AI-агент на n8n: сценарий, который сам решает, что делать

Обычный workflow детерминирован: нода IF сверяет условие, Switch раскладывает по веткам. Это надежно и предсказуемо - и отлично подходит, когда вариантов конечное число: оплата прошла или нет, тема письма содержит слово «счет» или нет.

Проблема начинается там, где вариантов бесконечно. Клиент пишет свободным текстом: «а можно перенести доставку на пятницу и заодно поменять адрес?» - жесткие правила тут захлебываются. AI-агент читает это как человек: понимает, что запросов два, лезет в нужные данные, отвечает по делу. Он не заменяет обычные сценарии - он берет на себя ту часть, где нужно понять, а не сверить.

В n8n агент - это нода AI Agent, к которой подключаются четыре вещи. Понять их - значит понять, как он работает.

• Модель (Chat Model) - «мозг» агента: языковая модель, которая понимает запрос и формулирует ответ. Подключается по вашему API-ключу (OpenAI, Anthropic и другие) - ключ ваш, трафик идет с вашего сервера.
• Память (Memory) - чтобы агент помнил предыдущие реплики в диалоге, а не отвечал каждый раз с чистого листа. Для простых задач не обязательна.
• Инструменты (Tools) - руки агента. Это другие ноды n8n, которые он может вызвать сам: сходить в вашу базу, дернуть API, посчитать, найти запись. Агент решает, какой инструмент и когда применить.
• Системный промпт - инструкция, кто он и как себя ведет: «ты помощник поддержки, отвечай кратко и по-русски, при запросе о заказе используй инструмент lookup_order».

Сам агент крутится на вашем n8n, а наружу ходит только к модели за ответом. Разверните n8n на сервере Fatmetal - и собирать агента можно сразу в редакторе.

Соберем агента, который принимает вопрос клиента и либо отвечает сам, либо лезет за данными о заказе. Цепочка простая:

1. Поставьте триггер и ноду AI Agent

   Начните с Chat Trigger (или Webhook, если вопросы приходят из вашего чата). Добавьте ноду AI Agent и соедините - на нее будет приходить текст обращения.

2. Подключите модель

   К входу Chat Model ноды агента подключите модель (например, OpenAI Chat Model) и заведите Credential со своим API-ключом. Это «мозг»: без него агент не думает.

3. Задайте системный промпт

   В настройках агента опишите роль:

   Ты помощник поддержки Fatmetal. Отвечай кратко и по-русски. Если спрашивают про статус заказа - вызови инструмент get_order.

   Это задает и тон, и правила.

4. Дайте агенту инструмент

   К входу Tool подключите ноду, которая умеет что-то полезное - например, HTTP Request к вашей CRM с параметром «номер заказа». Назовите ее понятно (get_order) и опишите, что она делает: агент по описанию сам поймет, когда ее звать.

5. Добавьте память (по желанию)

   Если это диалог, подключите Memory - агент будет помнить контекст переписки. Для одиночных вопросов шаг можно пропустить.

6. Проверьте на живых вопросах

   Запустите и напишите агенту: «привет» - ответит сам; «где мой заказ 1024?» - сам вызовет get_order, подставит номер, вернет статус. Вы увидите в логе, какой инструмент он выбрал и почему. Дальше - шлифуете промпт под свои формулировки.

• Каждый вызов модели стоит денег. Агент дергает LLM на каждом обращении - для потока в тысячи запросов считайте бюджет на токены. Обычная нода бесплатна, агент - нет.
• Ответ недетерминирован. На один и тот же вопрос формулировка может отличаться. Там, где нужен ровно один правильный ответ (сумма, статус из базы), пусть цифру достает инструмент, а агент только оборачивает ее в текст.
• Инструменты решают все. Без инструментов агент - просто болталка. Сила в том, что он ходит в ваши данные и API. Чем точнее описаны инструменты, тем меньше он фантазирует.

Собирать агента с нуля полезно, чтобы понять устройство. Дальше можно брать готовое: в каталоге есть сценарии с AI-нодами - импортировали, подставили ключ модели, запустили. А если только начинаете с n8n, соберите сперва первый workflow с нуля, потом добавляйте интеллект. Что вообще собирают на n8n и что это экономит - в статье 7 автоматизаций на n8n.