Claude y n8n: crea flujos de IA en un VPS

Qué vas a crear

Tres flujos de trabajo de IA operativos en la instancia de n8n que ya ejecutas: un webhook que resume cualquier contenido que le envíes, un lector de feeds programado que convierte artículos en filas estructuradas de una hoja de cálculo y un AI Agent que consulta una API HTTP por su cuenta para responder preguntas. Es la alternativa sin código a llamar a la API de Claude desde Python en tu VPS: misma API, mismos tokens y mismo coste, pero la orquestación se ejecuta en nodos de n8n en lugar de un script.

Se presupone que n8n ya está disponible detrás de HTTPS conforme a la guía para alojar n8n en Docker. Si no es así, configúralo primero. Los webhooks necesitan un endpoint TLS real y el almacén de credenciales donde vas a guardar una clave de API necesita la copia de seguridad de la clave de cifrado que se indica en esa guía.

Los problemas importantes aquí no están en arrastrar y soltar. Están en seleccionar el modelo adecuado para cada nodo, en los campos de prompt que interpolan undefined silenciosamente y en el hecho de que una automatización se ejecuta sin supervisión. Un flujo que cuesta medio céntimo por ejecución es barato hasta que un bucle de reintento lo ejecuta cuatro mil veces durante la noche. La mayor parte de esta guía trata esos aspectos.

Una credencial, cifrada con la clave de respaldo

Obtenga una API key en Anthropic Console, en platform.claude.com, Settings y después API Keys. Cree una clave con un nombre como n8n-vps. Se muestra una sola vez. Añada fondos a la cuenta o configure la facturación. El uso de la API se cobra por token y es completamente independiente de cualquier suscripción de Claude.ai. Si esperaba crear estos tres flujos de trabajo sin pagar nada, no existe un nivel gratuito, sólo un crédito pequeño de registro y unos pocos endpoints que no tienen ningún coste.

En n8n, vaya a Credentials, Create credential y seleccione Anthropic. Pegue la clave en el campo API Key y guárdela. Todos los nodos de Claude de todos los flujos de trabajo hacen referencia a esta credencial almacenada. No vuelva a pegar la clave en un nodo.

Dos notas operativas. Primero, n8n cifra las credenciales almacenadas con N8N_ENCRYPTION_KEY. Si define esa variable de entorno explícitamente en el archivo compose, como indica la guía de n8n, las credenciales se conservan al reconstruir los contenedores. Si permite que n8n genere una clave y después pierde el volumen, todas las credenciales almacenadas, incluida esa clave, quedan como texto cifrado irrecuperable. Haga una copia de seguridad de la clave ahora si no lo hizo.

Segundo, considere el almacén de credenciales de n8n como el alcance del impacto: cualquiera que pueda editar workflows en su instancia puede realizar solicitudes con su clave de Anthropic. La edición Community no ofrece permisos por usuario para las credenciales. Por tanto, si alguien más inicia sesión en esta instancia, lea qué controles de acceso incluye una licencia de n8n de pago antes de crear cuentas. Establezca un límite de gasto en Console, dentro de Settings, para que una instancia comprometida o fuera de control tenga un límite máximo.

La elección del modelo se hace por nodo

El menú de modelos de los nodos de Claude en n8n se obtiene directamente de la API, por lo que muestra a qué modelos puede acceder su clave. En julio de 2026, la oferta y los precios de la API por millón de tokens de entrada/salida son los siguientes: Claude Haiku 4.5 (claude-haiku-4-5), a $1/$5, con una ventana de contexto de 200K; Claude Sonnet 5 (claude-sonnet-5), a $3/$15, con un precio introductorio de $2/$10 hasta el 31 de agosto de 2026; y Claude Opus 4.8 (claude-opus-4-8), a $5/$25. Sonnet y Opus tienen ventanas de contexto de 1M de tokens. También existe Claude Fable 5 (claude-fable-5), a $10/$50, para las tareas de razonamiento más difíciles; esta guía no necesita ese modelo. Use esos identificadores exactos. Una variante con la fecha añadida que recuerde de un tutorial antiguo devolverá un error 404. Los precios cambian, así que consulte platform.claude.com antes de confiar en cualquier cifra, incluida la de este documento.

Debe adoptar esta práctica: elija el modelo por nodo, no por plataforma. La clasificación, la extracción, la elaboración de resúmenes y el enrutamiento, que son tareas habituales de la automatización, funcionan muy bien con Haiku, cuyo precio de lista es un tercio del de Sonnet y un quinto del de Opus. Reserve Sonnet para agentes y tareas de razonamiento en varios pasos. Use Opus en los flujos de trabajo poco frecuentes en los que un error cuesta más que los tokens. Un flujo de trabajo con cinco nodos de Claude puede y debe combinar modelos.

Los dos nodos de Claude y cuándo usar cada uno

n8n incluye dos integraciones distintas con Anthropic. Elegir la incorrecta es el desvío más habitual al empezar.

El nodo Anthropic es un nodo de aplicación normal: recibe una solicitud y devuelve una respuesta. Su recurso Text tiene una operación Message a Model, además de operaciones para analizar imágenes y documentos. Úselo cuando la lógica del flujo esté en n8n: desencadenador, llamada a Claude y nodo siguiente. Los flujos 1 y 2 que se muestran más adelante usan este nodo o su equivalente de cadena.

El nodo Anthropic Chat Model es un subnodo, un pequeño componente que proporciona el modelo a un nodo raíz como AI Agent o Basic LLM Chain. No tiene desencadenador ni salida propia. Expone el selector de modelo y opciones de muestreo como Maximum Number of Tokens y Sampling Temperature. Hay una advertencia de la documentación de n8n que conviene recordar: las expresiones de los subnodos siempre se resuelven respecto al primer elemento de entrada, no respecto a cada elemento. Coloque las expresiones por elemento en los campos de instrucciones del nodo raíz, no en el subnodo.

Flujo 1: entra un webhook, sale un resumen

El ejemplo básico de la automatización con IA: todo lo que se envía mediante POST a una URL se resume y llega a Slack o a tu bandeja de entrada.

1. Nodo Webhook, método HTTP POST, ruta summarize. n8n proporciona una URL de prueba y una URL de producción; la URL de producción sólo escucha cuando el flujo de trabajo está activo.
2. Nodo Anthropic, opción Message a Model, modelo claude-haiku-4-5, Max Tokens alrededor de 300.
3. Nodo Slack (o Send Email), publica el texto de la respuesta en un canal.

El prompt es el punto de conexión entre las expresiones de n8n y Claude. El cuerpo de la petición POST queda bajo $json.body, por lo que el campo del mensaje del usuario tiene este aspecto:

Summarize the following feedback in three bullets, then one line:
verdict: praise | complaint | churn-risk. No preamble.

{{ $json.body.text }}

Coloca las instrucciones sobre el rol y el formato en el campo del prompt del sistema del nodo, no en el mensaje del usuario. El prompt del sistema permanece constante mientras cambia la carga útil. Esto mantiene estable el comportamiento y facilita la lectura del prompt seis meses después. Pruébalo desde el propio VPS:

curl -X POST https://n8n.example.com/webhook/summarize \
  -H 'Content-Type: application/json' \
  -d '{"text": "Third support ticket this month about slow disk IO..."}'

El coste por ejecución con Haiku es el siguiente: una carga útil de 1,200 tokens más el prompt cuesta aproximadamente $0.0012 de entrada, y 300 tokens de salida cuestan $0.0015, aproximadamente un cuarto de centavo. Mil ejecuciones al mes cuestan menos de $3. El mismo nodo apuntado a Opus 4.8 cuesta aproximadamente cinco veces más. Esa proporción, multiplicada por cada flujo de trabajo que creas, explica por qué es importante elegir el modelo por nodo.

Flujo 2: RSS programado a filas estructuradas

Ahora veremos un flujo basado en un horario, con salida estructurada: leer un feed RSS cada hora, clasificar cada elemento y añadir filas a una hoja.

1. Schedule Trigger, cada hora.
2. RSS Read, con la URL del feed. Genera un elemento por artículo.
3. Basic LLM Chain, con un subnodo Anthropic Chat Model configurado con claude-haiku-4-5 y un subnodo Structured Output Parser que contiene un esquema JSON.
4. Google Sheets (o Postgres), para añadir una fila por elemento.

Structured Output Parser convierte «Claude, devuelve JSON» de una expectativa en un contrato: valida la respuesta del modelo con el esquema y marca el elemento como fallido en lugar de escribir filas incorrectas. Un esquema puede ser:

{
  "type": "object",
  "properties": {
    "category": { "type": "string", "enum": ["release", "security", "tutorial", "other"] },
    "relevance": { "type": "number" },
    "one_line_summary": { "type": "string" }
  },
  "required": ["category", "relevance", "one_line_summary"]
}

El prompt de la cadena hace referencia al elemento del feed:

Classify this article for a VPS hosting audience.

Title: {{ $json.title }}
Content: {{ $json.contentSnippet }}

El cálculo de costes cambia en este caso: se realiza por elemento, no por ejecución. Cincuenta artículos por hora, durante veinticuatro horas al día, son 36,000 llamadas a Claude al mes. Con Haiku, el coste puede ser de $40–90 según la longitud de los artículos; con Opus, es aproximadamente cinco veces mayor. Elimine los duplicados antes del nodo LLM, mediante un IF sencillo contra los enlaces ya procesados o con el nodo Remove Duplicates de n8n. Así, el número de llamadas disminuye mucho, porque la mayoría de las consultas horarias no contienen nada nuevo. El token más barato es el de la llamada que no se realiza.

Flujo de trabajo 3: un agente de IA que usa herramientas

Los dos primeros flujos de trabajo son canalizaciones: usted decide los pasos. Un nodo AI Agent invierte el proceso: proporciona a Claude un objetivo y varias herramientas, y él decide qué herramientas llamar y en qué orden hasta terminar. n8n requiere un subnodo de modelo de chat y al menos un subnodo de herramienta conectado.

Un ejemplo concreto es un asistente de operaciones que responde «qué está caído y por qué» a partir de la monitorización:

1. Chat Trigger (o webhook) recibe la pregunta.
2. AI Agent, con un subnodo Anthropic Chat Model configurado en claude-sonnet-5. Los agentes planifican y encadenan llamadas a herramientas. Haiku puede ejecutar agentes sencillos con una sola herramienta, pero Sonnet es el mínimo razonable cuando aumenta el número de herramientas.
3. Un nodo HTTP Request conectado como herramienta, dirigido a su API de estado de Uptime Kuma o a un endpoint de Zabbix. Una segunda herramienta HTTP puede consultar cualquier otro servicio con una API REST.

Dos configuraciones hacen la mayor parte del trabajo. El System Message del agente define la tarea: «Eres un asistente de operaciones. Usa la herramienta de estado para comprobar el estado actual de los monitores antes de responder. Informa sólo de los monitores que estén caídos, con la duración». Además, la descripción de cada herramienta no es documentación para humanos. Es lo que Claude usa para decidir cuándo llamarla. «Devuelve en formato JSON el estado actual, activo o caído, de todos los servicios monitorizados» se llamará en los momentos adecuados. «API de estado» puede ignorarse o utilizarse de forma incorrecta. Al conectar el nodo HTTP Request como herramienta, habilite la opción Optimize Response y seleccione los campos JSON relevantes. De lo contrario, cada respuesta detallada de la API se introduce en el contexto del modelo como tokens de entrada facturables.

Establezca Max Iterations en el agente (el valor predeterminado es 10) con el número mínimo que funcione. Esto marca la diferencia entre «el agente abandonó después de 4 llamadas a herramientas» y un bucle de una docena de intercambios con el modelo. Tenga también en cuenta el modelo de facturación: en cada iteración se vuelve a enviar toda la conversación acumulada, incluido el mensaje del sistema, la pregunta y todos los resultados anteriores de las herramientas, como tokens de entrada. Una ejecución de seis iteraciones puede sumar fácilmente 20,000 tokens de entrada acumulados y 2,000 de salida: con el precio introductorio de Sonnet 5, unos $0.06; con las tarifas estándar de $3/$15, aproximadamente $0.09. Es decir, unas veinte veces el coste de una ejecución sencilla de resumen. Si empieza a añadir muchas herramientas a un solo agente, ese es el punto en el que ejecutar servidores MCP en su VPS se convierte en una arquitectura más limpia.

Controles de coste, porque nadie está supervisando

Un flujo de trabajo sin supervisión necesita los controles que una persona frente al teclado aplica de forma implícita. Hay cuatro capas, empezando por la más económica.

Max Tokens en todos los nodos de Claude. Es un límite estricto para la salida. Un resumidor necesita 300 y un clasificador, 100. Esto limita la parte más costosa de la factura ($5–$25 por millón de tokens de salida frente a $1–$5 por los de entrada) y también sirve como freno ante ejecuciones descontroladas: un error en el prompt que haga que Claude se extienda cuesta 300 tokens, no 8,000.

Modelo por nodo. Ya se ha explicado arriba. Es un factor que puede multiplicar por cinco o diez el precio en la oferta actual y se configura en diez segundos.

Limite los bucles. Establezca Max Iterations en los agentes. Configure un tiempo de espera del flujo de trabajo en sus ajustes para que una ejecución bloqueada termine en lugar de continuar indefinidamente. Tenga cuidado también con Retry On Fail por nodo: es la herramienta adecuada para errores transitorios, pero los reintentos multiplican el coste. Un Max Tries de 3 con Wait Between Tries de 5000 ms puede hacer que un fallo persistente se facture hasta tres veces por elemento antes de abandonar. Nunca coloque un reintento alrededor de un nodo que ya haya terminado correctamente después de un procesamiento costoso.

Un flujo de trabajo de errores como último recurso. Cree un flujo de trabajo que empiece con el nodo Error Trigger y publique en Slack el nombre y el error del flujo de trabajo fallido. Después, configúrelo como Error Workflow en los ajustes de cada flujo de trabajo de IA. Este mecanismo detecta el caso más problemático: un flujo de trabajo activado por una programación que falla en cada ejecución, cada hora durante una semana, y consume tokens antes de terminar. Combínelo con un límite de gasto mensual en Anthropic Console y revise la página de uso de Console durante los primeros días después de activar cualquier elemento programado. Si quiere entender exactamente qué se le está facturando, la guía sobre el uso de tokens lo desglosa.

Modos de fallo y cadenas que verá

El nodo falla inmediatamente con "Authorization failed - please check your credentials." La API devolvió 401. El cuerpo subyacente es:

{"type": "error", "error": {"type": "authentication_error", "message": "invalid x-api-key"}}

La clave se pegó mal, está truncada, contiene espacios en blanco finales o es el marcador de posición de un tutorial. Vuelva a crear la credencial de n8n y péguela de nuevo. Si funcionaba ayer, compruebe si la clave se revocó en la Console o si una restauración de volumen revirtió a una credencial cifrada con un N8N_ENCRYPTION_KEY diferente.

Las ejecuciones fallan en ráfagas con un 429 rate_limit_error, con un mensaje similar a "Number of request tokens has exceeded your per-minute rate limit." Los límites de tasa se aplican por intervalos de un minuto, y n8n facilita mucho el lanzamiento simultáneo de cincuenta ejecuciones de webhook o RSS. Corríjalo de forma estructural: procese los elementos en secuencia (Loop Over Items) en lugar de hacerlo en paralelo y configure Retry On Fail con Max Tries 3 y Wait Between Tries en su máximo de 5000 ms. n8n limita ese campo a 5000 ms. Cuando necesite un backoff más largo para que los reintentos caigan en el siguiente intervalo de un minuto, coloque un nodo Wait en la ruta de error o procese los elementos de uno en uno. La respuesta incluye una cabecera retry-after que indica exactamente cuánto debe esperar. La espera fija de n8n no puede leerla, así que debe crear usted mismo la pausa más larga.

404 not_found_error al indicar el nombre del modelo. El cuerpo repite el error tipográfico:

{"type": "error", "error": {"type": "not_found_error", "message": "model: claude-haiku-4.5"}}

Puede haber puntos en lugar de guiones (4.5 para 4-5), un sufijo de fecha procedente de una publicación antigua o un modelo retirado. Corrija el ID según la lista actual. Este problema afecta especialmente a quienes escriben en el campo del modelo como una expresión en lugar de seleccionarlo en el menú desplegable.

Claude responde a una pregunta que usted no hizo. No aparece ningún error y la ejecución termina correctamente. Una expresión de n8n que hace referencia a un campo inexistente, como {{ $json.body.text }} cuando la carga útil usó message, interpola la cadena literal undefined en el prompt. Claude responde correctamente a un prompt que no contiene la información esperada. Si el nodo referenciado no se ejecutó, aparecerá "Referenced node is unavailable", pero la ausencia de un campo no genera ningún mensaje. Antes de activar el flujo, ejecútelo siempre una vez con datos reales y lea el prompt renderizado en el panel de entrada del nodo. El editor de expresiones muestra una vista previa del valor resuelto y undefined está disponible si lo comprueba.

FAQ

¿Cómo conecto Claude con n8n?

Cree una clave de API en Anthropic Console, en platform.claude.com. Después, en n8n, añada una credencial de tipo Anthropic y péguela en el campo API Key. Cada nodo de Claude, el nodo de aplicación Anthropic y el subnodo Anthropic Chat Model usan esa credencial almacenada. n8n la cifra con N8N_ENCRYPTION_KEY, por lo que debe hacer una copia de seguridad de esa clave. De lo contrario, perderá las credenciales junto con el volumen.

¿Cuánto cuesta cada ejecución de un flujo de trabajo de IA?

Calcule los tokens por ejecución y multiplíquelos por los precios del modelo por millón de tokens. En julio de 2026, Haiku 4.5 cuesta $1/$5 por millón de tokens de entrada/salida y Sonnet 5 cuesta $3/$15 ($2/$10 como precio introductorio hasta agosto de 2026). Una síntesis activada por webhook con Haiku cuesta aproximadamente un cuarto de centavo. Una ejecución de un agente con Sonnet y varias llamadas a herramientas cuesta cerca de $0.06–$0.10, porque cada iteración vuelve a enviar toda la conversación como entrada. Verifique la ejecución en la página de uso de Console en lugar de confiar en las estimaciones.

¿Qué modelo de Claude debería usar para las automatizaciones de n8n?

Use Haiku 4.5 para clasificación, extracción, síntesis y enrutamiento, especialmente en trabajos de gran volumen donde predominan la velocidad y el precio. Use Sonnet 5 para los nodos AI Agent y el razonamiento en varios pasos. Use Opus 4.8 sólo cuando el coste de una respuesta incorrecta justifique su precio de lista de $5/$25: cinco veces el precio de Haiku y algo menos del doble que Sonnet. Configure el modelo por nodo, no por flujo de trabajo. Un flujo de trabajo puede combinar los tres modelos.

¿Cómo evito que un flujo de trabajo de n8n gaste demasiado en la API de Claude?

Aplique varias protecciones: establezca un valor bajo de Max Tokens en cada nodo de Claude, configure Max Iterations en los agentes, defina un tiempo de espera para el flujo de trabajo y use valores conservadores en Retry On Fail para que los errores no multipliquen el gasto de tokens. Después, añada un flujo de trabajo de Error Trigger que le avise en Slack cuando falle cualquier flujo de trabajo de IA. Configure también un límite de gasto mensual en Anthropic Console como techo estricto que nada en el VPS pueda superar.

¿Las llamadas de herramientas de AI Agent tienen un coste adicional?

No existe una tarifa independiente por herramienta, pero las herramientas no son gratuitas. Cada resultado de una herramienta se devuelve al modelo como tokens de entrada y cada iteración del agente vuelve a enviar toda la conversación acumulada. Una respuesta extensa de una API que se transmita sin filtrar puede superar con creces el tamaño de la petición original. Active Optimize Response en las herramientas HTTP Request y devuelva sólo los campos que necesita el agente.