Como Criar um AI Agent com n8n
Turn this article into takeaways for your work.
Each assistant summarizes the article only for you and suggests best practices for your work.
O n8n é uma plataforma de automação de workflows que você pode hospedar por conta própria (self-hosting) ou executar na nuvem e, desde 2024, ela traz um nó AI Agent dedicado para criar agents no mesmo canvas visual que você usaria para qualquer outro workflow. Você cria um agent arrastando o nó AI Agent, conectando um modelo de chat, uma ou mais ferramentas e (em geral) um componente de memória. Então o n8n entrega esse conjunto de ferramentas ao modelo e deixa que ele decida o que chamar e em que ordem. O que torna o n8n diferente da maioria dos construtores de agents é que ele é fair-code e permite self-hosting, por isso equipes que querem ser donas dos próprios dados e da própria infraestrutura costumam começar por aqui.
Este guia explica por que as equipes escolhem o n8n para trabalhar com agents, do que exatamente o nó AI Agent é composto, um passo a passo completo de criação, um exemplo prático, custos e limites reais e quando o n8n é a escolha errada.
Por que as Equipes Criam Agents no n8n
O n8n ocupa uma posição específica no cenário de plataformas de agents: mais controle do que um construtor puramente no-code, menos esforço do que escrever um agent do zero. Três fatores explicam isso.
É fair-code, não um SaaS proprietário e fechado. O n8n é distribuído sob a própria Sustainable Use License, com código-fonte disponível e uso gratuito em self-hosting, além de uma Enterprise License paga com os recursos que equipes maiores precisam (SSO, ambientes, permissões avançadas). Isso importa especialmente para um agent de negócios, porque o self-hosting significa que seus dados, o conteúdo dos tickets e os registros de clientes nunca precisam sair de uma infraestrutura que você controla.
Combina construção visual com código de verdade. A maior parte de um workflow é feita de nós arrastar e soltar. Mas, quando as ferramentas nativas do nó AI Agent não bastam, você insere um nó Code e escreve JavaScript ou Python diretamente, no mesmo canvas. Não é preciso sair da plataforma para tratar um caso de borda que uma ferramenta no-code bloquearia.
A camada de IA é nativa, não um acréscimo. O nó AI Agent é construído sobre o LangChain, e o n8n hoje oferece mais de 400 integrações, além de memória, ferramentas de avaliação e orquestração multi-agent, o tipo de design em camadas abordado em padrões de empilhamento para criar AI agents. Não é um chatbot encaixado em uma ferramenta de workflow. É um runtime de agents com uma ferramenta de workflow ao redor.
A demanda por esse tipo de plataforma é real: o n8n captou uma Série C de $180 milhões liderada pela Accel em outubro de 2025, com avaliação de $2,5 bilhões, e informou ter mais de 230.000 usuários ativos e mais de $40 milhões em receita recorrente anual na época, impulsionados sobretudo por equipes que criam agents em vez de automações simples do tipo "se isto, então aquilo".
Do que o Nó AI Agent É Composto
O nó AI Agent é diferente do nó LLM simples do n8n, que recebe uma entrada e devolve uma saída. O nó Agent dá ao modelo uma lista de ferramentas e o controle do loop: ele pode chamar uma ferramenta, ler o resultado, decidir chamar outra e continuar até ter uma resposta. Esse loop é o mesmo ciclo de raciocinar, agir e observar descrito em como os AI agents raciocinam.
| Componente | O que faz | Suas opções |
|---|---|---|
| Chat Model | O LLM que sustenta o raciocínio do agent | OpenAI, Google Gemini, Anthropic, DeepSeek, Groq, Azure OpenAI e outros via nós da comunidade |
| Tools | O que o agent realmente pode fazer, e não apenas dizer | Qualquer nó do n8n encapsulado como ferramenta, uma HTTP Request para uma API, um sub-workflow ou um servidor MCP externo |
| Memory | O que ele lembra entre as mensagens | Simple Memory (apenas da sessão, apagada ao reiniciar), Postgres Chat Memory (persistente, indexada pelo ID da sessão) ou outros nós de memória |
É preciso conectar pelo menos uma ferramenta para que o nó Agent faça algo além de conversar. É a mesma distinção abordada em como os AI agents usam ferramentas: um modelo sem ferramentas só consegue gerar texto, e gerar texto não é o mesmo que agir nos seus sistemas.
Vale acertar a memória logo no início. A Simple Memory serve para uma demonstração, mas é volátil e desaparece ao reiniciar ou fazer um novo deploy. Tudo que for voltado ao cliente ou de longa duração (uma conversa de suporte que se estende por dias, por exemplo) precisa de Postgres Chat Memory ou de um armazenamento persistente equivalente, a mesma diferença entre memória de trabalho e memória persistente abordada em memória de AI agents.
Você também pode conectar um nó de vector store para dar ao agent recuperação sobre os seus próprios documentos, o padrão RAG explicado em detalhes em RAG para AI agents. Nem todo agent precisa disso. Um agent de roteamento de tickets precisa sobretudo de ferramentas; um agent de perguntas sobre políticas precisa sobretudo de recuperação.
O Passo a Passo da Criação
- Comece com um trigger. Um webhook, um agendamento, o envio de um formulário ou o Chat Trigger nativo do n8n para testar em um painel de chat.
- Adicione o nó AI Agent e conecte um Chat Model. Escolha um provedor de modelo e defina aqui a sua mensagem de sistema: os blocos de papel e regras de como criar um AI agent, declarados de forma direta. "Responda às dúvidas de suporte recebidas usando somente a knowledge base conectada; faça a transferência para um humano de tudo que você não souber responder com segurança."
- Anexe as Tools. Encapsule como ferramentas os nós do n8n de que o agent precisa: uma HTTP Request para a API do seu helpdesk, uma consulta ao banco de dados, uma mensagem no Slack, uma atualização no CRM. Cada ferramenta precisa de um nome e de uma descrição claros, porque o modelo escolhe as ferramentas com base nessa descrição, e não no que o nó faz por baixo dos panos.
- Adicione Memory se o agent precisar manter contexto entre turnos. Dispense-a em tarefas de uma única passada (classificar este ticket e parar). Adicione Postgres Chat Memory para qualquer coisa conversacional.
- Adicione RAG se o agent precisar responder a partir dos seus próprios documentos. Conecte um nó de vector store carregado com a sua knowledge base.
- Teste no painel de chat antes de ligar um trigger real. O chat de IA nativo do n8n permite executar o agent de forma conversacional e acompanhar quais ferramentas ele chama, o que pega a maioria dos erros óbvios antes que algo toque dados de produção.
- Ative o trigger real e monitore de perto as primeiras execuções. Observe erros de seleção de ferramentas e guardrails ausentes antes de entregar um volume real ao agent.
Para um passo a passo mais aprofundado sobre como escrever a própria mensagem de sistema, como criar um AI agent cobre os seis blocos de construção (papel, ferramentas, regras, manual de cenários, lógica de decisão e barreiras de proteção) de que um agent bem especificado precisa, independentemente da plataforma em que você o criar.
Um Exemplo Prático: um Agent de Triagem de Suporte com IA no n8n
Veja como uma função real se monta na plataforma, usando as peças do próprio n8n.
Trigger: um webhook dispara quando um novo ticket chega ao seu helpdesk.
Tools: um nó HTTP Request lê o ticket completo e o plano do cliente na API do helpdesk; um segundo HTTP Request verifica o status da conta do cliente no seu CRM; um nó Slack publica um resumo no canal certo quando o agent decide escalar; um último HTTP Request atualiza o status e as tags do ticket.
Memory: Postgres Chat Memory indexada pelo ID do ticket, de modo que, se o cliente responder de novo antes de o ticket ser encerrado, o agent já tenha a conversa inteira, em vez de começar do zero.
Lógica de decisão, escrita na mensagem de sistema: primeiro, classificar a gravidade e o tema. Se corresponder a um padrão conhecido e de baixo risco (redefinição de senha, dúvida de cobrança com resposta clara na knowledge base), redigir e enviar a resposta diretamente. Se a gravidade for alta, se mencionar cancelamento ou se a confiança do agent for baixa, publicar no canal de escalonamento do Slack com o resumo do ticket e parar, sem adivinhar.
Essa etapa de escalonamento é exatamente o padrão de transferência abordado em sistemas multi-agent: um agent de triagem não precisa resolver tudo sozinho, precisa resolver o que consegue e transferir de forma limpa para um humano ou para um segundo agent, como o descrito no blueprint do AI Escalation Manager Agent, para o restante. O blueprint do AI Support Triage Agent traz a especificação completa dessa função, com regras e guardrails incluídos, caso você queira copiar o design em vez de escrevê-lo do zero.
Custo e Limites
O n8n em si é gratuito para self-hosting sob a licença fair-code. A versão Cloud tem planos pagos cobrados por execuções de workflow. Em ambos os casos, o custo que realmente cresce com o uso são as chamadas ao modelo por trás do nó Chat Model, cobradas diretamente pelo provedor que você conectar (OpenAI, Anthropic, Google e assim por diante), e não pelo n8n. Planeje esse orçamento à parte e leia custo total de propriedade de IA antes de se comprometer com um agent pesado e sempre ativo, porque o gasto com tokens em volume real sobe mais rápido do que a maioria das primeiras estimativas.
Os limites reais não são o preço, são operacionais. O n8n não repete automaticamente uma chamada de ferramenta que falhou nem trata todos os casos de borda; você mesmo monta o tratamento de erros, como faria em qualquer workflow. O self-hosting significa que você é responsável por uptime, backups e correções de segurança. E, como um agent com acesso a ferramentas pode ser manipulado pelo que lê, qualquer agent do n8n com um trigger de webhook público precisa do mesmo raciocínio de defesa em profundidade abordado em segurança de AI agents e prompt injection: trate o conteúdo recebido como dados a avaliar, não como instruções a seguir, e limite as credenciais de cada ferramenta ao estritamente necessário para aquele agent.
Quando Escolher o n8n e Quando Escolher Alternativas
| Se você quer... | Escolha |
|---|---|
| Self-hosting, controle total, e não se importa em montar mais parte da lógica por conta própria | n8n |
| Um construtor puramente visual com o catálogo mais amplo de integrações de apps | Make |
| O caminho mais rápido até um agent funcionando, sem nenhum código | Lindy |
| Controle total via código sobre os modelos da própria OpenAI, sem camada visual | Responses API da OpenAI |
O n8n fica entre esses polos. Não é o caminho mais rápido até uma primeira demonstração, que geralmente é o Lindy. Não é a biblioteca de integrações mais ampla, que geralmente é o Make. O que ele oferece, em vez disso, é um workflow totalmente seu, em uma infraestrutura que você controla, com uma saída de emergência para código de verdade sempre que a camada visual chegar ao limite. Esse trade-off, mais montagem em troca de mais controle, é o mesmo avaliado na comparação de plataformas em como criar um AI agent.
Vale lembrar também que essas opções não são mutuamente exclusivas. Um agent criado no n8n pode usar os modelos da OpenAI como Chat Model. O n8n é a camada de orquestração; o modelo por baixo é outra decisão.
Key Facts
- O n8n cria agents a partir de um nó AI Agent conectado a um Chat Model, uma ou mais Tools e (em geral) Memory, rodando sobre o LangChain por baixo dos panos.
- O n8n é fair-code sob a própria Sustainable Use License: gratuito para self-hosting, com planos Cloud e Enterprise pagos.
- O n8n captou uma Série C de $180 milhões liderada pela Accel em outubro de 2025, com avaliação de $2,5 bilhões, informando mais de 230.000 usuários ativos e mais de $40 milhões em ARR na época.
- A plataforma oferece mais de 400 integrações nativas, além de nós Code personalizados para JavaScript ou Python quando um nó nativo não é suficiente.
- Os custos do modelo são cobrados à parte pelo provedor escolhido (OpenAI, Anthropic, Google e outros); o preço do n8n cobre hospedagem e execuções, não tokens.
Perguntas Frequentes sobre Como Criar um AI Agent com n8n
Preciso saber programar para criar um agent no n8n?
Não, a maioria dos agents pode ser criada inteiramente com os nós visuais do n8n: um trigger, o nó AI Agent, um Chat Model, Tools e Memory. O código passa a ser útil, mas não obrigatório, quando você precisa de uma lógica personalizada que um nó nativo não consegue expressar, e o nó Code do n8n permite escrever JavaScript ou Python diretamente quando isso acontece.
Qual é a diferença entre o nó AI Agent do n8n e o nó LLM comum?
O nó LLM simples recebe uma entrada e devolve uma saída, em uma única passada. O nó AI Agent dá ao modelo uma lista de ferramentas conectadas e deixa que ele decida quais chamar, em que ordem e se deve chamar mais de uma antes de responder, o loop de raciocínio que o torna um agent, e não uma simples conclusão de texto.
Posso fazer self-hosting do n8n de graça?
Sim. O n8n é fair-code sob a própria Sustainable Use License, o que significa que o código-fonte está disponível e o self-hosting é gratuito. Uma Enterprise License paga adiciona recursos de que equipes maiores precisam, como SSO e gerenciamento de ambientes, e o n8n Cloud oferece uma opção totalmente hospedada, cobrada por execuções de workflow.
Que modelos de IA posso usar com o nó AI Agent do n8n?
O sub-nó Chat Model oferece suporte a OpenAI, Google Gemini, Anthropic, DeepSeek, Groq e Azure OpenAI, entre outros, além de conectores criados pela comunidade para provedores adicionais. Você também pode trocar de modelo por workflow sem refazer as ferramentas ou a memória do agent.
Como a memória é tratada em um agent do n8n?
Por meio de um sub-nó Memory conectado ao nó AI Agent. A Simple Memory guarda o histórico da conversa na sessão do workflow e é apagada quando o n8n reinicia, o que serve para testes. A Postgres Chat Memory persiste entre reinicializações e indexa as conversas pelo ID da sessão, que é o que a maioria dos agents em produção precisa.
Para Onde Ir Agora
O n8n é um caminho para um agent funcionando, não o único. Se a sua equipe quer o catálogo de apps mais amplo e um construtor visual mais guiado, veja como criar um AI agent com o Make. Se quer o primeiro agent mais rápido possível, sem montagem, veja como criar um AI agent com o Lindy. Qualquer que seja a plataforma escolhida, o panorama de ferramentas de automação e o guia das melhores ferramentas de automação no-code são boas referências para comparar o n8n com o restante da categoria antes de se comprometer.
