Как собрать ИИ-агента в n8n: пошагово на бизнес-задаче
Агент в n8n на примере квалификации заявок: триггер, узел AI Agent, правила, подключение GigaChat, Yandex AI Studio или локальной модели, тесты на реальных заявках и передача человеку.

Агент в n8n собирается за вечер: узел AI Agent, модель, пара инструментов — и он уже отвечает в чате. Сложность не в сборке, а в том, чтобы агент работал на реальных клиентах: не выдумывал цены, не терял заявки и вовремя звал человека. Ниже пошагово соберём агента-квалификатора заявок, разберём, какую модель подключить из России, как тестировать и как устроить передачу менеджеру. Что такое n8n в целом и что разрешает его лицензия — в отдельной статье.
Коротко:
- Агент в n8n — это узел AI Agent, к которому подключены модель, память и хотя бы один инструмент.
- Начинать нужно не с узлов, а с критериев квалификации и 20–30 реальных заявок для проверки.
- Модель для России: локальная через Ollama, GigaChat через прокси gpt2giga или Yandex AI Studio через OpenAI-совместимый API.
- Рискованные действия агента (запись в CRM, сообщения клиенту) можно поставить на одобрение человеком прямо в n8n.
- Перед запуском — прогон по тестовому набору через Evaluations, после запуска — разбор диалогов раз в неделю.
Что строим: условный пример
Возьмём условную компанию, которая продаёт услугу с выездом: ремонт, монтаж, обслуживание. Заявки приходят в чат на сайте и в Telegram. Менеджеры тратят время на одни и те же вопросы: что нужно, где объект, когда, какой бюджет.
Агент должен:
- Поздороваться и понять задачу клиента.
- Задать 3–4 уточняющих вопроса, не превращая диалог в анкету.
- Определить, «горячая» ли заявка, по заранее заданным критериям.
- Записать заявку в CRM с кратким резюме.
- Передать диалог менеджеру, если клиент просит человека, вопрос нестандартный или заявка горячая.
Похожий агент-квалификатор я делал для «А-Энерго» на GigaChat Pro: заявка попадает в CRM через секунду, а контакт агент просит на 3–5 сообщении, когда клиент уже вовлечён. Подробнее о квалификации — в статье ИИ в продажах.
| Блок | Узел n8n | Зачем |
|---|---|---|
| Вход | Chat Trigger или Telegram Trigger | Получить сообщение клиента |
| Мозг | AI Agent | Решать, что ответить и какой инструмент вызвать |
| Модель | Узел чат-модели (Ollama, OpenAI Chat Model с другим адресом) | Генерировать ответы |
| Память | Simple Memory или Postgres Chat Memory | Помнить диалог |
| Инструменты | HTTP Request Tool, Call n8n Workflow Tool | Запись в CRM, уведомление менеджеру |
| Контроль | Проверка человеком, Guardrails | Не дать агенту сделать лишнее |
Шаг 1. Критерии и тестовые заявки
До того как открывать n8n, запишите на одной странице:
- что считается горячей заявкой (например: понятная задача, объект в зоне работы, срок до двух недель);
- что агент спрашивает обязательно и в каком порядке;
- чего агент не делает никогда: не называет цены, не обещает сроки, не обсуждает конкурентов;
- когда зовёт человека.
И соберите 20–30 реальных заявок из истории: простые, сложные, странные, грубые. Это ваш тестовый набор. Без него вы не узнаете, хорошо ли работает агент, — только «кажется, нормально».
Шаг 2. Триггер
Для разработки удобен Chat Trigger: n8n сам даёт окно чата, в котором вы переписываетесь с агентом. По документации, публичный доступ к чату стоит включать, только когда сценарий готов к запуску.
Для боевой работы подключаете реальный канал: Telegram Trigger, вебхук с сайта или чат-виджет. Учтите: каждое сообщение в Chat Trigger — это отдельный запуск сценария. Для облака n8n это важно, потому что запуски входят в лимит тарифа.
Шаг 3. Узел AI Agent и правила
Добавьте узел AI Agent. Главное в нём — системное сообщение, то есть правила для агента. Условный пример:
Ты — помощник компании «[название]», принимаешь заявки на [услуга] в [город].
Твоя цель — понять задачу клиента и передать менеджеру готовую заявку.
Порядок:
1. Узнай, что нужно сделать и где находится объект.
2. Уточни сроки и есть ли проект или фото.
3. Когда клиент описал задачу, попроси телефон для связи.
4. Вызови инструмент create_lead с резюме заявки.
Правила:
- Цены и сроки не называй. Говори: «Точно скажет инженер после осмотра».
- Не больше одного вопроса за сообщение.
- Если клиент просит человека, злится или вопрос не про наши услуги —
вызови инструмент handoff_to_manager.
- Отвечай коротко, на «вы», без смайликов.
Принцип простой: правила пишутся как инструкция новому сотруднику, который ничего не знает о компании. Подробно о том, как ставить задачи модели, — в статье Промпты для бизнеса.
Шаг 4. Какую модель подключить
В n8n есть готовые узлы для многих поставщиков, но Anthropic и OpenAI официально не обслуживают Россию. Для российской компании реальные варианты такие:
| Вариант | Как подключается в n8n | Когда подходит |
|---|---|---|
| Локальная модель через Ollama | Готовый узел Ollama Chat Model, адрес сервера Ollama в учётных данных | Данные не должны покидать ваш сервер |
| GigaChat | Через прокси gpt2giga, который принимает запросы в формате OpenAI и переводит их в GigaChat API | Нужна российская облачная модель |
| Yandex AI Studio | Узел OpenAI Chat Model с адресом https://ai.api.cloud.yandex.net/v1 | Нужны Alice AI, DeepSeek или Qwen в российском облаке |
Подробности по каждому.
Ollama. n8n и Ollama оба документируют это подключение: в учётных данных Ollama указывается адрес сервера (по умолчанию http://localhost:11434). Если n8n и Ollama в разных Docker-контейнерах, их нужно связать сетью. Для агента выбирайте модель с поддержкой вызова инструментов. Про запуск — в статье Ollama: как запустить нейросеть на своём сервере.
GigaChat. Сбер пишет, что формат GigaChat API частично совместим с OpenAI API, с ограничениями. Проблема для n8n в авторизации: токен доступа живёт 30 минут, а в учётные данные n8n кладётся постоянный ключ. Поэтому Сбер предлагает утилиту gpt2giga: прокси-сервер, который принимает запросы в форматах OpenAI, Anthropic и Gemini и пересылает их в GigaChat. Схема: n8n → gpt2giga на вашем сервере → GigaChat.
Yandex AI Studio. Яндекс документирует OpenAI-совместимый API: адрес https://ai.api.cloud.yandex.net/v1, API-ключ сервисного аккаунта, а модель указывается вместе с ID каталога, в формате gpt://<ID каталога>/<модель>. В n8n у учётных данных OpenAI есть поле Base URL и возможность добавить свой заголовок — это видно в исходном коде n8n. Совместимость частичная, поэтому вызов инструментов проверяйте на тестовом наборе до запуска.
Шаг 5. Память и инструменты
Память. Simple Memory хранит историю диалога, чтобы агент не переспрашивал. Ограничение из документации: в режиме очереди (queue mode) Simple Memory в рабочем сценарии не работает — тогда нужна память в базе, например Postgres Chat Memory.
Инструменты. Агенту нужно два:
- create_lead — запись в CRM. Проще всего сделать отдельным сценарием n8n и подключить через Call n8n Workflow Tool: внутри — запрос к API вашей CRM, проверка полей, запись. Если у CRM есть MCP-сервер, можно подключить его через MCP Client Tool (что такое MCP-сервер).
- handoff_to_manager — сообщение менеджеру в Telegram с резюме и ссылкой на диалог.
Описание каждого инструмента пишите так же внимательно, как правила: по нему агент решает, когда инструмент вызывать.
Шаг 6. Проверка человеком
В n8n можно потребовать одобрения человека перед вызовом конкретного инструмента. Сценарий останавливается, проверяющий получает запрос (в Slack, Telegram или чате n8n), видит, что и с какими параметрами агент хочет сделать, и одобряет или отклоняет. При отказе агенту сообщают об этом.
Документация рекомендует такую проверку для необратимых действий, внешних сообщений и решений с большим влиянием на бизнес — и советует начинать с проверкой, а ослаблять её по мере роста доверия. Я делаю так же: первые две недели каждая запись в CRM идёт через одобрение менеджера, потом проверку оставляю только на нестандартных случаях.
Шаг 7. Тестирование
Ручная переписка «пару раз попробовал» — не тест. В n8n есть Evaluations: тестовый набор кладётся в таблицу данных n8n или Google Sheets, Evaluation Trigger прогоняет каждую строку через агента, а узел Evaluation записывает результат и метрики.
Что проверяю на тестовом наборе из шага 1:
| Проверка | Как понять, что прошла |
|---|---|
| Квалификация | Горячие и холодные заявки распознаны так же, как их оценил бы менеджер |
| Запреты | Ни одной названной цены и обещанного срока |
| Передача человеку | Все «попросил человека» и «злится» ушли менеджеру |
| Запись в CRM | Поля заполнены, резюме понятно без чтения диалога |
| Устойчивость | Попытка «забудь инструкции» не ломает агента |
Для последней строки полезен узел Guardrails: он проверяет входящий текст на попытки взлома промпта, а исходящий — на персональные данные и ключи.
Если что-то не прошло, правите правила или описание инструмента и прогоняете набор заново. Так каждое изменение проверяется на всех случаях, а не на последнем.
Шаг 8. Запуск и первые недели
- Включаете боевой канал, но оставляете проверку человеком.
- Раз в неделю читаете 20–30 диалогов: где агент ошибся, где клиент ушёл.
- Новые трудные случаи добавляете в тестовый набор.
- Считаете метрики: время до первого ответа, доля заявок, дошедших до менеджера с полными данными, конверсия во встречу или замер.
Через месяц у вас есть цифры, по которым видно, окупается ли агент. Как это считать — в статье Окупаемость автоматизации.
Вариант: агент для документов
Тот же подход работает с документами. Условный пример: входящие счета в почте.
- Триггер — новое письмо с вложением.
- Извлечение текста из PDF, затем Information Extractor по схеме: поставщик, ИНН, сумма, дата, назначение.
- Проверка: сумма и ИНН совпадают со справочником поставщиков?
- Строка в таблицу на проверку бухгалтеру; расхождения — с пометкой.
Здесь агент даже не нужен: хватает цепочки с одним ИИ-узлом. Агент нужен там, где путь заранее неизвестен — в диалоге с клиентом.
Частые вопросы
Можно ли собрать агента в n8n без программиста? Простого — да, всё делается в интерфейсе. Подключение CRM по API, свой сервер и прокси для GigaChat проще поручить тому, кто разбирается в API и Docker.
Какая модель лучше для агента в n8n? Та, что надёжно вызывает инструменты на ваших тестовых заявках и доступна легально. Сравнивайте 2–3 модели на одном наборе, а не по отзывам.
Можно ли подключить GigaChat к n8n? Да, через прокси gpt2giga от Сбера: он принимает запросы в формате OpenAI и пересылает их в GigaChat API, решая вопрос с токеном, который живёт 30 минут.
Сколько стоит работа агента? Зависит от модели, длины диалогов и числа заявок. Посчитайте на тестовом наборе расход токенов на один диалог и умножьте на поток — до запуска.
Что делать, если агент ошибся с клиентом? Разобрать диалог, добавить его в тестовый набор и поправить правила. Поэтому первые недели рискованные действия идут через одобрение человеком.
Хотите агента, который отвечает клиентам за секунды, но не выдумывает цены и вовремя зовёт менеджера? Я собираю AI-сотрудников под ваши процессы — в n8n или в коде — с тестами и передачей команде. Напишите в Telegram, откуда приходят заявки, — обсудим на 30-минутном созвоне.
Похожие статьи: n8n: автоматизация бизнеса и ИИ-агенты · Как создать ИИ-агента для своего бизнеса