Пошаговая настройка ИИ-агента в n8n: Chat Trigger, AI Agent, RAG и сравнение с Make.com. Для предпринимателей без DevOps - с тестом в Chat UI и чеклистом перед продакшеном.
Вы слышали про n8n и ИИ-агентов, но в интерфейсе с десятком нод теряетесь: где триггер, где модель, зачем память? Я прошёл этот путь как практик Make.com и собрал первого агента в n8n за вечер. Ниже – пошаговая автоматизация n8n: Chat Trigger, AI Agent, инструменты и честное сравнение с Make.com. После гайда вы запустите тестового бота в Chat UI и поймёте, какая платформа вам ближе – свой сервер или no-code из облака.
TL;DR / Быстрый инсайт: ИИ-агент в n8n – это узел-дирижёр: он принимает вопрос, подключает языковую модель, память и инструменты (tools), а сам решает, что вызвать. Схема MVP: Chat Trigger → AI Agent → Chat Model + System Message + 1-2 tools. Для базы знаний (RAG) добавьте Vector Store. n8n силён в self-host и глубоком AI; Make.com – в скорости без Docker. Запрос «автоматизация n8n» в Вордстате – 539 показов в месяц, head-запрос «n8n» – 37 115.
- Выберите способ запуска n8n
- Создайте первого ИИ-агента пошагово
- Подключите память и RAG без кода
- Соберите примеры автоматизации для бизнеса
- Сравните n8n и Make.com
- Пройдите чеклист перед продакшеном
- Что делать дальше
- Частые вопросы
ИИ-агент в n8n – не просто чат с ChatGPT. Обычная LLM (языковая модель) только генерирует текст. Агент ещё выбирает действия: отправить письмо, найти строку в CRM, прочитать PDF из базы знаний. Под капотом – LangChain, но вам не нужно знать код: всё собирается мышкой в canvas. В 2026 году n8n добавил MCP (Model Context Protocol) – стандарт, как нейросеть подключается к внешним сервисам как к «розеткам».
Запросы «n8n ai» (720 показов/мес) и «n8n агенты» (699) растут вместе с интересом к автоматизации бизнеса без программиста. Но честно: если вам не нужен свой сервер, Make AI Agents часто закрывают тот же кейс быстрее. Я покажу оба пути.
1. Выберите способ запуска n8n в 2026
Три входа: n8n Cloud, self-hosted Community Edition (CE) и параллельная проверка Make Free. Cloud Starter – от 20 €/мес при годовой оплате, 2 500 executions (один полный прогон workflow = один run, не каждый шаг). Trial 14 дней без карты. CE на GitHub – бесплатно, без лимита runs в лицензии, но нужен VPS или Docker.
Self-hosted (свой сервер) – когда данные должны оставаться у вас: Community Edition на VPS. VPS (Virtual Private Server) – это аренда виртуального компьютера в облаке, который работает круглосуточно и без вашего участия. Docker – упаковка программы в «контейнер», чтобы не возиться с библиотеками и зависимостями вручную. API (Application Programming Interface) – стандартизированная «розетка» для связи n8n с внешними сервисами: OpenAI, Telegram или CRM.
Делайте: для первого агента возьмите Cloud trial – меньше DevOps. Не делайте: сразу поднимать Docker, если цель – только проверить гипотезу бота.
2. Создайте первого ИИ-агента в n8n пошагово
Схема workflow:Chat Trigger → AI Agent node → Chat Model (OpenAI/Anthropic) → System Message → Tool sub-nodes → Simple Memory (опционально)
- Шаг 1: Создайте workflow. В n8n нажмите New Workflow, добавьте Chat Trigger — окно чата для тестов без Telegram.
- Шаг 2: Добавьте AI Agent node. Соедините с триггером. Тип Tools Agent подходит для GPT-4, Claude 3, Gemini 1.5 (function calling). Нужна версия n8n 1.19.0+.
- Шаг 3: Подключите Chat Model. OpenAI gpt-4o-mini или Anthropic — дешевле для MVP. В Credentials вставьте API-ключ провайдера.
- Шаг 4: Напишите System Message. Роль («ты менеджер поддержки»), когда звать tools, формат ответа, запрет выдумывать цены. Это главный руль агента.
- Шаг 5: Добавьте 1-3 Tool sub-nodes. HTTP Request (вебхук в CRM) или Call n8n Workflow. Имя и description должны быть понятны модели: «create_lead» лучше, чем «tool1».
- Шаг 6: Включите Simple Memory для мультитёрнового чата (по умолчанию 5 interactions) или пропустите на первом тесте.
- Шаг 7: Протестируйте в Chat UI. Откройте Logs AI Agent, смотрите, какие tools вызываются. На tool-нодах включите Continue on Error, чтобы один сбой не ронял весь диалог.
Типичная ошибка — повесить 10 tools «на будущее». Модель путается. Начните с одного: например, поиск по FAQ или создание лида. Делайте: короткий system prompt на 8-12 строк. Не делайте: давать агенту доступ к удалению данных без подтверждения человека (Human-in-the-Loop).
3. Подключите память и базу знаний (RAG) без кода
RAG (Retrieval-Augmented Generation) – это «подсказка из ваших документов». Представьте агента с шпаргалкой: вместо выдумок он ищет ответ в PDF, Notion или Google Docs. В n8n: Document Loader загружает файлы → Vector Store (векторная база данных – хранилище смысловых «отпечатков» текста) → tool «search_knowledge_base» в AI Agent.
Simple Memory хранит последние реплики чата – хватает для «уточни заказ». RAG нужен, когда каталог, регламенты или прайс меняются редко, а объём большой. Делайте: разбейте документы на куски по 500–800 слов. Не делайте: скармливать один гигантский PDF – поиск станет неточным.
Интерфейс n8n с настроенной схемой ИИ-агента: Chat Trigger, AI Agent node, Chat Model и вспомогательные инструменты.
4. Соберите примеры автоматизации n8n для бизнеса
Три рабочих шаблона под запрос «примеры автоматизации n8n»:
- Support-бот: Chat Trigger + RAG по базе знаний + tool «эскалация в Telegram» менеджеру.
- Лид из формы: Webhook с сайта → AI Agent классифицирует заявку → HTTP в amoCRM/Bitrix24 → уведомление в Slack.
- Контент-черновик: Cron раз в день → AI Agent берёт тему из таблицы → генерирует пост → отправляет в Notion на ревью.
Webhook – входящий «звонок» на URL n8n: сайт стучится, workflow стартует. Для Telegram-бота замените Chat Trigger на Telegram Trigger, логика агента та же.
Если кейс – типовая CRM-воронка или контент-завод без сервера, посмотрите услуги автоматизации на mayai.ru и оцените, не быстрее ли закрыть задачу на Make.
5. Сравните n8n и Make.com и примите решение
Критерий n8n Make.com Установка Cloud trial или self-host (Docker/VPS) SaaS, регистрация за минуты AI Agent Native AI Agent node, tools, memory, MCP Make AI Agents, Reasoning panel, 3 000+ apps Self-host / данные Да (Community Edition) Нет, облако Make Цена входа CE бесплатно + infra; Cloud от 20 €/мес Free 1 000 credits/мес; Core от ~$9-12/мес Billing Executions (весь workflow = 1 run) Credits (AI-модули дороже обычных) Аудитория Техкоманды, RAG/MCP, локальные модели Маркетологи, ops, no-code без серверов
Выбирайте n8n, если: нужен контроль данных на своём сервере, RAG на внутренних документах, MCP или кастомные LangChain-цепочки.
Выбирайте Make, если: нет желания админить Docker, команда no-code, типовые интеграции CRM/SMM/Telegram «из коробки». Make AI Agents доступны на всех тарифах.
Итоговый вердикт: n8n – глубина AI и self-host. Make – скорость и визуальный builder без DevOps. Я веду курс по Make.com (159+ уроков, 5 800 ₽/мес) именно для тех, кто хочет агентов без серверов. n8n оставьте, когда инфраструктура уже есть.
6. Пройдите чеклист перед продакшеном
- System Message описывает роль, лимиты и формат ответа
- Не больше 3 tools на первой версии агента
- API-ключи в Credentials, не в открытом тексте workflow
- Continue on Error на tool-нодах с внешними API
- Логи AI Agent проверены на «галлюцинации» цен и дат
- RAG: документы нарезаны, Vector Store обновляется по регламенту
- Лимит Max Iterations задан (агент не уходит в бесконечный цикл)
- Для продакшена – не trial Cloud, а расчёт executions/credits
- Human-in-the-Loop на опасных действиях (удаление, оплата)
- Тестовые диалоги из FAQ реальных клиентов, не только «привет»
- Сравнение n8n vs Make зафиксировано письменно для команды
- План B: кто админит сервер, если self-host
7. Что делать дальше
- Запустите Cloud trial n8n и соберите MVP по шагам выше.
- Прогоните 10 реальных вопросов клиентов через Chat UI.
- Если нужен RAG – загрузите 3–5 ключевых документов в Vector Store.
- Сверьте таблицу n8n vs Make с вашим стеком (CRM, мессенджеры, бюджет).
- При выборе Make – зайдите в обучение по Make: там разбор AI Agents и вайбкодинга на живых сценариях.
Вопросы по нодам и ошибкам – в Telegram @maya_pro, там же разборы сценариев учеников.
Материал проверен: эксперт Артур Хорошев (CEO Maya AI, практик Make.com и AI-агентов).
Достоверность данных: цены n8n и Make, параметры AI Agent node и показатели Вордстат верифицированы по первоисточникам на июнь 2026 года.
Частые вопросы
Как устроен AI Agent node в n8n?
Это узел-оркестратор: принимает prompt, подключает Chat Model, Memory и Tools как sub-nodes. Агент сам решает, какой инструмент вызвать. Настройте Tools Agent, напишите System Message и протестируйте в Chat UI.
Чем n8n отличается от Make в 2026?
n8n даёт self-host, executions и глубокий AI (RAG, MCP). Make – managed SaaS, credits и 3 000+ готовых интеграций. Выберите n8n для контроля данных, Make – для скорости без сервера.
Как подключить базу знаний (RAG) к ИИ в n8n?
Document Loader → Vector Store → добавьте tool поиска в AI Agent. Проверьте ответы на 5 вопросах из реальной поддержки. Обновляйте документы при смене прайса или регламента.
Нужен ли Docker для n8n?
Нет, если хватает n8n Cloud trial или платного Cloud. Docker нужен для типичного self-host на VPS. Для проверки гипотезы начните с Cloud.
Сколько стоит n8n для малого бизнеса?
CE бесплатно плюс VPS и оплата LLM API отдельно. Cloud Starter – от 20 €/мес за 2 500 runs. Считайте полную стоимость: платформа + токены модели.
Когда выбрать Make вместо n8n?
Когда нет ресурса админить сервер, команда no-code и кейс – CRM, SMM, Telegram без кастомного RAG. Зарегистрируйтесь в Make Free и соберите параллельный прототип за один вечер.
Какие типичные ошибки при первом агенте?
Слишком много tools, пустой System Message, memory без нужды, нет fallback на ошибках API. Урежьте до одного tool, допишите правила в prompt, включите Continue on Error.