n8n AI Agent: как создать ИИ-агента в n8n¶

n8n AI Agent — это AI-нода, которая использует LLM-модель, память и инструменты для выполнения задач в workflow. В n8n агент может отвечать в чате, вызывать API, искать данные, работать с Google Sheets, запускать другие workflows и собирать ответы из нескольких источников. В этой статье: что такое AI Agent, как его настроить, какие ноды нужны и как собрать Telegram-бота с ИИ-агентом.

primary_topic: n8n AI Agent
search_intent:
  - n8n ai
  - n8n агенты
  - n8n ai agent
  - n8n создать агента
  - ии агенты и n8n
main_entities:
  - AI Agent node
  - Chat Model
  - Memory
  - Tools
  - Telegram Trigger
  - HTTP Request Tool
best_for:
  - чат-боты
  - AI-ассистенты
  - RAG-поиск
  - автоматизация с LLM
  - вызов внешних API через агента

Что такое n8n AI Agent¶

n8n AI Agent — это узел для создания ИИ-агента внутри workflow. Агент получает задачу, обращается к языковой модели, выбирает нужные инструменты и возвращает результат.

Обычная LLM-нода отвечает только текстом. AI Agent может действовать: вызвать инструмент, получить данные, проверить условие, обратиться к API и сформировать финальный ответ.

Пример задачи для агента:

«Проверь новые заявки, найди контакты клиента в CRM, кратко перескажи историю и отправь менеджеру в Telegram».

В таком workflow агенту нужны четыре части:

Когда использовать AI Agent в n8n¶

AI Agent нужен, когда workflow должен сам выбирать действия. Если шаги всегда одинаковые, часто достаточно обычных нод If, Switch, HTTP Request и Code.

Используй агента для задач, где есть неопределённость:

• Пользователь пишет свободным текстом.
• Нужно понять намерение пользователя.
• Нужно выбрать один из нескольких инструментов.
• Нужно собрать ответ из нескольких источников.
• Нужно выполнить цепочку действий без жёсткого сценария.

Не используй агента там, где важна строгая предсказуемость:

• платежи;
• удаление данных;
• массовые рассылки;
• юридически значимые решения;
• действия без проверки человеком.

Из каких нод состоит AI-agent workflow¶

AI-agent workflow — это сценарий n8n, где AI Agent стоит в центре и получает доступ к модели, памяти и инструментам.

Базовая схема:

Trigger
  ↓
AI Agent
  ├── Chat Model
  ├── Memory
  └── Tools
  ↓
Ответ пользователю / запись в CRM / вызов API

Trigger¶

Trigger запускает workflow. Для AI-агентов чаще всего используют Chat Trigger, Telegram Trigger, Webhook или Schedule Trigger.

Chat Model¶

Chat Model — это LLM-модель, которая генерирует ответы и помогает агенту выбирать действия.

Популярные варианты:

• OpenAI Chat Model — GPT-модели.
• Anthropic Chat Model — Claude.
• Google Gemini Chat Model — Gemini.
• Ollama Chat Model — локальные модели на своём сервере.
• OpenRouter-compatible HTTP — доступ к разным моделям через единый API.

Memory¶

Memory хранит контекст диалога. Без памяти агент воспринимает каждый запуск как новый разговор.

Примеры памяти:

• Simple Memory — простой вариант для тестов.
• Postgres Chat Memory — удобнее для production-инстанса с PostgreSQL.
• Redis Chat Memory — полезна для быстрых временных сессий.

Для Telegram-бота ключом сессии обычно делают chat_id. Для web-чата — session_id или user ID.

Tools¶

Tools — это инструменты, которые агент может вызвать во время ответа. Tool превращает внешний сервис, код или другой workflow в действие для агента.

Примеры инструментов:

Как создать ИИ-агента в n8n: пошаговая инструкция¶

Создание ИИ-агента в n8n начинается с пустого workflow, trigger-ноды и AI Agent node. Дальше к агенту подключаются модель, память и инструменты.

1. Открой n8n и нажми Create Workflow.
2. Добавь trigger: Chat Trigger, Telegram Trigger или Webhook.
3. Добавь ноду AI Agent.
4. Соедини trigger с AI Agent.
5. В AI Agent укажи поле с входным сообщением пользователя.
6. Добавь Chat Model и подключи её к AI Agent.
7. Создай credentials для выбранной модели.
8. Добавь Memory, если нужен диалоговый контекст.
9. Добавь tools, если агент должен выполнять действия.
10. Запусти тест и посмотри execution log.
11. Ограничь инструменты и добавь проверки для опасных действий.
12. Активируй workflow переключателем 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.

Пример: Telegram-бот с n8n AI Agent¶

Telegram-бот на n8n AI Agent принимает сообщение пользователя, отправляет его агенту и возвращает ответ в чат.

Базовая схема:

Telegram Trigger
  ↓
AI Agent
  ├── OpenAI Chat Model / Claude / Gemini / Ollama
  ├── Simple Memory
  └── HTTP Request Tool
  ↓
Telegram: Send Message

Шаг 1. Создать Telegram-бота¶

1. Открой Telegram.
2. Найди @BotFather.
3. Выполни команду /newbot.
4. Задай имя и username бота.
5. Скопируй bot token.
6. В n8n создай credentials для Telegram.

Шаг 2. Добавить Telegram Trigger¶

1. Добавь ноду Telegram Trigger.
2. Выбери созданные Telegram credentials.
3. Укажи событие Message.
4. Нажми Listen for test event.
5. Напиши сообщение боту.

Текст сообщения обычно лежит в поле Telegram update. Точный путь зависит от версии ноды и типа сообщения, поэтому проверь входные данные в execution panel.

Пример выражения для текста:

{{ $json.message.text }}

Пример выражения для chat ID:

{{ $json.message.chat.id }}

Шаг 3. Настроить AI Agent¶

В AI Agent передай сообщение пользователя как input.

{{ $json.message.text }}

Добавь 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¶

1. Добавь OpenAI Chat Model, Anthropic Chat Model, Google Gemini Chat Model или Ollama Chat Model.
2. Создай credentials.
3. Выбери модель.
4. Подключи model-ноду к AI Agent через AI-соединение.

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 }}

Шаг 6. Отправить ответ в Telegram¶

Добавь ноду Telegram с операцией отправки сообщения.

Точное имя поля с ответом зависит от версии AI-ноды. Проверь output AI Agent в execution panel и выбери поле через expression editor.

Пример tool: запрос к внешнему API¶

HTTP Request Tool даёт агенту возможность получать данные из внешнего API. Это полезно для CRM, базы заказов, внутреннего backend, поиска и справочников.

Пример описания инструмента:

Используй этот инструмент, когда нужно получить статус заказа по номеру.
На вход передавай только order_id без лишнего текста.
Не вызывай инструмент, если пользователь не указал номер заказа.

Пример запроса:

{
  "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.

Разница в том, что хороший ответ опирается на данные инструмента, а не на догадку 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 релевантные фрагменты перед ответом.

Базовая схема RAG:

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, 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.

Prompt для RAG:

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 полезен для гибкого выбора действий, а обычные ноды лучше для стабильной бизнес-логики.

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. Проверяй execution log после каждого изменения.

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.
• Добавляй лимиты на частоту запросов.
• Проверяй входные данные через Code или If.
• Для shell-команд не используй Execute Command в публичных AI-ботах.
• Для self-hosted включай HTTPS, бэкапы и обновления.

Сколько стоит n8n AI Agent¶

Стоимость n8n AI Agent зависит от хостинга n8n, выбранной LLM-модели и числа запросов. Self-hosted n8n не берёт плату за количество executions, но API LLM обычно оплачивается отдельно.

Основные статьи расходов:

Как снизить стоимость:

1. Используй короткий system prompt.
2. Ограничь историю памяти.
3. Выбирай лёгкую модель для простых задач.
4. Кэшируй ответы справочных запросов.
5. Не отправляй большие документы целиком — используй RAG.

Часто задаваемые вопросы¶

Что такое n8n AI Agent?¶

n8n AI Agent — это нода для создания ИИ-агента в workflow. Она подключается к LLM-модели, использует память и вызывает инструменты для выполнения задач.

Можно ли создать AI-агента в n8n бесплатно?¶

Да, можно создать AI-агента в self-hosted n8n без оплаты за executions. Но API внешней LLM-модели, VPS и vector store могут стоить денег.

Можно ли подключить Telegram к n8n AI Agent?¶

Да, Telegram Trigger принимает сообщения, AI Agent готовит ответ, а Telegram node отправляет его обратно в чат. Для контекста используй chat_id как session key.

Можно ли использовать n8n AI Agent с Ollama локально?¶

Да, Ollama подходит для локальных LLM-сценариев. Нужно запустить Ollama рядом с n8n или на доступном сервере и подключить Ollama Chat Model.

Что лучше: AI Agent или HTTP Request node?¶

AI Agent лучше для свободного текста и выбора действий. HTTP Request node лучше для точного фиксированного запроса к API без рассуждений модели.

Как дать агенту доступ к своей базе знаний?¶

Используй RAG: загрузи документы, создай embeddings, сохрани их в vector store и подключи поиск как tool к AI Agent.

Почему агент выдумывает ответы?¶

Агент выдумывает ответы, когда у него нет данных или prompt разрешает отвечать из общих знаний. Добавь RAG, API tool и инструкцию отвечать только по найденному контексту.

Безопасно ли давать AI Agent доступ к CRM?¶

Да, если доступ ограничен. Используй API-ключ с минимальными правами, разрешай только чтение там, где не нужны изменения, и добавляй подтверждение для опасных операций.

Связанные материалы¶

• Что такое n8n — базовое объяснение платформы, workflow и нод.
• Первый workflow в n8n — быстрый старт для новичков.
• Выражения в n8n — как подставлять chat_id, текст сообщения и данные из предыдущих нод.
• HTTP Request в n8n — как вызывать внешние API из workflow.
• Code node — JavaScript — обработка данных и валидация перед AI Agent.
• Как установить n8n — локальный запуск, Docker, Windows и VPS.
• n8n Docker Compose — production self-hosted установка с HTTPS и PostgreSQL.

llms.txt¶

- [n8n AI Agent](https://nodbot.ru/nodes/ai/): руководство на русском по созданию ИИ-агента в n8n с Chat Model, Memory, Tools, Telegram-ботом, RAG, безопасностью и частыми ошибками.