Cómo crear un agente de IA en n8n paso a paso

En pocas palabras: Para crear un agente de IA en n8n armás un workflow con Chat Trigger, el nodo AI Agent, un modelo de chat (OpenAI o Anthropic) y al menos una herramienta. Desde n8n 1.82.0 todos los AI Agent funcionan como Tools Agent, y el modelo decide qué herramienta llamar.

Para crear un agente de IA en n8n armás un workflow con un Chat Trigger, el nodo AI Agent, un modelo de chat (OpenAI Chat Model o Anthropic Chat Model), memoria opcional y al menos una herramienta. El modelo decide qué herramienta llamar para resolver cada pedido.

El nodo AI Agent de n8n es el componente que construye un agente de IA: un sistema autónomo que recibe datos, decide y actúa sobre su entorno con herramientas externas y APIs para cumplir un objetivo, según la documentación oficial de n8n. Sirve para armar asistentes que consultan bases de datos, buscan información o ejecutan acciones, sin que programes un framework propio.

¿Qué es un agente de IA en n8n y en qué se diferencia de una chain?

Un agente de IA en n8n es un workflow donde el modelo de lenguaje decide qué herramientas usar y en qué orden, mientras que una chain sigue pasos fijos que definiste vos de antemano. La documentación del nodo lo resume así: “Connect a chat model and one or more tools, and the agent decides which tools to call to complete a task”.

Ponele que armás un asistente para consultar pedidos. Con una chain, vos programás: leer el mensaje, buscar en la base, redactar la respuesta. Con un agente, le das la base y una calculadora como herramientas, y él decide si necesita una, las dos o ninguna según lo que pregunte el cliente.

Ahora bien, hay un cambio de versión que conviene tener presente. Según la página oficial del nodo AI Agent (fechada el 26 de agosto de 2026), la configuración del tipo de agente está deprecada desde n8n 1.82.0. Todos los nodos AI Agent funcionan hoy como Tools Agent, que era el modo recomendado y más usado.

La v1 del nodo, la que tiene ese selector de tipo, se elimina en n8n 3.0. Si heredaste un workflow viejo, actualizalo. Para casos como el antiguo SQL Agent, la documentación recomienda usar un sub-nodo de herramienta de Postgres o MySQL con un nodo Agent reciente.

¿Qué necesito antes de crear un agente de IA en n8n?

Necesitás una instancia de n8n (Cloud o autoalojada) y una API key de OpenAI o de Anthropic para cargar como credencial. Con eso y un par de datos de prueba alcanza para armar el primer agente.

• Una instancia de n8n. Cloud te ahorra el mantenimiento. Si preferís autoalojar, necesitás un servidor propio; un VPS o hosting en Argentina como el de donweb.com es una opción para tener la instancia cerca y pagar en pesos.
• Una API key del proveedor del modelo. La API se maneja aparte de la app de chat que usás en el navegador, así que generá la clave en la consola de desarrollo de OpenAI o de Anthropic.
• Una versión de n8n reciente. Si tu instancia es anterior a 1.82.0, actualizá antes de empezar, porque el nodo cambió.
• Datos de prueba. Un puñado de pedidos o registros ficticios para no testear contra producción.

Sobre costos: las fuentes que usé para esta guía no traen precios de n8n ni de las APIs, así que no te tiro números inventados. Mirá las páginas de precios de cada proveedor el día que lo armes. Tema relacionado: comparar n8n con Make.com y Python.

Paso 1: ¿cómo creo el workflow con el Chat Trigger y el nodo AI Agent?

Creás un workflow nuevo, agregás un Chat Trigger para hablar con el agente desde la interfaz de chat de n8n y lo conectás al nodo AI Agent. Después escribís el mensaje de sistema con el rol, las reglas y el tono del agente.

Un ejemplo hipotético de mensaje de sistema para una pyme: “Sos el asistente de postventa de una tienda de electrodomésticos. Respondé en español rioplatense, con tono cordial. Si no encontrás el pedido, pedí el número de nuevo y no inventes datos”. Corto, con límites claros.

Eso sí: el AI Agent no arranca solo con el prompt. La documentación pide conectar el modelo y una o más herramientas, así que el nodo te va a marcar errores hasta que cierres el circuito.

Paso 2: ¿cómo conecto OpenAI o Claude al nodo AI Agent?

Agregás el sub-nodo OpenAI Chat Model o Anthropic Chat Model debajo del AI Agent, creás la credencial pegando tu API key y elegís el modelo. Los dos nodos tienen opciones propias, y ahí están las diferencias reales.

¿Cómo funciona el OpenAI Chat Model en n8n?

El nodo OpenAI Chat Model carga los modelos de forma dinámica y solo te muestra los que están disponibles para tu cuenta, según la documentación oficial. Tiene dos endpoints: Chat Completions (el valor por defecto) y Responses API, que activás con el interruptor “Use Responses API”.

Con Chat Completions tenés que manejar el estado de la conversación a mano, por ejemplo sumando un nodo Simple Memory. La Responses API es un loop agéntico que deja al modelo llamar a varias herramientas integradas dentro de una sola request, y soporta conversaciones persistentes con un conversation_id. OpenAI recomienda la Responses API para proyectos nuevos, según la misma página.

Las herramientas integradas son tres: Web Search, File Search y Code Interpreter (Python en un entorno aislado). Con la Responses API también aparecen opciones como Service Tier (Auto, Flex, Default o Priority), Metadata (hasta 16 pares clave-valor) y Top Logprobs (un entero entre 0 y 20). Para el formato de salida, la documentación recomienda JSON Schema si necesitás datos estructurados. Esto se conecta con lo que analizamos en usar expresiones dinámicas dentro de los nodos.

¿Cómo conecto Claude con el Anthropic Chat Model?

El nodo Anthropic Chat Model usa los modelos Claude con agentes conversacionales y tiene opciones de tokens máximos, temperatura, Top K y Top P. Lo más interesante es el Prompt Caching: cachea el system prompt, las definiciones de herramientas y el historial entre requests.

Según la documentación del nodo (fechada el 23 de septiembre de 2026), las opciones son Disabled (por defecto), 5 Minutes o 1 Hour. Ese valor define cuánto tiempo el contenido cacheado sigue siendo válido antes de tener que escribirse de nuevo. Un agente con un system prompt largo y muchas herramientas es el candidato obvio.

Un detalle que no me cierra: esa misma página lista como opciones de modelo “Claude” y “Claude Instant”, que suena a lista vieja. Tomalo con pinzas y fijate qué modelos te muestra el selector en tu instancia.

¿Qué diferencias hay entre los dos nodos?

Aspecto	OpenAI Chat Model	Anthropic Chat Model
Modelos disponibles	Se cargan según tu cuenta	Selector con las opciones que lista la doc (Claude, Claude Instant)
Endpoints	Chat Completions (por defecto) o Responses API	No documenta selector de endpoint
Herramientas integradas	Web Search, File Search, Code Interpreter (con Responses API)	No figuran en la página
Caché	Prompt Cache Key (con Responses API)	Prompt Caching: Disabled, 5 Minutes o 1 Hour
Parámetros de muestreo	Temperature, Top P, penalties de frecuencia y presencia	Temperature, Top K, Top P
Control de requests	Timeout en milisegundos y Max Retries	Maximum Number of Tokens

Dos parámetros comunes merecen una línea. La temperatura controla la aleatoriedad del muestreo: más alta da respuestas más diversas, pero sube el riesgo de alucinaciones, según la documentación de ambos nodos. El máximo de tokens fija el largo de la respuesta.

Para un agente que consulta datos y tiene que ser predecible, yo arrancaría con temperatura baja (es una recomendación mía, no de la doc).

Paso 3: ¿cómo le agrego memoria a un agente de IA en n8n?

Conectás un nodo de memoria al AI Agent, y el más simple es Simple Memory.

¿Cuándo hace falta? Apenas el usuario escribe “y el segundo?” esperando que el agente sepa de qué hablaban. Sin memoria, cada mensaje arranca de cero. Con Chat Completions de OpenAI es obligatoria, porque la propia documentación del nodo dice que ese endpoint no guarda el estado de la conversación.

Paso 4: ¿qué herramientas puede usar un agente de IA en n8n?

Un agente de IA en n8n puede usar cualquier herramienta que conectes como sub-nodo, y es el propio agente quien decide cuál invocar para completar la tarea. La documentación menciona herramientas de bases de datos como Postgres y MySQL, y servidores MCP del registro, que se conectan con un clic. Ya lo cubrimos antes en conectar tu agente con Airtable.

Un ejemplo hipotético: tu pyme guarda los pedidos en Postgres. Le conectás una herramienta de consulta con la descripción “Busca el estado de un pedido por su número. Usala solo cuando el cliente mencione un número de pedido”. Esa descripción es lo que el modelo lee para decidir si la llama.

Si la descripción es vaga, el agente la usa mal o no la usa. Si dice cuándo y para qué, el agente acierta bastante más seguido. Subís el workflow, lo probás con tres mensajes prolijos, funciona bárbaro, lo activás, y a la semana un cliente escribe con un audio transcripto a medias, el modelo llama a la herramienta equivocada, nadie revisó los logs y nadie sabe por qué respondió cualquier cosa.

Sobre WhatsApp, Telegram o Gmail: las fuentes de esta guía no cubren esas integraciones, así que no te las detallo. El mecanismo es el mismo, reemplazás el Chat Trigger por otro disparador o sumás nodos como herramientas, pero verificalo en la documentación de cada nodo.

¿Cómo pruebo y depuro el agente de IA en n8n?

Probás el agente desde el chat del Chat Trigger, revisás en los logs de la ejecución qué herramientas llamó y con qué entradas, y ajustás el mensaje de sistema según lo que veas. Hacelo siempre con datos de prueba antes de activar el workflow.

• Mirá las llamadas a herramientas. Si el agente respondió sin consultar la base, tu descripción de la herramienta no lo convenció.
• Tocá el mensaje de sistema de a una cosa por vez. Si cambiás tres cosas juntas, no sabés cuál arregló el problema.
• Probá casos feos. Mensajes ambiguos, pedidos que no existen, preguntas fuera de tema.

¿Conviene usar OpenAI o Claude en un agente de n8n?

Ninguna fuente de esta guía compara calidad entre modelos, así que no hay veredicto honesto de “este es mejor”. Lo que sí está documentado son diferencias de funciones: OpenAI tiene Responses API y herramientas integradas; Anthropic tiene caché de prompts con duración configurable.

Mi criterio, que es opinión y no dato: si necesitás búsqueda web o ejecución de código sin armar nada extra, mirá la Responses API de OpenAI. Si tu agente carga un system prompt enorme y muchas definiciones de herramientas, el caché de Anthropic puede valer la pena. ¿Hay benchmarks independientes en las fuentes? No. Más contexto en llamar a APIs externas con el nodo HTTP.

La buena noticia es que cambiar de proveedor es cambiar un sub-nodo. Armá el agente una vez, corré el mismo set de preguntas de prueba con cada modelo y comparalas vos con tu caso real.

¿Cuándo no conviene usar un agente de IA?

No conviene cuando el proceso es fijo y predecible: ahí un workflow normal es más barato, más rápido y más fácil de auditar. Es una inferencia mía a partir de cómo funciona un agente, que decide por su cuenta qué hacer en cada pedido. Si ya sabés los pasos, no hace falta que un modelo los adivine.

Errores comunes al crear un agente de IA en n8n

• Seguir un tutorial con el nodo viejo. Si ves un selector de tipo de agente, estás frente a la v1, que desaparece en n8n 3.0. Actualizá el nodo.
• Usar Chat Completions de OpenAI sin memoria. El agente “olvida” todo en cada mensaje. Sumá Simple Memory o pasá a la Responses API con conversation ID.
• Describir mal las herramientas. “Base de datos” no le dice nada al modelo. Escribí cuándo usarla y qué devuelve.
• Subir la temperatura para un agente que consulta datos. Más aleatoriedad suma riesgo de alucinaciones, según la documentación de ambos nodos.

Preguntas Frecuentes

¿Cómo crear un agente de IA en n8n desde cero?

Creás un workflow con un Chat Trigger, lo conectás al nodo AI Agent y le sumás un modelo de chat (OpenAI o Anthropic) y al menos una herramienta. Después escribís el mensaje de sistema y probás desde el chat de n8n con datos de prueba.

¿Necesito una API key para usar OpenAI o Claude en n8n?

Sí, los nodos OpenAI Chat Model y Anthropic Chat Model se configuran con credenciales, que en la práctica son la API key de cada proveedor. Las fuentes de esta guía no detallan otras vías de acceso, así que revisá las opciones de tu instancia.

¿Qué diferencia hay entre usar OpenAI y Claude en el nodo AI Agent?

OpenAI tiene dos endpoints y, con la Responses API, herramientas integradas como Web Search, File Search y Code Interpreter. Anthropic tiene Prompt Caching con opciones de 5 minutos o 1 hora. La documentación no compara la calidad de las respuestas.

¿Cómo le agrego memoria a un agente de IA en n8n?

Conectás un nodo de memoria al AI Agent, por ejemplo Simple Memory. Con Chat Completions de OpenAI es necesaria porque ese endpoint no guarda el estado de la conversación.

¿Qué herramientas puede usar un agente de IA en n8n?

Puede usar las herramientas que conectes como sub-nodos, como consultas a Postgres o MySQL, y servidores MCP del registro. El agente elige cuál invocar según la descripción que le pongas a cada una.

Conclusión

Armar un agente de IA en n8n son cuatro pasos: Chat Trigger con AI Agent, modelo de chat, memoria y herramientas. Lo que cambió es que, desde n8n 1.82.0, el nodo funciona siempre como Tools Agent y la v1 desaparece en n8n 3.0, así que cualquier guía vieja con selector de tipo está desactualizada.

Qué hacer: arrancá con un solo caso, una herramienta bien descripta y datos de prueba. Después corré las mismas preguntas con OpenAI y con Claude, y quedate con el que mejor responda en tu caso. Si el proceso es fijo, no armes un agente: usá un workflow común.

Fuentes

• n8n Docs – Nodo AI Agent: definición, deprecación del tipo de agente y versión v1
• n8n Docs – OpenAI Chat Model: endpoints, Responses API y herramientas integradas
• n8n Docs – Anthropic Chat Model: parámetros y Prompt Caching
• n8n Docs – Entender los agentes de IA