

문서 파일을 만들었다면 n8n 워크플로우 화면으로 돌아와 단축키 n > Google Sheets > Append or update row in sheet 액션을 선택해서 추가한 후, 설정창을 열어 아래처럼 지정한다.

• Resource: Sheet Within Document (문서내 특정 시트 대상으로 작업)
• Operation: Append Row (기존 데이터 아래에 새로운 행 추가)
• Document > From list: 데이터를 저장할 구글 스프레드시트 파일명
• Sheet > From list: 해당 문서 내에서 실제 데이터를 기록할 시트/탭
• Mapping Column Mode: Map Each Column Manually (구글 시트 각 컬럼에 수동으로 값 매핑)
• Values to Send (저장할 데이터 매핑)
  • Date: {{ $json.output.date }}
  • Vendor: {{ $json.output.vendor }}
  • Items: {{ $json.output.items }}
items는 여러 상품 정보를 담은 배열/객체이므로 그대로 입력하면 [object Object]처럼 표시될 수 있다. 이때는 JSON.stringify() 메서드를 사용하여 문자열로 변환하면 된다.
  • Total Amount: {{ $json.output.totalAmount }}
  • Currency: {{ $json.output.currency }}

 

 

영수증 이메일 정리

---

처리가 끝난 이메일을 받은 편지함에 그대로 두면 다음 워크플로우 실행 시 똑같은 영수증을 중복 처리할 수 있기 때문에, 데이터 기록을 완료한 이메일은 정리하는 것이 좋다. 여기서는 완전히 영구 삭제(Delete a message 액션) 하는 것보단 안전하게 휴지통(Trash a thread 액션)으로 이동시키는 방식을 추천한다.

 

단축키 n > Gmail > Trash a thread 액션을 추가한 후 아래처럼 설정한다.

• Credential: Gmail OAuth2 API (미리 연동해둔 Gmail 계정 선택)
• Resource: Thread (개별 메시지가 아닌 스레드 전체를 대상으로 작업)
• Operation: Trash (해당 스레드를 휴지통으로 이동)
• Thread ID: {{ $('get_emails').item.json.threadId }}

 

Thread ID 값은 직접 타이핑할 필요 없이 왼쪽 INPUT 패널에서 이메일 불러오기 노드의 threadID 항목을 드래그하면 표현식이 자동으로 입력된다.

 

 

영수증 원본 백업

---

혹시 모를 상황을 대비해 영수증 원본 이미지는 안전하게 백업해 두는 것이 좋다. 단축키 n > Google Drive > Upload file 액션을 추가한 후, 설정창을 열어 아래처럼 지정한다.

• Credential: Google Drive OAuth2 API (구글 드라이브 연동 계정)
• Resource: File (작업 대상)
• Operation: Upload (실행할 작업)
• Input Data Field Name: 업로드할 첨부파일 데이터

$('노드이름').item.binary 속성으로 특정 노드의 첨부 파일(바이너리 데이터)에 접근할 수 있다.

{{ $('get_emails').item.binary.attachment_0 }}

• File Name: 저장될 파일명

{{ $json.output.date }}-{{ $json.output.vendor }}-{{ $json.output.totalAmount }}.{{ $('get_emails').item.binary.attachment_0.fileExtension }}

• Parent Drive > From list: My Drive (개인 드라이브 지정)
• Parent Folder > From list: Receipts (업로드할 폴더 지정)

 

이제 모든 노드를 연결하고 워크플로우를 실행해 보자. 구글 시트 기록, 구글 드라이브 업로드, 이메일 휴지통 이동까지 정상적으로 작동했다면 성공이다. 마지막으로 워크플로우를 Publish 상태로 변경하면 지정한 주기마다 메일함을 확인하고 제목에 receipt가 포함된 메일을 찾아 이 과정을 자동으로 수행한다.

워크플로우 완성 화면

구글 시트에 지출 내역이 자동으로 기록된 모습

 

 

binary 데이터에 접근하는 두 가지 방식

---

두 표현식의 가장 큰 차이는 데이터를 가져오는 위치에 있다.

 

$binary는 $input.item.binary의 축약 표현으로, 현재 노드로 전달된 입력(input) 아이템의 바이너리 데이터에 접근할 때 사용한다. 즉, 현재 노드가 처리 중인 입력 아이템이 binary 속성을 포함하고 있어야 사용할 수 있다.

 

반면 $('노드이름').item.binary는 현재 노드의 입력이 아닌, 특정 노드가 출력한 아이템의 바이너리 데이터에 접근할 때 사용한다. 이때 현재 아이템이 해당 노드의 아이템과 연결(Item Linking)되어 있어야 한다.

 

중간에 다른 노드를 거치면서 현재 입력 데이터의 binary 속성이 유실됐다면 $binary 로는 접근할 수 없다. 이 경우 원본 파일이 있는 노드를 직접 참조해야 한다. 예) $('노드이름').item.binary

 

🔍 $json 역시 $input.item.json의 축약 표현으로, 현재 노드로 전달된 입력 아이템의 JSON 데이터에 접근할 때 사용한다. $input은 현재 노드로 들어온 입력 데이터를 다루는 객체로 all(), first(), last() 등의 메서드를 제공한다. $input.item은 노드가 현재 처리 중인 단일 아이템을 가리킨다. 마찬가지로 $('노드이름').item 역시 단일 아이템을 가리킨다.

 

n8n에서 노드로 전달되는 데이터는 아래와 같이 여러 개의 item을 담은 배열 구조로 이루어져 있다. 각 item은 일반 데이터를 담는 json 객체를 기본으로 가지며, 파일을 포함할 경우 데이터와 메타데이터를 담는 binary 객체를 함께 가진다(참고 링크).

// $input.all() 반환값
[
  {
    // 일반 데이터
    json: {
      apple: "beets",
      carrot: {
        dill: 1,
      },
    },

    // 바이너리 데이터
    binary: {
      "apple-picture": {
        data: "...", // Base64, 필수
        mimeType: "image/png",
        fileExtension: "png",
        fileName: "example.png",
      },
    },
  },
];