חיבור Claude ל-n8n על שרת VPS: מדריך הגדרה מלא

מה אתם בונים

שלושה תהליכי עבודה (workflows) מבוססי AI הפועלים על מופע ה-n8n שכבר מותקן אצלכם: webhook שמסכם כל תוכן שתשלחו אליו, קורא עדכונים (feed-reader) מתוזמן שהופך מאמרים לשורות מובנות בגיליון אלקטרוני, וסוכן AI שקורא ל-HTTP API באופן עצמאי כדי להשיב על שאלות. זהו המקביל ללא-קוד של קריאה ל-Claude API מתוך Python על ה-VPS שלכם; אותו API, אותם אסימונים (tokens), אותה עלות, אך התזמור מתבצע בתוך צמתי (nodes) n8n במקום בסקריפט.

אני מניח ש-n8n כבר פעיל מאחורי HTTPS בהתאם ל-מדריך אירוח עצמי של n8n על Docker. אם לא, בצעו זאת תחילה; webhooks זקוקים לנקודת קצה (endpoint) עם TLS, ומאגר האישורים שבו אתם עומדים להזין מפתח API דורש את גיבוי מפתח ההצפנה שהמדריך ההוא מתריע עליו.

האתגרים המעניינים כאן אינם גרירה ושחרור. הם בחירת המודל לכל צומת, שדות הנחיה (prompt) שמבצעים אינטרפולציה שקטה ל-undefined, והעובדה שאוטומציה רצה ללא השגחה. תהליך עבודה שעולה חצי סנט להרצה הוא זול, עד שלולאת ניסיונות חוזרים (retry loop) מריצה אותו ארבעת אלפים פעם במהלך הלילה. רוב המדריך הזה עוסק בנושאים אלו.

פרט אימות יחיד, מוצפן באמצעות המפתח שגיבית

הנפיקו מפתח API מתוך ה-Anthropic Console בכתובת platform.claude.com, תחת Settings ולאחר מכן API Keys; צרו מפתח בשם כלשהו, למשל n8n-vps. המפתח יוצג פעם אחת בלבד. הטעינו את החשבון או הגדירו אמצעי תשלום; השימוש ב-API מתבצע לפי מודל תשלום לפי טוקן (pay-per-token) והוא נפרד לחלוטין מכל מנוי Claude.ai קיים.

בתוך n8n: עברו ל-Credentials, בחרו ב-Create credential, בחרו ב-Anthropic, הדביקו את המפתח בשדה API Key ושמרו. כל צומת (node) של Claude בכל workflow מפנה לפרט אימות שמור זה; לעולם אין להדביק את המפתח ישירות בתוך צומת.

שתי הערות תפעוליות.

ראשית, n8n מצפין את פרטי הכניסה השמורים באמצעות N8N_ENCRYPTION_KEY. אם הגדרתם את משתנה הסביבה הזה במפורש בקובץ ה־compose בהתאם למדריך של n8n, פרטי הכניסה יישמרו גם לאחר בנייה מחדש של המכולה. אם אפשרתם ל־n8n ליצור מפתח ולאחר מכן איבדתם את ה־volume, כל פרטי הכניסה השמורים, כולל המפתח הזה, יהיו צופן בלתי ניתן לשחזור. אם דילגתם על שלב זה, גבו את המפתח כעת.

שנית, התייחסו למאגר פרטי הכניסה של n8n כאל גבול הנזק: כל מי שיכול לערוך workflows במופע שלכם יכול לשלוח בקשות באמצעות מפתח Anthropic שלכם. במהדורת Community אין הרשאות נפרדות לכל משתמש עבור פרטי הכניסה. לכן, אם משתמשים נוספים מתחברים למופע הזה, קראו אילו בקרות גישה זמינות מאחורי רישיון n8n בתשלום לפני שתיצרו עבורם חשבונות. הגדירו מגבלת הוצאות ב־Console, תחת Settings, כדי שלמופע שנפרץ או יצא משליטה תהיה תקרת הוצאות.

בחירת המודל היא החלטה ברמת ה-node

התפריט הנפתח לבחירת מודלים ב-nodes של Claude ב-n8n נמשך בזמן אמת מה-API, ולכן הוא מציג את מה שהמפתח שלכם מאפשר לגשת אליו. נכון ליולי 2026, היצע המודלים ותמחור ה-API למיליון טוקנים של קלט/פלט הם: Claude Haiku 4.5 (claude-haiku-4-5) במחיר $1/$5 עם חלון הקשר של 200K, Claude Sonnet 5 (claude-sonnet-5) במחיר $3/$15, עם מחיר היכרות של $2/$10 עד ה-31 באוגוסט 2026, ו-Claude Opus 4.8 (claude-opus-4-8) במחיר $5/$25, שניהם עם חלונות הקשר של 1M טוקנים. קיים גם Claude Fable 5 (claude-fable-5) במחיר $10/$50 עבור משימות הסקה מורכבות במיוחד; שום דבר במדריך זה אינו דורש אותו. השתמשו במזהים (IDs) המדויקים הללו; גרסה עם סיומת תאריך שאתם זוכרים ממדריך ישן תחזיר שגיאת 404. המחירים משתנים, לכן בדקו ב-platform.claude.com לפני שאתם מסתמכים על מספר כלשהו שקראתם בכל מקום, כולל כאן.

הרגיל שמומלץ לאמץ: בחרו את המודל לכל node בנפרד, לא לפי פלטפורמה. סיווג, חילוץ נתונים, סיכום וניתוב – הלחם והחמאה של אוטומציה – רצים מצוין על Haiku בשליש מהמחיר הרשמי של Sonnet ובחמישית מזה של Opus. שמרו את Sonnet עבור סוכנים (agents) והסקה מרובת שלבים, ואת Opus עבור תהליכי עבודה נדירים שבהם תשובה שגויה עולה יותר מאשר הטוקנים עצמם. תהליך עבודה עם חמישה nodes של Claude יכול וצריך לשלב מודלים שונים.

שני הצמתים של Claude, ומתי להשתמש בכל אחד

n8n מגיע עם שני אינטגרציות נפרדות ל-Anthropic, ובחירה בשגויה שבהן היא הטעות הנפוצה ביותר בקרב מתחילים.

הצומת Anthropic הוא צומת יישום רגיל: בקשה אחת נכנסת, תגובה אחת יוצאת. למשאב ה-Text שלו יש פעולת Message a Model, לצד פעולות לניתוח תמונות ומסמכים. השתמשו בו בכל פעם שהלוגיקה של ה-workflow נמצאת בתוך n8n, כלומר: טריגר, קריאה ל-Claude, צומת הבא. ה-workflows 1 ו-2 להלן משתמשים בו או במקבילה השרשרתית שלו.

הצומת Anthropic Chat Model הוא צומת משנה (sub-node), רכיב קטן שמספק את המודל לצומת שורש כמו AI Agent או Basic LLM Chain. אין לו טריגר ואין לו פלט משלו; הוא חושף את בורר המודלים לצד אפשרויות דגימה כמו Maximum Number of Tokens ו-Sampling Temperature. הסתייגות אחת מתיעוד ה-n8n שכדאי לזכור: ביטויים (expressions) בתוך צמתי משנה תמיד מתפענחים מול פריט הקלט הראשון, ולא מול כל פריט בנפרד. לכן, יש להציב ביטויים פר-פריט בשדות ה-prompt של צומת השורש, ולא בצומת המשנה.

תהליך עבודה 1: קבלת webhook, שליחת סיכום

ה-"Hello World" של אוטומציית AI: כל תוכן שנשלח ב-POST לכתובת URL מסוימת מסוכם ונשלח ל-Slack או לתיבת הדואר הנכנס שלכם.

1. צומת Webhook, שיטת HTTP מסוג POST, נתיב summarize. n8n מספקת לכם כתובת URL לבדיקות וכתובת URL לייצור; כתובת הייצור מאזינה לבקשות רק לאחר הפעלת תהליך העבודה.
2. צומת Anthropic, שליחת הודעה למודל, מודל claude-haiku-4-5, הגבלת Max Tokens סביב 300.
3. צומת Slack (או שליחת דוא"ל), פרסום טקסט התגובה לערוץ.

ה-prompt הוא המקום שבו ביטויי n8n פוגשים את Claude. גוף ה-POST מגיע תחת $json.body, לכן שדה הודעת המשתמש נראה כך:

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

{{ $json.body.text }}

הכניסו הוראות לגבי תפקיד ופורמט בשדה ה-system prompt של הצומת, ולא בהודעת המשתמש. ה-system prompt נשאר קבוע בעוד ה-payload משתנה; זה שומר על התנהגות יציבה והופך את ה-prompt לקריא גם בעוד שישה חודשים. בצעו בדיקה מתוך ה-VPS עצמו:

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..."}'

העלות לכל הרצה ב-Haiku: עבור payload של 1,200 טוקנים בתוספת ה-prompt, העלות היא כ-$0.0012 עבור הקלט, ו-$0.0015 עבור 300 טוקנים של פלט, כלומר בערך רבע סנט. אלף הרצות בחודש יעלו פחות מ-$3. אותו צומת המוגדר לעבודה מול Opus 4.8 יעלה בערך פי חמישה מכך. יחס זה, כשהוא מוכפל בכל תהליך עבודה שתבנו, הוא הסיבה לכך שהרגלי בחירת המודל לכל צומת הם קריטיים.

תהליך עבודה 2: RSS מתוזמן לשורות מובנות

כעת נבצע פעולה מתוזמנת עם פלט מובנה: קריאת RSS feed מדי שעה, סיווג כל פריט, והוספת שורות לגיליון.

1. Schedule Trigger, בכל שעה.
2. RSS Read, כתובת ה-feed. מוציא פריט אחד לכל מאמר.
3. Basic LLM Chain, עם תת-צומת מסוג Anthropic Chat Model המוגדר ל-claude-haiku-4-5, ותת-צומת מסוג Structured Output Parser המכיל JSON schema.
4. Google Sheets (או Postgres), הוספת שורה לכל פריט.

ה-Structured Output Parser הוא מה שהופך את "Claude, אנא החזר JSON" מתקווה לחוזה מחייב: הוא מוודא את תשובת המודל מול ה-schema שלך ומכשיל את הפריט בצורה ברורה במקום לכתוב נתונים שגויים. schema לדוגמה:

{
  "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"]
}

וה-prompt של ה-chain מתייחס לפריט מה-feed:

Classify this article for a VPS hosting audience.

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

חישוב העלויות משתנה כאן: הוא מתבצע לפי פריט, לא לפי הרצה. חמישים מאמרים בשעה, עשרים וארבע שעות ביממה, הם 36,000 קריאות ל-Claude בחודש. ב-Haiku זה יעלה כ-40–90 דולר, תלוי באורך המאמר; ב-Opus העלות תהיה גבוהה פי חמישה בערך. בצעו הסרת כפילויות (Deduplicate) לפני צומת ה-LLM (באמצעות תנאי IF פשוט מול קישורים שנראו בעבר, או צומת Remove Duplicates של n8n), והמספר יצטמצם משמעותית, כיוון שרוב הסריקות השעתיות אינן מכילות תוכן חדש. ה-token הזול ביותר הוא הקריאה שלעולם לא תבצע.

תהליך עבודה 3: סוכן AI המשתמש בכלים

שני תהליכי העבודה הראשונים הם צינורות עיבוד (pipelines) שבהם אתם קובעים את השלבים. צומת AI Agent הופך את היוצרות: אתם נותנים ל-Claude מטרה וכלים, והוא מחליט באילו כלים להשתמש ובאיזה סדר, עד להשלמת המשימה. n8n דורש צומת משנה של מודל צ'אט ולפחות צומת משנה אחד של כלי המחובר אליו.

להלן דוגמה מעשית לבנייה: עוזר תפעול (ops assistant) שעונה על השאלה "מה מושבת ומדוע" על סמך מערכת הניטור שלכם:

1. Chat Trigger (או webhook), דרכו מגיעה השאלה.
2. AI Agent, עם צומת משנה Anthropic Chat Model המוגדר ל-claude-sonnet-5. סוכנים מתכננים ומשרשרים קריאות לכלים; Haiku יכול להפעיל סוכנים פשוטים בעלי כלי בודד, אך Sonnet הוא רף הכניסה ההגיוני ברגע שמספר הכלים גדל.
3. צומת HTTP Request המחובר ככלי, המופנה ל-Uptime Kuma status API או לנקודת קצה של Zabbix. ניתן להוסיף כלי HTTP שני כדי לפנות לכל שירות אחר בעל REST API.

שתי הגדרות מבצעות את עיקר העבודה. ה-System Message של הסוכן מגדיר את תפקידו: "אתה עוזר תפעול. השתמש בכלי הסטטוס כדי לבדוק את מצב הניטור הנוכחי לפני מתן תשובה. דווח רק על שירותים מושבתים, בציון משך ההשבתה". כמו כן, ה-תיאור (description) של כל כלי אינו תיעוד עבור בני אדם, אלא הדרך שבה Claude מחליט מתי להפעיל אותו. תיאור כמו "מחזיר את מצב ה-up/down הנוכחי עבור כל השירותים המנוטרים כ-JSON" יופעל ברגעים הנכונים; תיאור כמו "status API" עלול להידחות או לשמש בצורה שגויה. כאשר אתם מחברים את צומת ה-HTTP Request ככלי, הפעילו את האפשרות Optimize Response ובחרו את שדות ה-JSON הרלוונטיים; אחרת, כל תגובת API מפורטת תוזרם להקשר של המודל כ-input tokens שעליהם אתם משלמים.

הגדירו את Max Iterations בסוכן (ברירת המחדל היא 10) למספר הקטן ביותר שעובד; זהו ההבדל בין "הסוכן ויתר לאחר 4 קריאות לכלי" לבין לולאה של תריסר סבבי תקשורת עם המודל. הבינו את מבנה החיוב: כל איטרציה שולחת מחדש את כל השיחה עד כה, כולל ה-system message, השאלה וכל תוצאות הכלים הקודמות, כ-input tokens. הרצה של סוכן ב-6 איטרציות יכולה להגיע בקלות ל-20,000 input tokens מצטברים ו-2,000 output tokens: לפי התמחור ההתחלתי של Sonnet 3.5, מדובר בכ-$0.06, ובערך $0.09 לפי התעריף הסטנדרטי של $3/$15 – פי עשרים מהרצת סיכום פשוטה. אם אתם מוצאים את עצמכם מחברים כלים רבים לסוכן אחד, זהו השלב שבו הרצת שרתי MCP על ה-VPS שלכם הופכת לארכיטקטורה נקייה יותר.

מנגנוני הגנה לעלויות, כי אף אחד לא משגיח

תהליך עבודה אוטומטי זקוק לבקרות שאדם מול מקלדת מספק באופן מובלע. להלן ארבע שכבות, מהזולה ליקרה.

Max Tokens בכל צומת Claude. זהו רף עליון קשיח לפלט. מסכם זקוק ל-300, מסווג ל-100. זה מגביל את הצד היקר במאזן (5$–25$ למיליון טוקנים של פלט לעומת 1$–5$ לקלט) ומשמש גם כבלם חירום; באג ב-prompt שגורם ל-Claude להאריך בדברים יעלה 300 טוקנים, לא 8,000.

מודל לכל צומת. כוסה לעיל; זהו מנוף מחיר של פי חמישה עד עשרה בכל המבחר הנוכחי, ונדרשות עשר שניות להגדרה.

הגבלת לולאות. הגדירו Max Iterations לסוכנים. הגדירו timeout בתהליך העבודה כדי שתהליך תקוע יסתיים במקום להמשיך לרוץ. היזהרו עם Retry On Fail בכל צומת: זהו הכלי הנכון לשגיאות זמניות, אך ניסיונות חוזרים מכפילים את העלות. Max Tries של 3 עם Wait Between Tries של 5000 ms אומר שכשל עקבי יחייב אתכם עד שלוש פעמים לכל פריט לפני שיוותר. לעולם אל תגדירו ניסיון חוזר לצומת שכבר הצליח בעלות גבוהה.

תהליך עבודה לשגיאות כרשת ביטחון. צרו תהליך עבודה שמתחיל בצומת Error Trigger, ששולח את שם התהליך שנכשל ואת השגיאה ל-Slack, ולאחר מכן הגדירו אותו כ-Error Workflow בהגדרות של כל תהליך AI. מצב הכשל שזה תופס הוא הבעייתי מכולם: תהליך מתוזמן ששוגה בכל הרצה, בכל שעה, במשך שבוע, כשכל הרצה שורפת טוקנים לפני שהיא קורסת. שלבו זאת עם מגבלת הוצאה חודשית ב-Anthropic Console ובדקו את דף השימוש ב-Console בימים הראשונים לאחר הפעלת כל דבר מתוזמן. אם ברצונכם להבין בדיוק על מה אתם מחויבים, מדריך השימוש בטוקנים מנתח זאת לעומק.

מצבי כשל והודעות שגיאה נפוצות

הצומת נכשל מיידית עם ההודעה "Authorization failed - please check your credentials." ה-API החזיר קוד שגיאה 401. גוף התגובה הוא:

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

הסיבה היא מפתח שהועתק בצורה שגויה, קטוע, מכיל רווחים מיותרים, או שנשאר בו טקסט המציין מקום (placeholder) ממדריך. צרו מחדש את פרטי ההתחברות ב-n8n והדביקו את המפתח שוב; אם החיבור עבד אתמול, בדקו אם המפתח בוטל ב-Console או אם שחזור נפח (volume) החזיר את המערכת למצב שבו פרטי ההתחברות מוצפנים עם N8N_ENCRYPTION_KEY שונה.

הרצות נכשלות בצרורות עם שגיאת 429 rate_limit_error, והודעה בסגנון "Number of request tokens has exceeded your per-minute rate limit." מגבלות קצב (rate limits) מחושבות לפי דקות, ו-n8n מאפשר להפעיל בקלות חמישים הרצות של webhook או RSS בו-זמנית. פתרו זאת ברמה המבנית: עבדו על פריטים ברצף (באמצעות Loop Over Items) במקום במקביל, והגדירו Retry On Fail עם Max Tries על 3 ו-Wait Between Tries על המקסימום של 5000 ms (זהו הערך המקסימלי ש-n8n מאפשר בשדה זה). כאשר נדרש זמן המתנה ארוך יותר כדי שהניסיונות החוזרים יפלו בחלון הזמן של הדקה הבאה, הוסיפו צומת Wait בנתיב השגיאה או עבדו על פריטים אחד בכל פעם. התגובה כוללת כותרת retry-after המציינת בדיוק כמה זמן יש להמתין; מכיוון שהמתנה קבועה ב-n8n אינה יכולה לקרוא ערך זה, עליכם לבנות את ההשהיה הארוכה בעצמכם.

שגיאת 404 not_found_error המציינת את שם המודל. גוף התגובה מציג את שגיאת הכתיב:

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

הסיבה היא שימוש בנקודות במקום במקפים (למשל 4.5 במקום 4-5), סיומת תאריך מפוסט ישן, או מודל שכבר אינו זמין. תקנו את ה-ID בהתאם לרשימה העדכנית; בעיה זו נפוצה אצל משתמשים המקלידים את שם המודל כביטוי (expression) במקום לבחור אותו מהתפריט הנפתח.

Claude עונה על שאלה שלא שאלתם. אין שגיאה וההרצה מסומנת בירוק. ביטוי ב-n8n המתייחס לשדה חסר, כמו {{ $json.body.text }} כאשר ה-payload השתמש ב-message, יכניס את המחרוזת המילולית undefined לתוך ה-prompt שלכם, ו-Claude יגיב בנימוס ל-prompt ריק מתוכן. אם הצומת שאליו התייחסתם לא התבצע כלל, תקבלו את השגיאה "Referenced node is unavailable", אך שדה חסר אינו מייצר התראה. לפני הפעלה (activation), הריצו תמיד פעם אחת עם נתונים אמיתיים וקראו את ה-prompt המרונדר בפועל בלוח הקלט של הצומת; עורך הביטויים מציג תצוגה מקדימה של הערך המפוענח, ו-undefined נמצא שם אם תסתכלו היטב.

FAQ

כיצד מחברים את Claude ל-n8n?

צרו מפתח API ב-Anthropic Console בכתובת platform.claude.com, לאחר מכן ב-n8n הוסיפו credential מסוג Anthropic והדביקו אותו בשדה ה-API Key. כל node של Claude, ה-node של אפליקציית Anthropic ותת-ה-node של Anthropic Chat Model, מפנים ל-credential המאוחסן הזה. n8n מצפין אותו באמצעות N8N_ENCRYPTION_KEY, לכן גבו את המפתח הזה, אחרת ה-credentials יאבדו יחד עם ה-volume.

מה העלות של workflow מבוסס AI להרצה?

העריכו את כמות ה-tokens לכל הרצה, ולאחר מכן הכפילו במחירי המודל למיליון tokens. נכון ליולי 2026, Haiku 4.5 עולה $1/$5 למיליון tokens של קלט/פלט, ו-Sonnet 5 עולה $3/$15 ($2/$10 במחיר השקה עד אוגוסט 2026). סיכום באמצעות webhook ב-Haiku עולה כרבע סנט; הרצת agent ב-Sonnet עם כמה קריאות ל-tools מתקרבת ל-$0.06–$0.10, כיוון שכל איטרציה שולחת מחדש את כל השיחה כקלט. אמת את ההרצה בדף ה-usage ב-Console במקום להסתמך על הערכות.

באיזה מודל Claude כדאי להשתמש עבור אוטומציות ב-n8n?

ב-Haiku 4.5 עבור סיווג, חילוץ נתונים, סיכום וניתוב – עבודות בנפח גבוה שבהן המהירות והמחיר הם הגורמים המכריעים. ב-Sonnet 5 עבור nodes של AI Agent וביצוע הסקות מרובות שלבים. ב-Opus 4.8 רק במקרים שבהם תשובה שגויה יקרה מספיק כדי להצדיק את מחיר המחירון של $5/$25, פי חמישה מ-Haiku וקצת פחות מפי שניים מ-Sonnet. הגדירו את המודל לכל node בנפרד, לא לכל workflow; workflow אחד יכול לשלב את שלושתם.

כיצד מונעים מ-workflow ב-n8n לחרוג מהתקציב ב-Claude API?

הטמיעו שכבות הגנה: הגדרה של Max Tokens נמוך בכל node של Claude, הגבלת Max Iterations ב-agents, הגדרת timeout ל-workflow, והגדרות Retry On Fail שמרניות כדי שכשלים לא יכפילו את צריכת ה-tokens. לאחר מכן, הוסיפו workflow מסוג Error Trigger שמתריע ב-Slack כאשר workflow של AI נכשל, והגדירו תקרה חודשית ב-Anthropic Console כחסם עליון ששום דבר ב-VPS לא יכול לעקוף.

האם קריאות ל-tools ב-AI Agent עולות כסף נוסף?

אין עמלה נפרדת על שימוש ב-tools, אך ה-tools אינם בחינם: כל תוצאה של tool מוזנת חזרה למודל כ-input tokens, וכל איטרציה של ה-agent שולחת מחדש את כל השיחה שהתקיימה עד כה. תגובת API מפורטת מדי שמועברת ללא סינון עלולה להאפיל על ה-prompt המקורי שלכם. הפעילו Optimize Response ב-nodes של HTTP Request והחזירו רק את השדות שה-agent זקוק להם.