저도 처음엔 Make에서 Gemini를 쓸 수 있을까 반신반의했습니다. Make 내장 모듈을 한참 뒤졌는데 Gemini 전용이 눈에 띄지 않아서, 결국 HTTP 모듈로 직접 API를 호출하는 방식을 선택했죠.
Google AI Studio에서 API 키를 발급받고, Make의 HTTP 모듈에 엔드포인트를 연결한 뒤 JSON 구조를 맞춰서 프롬프트를 던지는 방식입니다. 처음 시도했을 때 오류만 몇 번 마주쳤지만, 첫 응답을 받았을 때의 쾌감은 꽤 컸습니다.
오늘은 제미나이를 이용해서, MAKE자동화 방법에 대해서 알아보도록 하겠습니다.
목차
API 키 발급과 HTTP 모듈 설정
Google AI Studio(https://aistudio.google.com)에 접속하면 API 키를 무료로 발급받을 수 있습니다. 무료 할당량(quota)은 분당 60회, 일일 1,000회 요청까지 허용되는데, 개인 프로젝트나 소규모 자동화 작업에는 충분한 수준입니다. 여기서 할당량이란 일정 시간 동안 API를 호출할 수 있는 횟수 제한을 뜻하는데, 쉽게 말해 ‘하루에 천 번까지는 공짜로 쓸 수 있다’는 의미입니다.
Make에서는 HTTP 모듈을 추가한 뒤, 요청 방식을 POST로 설정하고 Gemini API 엔드포인트 URL을 입력합니다. 헤더에는 발급받은 API 키를 넣고, 바디에는 JSON 형식으로 프롬프트를 담아 보내는 구조입니다. 제가 처음 실수했던 부분은 JSON 구조를 제대로 감싸지 않아서 계속 오류가 났던 건데, contents > parts > text 구조로 정확히 맞춰야 한다는 걸 공식 문서를 몇 번 왔다갔다하고 나서야 알게 됐습니다. 이 부분만 제대로 설정하면 Gemini가 응답을 돌려주기 시작합니다.
모델 선택과 워크플로우 구성
Gemini는 크게 Flash 모델과 Pro 모델로 나뉩니다. Flash는 빠르고 가벼운 처리에 적합하고, Pro는 복잡한 추론이 필요한 작업에 유리합니다. 제 경험상 단순 텍스트 요약이나 분류 작업은 Flash로도 충분했고, 긴 문서 분석이나 다단계 추론이 필요할 때는 Pro를 선택했습니다. 모델을 선택할 때는 속도와 정확도 사이에서 어느 쪽에 무게를 둘지 미리 판단하는 게 중요합니다.
실제 워크플로우는 다음과 같이 구성했습니다.
- 구글 폼으로 데이터가 들어오면 Make가 트리거를 감지합니다.
- HTTP 모듈을 통해 Gemini에 프롬프트를 전송합니다.
- Gemini가 생성한 응답을 파싱해서 구글 시트나 노션에 자동 저장합니다.
- 필요에 따라 슬랙이나 이메일로 알림을 추가합니다.
이렇게 한 번 세팅해두면 반복 업무가 눈에 띄게 줄어듭니다. 콘텐츠 초안 생성, 데이터 요약, 간단한 분류 작업까지 한 시나리오 안에서 처리되는 걸 보니 시간 절약 효과가 확실했습니다. 물론 응답 속도나 토큰(token) 비용 관리는 여전히 신경 써야 할 부분이지만, 한번 세팅해두면 알아서 돌아간다는 점에서 충분히 투자할 만한 작업이었습니다. 여기서 토큰이란 AI가 텍스트를 처리하는 단위를 의미하는데, 입력과 출력 텍스트 길이에 따라 비용이 달라집니다.
구글 생태계와의 궁합
Gemini와 Make를 조합하는 가장 큰 장점은 구글 생태계와의 자연스러운 연결입니다. 구글 Docs, Sheets, Gmail, Drive 등 이미 업무에서 구글 툴을 메인으로 쓰고 있다면 Gemini는 훨씬 자연스럽게 녹아듭니다. ChatGPT나 Claude에 비해 Gemini는 구글 서비스와의 통합이 매끄럽기 때문에, 별도의 중간 변환 과정 없이 바로 데이터를 주고받을 수 있습니다.
제 경우엔 구글 시트에 쌓인 데이터를 Gemini로 분석하고, 그 결과를 다시 시트에 자동 입력하는 루프를 만들었습니다. 이 과정에서 별도의 코딩 없이 Make의 시각적 인터페이스만으로 전체 흐름을 설계할 수 있었던 점이 가장 만족스러웠습니다. 코딩을 전혀 모르는 사람도 충분히 따라 할 수 있는 구조라는 점에서, 노코드(No-code) 자동화의 진입 장벽이 확실히 낮아졌다고 느꼈습니다.
네이티브 모듈 부재와 향후 전망
아직 Make 내에 Gemini 전용 네이티브 모듈이 부족한 건 사실입니다. 다른 AI 서비스들은 전용 모듈이 있어서 클릭 몇 번으로 연동되는데, Gemini는 HTTP 모듈을 직접 설정해야 하는 번거로움이 있습니다. 네이티브 모듈이 있으면 초기 설정이 훨씬 간편해질 텐데, 이 부분은 Make 측에서도 개선이 필요해 보입니다.
그렇지만 HTTP 모듈만으로도 충분히 강력하게 활용할 수 있다는 점에서, 이 방식에 익숙해지면 오히려 더 유연한 커스터마이징이 가능합니다. API 구조를 직접 다루다 보면 요청과 응답의 흐름을 이해하게 되고, 이후에 다른 API를 연동할 때도 응용력이 생깁니다. 실제로 저는 이 과정을 통해 REST API의 기본 개념을 익히게 됐고, 이후 다른 서비스 연동에서도 막힘없이 작업할 수 있게 됐습니다.
AI 자동화의 진입 장벽이 낮아질수록, 이런 노코드 연동 방식을 먼저 익혀두는 게 앞으로 확실한 경쟁력이 될 거라고 생각합니다. 코딩을 몰라도 AI를 업무에 실제로 심을 수 있다는 건 생각보다 큰 변화입니다. 저는 이 조합이 “코딩 없이 AI를 업무에 심는” 가장 현실적인 방법 중 하나라고 봅니다.
처음엔 막막했던 Make와 Gemini 연동이지만, 한 번 세팅하고 나니 반복 업무에서 해방되는 느낌을 확실히 받았습니다. 구글 생태계를 주로 쓰는 분이라면, Gemini와 Make의 조합은 한 번쯤 시도해볼 만한 선택지입니다. HTTP 모듈 설정이 처음엔 낯설 수 있지만, 공식 문서를 참고하며 차근차근 따라가면 충분히 구현할 수 있습니다. 이 글이 여러분의 자동화 작업에 작은 도움이 되길 바랍니다.
참고: https://www.youtube.com/watch?v=k24SwfGcxgA