Jak zainstalować n8n-skills i po co agentowi AI skille do n8n?

Czym są n8n-skills i co jest w środku skilla?

n8n-skills to repozytorium 14 skilli dla agentów AI, plus jeden skill-router i warstwa hooków, które razem uczą agenta budować workflowy n8n przez serwer n8n-mcp. Sam n8n-mcp daje agentowi narzędzia: dokumentację węzłów, walidację, operacje na instancji. Skille dają wiedzę, jak z tych narzędzi korzystać, żeby workflow działał za pierwszym razem, nie po trzech rundach poprawek.

Skill w tym repozytorium to plik SKILL.md: na górze krótki opis, który mówi agentowi, kiedy skill aktywować, niżej treść, która uczy jednej rzeczy dobrze. Otwierałem na przykład n8n-error-handling: opisuje, że domyślnie błąd w węźle zatrzymuje cały workflow, i że dla webhooka albo zadania na harmonogramie to zły wybór. Uczy, jak skonfigurować error output w dwóch krokach, onError: continueErrorOutput plus podpięcie połączenia do handlera, i pokazuje, co się dzieje, gdy zrobisz tylko jeden z nich: workflow albo cicho gubi błąd, albo handler nigdy się nie odpala.

Czternaście skilli pokrywa osobne tematy:

Skill	Czego uczy
n8n-expression-syntax	składni {{ }}, dostępu do $json/$node, pułapki $json.body przy webhookach
n8n-mcp-tools-expert	doboru narzędzia n8n-mcp do zadania, formatów nodeType, profili walidacji
n8n-workflow-patterns	pięciu sprawdzonych wzorców architektury: webhook, API, baza danych, AI, harmonogram
n8n-validation-expert	czytania błędów walidacji, odróżniania must-fix od rekomendacji jakości
n8n-node-configuration	wymaganych pól per operacja, zależności między właściwościami węzła
n8n-code-javascript	JavaScriptu w Code node, dostępu do danych, this.helpers, wzorców pętli
n8n-code-python	Pythona w Code node i jego ograniczeń, brak zewnętrznych bibliotek
n8n-code-tool	Code Tool wywoływanego przez agenta AI, inny kontrakt niż zwykły Code node
n8n-error-handling	error output per węzeł, retry, workflowów Error Trigger, kodów 4xx/5xx
n8n-binary-and-data	pracy z plikami i obrazami, $binary kontra $json, granicy narzędzia agenta
n8n-subworkflows	wydzielania współdzielonej logiki, typowanych wejść, trybu all kontra each
n8n-agents	budowy węzła AI Agent, $fromAI, pamięci, structured output, RAG
n8n-multi-instance	pracy z kilkoma instancjami n8n naraz, unikania cichych pomyłek adresu
n8n-self-hosting	wdrożenia n8n na VPS-ie przez Docker Compose i Caddy, tryb single kontra queue

Skill-router, using-n8n-mcp-skills, ładuje się na starcie sesji i sam kieruje agenta do właściwego skilla.

Dlaczego agent bez skilli buduje gorzej?

Bez skilli agent ma tylko surowe narzędzia n8n-mcp i to, co pamięta z treningu. n8n zmienia się szybciej, niż modele nadążają: nazwy parametrów, wersje węzłów, domyślne zachowania. Agent, który polega na pamięci zamiast na żywej dokumentacji, wpisuje parametr, który wygląda poprawnie, przechodzi walidację jako zwykły string i nic nie robi w czasie wykonania.

Klasyczny błąd, który opisują skille, to wpisanie instrukcji roboczych agenta w user message zamiast w system message węzła AI Agent. Wygląda na drobiazg, ale przy kolejnych turach rozmowy prowadzi do halucynacji: model traktuje instrukcję jako część treści do przetworzenia, nie jako stałą regułę działania. Skill n8n-agents uczy, że nazwy i opisy narzędzi w węźle AI Agent same są promptem, i że pamięć, structured output i topologia czatu mają swoje pułapki, których nie widać w dokumentacji węzła.

Bez skilli wracają też inne błędy. Zła forma nodeType przy wywołaniach MCP: jedna dla get_node, druga dla validate_workflow. Set node, który zasila tylko jeden kolejny węzeł, choć wyrażenie wystarczyłoby wpisać bezpośrednio w konsumencie. Walidacja, która przechodzi, ale nikt nie sprawdził połączeń po edycji, więc błąd wychodzi dopiero na produkcji. Telemetria n8n-mcp pokazuje skalę problemu z innej strony: 74% workflowów budowanych przez AI zawiera węzeł Code, 60% ma węzeł HTTP Request, a tylko 2% ma Error Trigger. Agent sięga po kod i po wywołanie API, zamiast poszukać gotowej integracji, bo żeby znaleźć coś w bazie 525+ węzłów, trzeba użyć search_nodes; skill n8n-mcp-tools-expert uczy, kiedy i jak z tego narzędzia korzystać. Agent buduje ścieżkę szczęśliwą, bo o nią go poproszono. Skille naprawiają to tylko częściowo, resztę musi dopilnować człowiek albo reguła w pamięci agenta.

Jak zainstalować skille w Claude Code?

Najprostsza droga to instalacja jako plugin, bo wtedy dostajesz też warstwę hooków, nie tylko same pliki skilli.

/plugin install czlonkowski/n8n-skills

Możesz też dodać repozytorium jako marketplace i wybrać plugin z listy:

/plugin marketplace add czlonkowski/n8n-skills
/plugin install
# wybierz "n8n-mcp-skills" z listy

Trzecia droga, ręczna, działa wszędzie, ale bez hooków:

git clone https://github.com/czlonkowski/n8n-skills.git
cp -r n8n-skills/skills/* ~/.claude/skills/

Po skopiowaniu plików Claude Code ładuje skille automatycznie, bez restartu. Instalacja jako plugin ma jedną przewagę: skill-router using-n8n-mcp-skills ładuje się przez hook SessionStart na starcie każdej sesji i wraca po resume, clear albo compact, więc przeżywa kompresję kontekstu. Przy instalacji ręcznej router aktywuje się tylko wtedy, gdy zapytanie pasuje do jego opisu, tak jak każdy inny skill.

Jak zainstalować je w Claude.ai i w ChatGPT?

W Claude.ai skille nie instalujesz z repozytorium jednym poleceniem, tylko wgrywasz jako pliki. Pobierasz folder skilla z katalogu skills/ w repozytorium i pakujesz go do zipa albo bierzesz gotowe zipy z ostatniego release'u na GitHubie, a potem wgrywasz je w Ustawienia → Możliwości → Skille. Powtarzasz to dla każdego skilla osobno, bo Claude.ai nie zna pojęcia „paczka skilli”, tylko pojedyncze przesłane pliki.

W ChatGPT instalacja wygląda podobnie, ale kryje się w innym miejscu interfejsu, niż większość osób szuka najpierw. Skille wgrywasz w Ustawienia → Skills, nie w Plugins, i wybierasz wszystkie pozycje z przedrostkiem n8n-. Plugins to w ChatGPT co innego: integracje z zewnętrznymi usługami. Skills to osobny mechanizm na wgrane instrukcje.

W obu miejscach, Claude.ai i ChatGPT, skille działają wyłącznie na podstawie opisu w nagłówku pliku: model sam decyduje, kiedy dany skill pasuje do zapytania. To ta sama zasada aktywacji co w Claude Code, ale bez warstwy hooków, więc nic nie przypomina agentowi w trakcie pracy, żeby zajrzał do skilla, zanim wywoła konkretne narzędzie n8n-mcp.

Jak zainstalować plugin Codex i co robią hooki?

Repozytorium n8n-skills działa też jako plugin agentowy dla Codex, obok Claude Code. Instalujesz go tak samo jak u innych klientów, które obsługują pluginy agentowe: dodajesz repozytorium jako źródło pluginów i wybierasz n8n-mcp-skills z listy. W Codex, tak jak w Claude Code, dostajesz warstwę hooków razem ze skillami, bo oba środowiska obsługują ten mechanizm.

Hooki to trzy rodzaje automatycznych przypomnień, które nie czekają, aż agent sam trafi na właściwy opis skilla:

• SessionStart ładuje skill-router using-n8n-mcp-skills na starcie każdej sesji, więc agent zna spis wszystkich skilli i zasady od pierwszej tury, zamiast czekać, aż zapytanie trafi w opis.
• PreToolUse odpala się przed wywołaniami narzędzi o dużym wpływie: get_node na węzłach Set, Code, Merge, Loop Over Items, DateTime, Data Table albo AI Agent daje przypomnienie właściwe dla tego węzła. Odpala się ponownie przy każdym kolejnym sprawdzeniu tego samego węzła, bo powtórka zwykle znaczy, że agent się waha. Wywołania n8n_instances i n8n_manage_credentials dają jednorazowe przypomnienie o dyscyplinie pracy na wielu instancjach i o credentialach.
• PostToolUse odpala się po validate_workflow: sprawdza typy węzłów w workflowie, kieruje do skilli, które pokrywają pozostałe ryzyka, i przypomina, że przejście walidacji jest konieczne, ale nie wystarcza.

Każdy hook działa w trybie fail-open: jeśli coś pójdzie nie tak w samym mechanizmie przypomnienia, nie blokuje wywołania narzędzia. W Claude.ai i w ChatGPT te trzy mechanizmy nie istnieją, bo hooki musi obsłużyć sam klient.

Jak utrzymać skille zaktualizowane w zespole?

Skille nie aktualizują się same. Ma to znaczenie, gdy korzysta z nich więcej niż jedna osoba: repozytorium na GitHubie idzie do przodu, ale Twoja kopia, czy to w ~/.claude/skills/, czy jako zipy wgrane do Claude.ai i ChatGPT, zostaje na wersji, którą wgrałeś.

W zespołach, z którymi pracuję, jedna osoba utrzymuje skille centralnie dla całego workspace'u. Przy instalacji ręcznej robi git pull w repozytorium i kopiuje pliki do katalogu skilli jeszcze raz. W Claude.ai i ChatGPT pobiera nowe zipy z release'u i zastępuje nimi stare wersje w panelu skilli, u każdego użytkownika osobno, bo skille wgrane przez jedną osobę nie trafiają automatycznie do reszty zespołu. Aktualizacja to podmiana, nie scalanie: nowa wersja pliku zastępuje starą.

Ten model działa, gdy ta jedna osoba rozumie, co zmieniło się w nowej wersji, i uprzedza resztę, zanim podmieni pliki wszystkim naraz. Bez tego zespół pracuje na różnych wersjach skilli równolegle, co samo w sobie nie jest tragiczne, ale utrudnia debugowanie, kiedy dwie osoby dostają różne wyniki na to samo zapytanie.

Co zmienia się w praktyce po instalacji?

U klienta, firmy e-commerce, z którą pracuję, zespół na cotygodniowych sesjach buduje workflowy w ChatGPT i Claude z wgranymi skillami n8n. Jeden z uczestników opisał różnicę po instalacji jako „dzień i noc”: to samo zapytanie do agenta, ten sam serwer n8n-mcp pod spodem, ale z warstwą skilli agent trzyma się sprawdzonych wzorców, zamiast za każdym razem zgadywać od nowa, jak skonfigurować węzeł albo jaki wzorzec architektury wybrać do zadania.

Zmienia się kilka rzeczy naraz: agent rzadziej wpada w pętlę błędów walidacji, bo skill n8n-validation-expert uczy, które błędy trzeba naprawić, a które to tylko rekomendacje jakości. Rzadziej buduje Set node, który zasila jeden węzeł, bo n8n-expression-syntax uczy wpisywać wyrażenie bezpośrednio. Rzadziej wpisuje instrukcję agenta w złe pole węzła AI Agent. Pojedynczo żadna z tych zmian nie robi wrażenia, ale razem dają mniej rund poprawek między zleceniem a działającym workflowem.

Widać to też po tym, czego agenci szukają najczęściej. W logach wyszukiwań n8n-mcp najczęstsze zapytania to data table, webhook, http request, schedule trigger i google sheets, czyli podstawowe klocki większości automatyzacji biznesowych, nie egzotyczne integracje. Skill n8n-mcp-tools-expert uczy agenta, jak od razu trafić wyszukiwarką w konkretny węzeł, zamiast po omacku próbować kilku nazw. Przy tak powtarzalnych zapytaniach zmniejsza to liczbę wywołań narzędzi między zleceniem a pierwszą wersją workflowu.

Od czego zacząć?

Jeśli pracujesz w Claude Code, zacznij od instalacji jako plugin: jedno polecenie, /plugin install czlonkowski/n8n-skills, daje Ci komplet czternastu skilli razem z warstwą hooków. Jeśli budujesz workflowy w Claude.ai albo w ChatGPT, nie wgrywaj wszystkich czternastu naraz. Zacznij od routera i dwóch lub trzech skilli najbliższych temu, co robisz najczęściej, na przykład n8n-mcp-tools-expert i n8n-workflow-patterns, a kolejne dokładaj w miarę potrzeby.

Repozytorium jest darmowe i open source: github.com/czlonkowski/n8n-skills. Jest też w katalogu skills.sh. Skille wymagają działającego serwera n8n-mcp: bez niego uczą wzorców, ale agent nie ma narzędzi, żeby je wykonać na żywej instancji.