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 کلیدی با نامی مانند n8n-vps بسازید. این کلید فقط یک‌بار نمایش داده می‌شود. کنسول هنگام ساخت کلید از شما می‌خواهد یک تاریخ انقضا تعیین کنید؛ آن تاریخ را یادداشت کنید، زیرا کلید منقضی‌شده باعث توقف جریان‌های کاری خودکار (unattended) با خطای 401 می‌شود که در بخش حالت‌های شکست در ادامه توضیح داده شده است. حساب خود را شارژ کنید یا صورت‌حساب را تنظیم نمایید؛ استفاده از API بر اساس توکن محاسبه می‌شود و از اعتبار پیش‌پرداخت کسر می‌گردد. اشتراک Pro هزینه‌های API را پوشش نمی‌دهد، اما طرح‌های Claude Max و Team اکنون شامل اعتبار ماهانه Claude API هستند (100 دلار در Max 5x، 200 دلار در Max 20x، و تا 500 دلار به‌صورت اشتراکی در Team) که با متصل کردن یک سازمان در تنظیمات صورت‌حساب claude.ai قابل دریافت است. این اعتبارها هزینه‌ی فراخوانی‌های API مانند آنچه n8n انجام می‌دهد را پوشش می‌دهند، شامل Claude Code نمی‌شوند و در پایان هر دوره صورت‌حساب منقضی می‌گردند. اگر قصد دارید این سه جریان کاری را بدون پرداخت هزینه بسازید، طبق FAQ قیمت‌گذاری Anthropic، کاربران جدید مقدار کمی اعتبار رایگان برای تست API دریافت می‌کنند؛ بنابراین یک حساب کنسول جدید می‌تواند این جریان‌های کاری را با همان اعتبار اولیه تست کند. پس از اتمام اعتبار، هر فراخوانی Claude بر اساس توکن محاسبه می‌شود. برخی موارد نیز هزینه‌ای جز توکن ندارند، مانند endpoint شمارش توکن و تا 1550 ساعت زمان اجرای کد رایگان برای هر سازمان در ماه، هرچند هیچ‌کدام از این سه جریان کاری از اجرای کد استفاده نمی‌کنند. آنچه اعتبار رایگان API پوشش می‌دهد جزئیات بیشتری در این باره ارائه می‌دهد.

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 جریان کاری به این اعتبارنامه ذخیره‌شده ارجاع می‌دهد و شما هرگز کلید را مستقیماً در نود وارد نمی‌کنید.

دو نکته عملیاتی: اول، n8n اعتبارنامه‌های ذخیره‌شده را با N8N_ENCRYPTION_KEY رمزنگاری می‌کند. اگر این متغیر محیطی (env var) را طبق راهنمای n8n در فایل compose خود به‌طور صریح تنظیم کنید، اعتبارنامه شما پس از بازسازی کانتینر باقی می‌ماند؛ اگر اجازه دهید n8n خودش یکی تولید کند و سپس volume را از دست بدهید، تمام اعتبارنامه‌های ذخیره‌شده، از جمله این کلید، به متن رمزنگاری‌شده غیرقابل بازیابی تبدیل می‌شوند. اگر تا الان این کار را نکرده‌اید، همین حالا از کلید نسخه پشتیبان تهیه کنید. دوم، مخزن اعتبارنامه‌های n8n را به عنوان محدوده آسیب‌پذیری (blast radius) در نظر بگیرید: هر کسی که بتواند از اعتبارنامه Anthropic شما استفاده کند، می‌تواند با کلید شما درخواست ارسال کند. در نسخه Community، این دسترسی فقط برای شما و مالک instance است؛ مستندات n8n بیان می‌کنند که "فقط مالک instance و کاربری که اعتبارنامه را ساخته است می‌تواند به جریان‌های کاری و اعتبارنامه‌ها دسترسی داشته باشد"، بنابراین حساب‌های کاربری دیگر (Member) نمی‌توانند به آن دسترسی پیدا کنند. اشتراک‌گذاری جریان‌های کاری و اعتبارنامه‌ها یک ویژگی پولی در نسخه self-hosted n8n (طرح‌های Business یا Enterprise) است و به محض اشتراک‌گذاری یک جریان کاری، ویرایشگران آن می‌توانند از تمام اعتبارنامه‌هایی که آن جریان استفاده می‌کند، بهره ببرند. بنابراین اگر شخص دیگری به این instance وارد می‌شود، پیش از اعطای حساب کاربری، کنترل‌های دسترسی موجود در لایسنس پولی n8n را مطالعه کنید. در کنسول و بخش Settings، یک سقف هزینه (spend limit) تعیین کنید تا در صورت نفوذ یا اجرای کنترل‌نشده instance، هزینه‌ها محدود بماند.

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 کلید شما به آن دسترسی دارد را نمایش می‌دهد. مدل‌های مورد استفاده در این راهنما، با قیمت‌گذاری API به ازای هر میلیون توکن ورودی/خروجی تا اکتبر 2026، عبارتند از: 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 $2/$10، و 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 پردازش‌های استدلالی وجود دارد؛ هیچ‌کدام از بخش‌های این راهنما به آن نیازی ندارند. از همان شناسه‌های دقیق استفاده کنید. claude-haiku-4-5 یک نام مستعار برای snapshot ثابت‌شده claude-haiku-4-5-20251001 است که آن هم کار می‌کند، اما یک شناسه قدیمی که از یک آموزش منسوخ کپی شده باشد، ممکن است به مدلی اشاره کند که بازنشسته شده و با خطا مواجه شود. قیمت‌ها تغییر می‌کنند، بنابراین پیش از اعتماد به هر عددی که در هر جایی می‌خوانید، از جمله اینجا، حتماً platform.claude.com را بررسی کنید.

از زمانی که این راهنما برای اولین بار منتشر شد، Anthropic مدل‌های جدیدتری عرضه کرده و در مستندات خود مدل‌های Haiku 4.5، Sonnet 5، Opus 4.8 و Fable 5 را به‌عنوان legacy (میراثی) علامت‌گذاری کرده است. این مدل‌ها همچنان کار می‌کنند. صفحه بازنشستگی مدل‌ها، تاریخ بازنشستگی Haiku 4.5 را زودتر از 15 اکتبر 2026 اعلام نکرده بود؛ آن تاریخ گذشته است و تا 20 اکتبر 2026، این صفحه همچنان Haiku 4.5 را به‌عنوان فعال و بدون اطلاعیه بازنشستگی نشان می‌دهد. مدل‌های Sonnet 5، Opus 4.8 و Fable 5 زودتر از اواسط 2027 بازنشسته نمی‌شوند. Anthropic حداقل 60 روز پیش از بازنشستگی یک مدل عمومی، اطلاع‌رسانی می‌کند، بنابراین اگر workflowهای شما روی Haiku 4.5 تنظیم شده‌اند، صفحه بازنشستگی آن‌ها را زیر نظر داشته باشید. لیست فعلی شامل Claude Haiku 5.5 (claude-haiku-5-5، عرضه شده در 7 اکتبر 2026) با قیمت شروع از $0.10/$0.50 برای پرامپت‌های تا 100,000 توکن و $0.50/$2.50 برای مقادیر بالاتر، Claude Sonnet 5.5 (claude-sonnet-5-5) با قیمت $2/$10، Claude Opus 5.5 (claude-opus-5-5) با قیمت $4/$20، و Claude Fable 5.1 (claude-fable-5-1) با قیمت $10/$50 است. توکنایزر Haiku 5.5 همان متن را تقریباً 30% بیشتر از Haiku 4.5 توکن‌بندی می‌کند، بنابراین هزینه‌های واقعی هر اجرا را در صفحه usage کنسول مقایسه کنید، نه فقط قیمت‌های لیست‌شده را.

عادتی که باید در خود ایجاد کنید: مدل را برای هر نود انتخاب کنید، نه برای کل پلتفرم. دسته‌بندی، استخراج، خلاصه‌سازی و مسیریابی که نان و کره اتوماسیون هستند، به‌خوبی روی Haiku با نصف قیمت لیست‌شده Sonnet و یک‌پنجم قیمت Opus اجرا می‌شوند. Sonnet را برای ایجنت‌ها و استدلال‌های چندمرحله‌ای، و Opus را برای workflowهای نادری که هزینه یک پاسخ اشتباه در آن‌ها از هزینه توکن‌ها بیشتر است، رزرو کنید. یک workflow با پنج نود Claude می‌تواند و باید از مدل‌های ترکیبی استفاده کند.

دو نود Claude و موارد استفاده از هر کدام

n8n دو ادغام (integration) مجزا برای 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 (resource) Text در آن، عملیات Message a Model را به همراه عملیاتی برای تحلیل تصاویر و اسناد در اختیار دارد. هر زمان که منطق گردش‌کار (workflow) 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 یک نود ریشه (root node) مانند AI Agent یا Basic LLM Chain فراهم می‌کند. این نود هیچ 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 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. بنابراین، عبارت‌های مربوط به هر آیتم را در فیلدهای prompt نود ریشه قرار دهید، نه در زیر-نود. یک نکته نیز از سمت Anthropic: در مدل‌های Claude 4.7 و نسخه‌های بعد از آن (که شامل تمام مدل‌های این راهنما به‌جز Haiku 4.5 می‌شود)، تنظیم مقادیر غیرپیش‌فرض برای temperature، top_p یا top_k منجر به خطای 400 می‌شود؛ بنابراین در این مدل‌ها، گزینه‌های Sampling Temperature، Top K و Top P را تنظیم‌نشده (unset) باقی بگذارید.

گردش‌کار 1: دریافت Webhook، ارسال خلاصه

ساده‌ترین حالت 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) به شما می‌دهد؛ URL عملیاتی تنها پس از انتشار گردش‌کار فعال می‌شود.
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 عبارت‌های n8n با Claude تلاقی پیدا می‌کنند. بدنهٔ POST در $json.body قرار می‌گیرد، بنابراین فیلد پیام کاربر به این شکل است:

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

{{ $json.body.text }}

دستورالعمل‌های مربوط به نقش (role) و قالب (format) 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 6 ماه ممکن می‌سازد. 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..."}'

هزینهٔ هر اجرا روی مدل Haiku: یک payload با 1200 توکن به اضافهٔ پرامپت حدود 0.0012 دلار برای ورودی، و 300 توکن خروجی حدود 0.0015 دلار است؛ یعنی تقریباً یک‌چهارم یک سنت. هزار اجرا در ماه کمتر از 3 دلار هزینه دارد. همین نود اگر روی مدل Opus 4.8 تنظیم شود، حدود پنج برابر آن هزینه خواهد داشت. این نسبت، ضرب‌در هر گردش‌کاری که می‌سازید، دلیلی است که عادت به انتخاب مدل مناسب برای هر نود اهمیت دارد.

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 اول، 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 پیاده‌سازی عملی، دستیار عملیاتی است که به پرسش «چه چیزی از دسترس خارج شده و چرا؟» بر اساس مانیتورینگ شما پاسخ می‌دهد:

1. Chat Trigger (یا webhook)، پرسش وارد می‌شود.
2. AI Agent، با 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 وقتی تعداد ابزارها افزایش می‌یابد، Sonnet حداقل انتخاب منطقی 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 عمده کار را انجام می‌دهند. System Message در عامل، وظیفه را تعریف می‌کند: «تو یک دستیار عملیاتی هستی. پیش از پاسخ دادن، از ابزار وضعیت برای بررسی حالت فعلی مانیتورها استفاده کن. فقط مانیتورهایی که از دسترس خارج شده‌اند را به همراه مدت زمان آن گزارش بده.» 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. عبارتی مانند «وضعیت فعلی بالا/پایین بودن تمام سرویس‌های مانیتور شده را به صورت JSON برمی‌گرداند» در لحظات مناسب فراخوانی می‌شود؛ در حالی که عبارتی مثل «API وضعیت» 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، به کانتکست مدل تزریق می‌شوند.

مقدار Max Iterations را در عامل (که پیش‌فرض آن 10 است) روی کوچک‌ترین عددی که کار می‌کند تنظیم کنید؛ این عدد تفاوت بین «عامل پس از 4 فراخوانی ابزار متوقف شد» و یک حلقه شامل ده‌ها رفت‌وبرگشت مدل است. همچنین ساختار هزینه‌ها را درک کنید: هر تکرار، 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 به‌راحتی مجموعاً به 20,000 توکن ورودی و 2,000 توکن خروجی برسد: با مدل Sonnet 5 و قیمت $2/$10، این هزینه حدود $0.06 می‌شود؛ یعنی بیست برابر هزینه یک اجرای خلاصه‌سازی ساده. اگر متوجه شدید که ابزارهای زیادی را به یک عامل متصل می‌کنید، این همان نقطه‌ای است که اجرای سرورهای MCP روی VPS به معماری تمیزتری تبدیل می‌شود.

کنترل‌های هزینه، چون کسی نظارت نمی‌کند

یک گردش‌کار (workflow) بدون نظارت، به کنترل‌هایی نیاز دارد که یک انسان پشت کیبورد به‌طور ضمنی اعمال می‌کند. چهار لایه وجود دارد که از ارزان‌ترین شروع می‌شود.

حداکثر توکن (Max Tokens) در هر گره Claude. این یک سقف سخت برای خروجی است. یک خلاصه‌ساز به 300 توکن و یک دسته‌بندی‌کننده به 100 توکن نیاز دارد. این کار بخش گران‌قیمت هزینه‌ها را محدود می‌کند (در مدل‌های این راهنما، 5 تا 50 دلار به ازای هر میلیون توکن خروجی در مقابل 1 تا 10 دلار برای ورودی؛ خروجی پنج برابر گران‌تر از ورودی است) و همزمان به عنوان ترمز اضطراری عمل می‌کند؛ یک باگ در پرامپت که باعث پرگویی Claude شود، 300 توکن هزینه دارد، نه 8000 توکن.

مدل برای هر گره. در بالا به آن اشاره شد؛ بین Haiku 4.5 و Opus 4.8 یک اهرم قیمت پنج‌برابری وجود دارد، تا Fable 5 ده برابر می‌شود و در کل محصولات فعلی، از Haiku 5.5 تا Fable 5.1، برای پرامپت‌های تا 100,000 توکن، این تفاوت به صد برابر می‌رسد. تنظیم آن فقط ده ثانیه زمان می‌برد.

محدود کردن حلقه‌ها. حداکثر تکرار (Max Iterations) روی عامل‌ها (agents). یک مهلت زمانی (timeout) در تنظیمات گردش‌کار قرار دهید تا اجرای گیرکرده به‌جای چرخیدن بیهوده، 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. حداکثر 3 تلاش با 5000 میلی‌ثانیه انتظار بین هر تلاش، یعنی یک خطای پایدار قبل از تسلیم شدن، تا سه بار به ازای هر آیتم برای شما هزینه می‌تراشد. هرگز برای گره‌ای که قبلاً با هزینه زیاد موفق شده است، قابلیت تلاش مجدد قرار ندهید.

یک گردش‌کار خطا به عنوان پشتیبان. یک گردش‌کار 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 قرار دهید. 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. آن را با یک سقف هزینه ماهانه در Anthropic Console ترکیب کنید و در چند روز اول پس از فعال‌سازی هر کار زمان‌بندی‌شده، صفحه 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. بدنهٔ پاسخ دارای ساختار زیر است (پاسخ‌های فعلی شامل فیلد request_id نیز هستند):

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

کلید اشتباه کپی شده، ناقص است، فضای خالی (whitespace) اضافی دارد یا همان متن پیش‌فرض (placeholder) آموزشی است. اعتبارنامه n8n را دوباره ایجاد و کلید را مجدداً وارد کنید؛ اگر دیروز کار می‌کرد، بررسی کنید که آیا کلید ابطال شده یا تاریخ انقضای آن در Console فرا رسیده است، یا اینکه بازیابی volume باعث بازگشت به اعتبارنامه‌ای شده که با N8N_ENCRYPTION_KEY متفاوتی رمزنگاری شده بود.

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) به‌صورت دقیقه‌ای اندازه‌گیری شده و با یک سطل توکن (token bucket) که به‌طور مداوم پر می‌شود اعمال می‌گردند، و n8n اجرای همزمان پنجاه webhook یا RSS را بسیار آسان می‌کند. این مشکل را به‌صورت ساختاری حل کنید: پردازش آیتم‌ها را به‌جای موازی، به‌صورت ترتیبی (Loop Over Items) انجام دهید و گزینه Retry On Fail را با Max Tries برابر با 3 و Wait Between Tries روی حداکثر 5000 میلی‌ثانیه تنظیم کنید؛ n8n این فیلد را در 5000 میلی‌ثانیه محدود می‌کند. زمانی که به backoff طولانی‌تری نیاز دارید تا سطل توکن پیش از تلاش مجدد فرصت پر شدن داشته باشد، یک گره Wait در مسیر خطا قرار دهید یا آیتم‌ها را یکی‌یکی پردازش کنید. خطای 429 معمولاً دارای هدر retry-after است که به شما می‌گوید چند ثانیه صبر کنید (مستندات Anthropic اشاره می‌کند که همه خطاهای 429 این هدر را ندارند)، گره Wait ثابت n8n نمی‌تواند آن را بخواند، بنابراین وقفه طولانی‌تر را خودتان بسازید. یک استثنا: خطای 429 بدون هدر retry-after و با error_code برابر با enforced_spend_limit_reached به این معنی است که سازمان شما به سقف هزینه ماهانه در tier کاربری خود رسیده است و تا ماه آینده یا افزایش tier، هیچ تلاش مجددی موفق نخواهد بود.

خطای 404 not_found_error در نام‌گذاری مدل. پیام شامل ID مدلی است که ارسال کرده‌اید، چیزی شبیه به این:

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

استفاده از نقطه به‌جای خط تیره (4.5 برای 4-5)، پسوند تاریخ اشتباه یا ساختگی، یا مدلی که از رده خارج شده و مربوط به یک پست وبلاگ قدیمی است. ID را با لیست فعلی تطبیق دهید؛ این مشکل برای کسانی رخ می‌دهد که به‌جای انتخاب از منوی کشویی، نام مدل را به‌عنوان یک expression در فیلد مربوطه تایپ می‌کنند.

Claude به سوالی پاسخ می‌دهد که شما نپرسیده‌اید. هیچ خطایی وجود ندارد و اجرا با موفقیت (سبز) انجام شده است. یک expression 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 درباره هیچ پاسخ می‌دهد. اگر گره ارجاع‌شده اصلاً اجرا نشده باشد، n8n با خطایی مبنی بر اینکه expression به گره‌ای ارجاع می‌دهد که "هنوز اجرا نشده است" متوقف می‌شود، اما نبودِ یک فیلد بدون خطا باقی می‌ماند. پیش از فعال‌سازی، همیشه یک بار با داده‌های واقعی اجرا بگیرید و prompt نهایی و رندر شده را در پنل ورودی گره بخوانید؛ ویرایشگر expression مقدار حل‌شده را پیش‌نمایش می‌دهد و اگر دقت کنید، undefined دقیقاً همان‌جاست.

FAQ

چگونه Claude را به n8n متصل کنم؟

یک API key در کنسول Anthropic به آدرس platform.claude.com ایجاد کنید، سپس در n8n یک credential از نوع Anthropic اضافه کرده و کلید را در فیلد API Key قرار دهید. هر نود Claude، شامل نود اپلیکیشن Anthropic و زیر-نود Anthropic Chat Model، به این 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 گردش‌کار (workflow) هوش مصنوعی چقدر است؟

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

برای اتوماسیون‌های n8n از کدام مدل Claude استفاده کنم؟

مدل Haiku 4.5 برای دسته‌بندی، استخراج، خلاصه‌سازی، مسیریابی و کارهای با حجم بالا که سرعت و قیمت در آن‌ها اولویت دارد. مدل Sonnet 5 برای نودهای AI Agent و استدلال‌های چندمرحله‌ای. مدل Opus 4.8 را فقط زمانی استفاده کنید که هزینه یک پاسخ اشتباه به اندازه‌ای زیاد باشد که قیمت لیست $5/$25 آن را توجیه کند (پنج برابر Haiku و دو و نیم برابر Sonnet). مدل‌های جدیدتر Anthropic یعنی Haiku 5.5، Sonnet 5.5 و Opus 5.5 همان نقش‌ها را با قیمت‌های لیست برابر یا کمتر ایفا می‌کنند. مدل را برای هر نود تنظیم کنید، نه برای هر گردش‌کار؛ یک گردش‌کار می‌تواند هر سه مدل را ترکیب کند.

چگونه از مصرف بیش از حد بودجه Claude API توسط یک گردش‌کار n8n جلوگیری کنم؟

لایه‌های محافظتی ایجاد کنید: مقدار Max Tokens پایین برای هر نود Claude، محدودیت Max Iterations برای agentها، تعیین timeout برای گردش‌کار و تنظیمات محافظه‌کارانه Retry On Fail تا خطاها باعث افزایش مصرف توکن نشوند. سپس یک گردش‌کار Error Trigger اضافه کنید که در صورت شکست هر گردش‌کار هوش مصنوعی، در Slack به شما هشدار دهد و یک سقف بودجه ماهانه در کنسول Anthropic به عنوان محدودیت نهایی تعیین کنید که هیچ‌چیز 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.