Как создать первого ИИ-агента в n8n: чат и калькулятор
Собираем AI Agent в n8n без кода: Chat Trigger, модель и Calculator. Промпт, тестовые запросы и разбор частых ошибок.
Первого ИИ-агента проще понять на задаче, где видно каждое действие. Соберём в n8n чат-помощника, который получает числа, вызывает калькулятор и объясняет результат. Например, считает конверсию из посещений в заявки.
На выходе — небольшой workflow из триггера, агента, модели и одного инструмента. Он не требует CRM, Telegram-бота или базы данных. Инструкция описывает сборку по текущей документации n8n; конкретная модель и интерфейс вашего экземпляра могут отличаться. Учебный сценарий с вашим API-ключом здесь не запускался.
1. Подготовь n8n и доступ к модели
Нужен доступ к редактору n8n: облачному или уже настроенному экземпляру. Также понадобится поддерживаемая чат-модель с вызовом инструментов и её credentials. Для облачного провайдера обычно нужен отдельный API-доступ: подписка на пользовательский чат не означает, что вызовы из n8n оплачены.
Не вставляй API-ключ в системный промпт. Создай credential в соответствующем узле модели. Если используешь корпоративный n8n, проверь, какие провайдеры разрешены. Начни с вымышленных чисел из этой статьи.
2. Собери четыре узла
В новом workflow добавь Chat Trigger и соедини его обычный выход с AI Agent. В нижних подключениях агента добавь чат-модель к порту Chat Model, затем Calculator к порту Tool.
Chat Trigger ──→ AI Agent
├─ Chat Model: выбранная модель
└─ Tool: CalculatorЭто схема связей, а не файл для импорта. Модель и калькулятор подключаются как подузлы агента, а не следующими шагами основной цепочки. По документации AI Agent агенту нужен хотя бы один инструмент. Calculator выполняет математические расчёты.
В Chat Trigger оставь Make Chat Publicly Available выключенным на время сборки. Для простого ответа выбери When Last Node Finishes, если настройка Response Mode доступна. Последним обычным узлом у нас остаётся агент. Эти параметры описаны в справке Chat Trigger.
3. Настрой вход и инструкцию агента
В AI Agent выбери получение пользовательского сообщения из подключённого Chat Trigger. Если твоя версия предлагает ручной Prompt, укажи выражение {{ $json.chatInput }} и проверь, что оно получает текст тестового сообщения.
В System Message добавь:
Ты учебный помощник по продуктовым метрикам.
Используй Calculator для всех арифметических вычислений.
Для конверсии нужны число целевых действий и число посещений:
конверсия = действия / посещения * 100%.
Если не хватает чисел или определение метрики неоднозначно,
задай уточняющий вопрос. Не придумывай входные данные.
При нулевом знаменателе объясни, что метрика не определена.
Покажи формулу, исходные числа, результат и единицы измерения.
Не утверждай, что использовал инструмент, если вызова не было.
Не делай выводы о причинах изменения метрик по одним числам.Память на этом этапе не нужна: каждый тестовый запрос содержит все исходные данные. Поэтому не проверяй работу фразой «а теперь для прошлого месяца» без конкретных чисел — такой вопрос требует контекста предыдущего сообщения.
4. Проверь ответ и вызов инструмента
Открой тестовый чат workflow и отправь первый запрос из таблицы. Затем посмотри выполнение AI Agent и Calculator в редакторе: важно увидеть не только финальную фразу, но и факт расчёта инструментом.
| Запрос | Что проверяем |
|---|---|
| Из 1 200 посещений получили 84 заявки. Посчитай конверсию. | 84 / 1 200 × 100 = 7%; вызван Calculator |
| Из 800 посещений получили 36 заявок. Посчитай конверсию. | 4,5%; вызван Calculator |
| Получили 84 заявки. Какая конверсия? | Уточняет число посещений |
| Посещений 0, заявок 0. Какая конверсия? | Не делит на ноль; сообщает неопределённость |
| Конверсия выросла с 4% до 5%. Насколько? | +1 процентный пункт и +25% относительно исходного значения |
Последний пример выявляет частую путаницу процентов и процентных пунктов. Если агент просто ответил «на 1%», попроси уточнить, о каком изменении идёт речь.
Скачай тесты и системную инструкцию. Сохрани фактический результат напротив каждого запроса. Не называй workflow надёжным по одному успешному ответу: повтори проверки после смены модели или промпта.
5. Разбери типовые ошибки
Если агент сообщает об отсутствии инструмента, проверь подключение к Tool. Если модель не принимает tool calling, выбери совместимую модель в документации провайдера. Ошибка авторизации или квоты относится к credentials и API-аккаунту, а не к формулировке задания.
Если вход пустой, открой выход Chat Trigger и проверь поле chatInput. Если ответ есть в выполнении, но не отображается в чате, проверь режим ответа и последний узел. Если калькулятор не вызывается, проверь инструкцию и журнал: правильное число без вызова инструмента не проходит наш учебный тест.
6. Выбери следующий полезный сценарий
После успешного теста замени абстрактные числа своей повторяющейся задачей: расчётом показателей отчёта или чтением справочных данных. Добавляй инструменты по одному. Для обычной фиксированной формулы отдельный вычислительный узел проще агента; агент полезен, когда нужно понять вопрос и выбрать действие.
Каждое сообщение в Chat Trigger запускает workflow, а обращения к модели расходуют API-квоту. Перед общим доступом проверь ограничения расходов и настрой доступ к чату. Для первого упражнения публичная публикация не нужна.
Дальше разберись с проверками и условиями остановки агента и преврати таблицу тестов в первый eval. Так у тебя будет понятный критерий готовности перед подключением реальных рабочих систем.
Проверь агента перед добавлением второго инструмента
Калькулятор даёт удобный первый тест, потому что ответ можно посчитать независимо. Но одного правильного вычисления мало для перехода к записи в рабочую систему. Сначала раздели три возможные проблемы: агент неверно понял вопрос, передал неверные аргументы или неправильно пересказал результат инструмента.
В журнале выполнения найди вход пользователя, вызов Calculator и итоговый текст. Если пользователь просил сумму 18 и 27, а инструмент получил 18 × 27, ошибка произошла до вычисления. Если Calculator вернул 45, а итог говорит 54, нужно проверять последний ответ. Переподключение credentials в этих случаях не исправит смысловую ошибку.
Посчитай общую стоимость: 12 мест по 1 500 рублей.
Используй калькулятор. Покажи выражение и итог с единицей измерения.
Не оценивай прибыль: расходов в условии нет.Контроль — 18 000 рублей и отсутствие вывода о прибыли. Затем отправь «мест стало на два меньше». Без подключённой памяти новый запуск может не знать, о каком количестве речь. Для независимого теста напиши полное условие: «10 мест по 1 500 рублей». Ожидаемый итог — 15 000.
Подключение памяти меняет сценарий: нужно отдельно проверить, как разделяются разговоры пользователей. Не используй общий постоянный идентификатор сессии для всех посетителей. Пока упражнение выполняется одним человеком в тестовом чате, это ограничение можно изучить до открытия публичного доступа.
В актуальном описании AI Agent требуется хотя бы один подключённый инструмент. Для фиксированной операции без выбора действия часто достаточно цепочки или обычного вычислительного узла. Не добавляй агента только ради названия.
Скачать дополнительные тесты. В наборе есть неполное условие, корректный расчёт и вопрос за пределами задачи. Сохраняй фактические вызовы при собственном запуске: здесь приведены ожидаемые результаты, а не замеры конкретной модели. Вторым инструментом можно подключить справочник через MCP или собрать отдельный RAG-сценарий.
Собери своего ИИ-агента и проверь результат
«AI Agents: от vibe coding к AI-команде»: desktop agents, MCP, skills, evals и harness. Отдельные воркшопы — от подключения инструментов до контроля качества.
7 практических воркшопов · записи · вопросы автору в чате
Посмотреть программу курса ↗