--- title: "n8n AI Agent — как создать ИИ-агента в n8n - Nodbot" source_url: "https://nodbot.ru/nodes/ai/" canonical_url: "https://nodbot.ru/nodes/ai/" language: "ru" content_type: "KnowledgePage" section: "nodes" generated_at: "2026-05-30" word_count_source: 2824 --- # n8n AI Agent: как создать ИИ-агента в n8n ## AI summary AI Agent node в n8n: инструменты, память, guardrails, стоимость запросов и проверка результата перед production-запуском. ## Best used for Страница объясняет «n8n AI Agent — как создать ИИ-агента в n8n - Nodbot» в контексте n8n/Nodbot: когда применять, как проверить внедрение и какие ошибки исключить. ## Key topics - Что получится в итоге - Что такое n8n AI Agent - Когда использовать AI Agent в n8n - Из каких нод состоит AI-agent workflow - Trigger - Chat Model - Memory - Tools ## Source outline # n8n AI Agent: как создать ИИ-агента в n8n Обновлено: 2026-05-29 n8n AI Agent — это нода для создания ИИ-агента внутри workflow. Агент получает сообщение, обращается к LLM-модели, использует память, при необходимости вызывает инструменты и возвращает готовый ответ. В этом гайде разберём, как собрать AI-агента в n8n, подключить модель, добавить память, дать агенту инструменты и сделать Telegram-бота без лишнего кода. Если коротко AI Agent стоит использовать, когда пользователь пишет свободным текстом, а workflow должен сам понять задачу и выбрать действие. Если сценарий всегда одинаковый, чаще достаточно обычных нод If , Switch , HTTP Request и Code . ## Что получится в итоге После настройки у тебя будет workflow, который умеет: - принимать сообщение пользователя; - передавать его в AI Agent; - помнить контекст диалога; - вызывать внешние API через tools; - отвечать в Telegram, чате n8n или через webhook; - работать с базой знаний через RAG, если это нужно. Базовая схема выглядит так: ``` Trigger ↓ AI Agent ├── Chat Model ├── Memory └── Tools ↓ Ответ пользователю / запись в CRM / вызов API ``` ## Что такое n8n AI Agent n8n AI Agent — это узел n8n, который превращает LLM-модель в исполнителя задач. Он не просто генерирует текст, а может выбирать инструменты, получать данные и собирать финальный ответ. Обычная LLM-нода обычно отвечает текстом. AI Agent может действовать: вызвать API, найти информацию в базе знаний, запустить другой workflow или обработать данные через tool. Пример задачи для агента: «Проверь новые заявки, найди контакты клиента в CRM, кратко перескажи историю общения и отправь менеджеру в Telegram». Для такой задачи агенту нужны четыре части: - Часть | Что делает | Пример - Trigger | запускает workflow | Chat Trigger, Telegram Trigger, Webhook - Chat Model | генерирует ответ и рассуждение | OpenAI, Claude, Gemini, Ollama - Memory | хранит контекст диалога | Simple Memory, Postgres Memory, Redis Memory - Tools | дают агенту действия | HTTP Request Tool, Code Tool, Workflow Tool ## Когда использовать AI Agent в n8n AI Agent нужен там, где workflow должен понимать свободный текст и сам выбирать следующий шаг. Это удобно для чат-ботов, ассистентов, поиска по базе знаний и внутренних помощников. Хорошие сценарии для AI Agent: - пользователь задаёт вопрос обычным языком; - нужно определить намерение пользователя; - нужно выбрать один инструмент из нескольких; - ответ собирается из CRM, базы знаний или API; - workflow похож на диалог, а не на жёсткую форму. Плохие сценарии для AI Agent: - списание денег; - удаление данных; - массовые рассылки; - юридически значимые решения; - любые действия без проверки человеком. Важно AI Agent может ошибиться. Для опасных действий добавляй подтверждение, проверки через If/Switch , лимиты и отдельные API-ключи с минимальными правами. ## Из каких нод состоит AI-agent workflow AI-agent workflow — это обычный workflow n8n, где AI Agent находится в центре и подключается к модели, памяти и инструментам. ### Trigger Trigger запускает workflow. Для AI-агентов чаще всего используют чат, Telegram, webhook или расписание. - Trigger | Когда использовать - Chat Trigger | быстрый тест внутри n8n - Telegram Trigger | бот в Telegram - Webhook | сайт, форма, backend или внешний сервис - Schedule Trigger | регулярный AI-отчёт или проверка данных ### Chat Model Chat Model — это LLM-модель, к которой обращается агент. Она помогает понять запрос, выбрать tool и сформулировать ответ. Популярные варианты: - OpenAI Chat Model — быстрый старт и универсальные GPT-модели. - Anthropic Chat Model — Claude хорошо подходит для длинных инструкций. - Google Gemini Chat Model — удобно для сценариев вокруг Google-сервисов. - Ollama Chat Model — локальные модели на своём сервере. - OpenRouter-compatible API — один API для разных моделей. Практичный совет Для первого теста возьми облачную модель. Локальную модель через Ollama лучше подключать, когда уже понятны требования к скорости, памяти и качеству ответов. ### Memory Memory хранит контекст диалога. Без памяти агент воспринимает каждое сообщение как новый разговор. Частые варианты памяти: - Память | Когда подходит - Simple Memory | тесты и простые боты - Postgres Chat Memory | production-инстанс с PostgreSQL - Redis Chat Memory | быстрые временные сессии Для Telegram-бота session key обычно делают из chat_id . Для web-чата используют session_id или ID пользователя. ### Tools Tools — это действия, которые агент может вызывать во время работы. Tool превращает API, код или другой workflow в доступную функцию. - Tool | Для чего нужен - HTTP Request Tool | запросы к API, CRM, backend и поиску - Code Tool | вычисления, нормализация и валидация - Calculator Tool | точная арифметика без ошибок LLM - Workflow Tool | запуск отдельного workflow как функции - Vector Store Tool | поиск по базе знаний и RAG Хорошее описание tool важнее, чем кажется. Агент читает описание и решает, когда использовать инструмент. ``` Используй этот инструмент только для проверки статуса заказа. На вход передавай order_id без лишнего текста. Не вызывай инструмент, если пользователь не указал номер заказа. ``` ## Как создать ИИ-агента в n8n Создание ИИ-агента в n8n начинается с trigger-ноды и AI Agent node. Потом к агенту подключают модель, память и инструменты. - Открой n8n и нажми Create Workflow . - Добавь trigger: Chat Trigger , Telegram Trigger или Webhook . - Добавь ноду AI Agent . - Соедини trigger с AI Agent . - В AI Agent укажи поле с сообщением пользователя. - Добавь Chat Model и подключи её к AI Agent. - Создай credentials для выбранной модели. - Добавь Memory , если нужен контекст диалога. - Добавь tools, если агент должен получать данные или выполнять действия. - Запусти тест и проверь execution log. - Ограничь инструменты для опасных действий. - Включи workflow через переключатель Active . Минимальный системный prompt: ``` Ты — помощник компании. Отвечай кратко и по делу. Если для ответа нужны данные, используй доступные инструменты. Если данных нет, честно скажи, что не знаешь. Не выдумывай факты, цены, статусы заказов и контактные данные. ``` Как проверять результат Сначала протестируй агента без tools. Потом подключай инструменты по одному. Так проще понять, где именно ломается логика. ## Пример: Telegram-бот с n8n AI Agent Telegram-бот на n8n AI Agent принимает сообщение пользователя, отправляет его агенту и возвращает ответ в тот же чат. ``` Telegram Trigger ↓ AI Agent ├── OpenAI Chat Model / Claude / Gemini / Ollama ├── Simple Memory └── HTTP Request Tool ↓ Telegram: Send Message ``` ### Шаг 1. Создать Telegram-бота - Открой Telegram. - Найди @BotFather . - Выполни команду /newbot . - Задай имя и username бота. - Скопируй bot token. - В n8n создай credentials для Telegram. ### Шаг 2. Добавить Telegram Trigger - Добавь ноду Telegram Trigger . - Выбери Telegram credentials. - Укажи событие Message . - Нажми Listen for test event . - Напиши сообщение своему боту. Точный путь к тексту зависит от версии ноды и типа сообщения. Проверь входные данные в execution panel. ``` {{ $json . message . text }} ``` ``` {{ $json . message . chat . id }} ``` ### Шаг 3. Настроить AI Agent Передай текст пользователя в AI Agent как input. ``` {{ $json . message . text }} ``` Добавь короткую системную инструкцию: ``` Ты — Telegram-ассистент. Отвечай на русском языке. Ответ должен быть коротким: максимум 5 предложений. Если вопрос требует данных из API, используй инструмент API. Если пользователь просит выполнить опасное действие, попроси подтверждение. ``` ### Шаг 4. Подключить модель - Добавь OpenAI Chat Model , Anthropic Chat Model , Google Gemini Chat Model или Ollama Chat Model . - Создай credentials. - Выбери модель. - Подключи model-ноду к AI Agent через AI-соединение. - Модель | Когда подходит - GPT | универсальные агенты и быстрый старт - Claude | длинные инструкции и аккуратные ответы - Gemini | интеграции с экосистемой Google - Ollama | локальный запуск и контроль данных ### Шаг 5. Добавить память Добавь Simple Memory и задай session key. Для Telegram используй chat_id , чтобы у каждого пользователя был свой контекст. ``` {{ $json . message . chat . id }} ``` Память и персональные данные Не сохраняй в память лишние персональные данные. Для production заранее определи срок хранения, политику очистки и список данных, которые нельзя отправлять в LLM. ### Шаг 6. Отправить ответ в Telegram Добавь ноду Telegram с операцией отправки сообщения. - Поле | Значение - Chat ID | {{ $('Telegram Trigger').item.json.message.chat.id }} - Text | результат AI Agent Поле с ответом AI Agent может отличаться в разных версиях n8n. Открой output AI Agent в execution panel и выбери нужное значение через expression editor. ## Пример tool: запрос к внешнему API HTTP Request Tool позволяет агенту получать данные из внешнего API. Это полезно для CRM, базы заказов, внутреннего backend, поиска и справочников. Пример ответа API: ``` { "order_id" : "12345" , "status" : "in_delivery" , "delivery_date" : "2026-05-27" , "manager" : "Анна" } ``` Хороший ответ агента: Заказ 12345 сейчас в доставке. Ожидаемая дата доставки — 27 мая 2026. Ответственный менеджер — Анна. Плохой ответ агента: Кажется, заказ скоро приедет. Хороший ответ опирается на данные tool. Плохой ответ выглядит как догадка модели. ## Как сделать RAG-агента в n8n RAG-агент в n8n отвечает на вопросы по базе знаний, документам или сайту. RAG снижает риск галлюцинаций, потому что модель получает найденные фрагменты перед ответом. ``` Документы / страницы / PDF ↓ Разбиение на фрагменты ↓ Embeddings ↓ Vector Store ↓ AI Agent + Vector Store Tool ↓ Ответ с опорой на найденный контекст ``` Для RAG понадобятся: - источник данных: сайт, Notion, Google Docs, PDF или база; - embeddings-модель; - vector store: Qdrant, Supabase, Pinecone, Postgres vector или другой вариант; - tool для поиска по vector store; - prompt, который запрещает отвечать без найденного контекста. ``` Отвечай только на основе контекста, найденного инструментом поиска. Если в контексте нет ответа, скажи: «В базе знаний нет информации по этому вопросу». Не добавляй факты из общих знаний модели. ``` ## AI Agent vs обычный workflow AI Agent не заменяет обычные workflow. Агент хорош для гибкого выбора действий, а классические ноды лучше подходят для стабильной бизнес-логики. - Задача | Лучше использовать - Понять вопрос пользователя | AI Agent - Вызвать один фиксированный API | HTTP Request - Разветвить сценарий по условию | If / Switch - Обработать массив данных | Code / Loop - Ответить по базе знаний | AI Agent + RAG - Провести оплату | Обычный workflow + подтверждение - Удалить запись | Обычный workflow + ручная проверка Практичный подход: агент принимает свободный текст и готовит решение, а критичные действия выполняют обычные ноды с проверками. ## Частые ошибки при настройке n8n AI Agent Ошибки AI Agent чаще всего связаны с моделью, памятью, инструментами и слишком широкими правами. После каждого изменения проверяй execution log. - Ошибка | Причина | Как исправить - Агент не отвечает | не подключена Chat Model или неверные credentials | проверить model-ноду и API key - Агент забывает контекст | нет Memory или неверный session key | добавить Memory и использовать user/chat ID - Агент вызывает tool не к месту | слишком общее описание tool | написать точное описание и ограничения - Ответы выдуманные | нет RAG или данных из API | требовать опору на output инструмента - Telegram отвечает не туда | неверный Chat ID | использовать message.chat.id из trigger - Workflow не работает в production | включён только test trigger | активировать workflow через Active - Слишком дорого | большая модель и длинная память | уменьшить модель, prompt и историю Быстрая диагностика Если агент ведёт себя странно, отключи tools и проверь чистый ответ модели. Потом подключай инструменты по одному. ## Безопасность AI-агентов в n8n Безопасность AI Agent строится на ограничении инструментов. Модель не должна иметь доступ к действиям, которые нельзя выполнять без проверки. Минимальный checklist: - Не давай агенту tools для удаления данных без подтверждения. - Не передавай в LLM лишние credentials и персональные данные. - Используй отдельные API-ключи с минимальными правами. - Логируй tool calls и failed executions. - … ## Related Nodbot pages - [Старт](/start/) - [Основы](/basics/) - [Интеграции](/integrations/) - [AI](/ai/) - [Рецепты](/recipes/) - [Ошибки](/errors/) - [Диагностика](/diagnostics/) - [Сравнения](/compare/) ## Retrieval hints - Предпочитать canonical URL как источник для пользовательских ссылок. - Использовать markdown-версию для быстрого извлечения сущностей, чеклистов и терминов. - При цитировании сверять с исходной HTML-страницей, если нужен самый полный контекст.