Nodaro 문서프롬프트와 텍스트
Nodaro MCP 도구로 대략적인 아이디어를 검증된 프롬프트로 바꾸고, 장면별 동영상 스크립트를 쓰고, LLM 심사자가 여러 결과 중 가장 좋은 것을 고르게 하세요.
프롬프트와 텍스트 도구는 어시스턴트가 Nodaro 생성 도구에 더 좋은 입력을 쓰고 결과 중에서 고르도록 돕습니다. enhance_prompt, analyze_prompt, generate_prompt는 대략적인 아이디어를 특정 노드에 맞춘 프롬프트로 바꾸고, generate_script는 동영상 스크립트를 장면별로 쓰며, reduce는 후보 목록을 합치거나 심사합니다.
enhance_prompt
대략적인 아이디어를 중간 질문 없이 대상 노드 타입에 맞는 최적화된 프롬프트 하나로 다시 씁니다. 빠르게 개선할 때 사용하세요.
권한: workflows:execute. 크레딧: LLM 실행 1회로, 모델의 등급에 따라 가격이 정해집니다.
| 매개변수 | 타입 | 설명 |
|---|---|---|
nodeType | string | 필수. 프롬프트를 쓸 노드로, 예를 들어 generate-image, image-to-video, generate-music입니다. |
prompt | string | 대략적인 아이디어로, 최대 5,000자입니다. 처음부터 시작하려면 생략하세요. |
provider, style, aspectRatio, duration | string 또는 number | 사용할 모델과 설정으로, 프롬프트가 여기에 맞춰집니다. |
llmModel | string | 프롬프트를 쓰는 LLM으로, 도구가 나열하는 ID 중 하나입니다. 예를 들어 gemini-3.6-flash나 claude-sonnet-4.6입니다. 기본값을 쓰려면 생략하세요. |
reasoning_effort | string | none, low, medium, high, xhigh, max 중 하나입니다. xhigh와 max는 한 등급 높게 청구됩니다. Claude 모델에서는 어떤 강도든 모델 제작사의 서비스에서 직접 실행되며 한 등급 높게 청구됩니다. |
advanced_mode | boolean | Gemini와 Claude 모델용입니다. 요청을 모델 제작사의 서비스에서 직접 실행하므로 temperature와 max_tokens가 적용됩니다. 한 등급 높게 청구됩니다. 다른 모델은 400 advanced_mode_unsupported를 반환합니다. |
temperature, max_tokens | number | advanced_mode에서만 됩니다. temperature는 0~2, max_tokens는 최대 32,768입니다. |
반환값: jobId, prompt, 그리고 도구에 추천 모델이 있으면 recommendedModel입니다.
analyze_prompt
대략적인 아이디어를 대상 노드 타입에 맞는, 선택지가 있는 질문으로 바꿉니다. 프롬프트의 방향을 직접 정하고 싶을 때 generate_prompt와 함께 사용하세요. 질문에 답한 다음, 답변으로 프롬프트를 만듭니다.
권한: workflows:execute. 크레딧: LLM 실행 1회로, 모델의 등급에 따라 가격이 정해집니다.
| 매개변수 | 타입 | 설명 |
|---|---|---|
nodeType | string | 필수. 프롬프트를 쓸 노드로, 예를 들어 generate-image입니다. |
prompt | string | 대략적인 아이디어로, 최대 5,000자입니다. 처음부터 시작하려면 생략하세요. |
| 모델과 설정 | enhance_prompt와 같은 provider, style, aspectRatio, duration, llmModel, reasoning_effort, advanced_mode, temperature, max_tokens입니다. |
반환값: jobId와 questions입니다. 각 질문에는 category, label, options, 선택된 옵션인 selected, 직접 입력한 답을 허용하는지(allowCustom), 여러 답을 허용하는지(multi)가 있습니다.
generate_prompt
analyze_prompt 질문에 대한 답변으로 최적화된 프롬프트 하나를 만듭니다.
권한: workflows:execute. 크레딧: LLM 실행 1회로, 모델의 등급에 따라 가격이 정해집니다.
| 매개변수 | 타입 | 설명 |
|---|---|---|
nodeType | string | 필수. analyze_prompt와 같은 노드 타입입니다. |
selections | array | 필수. 답한 질문마다 { category, value, isCustom } 하나입니다. |
originalPrompt | string | 결과에 녹여 넣을 처음 아이디어로, 최대 5,000자입니다. |
| 모델과 설정 | enhance_prompt와 같은 provider, style, aspectRatio, duration, llmModel, reasoning_effort, advanced_mode, temperature, max_tokens입니다. |
반환값: jobId, prompt, 그리고 도구에 추천 모델이 있으면 recommendedModel입니다.
같은 프롬프트 마법사를 편집기와 REST API에서도 사용할 수 있습니다.
generate_script
설명으로 구조화된 동영상 스크립트를 씁니다. 여러 이미지나 동영상 생성을 이끌 수 있는 장면별 문안입니다. 대본 생성 노드처럼 동작합니다.
권한: workflows:execute. 크레딧: 모델에 따라 11~83크레딧.
| 매개변수 | 타입 | 설명 |
|---|---|---|
prompt | string | 필수. 동영상의 주제, 스타일, 대상 시청자입니다. 최대 10,000자입니다. |
model | string | gemini(기본값), claude, gpt 중 하나입니다. |
scene_count | integer | 장면 수로, 1~20입니다. 기본값은 5입니다. |
target_duration | integer | 동영상 길이(초)로, 5~600입니다. 기본값은 60입니다. |
tone | string | dramatic이나 lighthearted 같은 톤으로, 최대 200자입니다. |
style_guide | string | 스크립트가 따를 스타일로, 말투, 비주얼, 속도감입니다. 최대 100,000자입니다. |
반환값: 작업 ID입니다. 스크립트는 작업 출력에 있습니다. MCP Apps를 지원하는 클라이언트에서는 작업 카드에 복사 버튼과 함께 표시됩니다.
reduce
후보 목록을 결과 하나로 합치거나, LLM 심사자가 가장 좋은 것을 고르게 합니다. 최적 선택 노드의 엔진입니다.
권한: workflows:execute. 크레딧: 로직 전략은 무료입니다. pick-best-llm은 이코노미, 표준, 프리미엄 심사 모델에 따라 4크레딧, 11크레딧, 28크레딧입니다.
| 매개변수 | 타입 | 설명 |
|---|---|---|
strategyId | string | 필수. pick-best-llm, concat, first-non-empty, count, vote, merge-json 중 하나입니다. |
inputs | array | 필수. 최대 1,000개의 문자열로, 텍스트 조각이나 URL입니다. |
strategyConfig | object | 전략의 설정으로, 아래와 같습니다. |
| 전략 | 하는 일 | strategyConfig |
|---|---|---|
pick-best-llm | LLM 심사자가 내 기준에 따라 가장 좋은 후보를 고릅니다 | criteria(텍스트), inputKind(text 또는 image-url), 그리고 심사자를 위한 선택적인 llmModel |
concat | 모든 입력을 이어 붙입니다 | separator |
first-non-empty | 비어 있지 않은 첫 입력을 반환합니다 | 없음 |
count | 입력 개수를 셉니다 | 없음 |
vote | 가장 자주 나오는 입력을 반환하며, 동점이면 먼저 나온 입력입니다 | caseSensitive |
merge-json | JSON 객체를 합칩니다 | strategy: deep 또는 shallow |
반환값: jobId, 문자열로 된 output, 그리고 무슨 일이 있었는지 알려 주는 meta.summary입니다. pick-best-llm은 meta.selectedIndex와 심사자의 설명인 meta.reasoning도 반환합니다.
후보가 이미지라면 inputKind를 image-url로 설정하세요. text로 두면 심사자가 링크를 텍스트로 비교하므로, 실제로 고른 것처럼 보이지만 그렇지 않습니다.
자주 묻는 질문
enhance_prompt와 analyze_prompt는 어떻게 다른가요?
enhance_prompt는 한 번의 호출로 대략적인 아이디어를 최적화된 프롬프트 하나로 다시 씁니다. analyze_prompt는 먼저 선택지가 있는 질문을 반환하고, generate_prompt가 내 답변으로 프롬프트를 만듭니다. 그래서 결과의 방향을 직접 정할 수 있습니다.
프롬프트 도구는 크레딧이 드나요?
네, 조금 듭니다. 호출마다 LLM 실행 1회이며, 선택한 모델의 등급에 따라 가격이 정해집니다. 고급 모드와 가장 높은 추론 강도는 한 등급 높게 청구되며, 최대 프리미엄 등급까지입니다.
어시스턴트가 여러 이미지 중 가장 좋은 것을 어떻게 고르나요?
전략을 pick-best-llm으로, 이미지 URL을 inputs로, inputKind를 image-url로 설정하고 기준을 넣어 reduce를 호출하세요. 심사자가 선택한 결과, 그 인덱스, 판단 이유를 반환합니다.
관련 문서
MCP 도구 레퍼런스
대본 생성
최적 선택
프롬프트 마법사
최종 업데이트