Czym jest AI Agent w n8n i jak działa?

Z czego składa się AI Agent w n8n?

Węzeł AI Agent ma trzy wejścia, które trzeba podłączyć, i jedno opcjonalne.

Model (Chat Model). Wymagany. To mózg agenta: Gemini, GPT, Claude, model przez OpenRouter albo lokalny przez Ollamę. Model dostaje instrukcję, wiadomość i listę narzędzi, a zwraca odpowiedź albo decyzję o wywołaniu narzędzia.

Instrukcja (System Message). Najważniejsza część konfiguracji. Określa, kim agent jest, w jakim formacie odpowiada i jak ma używać narzędzi. Domyślne „you are a helpful assistant” trzeba podmienić. Najczęstszy błąd, który widzę w workflowach budowanych bez wiedzy o n8n: instrukcja opisująca sposób pracy trafia do user message, a system message zostaje pusty. Efekt to halucynacje i słaba jakość, mimo że ten sam prompt w ChatGPT działa świetnie. Zasada jest prosta: system message opisuje, jak agent ma pracować, user message zawiera tylko dane do przetworzenia.

Narzędzia (Tools). To ręce agenta. Bez nich agent jest zwykłym czatem. n8n daje pięć rodzajów: inny workflow jako narzędzie, Code Tool z fragmentem JavaScriptu, HTTP Request Tool, MCP Client Tool podpinający zewnętrzny serwer MCP oraz innego agenta jako subagenta. Do tego dochodzą gotowe integracje, na przykład Google Sheets czy Gmail.

Pamięć (Memory). Opcjonalna. W większości automatyzacji zbędna, bo agent działa podczas jednego wywołania workflowu i nie musi pamiętać poprzednich. Potrzebna w czatach i asystentach, gdzie rozmowa trwa wiele tur.

Czwarte, ukryte wejście pojawia się po zaznaczeniu opcji „Require Specific Output Format”: Output Parser ze schematem JSON. Dzięki niemu agent zwraca zwalidowane pola zamiast wypracowania, z którego trzeba wyciągać kolumny.

Agent czy zwykły workflow?

Agent jest droższy, wolniejszy i mniej przewidywalny niż reguła. Używaj go tylko tam, gdzie proces wymaga zrozumienia albo oceny: kwalifikacja leada, klasyfikacja zgłoszenia, odczytanie dokumentu, wybór ścieżki na podstawie treści. Tam, gdzie wystarczy warunek, warunek jest tańszy, szybszy i przewidywalny.

Typowy przykład z wdrożeń: ktoś chce podpiąć agentowi cztery wywołania HTTP jako alternatywne ścieżki i pozwolić modelowi wybrać. Jeśli logika brzmi „sprawdź tu, jak nie działa, to tam”, to proces deterministyczny. Lepiej zbudować go jako workflow: nic nie kosztuje, wynik jest pewny, a decyzja oddana modelowi wprowadza tylko niedeterminizm i możliwość pomyłki.

Dane z n8n AI Automation Index to potwierdzają. Wśród workflowów budowanych przez agentów AI tylko około 7% zawiera węzeł modelu językowego, a udział ten spadł z 17% w marcu 2026. Rośnie to, co deterministyczne: webhooki, harmonogramy, synchronizacje baz. Agent jest jednym z narzędzi w workflowie, nie jego celem.

Jak zbudować dobre narzędzie dla agenta?

Najbardziej elastyczne narzędzie to sub-workflow. Agent podaje parametry, sub-workflow wykonuje ciężką pracę i zwraca wynik. Kilka zasad, które decydują o tym, czy agent z narzędzia skorzysta poprawnie:

• Zawsze zwracaj odpowiedź. Sukces albo czytelny komunikat błędu, nigdy pusty wynik. Agent, który nie dostaje nic, nie wie, czy próbować dalej.
• Zwracaj tekst, nie JSON. Model rozumie tekst. Krótkie komunikaty błędów w rodzaju „usługa niedostępna, nie próbuj dalej” pozwalają agentowi podjąć decyzję.
• Ciężką pracę robi sub-workflow. Agent nie filtruje arkusza tokenami. Sub-workflow filtruje i zwraca gotowy wynik, co oszczędza tokeny i daje deterministyczną logikę tam, gdzie powinna być.
• Zwracaj przetworzony wynik, nie surowe dane. W n8n Agents odpowiedź z podpiętego workflowu ma stały limit 4 kB. Powyżej wygląda, jakby narzędzie nie działało, choć sub-workflow wykonuje się poprawnie. Strona HTML ze scrapera w całości nie przejdzie; streszczenie przejdzie.
• Sub-workflow z kontraktem wejścia. Węzeł „When Executed by Another Workflow” pozwala zdefiniować pola i typy. Błędne dane zatrzymują się w miejscu przekazania z czytelnym komunikatem, zamiast wysypać workflow gdzieś dalej.

Serwer MCP jako narzędzie daje agentowi cały zestaw operacji i pozwala mu samemu wybrać właściwą. Pojedynczy węzeł integracji jest rozdrobniony: trzeba wskazać zasób i operację, więc obsługuje jedno działanie. Gdy agent ma pracować z całym systemem, na przykład z narzędziem do zadań, lepiej wystawić mu serwer MCP. n8n potrafi go zbudować sam, przez węzeł MCP Server Trigger.

Czym są n8n Agents i czym różnią się od węzła AI Agent?

Od sierpnia 2026 n8n ma w przeglądzie instancji osobną zakładkę Agents. Różnica konceptualna: workflow to procedura, agent to pracownik z procedurami podpiętymi jako narzędzia.

	AI Agent node	n8n Agents
Gdzie zdefiniowany	wewnątrz jednego workflowu	raz, w zakładce Agents
Reużywalność	tylko w tym workflowie	w wielu workflowach jednocześnie
Pamięć	kontekst jednej egzekucji	własna pamięć między wywołaniami
Punkty wejścia	jedno miejsce w workflowie	Slack, Telegram, Discord, Linear i wywołania z workflowów
Skille	brak	tak, ładowane warunkowo
Subagenci	inny agent jako narzędzie	osobna zakładka, do 20 równolegle

Do uruchomienia wystarczą model i instrukcja; po opublikowaniu agent jest dostępny z kanałów i z węzła „Message an Agent” w workflowach. Skille ładują się warunkowo, na podstawie fraz w opisie, więc agent nie wczytuje wszystkiego przy każdym wywołaniu. Przy każdym narzędziu jest opcja „require approval”: agent musi poprosić o zgodę przed użyciem.

Najprostszy kanał na start to Telegram: bot przez BotFather powstaje w kilka minut, bez zatwierdzeń i kont firmowych, a dostęp warto od razu ograniczyć do własnego identyfikatora użytkownika. WhatsApp wymaga konta firmowego Meta i długiego procesu zatwierdzenia.

Jeden duży agent czy wielu wyspecjalizowanych?

Wyspecjalizowanych. Ogranicza nas długość instrukcji: im więcej przypadków opisuje system message, tym gorzej agent działa w każdym z nich. Architektura, która się skaluje, to orkiestrator rozmawiający z użytkownikiem i delegujący do subagentów: analityka danych, obsługi sprzedaży, magazynu. Taki subagent może obsługiwać wielu orkiestratorów.

Subagenci mogą działać na tańszym modelu niż orkiestrator. Sprawdza się też wzorzec „mądrzejszy model jako doradca”: agent pracuje na tanim modelu, a skill mówi mu, kiedy poprosić droższy o radę, na przykład przed zmianą trudną do odwrócenia.

Jak zabezpieczyć agenta?

Instrukcja w prompcie nie jest zabezpieczeniem. Agent analityczny z dostępem do bazy dostał polecenie „tylko SELECT”, ale narzędzie technicznie pozwalało wykonać dowolne zapytanie, łącznie z usunięciem tabeli. Realnie chronią trzy rzeczy:

1. Zasada minimalnego dostępu. Agent dostaje tylko narzędzia potrzebne do zadania. Najskuteczniejsze zabezpieczenie to nieudostępnianie narzędzia, które umożliwia niechcianą operację.
2. Zatwierdzanie wrażliwych narzędzi. Opcja „require approval” w n8n Agents albo wzorzec human-in-the-loop w workflowie: agent zatrzymuje się i czeka na decyzję człowieka na czacie lub w panelu, zanim zrobi coś nieodwracalnego.
3. Nic, co dotyka pieniędzy. Zmiany cen, przelewy i kasowanie danych zostają poza zasięgiem agenta. Znane są przypadki, w których agent usunął bazę klientów z pięciu lat.

Jeśli wystawiasz własny serwer MCP z n8n, skonfiguruj na nim uwierzytelnianie. Bez tego dane są dostępne dla każdego, kto zna adres.

Ile kosztuje agent w n8n?

n8n nie pobiera opłat za tokeny. To mit, który blokuje wiele zespołów przed używaniem n8n w ogóle. Na własnym serwerze koszt jest stały, niezależny od liczby workflowów. Płatne są wyłącznie wywołania modeli, według cennika dostawcy. Workflow deterministyczny, bez węzła modelu, nie kosztuje nic ponad serwer.

Wybór modelu: zaczynaj od najtańszej wersji klasy Flash i podnoś tylko wtedy, gdy jakość nie wystarcza. Modele bywają wycofywane z użycia; przegląd wersji w workflowach raz na kwartał należy do utrzymania, bo dostawcy wycofują starsze serie i workflow przestaje działać z dnia na dzień.

Jak testować agenta bez bałaganu w systemach?

Trzy techniki z wdrożeń:

• Wyłącz węzły akcji klawiszem D. Dane płyną przez workflow, ale nic nie trafia do zewnętrznych systemów. Można uruchamiać dowolną liczbę razy.
• Loguj wyniki do Data Table zamiast przeglądać egzekucje. Po kilku dniach pracy w trybie cienia agent przegląda tabelę i wskazuje, gdzie prompt wymaga poprawy.
• Zbuduj ewaluacje. n8n ma zakładkę Evaluations: zestaw testowych zapytań uruchamiany po każdej zmianie promptu, z punktacją jakości. Przez n8n-mcp agent buduje taki zestaw sam.

Od czego zacząć?

Od jednego wyspecjalizowanego agenta z jednym narzędziem, zbudowanego równolegle z zespołem na własnej instancji. Taki format, jedna sesja, jedno ćwiczenie, prowadzę u klientów co tydzień i po kilkunastu spotkaniach zespół z finansów, magazynu i sprzedaży buduje własnych agentów bez programistów.