AI 에이전트로운 ProductHunt 데이터 추출 및 검색(Bright Data와 Google Gemini 사용)
고급
이것은AI, Marketing분야의자동화 워크플로우로, 21개의 노드를 포함합니다.주로 Set, Function, McpClient, HttpRequest, GoogleSheets 등의 노드를 사용하며인공지능 기술을 결합하여 스마트 자동화를 구현합니다. Bright Data MCP와 Google Gemini AI를 사용하여 ProductHunt 데이터를 추출하고 검색합니다.
사전 요구사항
- •대상 API의 인증 정보가 필요할 수 있음
- •Google Sheets API 인증 정보
- •Google Gemini API Key
사용된 노드 (21)
워크플로우 미리보기
노드 연결 관계를 시각적으로 표시하며, 확대/축소 및 이동을 지원합니다
워크플로우 내보내기
다음 JSON 구성을 복사하여 n8n에 가져오면 이 워크플로우를 사용할 수 있습니다
{
"id": "ko4fOc1jV3wKbt7T",
"meta": {
"instanceId": "885b4fb4a6a9c2cb5621429a7b972df0d05bb724c20ac7dac7171b62f1c7ef40",
"templateCredsSetupCompleted": true
},
"name": "AI Agent Driven ProductHunt Data Extract & Search with Bright Data & Google Gemini",
"tags": [
{
"id": "Kujft2FOjmOVQAmJ",
"name": "Engineering",
"createdAt": "2025-04-09T01:31:00.558Z",
"updatedAt": "2025-04-09T01:31:00.558Z"
},
{
"id": "ZOwtAMLepQaGW76t",
"name": "Building Blocks",
"createdAt": "2025-04-13T15:23:40.462Z",
"updatedAt": "2025-04-13T15:23:40.462Z"
},
{
"id": "ddPkw7Hg5dZhQu2w",
"name": "AI",
"createdAt": "2025-04-13T05:38:08.053Z",
"updatedAt": "2025-04-13T05:38:08.053Z"
}
],
"nodes": [
{
"id": "5af692c1-c035-49c0-84ac-d9dcff94269b",
"name": "워크플로우 실행 시",
"type": "n8n-nodes-base.manualTrigger",
"position": [
-640,
-20
],
"parameters": {},
"typeVersion": 1
},
{
"id": "c6f927ef-1664-4a4a-b9b0-faf9f9e052b6",
"name": "Bright Data 도구 목록 조회",
"type": "n8n-nodes-mcp.mcpClient",
"position": [
-420,
-20
],
"parameters": {},
"credentials": {
"mcpClientApi": {
"id": "JtatFSfA2kkwctYa",
"name": "MCP Client (STDIO) account"
}
},
"typeVersion": 1
},
{
"id": "08175de9-ddc7-4664-87e9-cf3b6e9008b6",
"name": "입력 필드 설정",
"type": "n8n-nodes-base.set",
"position": [
-200,
-20
],
"parameters": {
"options": {},
"assignments": {
"assignments": [
{
"id": "ac9abb54-45af-488d-b3f8-f923c85dbda9",
"name": "base_url",
"type": "string",
"value": "https://www.producthunt.com"
},
{
"id": "a15e928c-7c39-46a0-9bd2-5a3a7564d4ed",
"name": "category",
"type": "string",
"value": "resumes"
},
{
"id": "2d440cf4-4e48-400d-9752-1ea6d5cfcc62",
"name": "search",
"type": "string",
"value": "The best resume tools in 2025"
},
{
"id": "5d0e3985-b268-4ca6-8702-07f6f2f439b7",
"name": "engine",
"type": "string",
"value": "google"
},
{
"id": "c4781bc2-b870-4030-9ce8-3b7111a8ea59",
"name": "webhook_url",
"type": "string",
"value": "https://webhook.site/c9118da2-1c54-460f-a83a-e5131b7098db"
}
]
}
},
"typeVersion": 3.4
},
{
"id": "cba889d2-71b7-46fa-a723-00d41e1e891d",
"name": "AI 에이전트",
"type": "@n8n/n8n-nodes-langchain.agent",
"position": [
280,
-20
],
"parameters": {
"text": "={{ $json.agent_operation }}\n\nOuput the data in a clean and human readable format. Output only the tool response.",
"options": {},
"promptType": "define"
},
"retryOnFail": true,
"typeVersion": 2
},
{
"id": "e2f19c38-899d-475f-87f8-2305c27560ab",
"name": "Google Gemini 채팅 모델",
"type": "@n8n/n8n-nodes-langchain.lmChatGoogleGemini",
"position": [
100,
220
],
"parameters": {
"options": {},
"modelName": "models/gemini-2.0-flash-exp"
},
"credentials": {
"googlePalmApi": {
"id": "YeO7dHZnuGBVQKVZ",
"name": "Google Gemini(PaLM) Api account"
}
},
"typeVersion": 1
},
{
"id": "bae60554-4022-4af3-a2c7-067235b2f03a",
"name": "Google 검색용 MCP 클라이언트",
"type": "n8n-nodes-mcp.mcpClientTool",
"position": [
280,
220
],
"parameters": {
"toolName": "search_engine",
"operation": "executeTool",
"toolParameters": "={\n \"query\": \"{{ $('Set the Input Fields').item.json.search }}\",\n \"engine\": \"{{ $('Set the Input Fields').item.json.engine }}\"\n} ",
"descriptionType": "manual",
"toolDescription": "=Perform a search as per the specified search engine : {{ $('Set the Input Fields').item.json.engine }}"
},
"credentials": {
"mcpClientApi": {
"id": "JtatFSfA2kkwctYa",
"name": "MCP Client (STDIO) account"
}
},
"typeVersion": 1
},
{
"id": "b1ca5ed5-e0e5-4434-897b-25efad53577f",
"name": "Markdown 데이터 추출용 MCP 클라이언트",
"type": "n8n-nodes-mcp.mcpClientTool",
"position": [
480,
220
],
"parameters": {
"toolName": "scrape_as_markdown",
"operation": "executeTool",
"toolParameters": "={\n \"url\": \"{{ $('Set the Input Fields').item.json.base_url }}/categories/{{ encodeURI($('Set the Input Fields').item.json.category) }}\"\n} ",
"descriptionType": "manual",
"toolDescription": "Perform Product Hunt data scrapping in markdown format"
},
"credentials": {
"mcpClientApi": {
"id": "JtatFSfA2kkwctYa",
"name": "MCP Client (STDIO) account"
}
},
"typeVersion": 1
},
{
"id": "57305e8e-2731-45e7-b1d8-d9f73786f1da",
"name": "에이전트 작업 설정",
"type": "n8n-nodes-base.set",
"position": [
20,
-20
],
"parameters": {
"options": {},
"assignments": {
"assignments": [
{
"id": "f243ff07-a39e-4fdc-a32b-2c50e809b3fa",
"name": "agent_operation",
"type": "string",
"value": "=Perform a Product Hunt data extract"
}
]
}
},
"typeVersion": 3.4
},
{
"id": "be721837-c5e8-4ade-98fc-01b6aae10dd9",
"name": "구조화 데이터 추출용 바이너리 데이터 생성",
"type": "n8n-nodes-base.function",
"position": [
760,
-20
],
"parameters": {
"functionCode": "items[0].binary = {\n data: {\n data: new Buffer(JSON.stringify(items[0].json, null, 2)).toString('base64')\n }\n};\nreturn items;"
},
"typeVersion": 1
},
{
"id": "83cf444d-4b85-4688-ac1c-67fb6027b2ec",
"name": "구조화 콘텐츠 디스크 기록",
"type": "n8n-nodes-base.readWriteFile",
"position": [
980,
-20
],
"parameters": {
"options": {},
"fileName": "=d:\\ProductData.json",
"operation": "write"
},
"typeVersion": 1
},
{
"id": "2f179451-1a1d-437a-bddd-370d5deed3a2",
"name": "구조화 데이터 Webhook 알림 시작",
"type": "n8n-nodes-base.httpRequest",
"position": [
760,
180
],
"parameters": {
"url": "={{ $('Set the Input Fields').item.json.webhook_url }}",
"options": {},
"sendBody": true,
"bodyParameters": {
"parameters": [
{
"name": "product_info",
"value": "={{ $json.output }}"
}
]
}
},
"typeVersion": 4.2
},
{
"id": "7431be44-2bc5-466a-aa24-cff3aa97ecef",
"name": "스티키 노트2",
"type": "n8n-nodes-base.stickyNote",
"position": [
340,
-420
],
"parameters": {
"color": 3,
"width": 440,
"height": 120,
"content": "## Disclaimer\nThis template is only available on n8n self-hosted as it's making use of the community node for MCP Client."
},
"typeVersion": 1
},
{
"id": "2c01a180-4202-4287-a656-c9afb052c950",
"name": "스티키 노트4",
"type": "n8n-nodes-base.stickyNote",
"position": [
-200,
-300
],
"parameters": {
"color": 5,
"width": 440,
"height": 220,
"content": "## LLM Usages\n\nGoogle Gemini LLM is being utilized for the AI Agent handling"
},
"typeVersion": 1
},
{
"id": "02ba0f5d-f210-46fa-888a-53740f2f57d7",
"name": "스티키 노트5",
"type": "n8n-nodes-base.stickyNote",
"position": [
-700,
-840
],
"parameters": {
"color": 7,
"width": 400,
"height": 400,
"content": "## Logo\n\n\n\n"
},
"typeVersion": 1
},
{
"id": "2561fbea-ac79-4a48-a141-9906bec656ed",
"name": "스티키 노트3",
"type": "n8n-nodes-base.stickyNote",
"position": [
-700,
-400
],
"parameters": {
"width": 400,
"height": 320,
"content": "## Note\n\nDeals with the ProductHunt data extraction by utilizing the Bright Data MCP and Google Gemini LLM.\n\n**Please make sure to set the input fields node and the agent operation node to fulfill your needs**"
},
"typeVersion": 1
},
{
"id": "7c7e69f2-393e-4725-9bc6-0fd6e3271ea0",
"name": "스티키 노트",
"type": "n8n-nodes-base.stickyNote",
"position": [
-200,
-460
],
"parameters": {
"color": 4,
"width": 440,
"height": 120,
"content": "## Agent Operation\n\n1. Perform a Product Hunt data extract\n2. Google search and extract data"
},
"typeVersion": 1
},
{
"id": "823039f1-e41f-4286-adde-4da05924f8cf",
"name": "구조화 데이터 추출기",
"type": "@n8n/n8n-nodes-langchain.chainLlm",
"position": [
760,
440
],
"parameters": {
"text": "=Extract the links, keywords, description from {{ $('AI Agent').item.json.output }}\n\nConstruct the links with the base url as {{ $('Set the Input Fields').item.json.base_url }}",
"batching": {},
"promptType": "define",
"hasOutputParser": true
},
"retryOnFail": true,
"typeVersion": 1.7
},
{
"id": "467a58f7-b480-4975-9045-17ffef12553b",
"name": "구조화 출력 파서",
"type": "@n8n/n8n-nodes-langchain.outputParserStructured",
"position": [
980,
640
],
"parameters": {
"schemaType": "manual",
"inputSchema": "{\n\t\"type\": \"array\",\n\t\"properties\": {\n\t\t\"link\": {\n\t\t\t\"type\": \"string\"\n\t\t},\n \"desc\": {\n\t\t\t\"type\": \"string\"\n\t\t}\n\t}\n}"
},
"typeVersion": 1.2
},
{
"id": "c6a9ef1d-f1d8-469c-a149-20b70613a7a4",
"name": "Google Gemini 채팅 모델 구조화 데이터 추출",
"type": "@n8n/n8n-nodes-langchain.lmChatGoogleGemini",
"position": [
740,
640
],
"parameters": {
"options": {},
"modelName": "models/gemini-2.0-flash-exp"
},
"credentials": {
"googlePalmApi": {
"id": "YeO7dHZnuGBVQKVZ",
"name": "Google Gemini(PaLM) Api account"
}
},
"typeVersion": 1
},
{
"id": "d9ca7a55-ccb8-4c34-aec1-792f67e7cab4",
"name": "구조화 데이터용 Google 시트 업데이트",
"type": "n8n-nodes-base.googleSheets",
"position": [
1200,
440
],
"parameters": {
"columns": {
"value": {
"structured_data": "={{ $json.output.toJsonString() }}"
},
"schema": [
{
"id": "structured_data",
"type": "string",
"display": true,
"required": false,
"displayName": "structured_data",
"defaultMatch": false,
"canBeUsedToMatch": true
}
],
"mappingMode": "defineBelow",
"matchingColumns": [
"structured_data"
],
"attemptToConvertTypes": false,
"convertFieldsToString": false
},
"options": {},
"operation": "appendOrUpdate",
"sheetName": {
"__rl": true,
"mode": "list",
"value": 1785677350,
"cachedResultUrl": "https://docs.google.com/spreadsheets/d/1cmJkB_DuSUbHoZ-LthySa7utEZFIvzeLinGcHjMyvzI/edit#gid=1785677350",
"cachedResultName": "Sheet2"
},
"documentId": {
"__rl": true,
"mode": "list",
"value": "1cmJkB_DuSUbHoZ-LthySa7utEZFIvzeLinGcHjMyvzI",
"cachedResultUrl": "https://docs.google.com/spreadsheets/d/1cmJkB_DuSUbHoZ-LthySa7utEZFIvzeLinGcHjMyvzI/edit?usp=drivesdk",
"cachedResultName": "ProductHunt"
}
},
"credentials": {
"googleSheetsOAuth2Api": {
"id": "Zjoxh2BUZ6VXGQhA",
"name": "Google Sheets account"
}
},
"typeVersion": 4.5
},
{
"id": "380351d4-2b49-4824-bbb6-3bba45f9fb37",
"name": "AI 에이전트용 Google 시트 업데이트",
"type": "n8n-nodes-base.googleSheets",
"position": [
760,
-220
],
"parameters": {
"columns": {
"value": {
"output": "={{ $json.output.toJsonString() }}"
},
"schema": [
{
"id": "output",
"type": "string",
"display": true,
"removed": false,
"required": false,
"displayName": "output",
"defaultMatch": false,
"canBeUsedToMatch": true
}
],
"mappingMode": "defineBelow",
"matchingColumns": [
"output"
],
"attemptToConvertTypes": false,
"convertFieldsToString": false
},
"options": {},
"operation": "appendOrUpdate",
"sheetName": {
"__rl": true,
"mode": "list",
"value": "gid=0",
"cachedResultUrl": "https://docs.google.com/spreadsheets/d/10gAihQMT8-h8Mpehe9j-xxN4oTTpg8qwToI-I-Eauew/edit#gid=0",
"cachedResultName": "Sheet1"
},
"documentId": {
"__rl": true,
"mode": "list",
"value": "1cmJkB_DuSUbHoZ-LthySa7utEZFIvzeLinGcHjMyvzI",
"cachedResultUrl": "https://docs.google.com/spreadsheets/d/1cmJkB_DuSUbHoZ-LthySa7utEZFIvzeLinGcHjMyvzI/edit?usp=drivesdk",
"cachedResultName": "ProductHunt"
}
},
"credentials": {
"googleSheetsOAuth2Api": {
"id": "Zjoxh2BUZ6VXGQhA",
"name": "Google Sheets account"
}
},
"typeVersion": 4.5
}
],
"active": false,
"pinData": {},
"settings": {
"executionOrder": "v1"
},
"versionId": "07e2bb99-d6bf-4023-b61a-582436d22d04",
"connections": {
"cba889d2-71b7-46fa-a723-00d41e1e891d": {
"main": [
[
{
"node": "be721837-c5e8-4ade-98fc-01b6aae10dd9",
"type": "main",
"index": 0
},
{
"node": "2f179451-1a1d-437a-bddd-370d5deed3a2",
"type": "main",
"index": 0
},
{
"node": "380351d4-2b49-4824-bbb6-3bba45f9fb37",
"type": "main",
"index": 0
},
{
"node": "823039f1-e41f-4286-adde-4da05924f8cf",
"type": "main",
"index": 0
}
]
]
},
"08175de9-ddc7-4664-87e9-cf3b6e9008b6": {
"main": [
[
{
"node": "57305e8e-2731-45e7-b1d8-d9f73786f1da",
"type": "main",
"index": 0
}
]
]
},
"57305e8e-2731-45e7-b1d8-d9f73786f1da": {
"main": [
[
{
"node": "cba889d2-71b7-46fa-a723-00d41e1e891d",
"type": "main",
"index": 0
}
]
]
},
"e2f19c38-899d-475f-87f8-2305c27560ab": {
"ai_languageModel": [
[
{
"node": "cba889d2-71b7-46fa-a723-00d41e1e891d",
"type": "ai_languageModel",
"index": 0
}
]
]
},
"467a58f7-b480-4975-9045-17ffef12553b": {
"ai_outputParser": [
[
{
"node": "823039f1-e41f-4286-adde-4da05924f8cf",
"type": "ai_outputParser",
"index": 0
}
]
]
},
"823039f1-e41f-4286-adde-4da05924f8cf": {
"main": [
[
{
"node": "d9ca7a55-ccb8-4c34-aec1-792f67e7cab4",
"type": "main",
"index": 0
}
]
]
},
"bae60554-4022-4af3-a2c7-067235b2f03a": {
"ai_tool": [
[
{
"node": "cba889d2-71b7-46fa-a723-00d41e1e891d",
"type": "ai_tool",
"index": 0
}
]
]
},
"c6f927ef-1664-4a4a-b9b0-faf9f9e052b6": {
"main": [
[
{
"node": "08175de9-ddc7-4664-87e9-cf3b6e9008b6",
"type": "main",
"index": 0
}
]
]
},
"b1ca5ed5-e0e5-4434-897b-25efad53577f": {
"ai_tool": [
[
{
"node": "cba889d2-71b7-46fa-a723-00d41e1e891d",
"type": "ai_tool",
"index": 0
}
]
]
},
"5af692c1-c035-49c0-84ac-d9dcff94269b": {
"main": [
[
{
"node": "c6f927ef-1664-4a4a-b9b0-faf9f9e052b6",
"type": "main",
"index": 0
}
]
]
},
"be721837-c5e8-4ade-98fc-01b6aae10dd9": {
"main": [
[
{
"node": "83cf444d-4b85-4688-ac1c-67fb6027b2ec",
"type": "main",
"index": 0
}
]
]
},
"c6a9ef1d-f1d8-469c-a149-20b70613a7a4": {
"ai_languageModel": [
[
{
"node": "823039f1-e41f-4286-adde-4da05924f8cf",
"type": "ai_languageModel",
"index": 0
}
]
]
}
}
}자주 묻는 질문
이 워크플로우를 어떻게 사용하나요?
위의 JSON 구성 코드를 복사하여 n8n 인스턴스에서 새 워크플로우를 생성하고 "JSON에서 가져오기"를 선택한 후, 구성을 붙여넣고 필요에 따라 인증 설정을 수정하세요.
이 워크플로우는 어떤 시나리오에 적합한가요?
고급 - 인공지능, 마케팅
유료인가요?
이 워크플로우는 완전히 무료이며 직접 가져와 사용할 수 있습니다. 다만, 워크플로우에서 사용하는 타사 서비스(예: OpenAI API)는 사용자 직접 비용을 지불해야 할 수 있습니다.
관련 워크플로우 추천
Brave 검색 구조화 데이터 추출(Bright Data MCP + Google Gemini)
Bright Data MCP와 Google Gemini를 사용하여 Brave 검색에서 구조화된 데이터를 추출
Set
Switch
Function
+
Set
Switch
Function
24 노드Ranjan Dailata
인공지능
Bright Data 및 OpenAI 4o mini를 사용하여 DNB 회사 검색 및 추출
Bright Data와 OpenAI 4o mini를 기반으로 한 DNB 회사 검색 및 추출
Set
Function
Mcp Client
+
Set
Function
Mcp Client
18 노드Ranjan Dailata
제품
브라이트데이터를 통해 아마존 제품 할인 현황 추출, 요약 및 분석
Bright Data와 Google Gemini를 사용하여 아마존 할인 정보를 추출, 요약 및 분석합니다.
Set
Wait
Merge
+
Set
Wait
Merge
26 노드Ranjan Dailata
인공지능
법적 사례 연구 추출기, Bright Data MCP와 Google Gemini 데이터 탐색기 사용
법적 사례 연구 추출기, Bright Data MCP와 Google Gemini 데이터 탐색기 사용
Set
Code
Wait
+
Set
Code
Wait
22 노드Ranjan Dailata
인공지능
Bright Data를 통해 브랜드 내용 추출, 요약 및 감정 분석
Bright Data와 Google Gemini를 사용하여 브랜드 내용을 추출하고 분석
Set
Function
Http Request
+
Set
Function
Http Request
23 노드Ranjan Dailata
인공지능
브라이트데이터 MCP 서버와 구글 제미니를 사용하여 링크드인 웹 페이지 크롤링
Bright Data MCP 서버와 Google Gemini를 사용하여 LinkedIn 데이터를 추출 및 변환합니다.
Set
Code
Merge
+
Set
Code
Merge
20 노드Ranjan Dailata
인공지능
워크플로우 정보
난이도
고급
노드 수21
카테고리2
노드 유형13
저자
Ranjan Dailata
@ranjancseA Professional based out of India specialized in handling AI-powered automations. Contact me at ranjancse@gmail.com
외부 링크
n8n.io에서 보기 →
이 워크플로우 공유