آموزش اتصال Claude به n8n روی VPS و ساخت گردش‌کار هوشمند

آنچه می‌سازید

سه گردش‌کار هوش مصنوعی عملی روی نمونه n8n که هم‌اکنون اجرا می‌کنید: یک webhook که هر محتوایی را به آن بدهید خلاصه می‌کند، یک feed-reader زمان‌بندی‌شده که مقالات را به ردیف‌های ساختاریافته در صفحه گسترده تبدیل می‌کند، و یک AI Agent که برای پاسخ به پرسش‌ها به‌طور مستقل یک HTTP API را فراخوانی می‌کند. این معادل no-code برای فراخوانی Claude API از طریق پایتون روی VPS است؛ همان API، همان توکن‌ها، همان هزینه، اما ارکستراسیون به‌جای اسکریپت، در نودهای n8n انجام می‌شود.

فرض من این است که n8n طبق راهنمای اجرای n8n روی Docker پشت HTTPS بالا آمده است. اگر چنین نیست، ابتدا آن را انجام دهید؛ webhooks به یک endpoint واقعی TLS نیاز دارند و credential store که قرار است API key را در آن قرار دهید، به پشتیبان‌گیری از encryption-key نیاز دارد که آن راهنما بر آن تأکید کرده است.

مسائل جالب در اینجا مربوط به drag-and-drop نیست. بلکه شامل انتخاب مدل برای هر نود، فیلدهای prompt که به‌طور خودکار undefined را جای‌گذاری می‌کنند، و این واقعیت است که یک اتوماسیون بدون نظارت اجرا می‌شود؛ گردش‌کاری که هزینه هر اجرای آن نیم سنت است، ارزان به نظر می‌رسد تا زمانی که یک حلقه retry آن را در طول شب چهار هزار بار اجرا کند. بخش عمده این راهنما به این موارد اختصاص دارد.

یک اعتبارنامه، رمزنگاری‌شده با کلیدی که از آن نسخه پشتیبان تهیه کرده‌اید

یک API key از کنسول Anthropic در آدرس platform.claude.com، بخش Settings و سپس API Keys دریافت کنید و یک کلید با نامی مانند n8n-vps بسازید. این کلید فقط یک‌بار نمایش داده می‌شود. حساب خود را شارژ کنید یا سیستم پرداخت را تنظیم نمایید؛ استفاده از API بر اساس تعداد توکن محاسبه می‌شود و کاملاً از اشتراک Claude.ai جدا است. اگر قصد داشتید این سه گردش‌کار را بدون پرداخت هزینه بسازید، هیچ سطح رایگانی وجود ندارد، تنها یک اعتبار اولیه کوچک برای ثبت‌نام و چند endpoint محدود وجود دارند که هزینه‌ای ندارند.

در n8n: به بخش Credentials بروید، Create credential را بزنید، Anthropic را انتخاب کنید، کلید را در فیلد API Key جای‌گذاری کرده و ذخیره کنید. هر نود Claude در هر گردش‌کاری به این یک اعتبارنامه ذخیره‌شده ارجاع می‌دهد و شما هرگز کلید را مستقیماً در نود وارد نمی‌کنید.

دو نکته عملیاتی:

نخست، n8n اعتبارنامه‌های ذخیره‌شده را با N8N_ENCRYPTION_KEY رمزنگاری می‌کند. اگر این متغیر محیطی را طبق راهنمای n8n به‌صورت صریح در فایل compose تنظیم کنید، اعتبارنامه شما پس از بازسازی container نیز باقی می‌ماند؛ اما اگر اجازه دهید n8n کلیدی تولید کند و سپس volume را از دست بدهید، همه اعتبارنامه‌های ذخیره‌شده، از جمله همین کلید، به ciphertext غیرقابل‌بازیابی تبدیل می‌شوند. اگر تاکنون از کلید نسخه پشتیبان تهیه نکرده‌اید، همین حالا این کار را انجام دهید.

دوم، محل ذخیره اعتبارنامه‌های n8n را دامنه اثر رخداد امنیتی در نظر بگیرید: هر کسی که بتواند workflowها را در instance شما ویرایش کند، می‌تواند با کلید Anthropic شما درخواست ارسال کند. نسخه Community برای اعتبارنامه‌ها مجوزهای تفکیک‌شده در سطح کاربر ندارد. بنابراین اگر فرد دیگری به این instance وارد می‌شود، پیش از ایجاد حساب برای او، مطالعه کنید که چه کنترل‌های دسترسی‌ای پشت مجوز پولی n8n قرار دارند. در Console و بخش Settings یک سقف هزینه تعیین کنید تا در صورت compromise شدن یا اجرای کنترل‌نشده instance، هزینه از حد مشخصی بیشتر نشود.

انتخاب مدل یک تصمیم در سطح هر نود است

منوی کشویی مدل‌ها در نودهای Claude در n8n به‌صورت زنده از API فراخوانی می‌شود، بنابراین آنچه را که کلید شما به آن دسترسی دارد نمایش می‌دهد. تا ژوئیه 2026، لیست مدل‌ها و قیمت API به ازای هر میلیون توکن ورودی/خروجی به شرح زیر است: Claude Haiku 4.5 (claude-haiku-4-5) با قیمت $1/$5 و پنجره متنی 200K، مدل Claude Sonnet 5 (claude-sonnet-5) با قیمت $3/$15 (با قیمت مقدماتی $2/$10 تا 31 اوت 2026) و مدل Claude Opus 4.8 (claude-opus-4-8) با قیمت $5/$25، که هر دو دارای پنجره متنی 1M توکنی هستند. همچنین مدل Claude Fable 5 (claude-fable-5) با قیمت $10/$50 برای سنگین‌ترین کارهای استدلالی وجود دارد؛ هیچ بخشی از این راهنما به آن نیاز ندارد. از همان شناسه‌های دقیق استفاده کنید؛ نسخه‌هایی که دارای پسوند تاریخ هستند و از آموزش‌های قدیمی به یاد دارید، خطای 404 برمی‌گردانند. قیمت‌ها تغییر می‌کنند، بنابراین پیش از اعتماد به هر عددی که در هر جایی (از جمله اینجا) می‌خوانید، حتماً platform.claude.com را بررسی کنید.

عادتی که باید در خود ایجاد کنید این است: مدل را برای هر نود به‌صورت جداگانه انتخاب کنید، نه برای کل پلتفرم. کارهای دسته‌بندی، استخراج، خلاصه‌سازی و مسیریابی که نان و کرهٔ اتوماسیون هستند، به‌خوبی روی Haiku با یک‌سوم قیمت لیست Sonnet و یک‌پنجم قیمت Opus اجرا می‌شوند. مدل Sonnet را برای ایجنت‌ها و استدلال‌های چندمرحله‌ای، و Opus را برای گردش‌کارهای نادری که هزینهٔ یک پاسخ اشتباه در آن‌ها از هزینهٔ توکن‌ها بیشتر است، رزرو کنید. یک گردش‌کار با پنج نود Claude می‌تواند و باید ترکیبی از مدل‌ها باشد.

دو نود Claude و موارد استفاده از هر کدام

n8n دو ادغام مجزای Anthropic ارائه می‌دهد و انتخاب اشتباه، رایج‌ترین انحراف برای کاربران تازه‌کار است.

نود Anthropic یک نود برنامه‌ای معمولی است: یک درخواست ورودی، یک پاسخ خروجی. منبع Text آن دارای عملیات Message a Model است، به‌علاوه عملیاتی برای تحلیل تصاویر و اسناد. هر زمان که منطق گردش‌کار در n8n قرار دارد (تریگر، فراخوانی Claude، نود بعدی)، از این نود استفاده کنید. گردش‌کارهای 1 و 2 در ادامه از این نود یا معادل زنجیره‌ای آن استفاده می‌کنند.

نود Anthropic Chat Model یک زیر-نود (sub-node) است؛ یک ضمیمه کوچک که مدل را برای نود اصلی مانند AI Agent یا Basic LLM Chain فراهم می‌کند. این نود تریگر یا خروجی مستقلی ندارد؛ بلکه انتخابگر مدل و گزینه‌های نمونه‌برداری (sampling) مانند Maximum Number of Tokens و Sampling Temperature را در اختیار قرار می‌دهد. یک نکته مهم از مستندات n8n که ارزش به‌خاطر سپردن دارد: عبارت‌ها (expressions) در داخل زیر-نودها همیشه بر اساس اولین آیتم ورودی ارزیابی می‌شوند، نه تک‌تک آیتم‌ها. عبارت‌های مربوط به هر آیتم را در فیلدهای prompt نود اصلی قرار دهید، نه در زیر-نود.

گردش کار 1: دریافت وب‌هوک، ارسال خلاصه

ساده‌ترین نمونه در اتوماسیون هوش مصنوعی: هر داده‌ای که با متد POST به یک URL ارسال شود، خلاصه شده و در Slack یا صندوق ورودی ایمیل شما قرار می‌گیرد.

1. نود Webhook، متد HTTP از نوع POST، مسیر summarize. n8n یک URL برای تست و یک URL برای محیط عملیاتی (production) در اختیار شما می‌گذارد؛ URL عملیاتی تنها زمانی فعال می‌شود که گردش کار (workflow) را فعال کرده باشید.
2. نود Anthropic، مدل Message a Model، مدل claude-haiku-4-5، حداکثر توکن (Max Tokens) حدود 300.
3. نود Slack (یا Send Email)، متن پاسخ را در یک کانال ارسال کنید.

پرامپت جایی است که عبارات n8n با Claude تلاقی پیدا می‌کنند. بدنه POST در مسیر $json.body قرار می‌گیرد، بنابراین فیلد پیام کاربر (user message) به این شکل خواهد بود:

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

{{ $json.body.text }}

دستورالعمل‌های مربوط به نقش و فرمت را در فیلد system prompt نود قرار دهید، نه در پیام کاربر. system prompt ثابت می‌ماند در حالی که payload تغییر می‌کند؛ این کار باعث پایداری رفتار مدل شده و خوانایی پرامپت را پس از شش ماه حفظ می‌کند. آن را از داخل خود VPS تست کنید:

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..."}'

هزینه هر اجرا روی مدل Haiku: یک payload با 1200 توکن به اضافه پرامپت حدود 0.0012 دلار ورودی، و 300 توکن خروجی حدود 0.0015 دلار است که مجموعاً کمتر از یک‌چهارم سنت می‌شود. هزار اجرا در ماه کمتر از 3 دلار هزینه دارد. همین نود اگر روی مدل Opus 4.8 تنظیم شود، حدود پنج برابر این مقدار هزینه خواهد داشت. این نسبت، وقتی در تعداد تمام گردش‌کارهایی که می‌سازید ضرب شود، دلیل اهمیت عادت به انتخاب مدل مناسب برای هر نود است.

گردش‌کار 2: زمان‌بندی RSS به ردیف‌های ساختاریافته

اکنون به سراغ یک فرآیند زمان‌بندی‌شده با خروجی ساختاریافته می‌رویم: خواندن یک فید RSS در هر ساعت، دسته‌بندی هر آیتم و افزودن ردیف‌ها به یک شیت.

1. Schedule Trigger، هر یک ساعت.
2. RSS Read، آدرس URL فید. خروجی آن یک آیتم به ازای هر مقاله است.
3. Basic LLM Chain، با یک زیر-گره Anthropic Chat Model که روی claude-haiku-4-5 تنظیم شده است و یک زیر-گره Structured Output Parser که حاوی یک JSON schema است.
4. Google Sheets (یا Postgres)، افزودن یک ردیف به ازای هر آیتم.

Structured Output Parser همان چیزی است که درخواست «Claude، لطفاً JSON برگردان» را از یک امید به یک قرارداد تبدیل می‌کند: این ابزار پاسخ مدل را بر اساس schema شما اعتبارسنجی می‌کند و به‌جای نوشتن داده‌های نامعتبر در ردیف‌ها، در صورت بروز خطا، فرآیند را متوقف و اعلام وضعیت می‌کند. یک schema مانند:

{
  "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"]
}

و prompt زنجیره به آیتم فید ارجاع می‌دهد:

Classify this article for a VPS hosting audience.

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

محاسبات هزینه در اینجا تغییر می‌کند: این هزینه به ازای هر آیتم است، نه هر اجرا. پنجاه مقاله در ساعت، بیست و چهار ساعت در روز، برابر با 36000 فراخوانی Claude در ماه است؛ با مدل Haiku حدود 40 تا 90 دلار بسته به طول مقاله، و با Opus حدود پنج برابر آن هزینه دارد. پیش از گره LLM، داده‌های تکراری را حذف کنید (یک دستور IF ساده برای بررسی لینک‌های قبلاً دیده‌شده، یا استفاده از گره Remove Duplicates در n8n) تا تعداد فراخوانی‌ها به‌شدت کاهش یابد، زیرا بیشتر بررسی‌های ساعتی حاوی مطلب جدیدی نیستند. ارزان‌ترین توکن، فراخوانی‌ای است که هرگز انجام نمی‌دهید.

گردش کار 3: یک عامل هوش مصنوعی (AI Agent) که از ابزارها استفاده می‌کند

دو گردش کار نخست، خط‌لوله‌هایی هستند که شما مراحل آن را تعیین می‌کنید. یک گره AI Agent این روند را معکوس می‌کند: شما به Claude یک هدف و تعدادی ابزار می‌دهید و خودِ مدل تصمیم می‌گیرد که کدام ابزارها را به چه ترتیبی فراخوانی کند تا کار به پایان برسد. n8n به یک زیر-گره مدل چت و حداقل یک زیر-گره ابزار متصل نیاز دارد.

یک نمونه عملی، دستیار عملیاتی (ops assistant) است که به پرسش «چه چیزی از دسترس خارج شده و چرا؟» بر اساس مانیتورینگ شما پاسخ می‌دهد:

1. Chat Trigger (یا webhook) که پرسش از طریق آن وارد می‌شود.
2. AI Agent، به همراه یک زیر-گره Anthropic Chat Model که روی claude-sonnet-5 تنظیم شده است. عامل‌ها برای فراخوانی ابزارها برنامه‌ریزی و زنجیره‌سازی می‌کنند؛ مدل Haiku می‌تواند عامل‌های ساده با یک ابزار را هدایت کند، اما به محض افزایش تعداد ابزارها، Sonnet گزینه منطقی‌تری است.
3. گره HTTP Request که به عنوان یک ابزار متصل شده و به API وضعیت Uptime Kuma یا endpoint مربوط به Zabbix اشاره می‌کند. یک ابزار HTTP دوم می‌تواند به هر سرویس دیگری که دارای REST API است متصل شود.

دو تنظیم، بخش اصلی کار را انجام می‌دهند. System Message در عامل، وظیفه را تعریف می‌کند: «تو یک دستیار عملیاتی هستی. پیش از پاسخ‌دهی، از ابزار وضعیت برای بررسی حالت فعلی مانیتورها استفاده کن. فقط مانیتورهایی که از دسترس خارج شده‌اند را به همراه مدت زمان آن گزارش کن.» و توضیحات (description) هر ابزار، مستنداتی برای انسان نیست، بلکه روشی است که Claude بر اساس آن تصمیم می‌گیرد چه زمانی ابزار را فراخوانی کند. «بازگرداندن وضعیت فعلی up/down برای تمام سرویس‌های تحت نظارت به صورت JSON» در لحظات مناسب فراخوانی می‌شود؛ اما «status API» نادیده گرفته شده یا به اشتباه استفاده می‌شود. هنگامی که گره HTTP Request را به عنوان ابزار متصل می‌کنید، گزینه Optimize Response را فعال کرده و فیلدهای JSON مهم را انتخاب کنید؛ در غیر این صورت، تمام پاسخ‌های پرحجم API به عنوان توکن‌های ورودی که بابت آن‌ها هزینه می‌پردازید، وارد context مدل می‌شوند.

Max Iterations را در عامل (که مقدار پیش‌فرض آن 10 است) روی کوچک‌ترین عددی که کار می‌کند تنظیم کنید؛ این همان تفاوتی است که باعث می‌شود عامل پس از 4 فراخوانی ابزار متوقف شود یا در یک حلقه دوازده‌تایی از رفت‌وبرگشت‌های مدل گیر کند. همچنین ساختار هزینه‌ها را در نظر بگیرید: هر تکرار (iteration)، کل مکالمه تا آن لحظه، پیام سیستم، پرسش و تمام نتایج ابزارهای قبلی را به عنوان توکن‌های ورودی مجدداً ارسال می‌کند. یک اجرای شش‌مرحله‌ای عامل می‌تواند به راحتی در مجموع به 20,000 توکن ورودی و 2,000 توکن خروجی برسد: با قیمت‌گذاری مقدماتی Sonnet 3.5 حدود 0.06 دلار، و با قیمت استاندارد 3 دلار برای ورودی و 15 دلار برای خروجی، حدود 0.09 دلار هزینه دارد که تقریباً بیست برابر یک اجرای خلاصه‌سازی ساده است. اگر متوجه شدید که ابزارهای زیادی را به یک عامل متصل کرده‌اید، این همان نقطه‌ای است که اجرای سرورهای MCP روی VPS به معماری تمیزتری تبدیل می‌شود.

کنترل‌های هزینه، برای زمانی که کسی نظارت نمی‌کند

یک گردش‌کار (workflow) بدون نظارت، به کنترل‌هایی نیاز دارد که یک کاربر انسانی پشت کیبورد به‌طور ضمنی اعمال می‌کند. این کنترل‌ها در چهار لایه، از ارزان‌ترین تا گران‌ترین، دسته‌بندی می‌شوند.

حداکثر توکن (Max Tokens) در هر گره Claude. این یک سقف سخت برای خروجی است. یک خلاصه‌ساز به 300 توکن و یک طبقه‌بندی‌کننده به 100 توکن نیاز دارد. این کار بخش گران‌قیمت هزینه‌ها (5 تا 25 دلار برای هر میلیون توکن خروجی در مقابل 1 تا 5 دلار برای ورودی) را محدود می‌کند و همزمان به عنوان ترمز اضطراری عمل می‌کند؛ یک باگ در پرامپت که باعث پرگویی Claude شود، تنها 300 توکن هزینه دارد، نه 8000 توکن.

مدل برای هر گره. این مورد در بالا توضیح داده شد؛ این یک اهرم قیمتی پنج تا ده برابری در میان مدل‌های فعلی است و تنظیم آن تنها 10 ثانیه زمان می‌برد.

محدود کردن حلقه‌ها. حداکثر تکرار (Max Iterations) را برای عامل‌ها (agents) تعیین کنید. یک زمان پایان (timeout) در تنظیمات گردش‌کار قرار دهید تا اجرای گیرکرده، به‌جای چرخیدن بی‌پایان، متوقف شود. در مورد Retry On Fail برای هر گره دقت کنید: این ابزار مناسبی برای خطاهای گذرا است، اما تلاش‌های مجدد هزینه را چندبرابر می‌کند. تنظیم Max Tries روی 3 با Wait Between Tries به مدت 5000 میلی‌ثانیه، یعنی یک خطای پایدار قبل از تسلیم شدن، تا سه بار برای هر آیتم هزینه ایجاد می‌کند. هرگز برای گره‌ای که قبلاً با هزینه بالا با موفقیت اجرا شده، قابلیت Retry قرار ندهید.

یک گردش‌کار خطا به عنوان آخرین سنگر. گردش‌کاری ایجاد کنید که با گره Error Trigger شروع می‌شود و نام گردش‌کار شکست‌خورده و خطای آن را در Slack ارسال می‌کند، سپس آن را به عنوان Error Workflow در تنظیمات هر گردش‌کار هوش مصنوعی انتخاب کنید. این کار حالت شکست ناخوشایندی را پوشش می‌دهد: گردش‌کاری که با زمان‌بندی اجرا می‌شود و هر ساعت در طول یک هفته خطا می‌دهد و هر بار قبل از توقف، توکن مصرف می‌کند. این مورد را با یک سقف هزینه ماهانه در Anthropic Console ترکیب کنید و در چند روز اول پس از فعال‌سازی هر فرآیند زمان‌بندی‌شده، صفحه استفاده (usage) در کنسول را بررسی کنید. اگر می‌خواهید دقیقاً بدانید بابت چه چیزی صورت‌حساب دریافت می‌کنید، راهنمای استفاده از توکن آن را کالبدشکافی می‌کند.

حالت‌های شکست و پیام‌های مرتبط

گره بلافاصله با خطای "Authorization failed - please check your credentials." متوقف می‌شود. رابط API کد 401 را بازگردانده است. بدنه اصلی پاسخ به شرح زیر است:

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

این خطا ناشی از کپی اشتباه کلید، ناقص بودن آن، وجود فاصله (whitespace) در ابتدا یا انتها، یا باقی ماندن متن جای‌گذار (placeholder) از یک آموزش است. اعتبارنامه n8n را دوباره ایجاد کرده و کلید را مجدداً وارد کنید؛ اگر دیروز کار می‌کرده است، بررسی کنید که آیا کلید در Console ابطال شده یا بازگردانی یک volume باعث شده است که اعتبارنامه با یک N8N_ENCRYPTION_KEY متفاوت رمزنگاری شود.

اجراها به‌صورت دسته‌ای با خطای 429 rate_limit_error شکست می‌خورند، با پیامی مشابه "Number of request tokens has exceeded your per-minute rate limit." محدودیت‌های نرخ (Rate limits) در بازه‌های یک‌دقیقه‌ای محاسبه می‌شوند و n8n اجرای همزمان پنجاه webhook یا RSS را بسیار آسان می‌کند. این مشکل را به‌صورت ساختاری حل کنید: آیتم‌ها را به‌جای موازی، به‌صورت ترتیبی (Loop Over Items) پردازش کنید و گزینه Retry On Fail را با Max Tries روی 3 و Wait Between Tries روی حداکثر 5000 میلی‌ثانیه تنظیم کنید؛ n8n این فیلد را در 5000 میلی‌ثانیه محدود می‌کند. زمانی که به وقفه طولانی‌تری نیاز دارید تا تلاش‌های مجدد در بازه دقیقه‌ای بعدی قرار گیرند، یک گره Wait در مسیر خطا قرار دهید یا آیتم‌ها را یکی‌یکی پردازش کنید. پاسخ شامل یک هدر retry-after است که دقیقاً به شما می‌گوید چقدر باید منتظر بمانید؛ وقفه ثابت n8n نمی‌تواند این هدر را بخواند، بنابراین وقفه طولانی‌تر را خودتان بسازید.

خطای 404 not_found_error در نام‌گذاری مدل. بدنه پاسخ، غلط املایی شما را بازتاب می‌دهد:

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

استفاده از نقطه به‌جای خط تیره (4.5 به‌جای 4-5)، پسوند تاریخ از یک پست وبلاگ قدیمی، یا استفاده از مدلی که بازنشسته شده است. شناسه را با لیست فعلی تطبیق دهید؛ این مشکل معمولاً برای کسانی رخ می‌دهد که به‌جای انتخاب از منوی کشویی، نام مدل را به‌صورت یک عبارت (expression) تایپ می‌کنند.

Claude به سوالی پاسخ می‌دهد که شما نپرسیده‌اید. هیچ خطایی وجود ندارد و وضعیت اجرا سبز است. یک عبارت در n8n که به یک فیلد ناموجود ارجاع می‌دهد، مانند {{ $json.body.text }} در حالی که payload از message استفاده کرده است، رشته متنی undefined را در prompt شما جای‌گذاری می‌کند و Claude با خوش‌رویی به یک prompt بی‌محتوا پاسخ می‌دهد. اگر گره ارجاع‌شده اصلاً اجرا نشود، با خطای "Referenced node is unavailable" مواجه می‌شوید، اما نبود یک فیلد هیچ خطایی ایجاد نمی‌کند. پیش از فعال‌سازی، همیشه یک بار با داده‌های واقعی اجرا بگیرید و prompt نهایی را در پنل ورودی گره بخوانید؛ ویرایشگر عبارت، مقدار حل‌شده را پیش‌نمایش می‌دهد و اگر دقت کنید، undefined دقیقاً همان‌جاست.

FAQ

چگونه Claude را به n8n متصل کنم؟

یک API key در Anthropic Console در آدرس platform.claude.com ایجاد کنید، سپس در n8n یک credential از نوع Anthropic اضافه کرده و آن را در فیلد API Key قرار دهید. هر نود Claude، شامل نود اپلیکیشن Anthropic و زیر-نود Anthropic Chat Model، به آن credential ذخیره‌شده ارجاع می‌دهد. n8n آن را با N8N_ENCRYPTION_KEY رمزنگاری می‌کند، بنابراین از آن کلید نسخه پشتیبان تهیه کنید، در غیر این صورت با از دست رفتن volume، اعتبارنامه‌های شما نیز از بین می‌روند.

هزینه هر اجرای یک workflow هوش مصنوعی چقدر است؟

تعداد توکن‌های هر اجرا را تخمین بزنید و سپس در قیمت‌های هر میلیون توکن مدل ضرب کنید. تا ژوئیه 2026، قیمت Haiku 4.5 برابر با $1/$5 برای هر میلیون توکن ورودی/خروجی و قیمت Sonnet 5 برابر با $3/$15 است ($2/$10 به عنوان قیمت مقدماتی تا اوت 2026). خلاصه‌سازی یک webhook با Haiku حدود یک‌چهارم سنت هزینه دارد؛ اجرای یک agent با Sonnet که چندین فراخوانی ابزار (tool call) دارد، به حدود $0.06–$0.10 می‌رسد، زیرا در هر تکرار، کل مکالمه مجدداً به عنوان ورودی ارسال می‌شود. به جای اعتماد به تخمین‌ها، اجرا را در صفحه usage در Console بررسی کنید.

برای اتوماسیون‌های n8n از کدام مدل Claude استفاده کنم؟

از Haiku 4.5 برای دسته‌بندی، استخراج، خلاصه‌سازی و مسیریابی، یعنی کارهای با حجم بالا که سرعت و قیمت در آن‌ها اولویت دارد. از Sonnet 5 برای نودهای AI Agent و استدلال‌های چندمرحله‌ای استفاده کنید. از Opus 4.8 تنها زمانی استفاده کنید که هزینه یک پاسخ اشتباه آن‌قدر زیاد باشد که قیمت لیست $5/$25 آن را توجیه کند؛ قیمتی که پنج برابر Haiku و کمی کمتر از دو برابر Sonnet است. مدل را برای هر نود تنظیم کنید، نه برای هر workflow؛ یک workflow می‌تواند هر سه مدل را ترکیب کند.

چگونه از خرج بیش از حد یک workflow در n8n برای API Claude جلوگیری کنم؟

لایه‌های محافظتی ایجاد کنید: مقدار Max Tokens پایین در هر نود Claude، محدودیت Max Iterations در agentها، تعیین timeout برای workflow و تنظیمات محافظه‌کارانه Retry On Fail تا خطاها باعث افزایش مصرف توکن نشوند. سپس یک workflow از نوع Error Trigger اضافه کنید که در صورت شکست هر workflow هوش مصنوعی، در Slack به شما هشدار دهد و یک سقف هزینه ماهانه در Anthropic Console به عنوان محدودیت نهایی تعیین کنید که هیچ چیزی روی VPS نتواند از آن عبور کند.

آیا فراخوانی ابزارها (tool calls) در AI Agent هزینه اضافی دارد؟

هزینه جداگانه‌ای برای ابزارها وجود ندارد، اما ابزارها رایگان نیستند: هر نتیجه ابزار به عنوان توکن ورودی به مدل بازگردانده می‌شود و هر تکرار agent، کل مکالمه تا آن لحظه را مجدداً ارسال می‌کند. یک پاسخ API پرحرف که بدون فیلتر ارسال شود، می‌تواند از حجم prompt اصلی شما فراتر رود؛ گزینه Optimize Response را در ابزارهای HTTP Request فعال کنید و فقط فیلدهایی را که agent نیاز دارد بازگردانید.