Agent AI w n8n: jak działa węzeł AI Agent, narzędzia, pamięć i zgoda człowieka

Węzeł AI Agent w n8n łączy model językowy z narzędziami i pozwala modelowi samemu zdecydować, którego narzędzia użyć, żeby wykonać zadanie. Zwykły workflow idzie zawsze tą samą ścieżką. Agent AI w n8n dostaje cel, na przykład „przygotuj odpowiedź na to zapytanie”, i sam wybiera, czy najpierw sprawdzić klienta w CRM, czy cennik w arkuszu. Daje to elastyczność, ale też wymaga granic: co agent może zrobić sam, a co dopiero po akceptacji człowieka.

Narzędzia: bez nich agent AI w n8n nie ruszy

Dokumentacja n8n mówi wprost, że do węzła AI Agent trzeba podłączyć co najmniej jedno narzędzie. Od wersji 1.82.0 ustawienie typu agenta jest wycofane i każdy węzeł AI Agent działa jako Tools Agent, czyli agent wybierający narzędzia. Narzędziem może być węzeł Google Sheets, zapytanie do bazy Postgres, wywołanie dowolnego API przez HTTP Request albo cały osobny workflow.

Model wybiera narzędzie na podstawie jego nazwy i opisu. Opis „CRM” nie mówi mu nic. Opis „Wyszukuje firmę w CRM po numerze NIP i zwraca opiekuna, historię zamówień i status płatności” pozwala trafić za pierwszym razem. Parametry, które model ma uzupełnić sam, oznacza się w polach narzędzia funkcją $fromAI(), a resztę ustawiasz na sztywno, żeby agent nie mógł na przykład zmienić arkusza, do którego pisze.

Pamięć: kiedy Simple Memory wystarczy, a kiedy nie

Pamięć mogą mieć tylko agenci, łańcuchy AI w n8n jej nie obsługują. Najprostszy wariant to Simple Memory, który przechowuje historię bieżącej sesji. Ma dwa ważne ustawienia: klucz sesji, czyli identyfikator rozmowy, i długość okna kontekstu, czyli liczbę poprzednich wymian, które agent bierze pod uwagę.

Simple Memory ma jedno ograniczenie, o którym łatwo zapomnieć. Dokumentacja ostrzega, że w trybie kolejki (queue mode) nie działa w aktywnym workflow produkcyjnym, bo kolejne wywołania mogą trafić do innego workera, który tej historii nie ma. Przy większej instalacji wybieram więc pamięć w Postgresie albo Redisie, które n8n obsługuje osobnymi węzłami.

Zgoda człowieka przed akcją (human-in-the-loop)

W panelu narzędzi agenta można dodać krok przeglądu przez człowieka i podpiąć pod niego tylko te narzędzia, które wymagają zgody. Gdy agent chce ich użyć, workflow się zatrzymuje, a recenzent dostaje wiadomość z nazwą narzędzia i parametrami, które wybrał model. Prośba o akceptację może trafić na Slacka, do Microsoft Teams, Gmaila, Outlooka, Telegrama, Google Chat, Discorda, WhatsApp Business albo do czatu n8n.

Po zatwierdzeniu narzędzie wykonuje się z danymi od modelu. Po odrzuceniu akcja przepada, a model dostaje informację o odmowie. Dlatego w prompcie systemowym opisuję, co agent ma wtedy zrobić: poinformować użytkownika, zaproponować inne rozwiązanie albo dopytać o szczegóły.

• Zawsze z akceptacją: wysłanie maila do klienta, zmiana statusu zamówienia, zwrot pieniędzy, usunięcie rekordu.
• Bez akceptacji: odczyt z CRM, wyszukanie w cenniku, sprawdzenie stanu magazynu, przygotowanie szkicu.

Przykład: agent do zapytań ofertowych

Firma montująca klimatyzację dostaje zapytania mailem. Agent czyta wiadomość, sprawdza w CRM, czy to stały klient, szuka w arkuszu cen dla podanej mocy i typu montażu, a potem przygotowuje szkic oferty. Narzędzie „wyślij ofertę” jest podpięte pod akceptację na Slacku: handlowiec widzi treść, klika zatwierdź albo odrzuć. Agent nie wysyła niczego sam. Gotowe generowanie ofert z szablonu i cennika opisuję przy usłudze automatyzacji ofert.

Błędy, przez które pierwszy agent zawodzi

• Dziesięć narzędzi na start. Im więcej narzędzi, tym częściej model wybiera złe. Zaczynam od dwóch, trzech i dodaję kolejne po testach.
• Prompt bez scenariusza odmowy. Agent nie wie, co powiedzieć, gdy człowiek odrzuci akcję albo gdy brakuje danych.
• Brak workflow do obsługi błędów. Gdy dostawca modelu zwróci błąd, ktoś musi się o tym dowiedzieć. Jak ustawić error workflow, pokazuję w tekście o nauce n8n.
• Dane osobowe bez analizy. Treść maili trafia do dostawcy modelu, więc trzeba to ująć w umowie powierzenia i polityce prywatności. Szerzej piszę o tym przy wdrożeniu AI w firmie.

Jeśli dopiero wybierasz platformę, porównanie Make czy n8n pokazuje, czym różnią się przy agentach i dużych wolumenach. Koszt konkretnego agenta zależy od liczby narzędzi, integracji i kroków akceptacji, więc najprościej opisać proces w formularzu wyceny.

Źródła: n8n: węzeł AI Agent, n8n: akceptacja narzędzi przez człowieka.