Claude को n8n VPS पर कैसे सेटअप करें

आप क्या बना रहे हैं

आपके द्वारा पहले से चलाए जा रहे n8n instance पर तीन कार्यशील AI workflows: एक webhook जो उसे दी गई किसी भी सामग्री का सारांश (summarize) तैयार करता है, एक scheduled feed-reader जो लेखों को structured spreadsheet पंक्तियों में बदलता है, और एक AI Agent जो प्रश्नों के उत्तर देने के लिए स्वयं एक HTTP API को कॉल करता है। यह अपने VPS पर Python से Claude API को कॉल करने का no-code विकल्प है; इसमें API, tokens और बिल वही रहते हैं, लेकिन orchestration एक script के बजाय n8n nodes में होता है।

मैं यह मानकर चल रहा हूँ कि n8n पहले से ही Docker पर self-hosted n8n गाइड के अनुसार HTTPS के पीछे चल रहा है। यदि ऐसा नहीं है, तो पहले वह करें; webhooks को एक वास्तविक TLS endpoint की आवश्यकता होती है, और जिस credential store में आप API key डालने वाले हैं, उसे उस encryption-key backup की जरूरत है जिसके बारे में वह गाइड आपको चेतावनी देती है।

यहाँ दिलचस्प समस्याएँ drag-and-drop से संबंधित नहीं हैं। वे प्रति node model चयन, prompt fields जो चुपचाप undefined को interpolate करते हैं, और इस तथ्य से संबंधित हैं कि एक automation बिना निगरानी के चलता है। एक workflow जो प्रति run आधा सेंट खर्च करता है, वह तब तक सस्ता है जब तक कि कोई retry loop उसे रात भर में चार हजार बार न चला दे। इस गाइड का अधिकांश हिस्सा इन्हीं विषयों पर है।

एक क्रेडेंशियल, जिसे आपके द्वारा बैकअप की गई की (key) से एन्क्रिप्ट किया गया है

Anthropic Console (platform.claude.com) पर जाएं, Settings में जाएं, फिर API Keys चुनें, और n8n-vps जैसा नाम देकर एक की (key) बनाएं। यह केवल एक बार दिखाई जाती है। Console आपसे की (key) बनाते समय उसकी समाप्ति तिथि (expiration) चुनने के लिए भी कहता है; उस तारीख को नोट कर लें, क्योंकि की (key) समाप्त होने पर unattended workflow काम करना बंद कर देता है और नीचे failure modes में वर्णित 401 error देता है। अपने अकाउंट में फंड डालें या बिलिंग सेट करें; API का उपयोग pay-per-token आधार पर होता है, जिसका भुगतान प्रीपेड क्रेडिट से किया जाता है। Pro सब्सक्रिप्शन इसमें शामिल नहीं है, लेकिन Claude Max और Team प्लान में अब मासिक Claude API क्रेडिट मिलते हैं ($100 Max 5x पर, $200 Max 20x पर, Team प्लान पर $500 तक pooled), जिन्हें आप अपनी claude.ai बिलिंग सेटिंग्स में Console organization को लिंक करके प्राप्त कर सकते हैं। ये क्रेडिट n8n द्वारा किए जाने वाले API कॉल्स का भुगतान करते हैं, Claude Code को कवर नहीं करते, और प्रत्येक बिलिंग चक्र के अंत में समाप्त हो जाते हैं। यदि आप बिना किसी भुगतान के ये तीन वर्कफ़्लो बनाना चाहते हैं, तो Anthropic का pricing FAQ बताता है कि नए उपयोगकर्ताओं को API टेस्ट करने के लिए थोड़े मुफ्त क्रेडिट मिलते हैं, इसलिए एक नया Console अकाउंट बिलिंग जोड़ने से पहले इन स्टार्टर क्रेडिट्स पर इन वर्कफ़्लो को आज़मा सकता है; एक बार क्रेडिट खत्म हो जाने पर, हर Claude कॉल के लिए टोकन के आधार पर बिलिंग होगी। कुछ चीजें टोकन के अलावा मुफ्त हैं, जैसे token counting endpoint और प्रति organization हर महीने 1,550 घंटे तक का मुफ्त code-execution समय, हालांकि इन तीन वर्कफ़्लो में से कोई भी code execution का उपयोग नहीं करता है। मुफ्त API क्रेडिट क्या कवर करते हैं में इसका विस्तृत विवरण दिया गया है।

n8n में: Credentials, Create credential पर जाएं, Anthropic चुनें, की (key) को API Key फ़ील्ड में पेस्ट करें, और सेव करें। हर वर्कफ़्लो में हर Claude नोड इसी एक स्टोर्ड क्रेडेंशियल का संदर्भ लेता है, आपको नोड में की (key) पेस्ट करने की आवश्यकता नहीं है।

दो ऑपरेशनल नोट्स। पहला, n8n स्टोर्ड क्रेडेंशियल्स को N8N_ENCRYPTION_KEY के साथ एन्क्रिप्ट करता है। यदि आप n8n गाइड के अनुसार अपने compose फ़ाइल में उस env var को स्पष्ट रूप से सेट करते हैं, तो आपका क्रेडेंशियल कंटेनर के पुनर्निर्माण (rebuilds) के बाद भी सुरक्षित रहता है; यदि आप n8n को इसे जनरेट करने देते हैं और फिर वॉल्यूम खो देते हैं, तो हर स्टोर्ड क्रेडेंशियल, जिसमें यह की (key) भी शामिल है, अप्राप्य (unrecoverable) ciphertext बन जाएगा। यदि आपने पहले बैकअप नहीं लिया है, तो अभी की (key) का बैकअप लें। दूसरा, n8n क्रेडेंशियल स्टोर को 'ब्लास्ट रेडियस' मानें: जो कोई भी आपके Anthropic क्रेडेंशियल का उपयोग कर सकता है, वह आपकी की (key) के साथ अनुरोध कर सकता है। Community edition पर यह आप और इंस्टेंस ओनर तक सीमित है; n8n के दस्तावेज़ों के अनुसार "केवल इंस्टेंस ओनर और उसे बनाने वाला उपयोगकर्ता ही वर्कफ़्लो और क्रेडेंशियल्स तक पहुंच सकता है", इसलिए अन्य Member अकाउंट्स वहां तक नहीं पहुंच सकते। वर्कफ़्लो और क्रेडेंशियल्स साझा करना self-hosted n8n (Business या Enterprise) पर एक पेड फीचर है, और एक बार जब आप वर्कफ़्लो साझा करते हैं, तो उसके एडिटर्स उस वर्कफ़्लो द्वारा उपयोग किए जाने वाले हर क्रेडेंशियल का उपयोग कर सकते हैं। इसलिए यदि कोई और इस इंस्टेंस में लॉग इन करता है, तो अकाउंट देने से पहले पेड n8n लाइसेंस के पीछे कौन से एक्सेस कंट्रोल्स होते हैं पढ़ें। Console में Settings के अंतर्गत एक spend limit सेट करें ताकि किसी compromised या अनियंत्रित इंस्टेंस के लिए एक सीमा तय रहे।

मॉडल का चुनाव प्रति-नोड (per-node) निर्णय है

n8n के Claude नोड्स में मॉडल ड्रॉपडाउन सीधे API से आता है, इसलिए यह वही दिखाता है जिसे आपकी key एक्सेस कर सकती है। इस गाइड में उपयोग किए गए मॉडल, अक्टूबर 2026 तक प्रति मिलियन इनपुट/आउटपुट टोकन की API कीमत के साथ, इस प्रकार हैं: Claude Haiku 4.5 (claude-haiku-4-5) $1/$5 पर 200K कॉन्टेक्स्ट विंडो के साथ, Claude Sonnet 5 (claude-sonnet-5) $2/$10 पर, और Claude Opus 4.8 (claude-opus-4-8) $5/$25 पर, दोनों 1M-टोकन कॉन्टेक्स्ट विंडो के साथ। सबसे कठिन रीजनिंग कार्यों के लिए Claude Fable 5 (claude-fable-5) $10/$50 पर भी उपलब्ध है; इस गाइड में किसी भी चीज़ के लिए इसकी आवश्यकता नहीं है। उन्हीं सटीक IDs का उपयोग करें। claude-haiku-4-5, पिन किए गए स्नैपशॉट claude-haiku-4-5-20251001 के लिए एक उपनाम (alias) है, जो काम करता है, लेकिन किसी पुराने ट्यूटोरियल से कॉपी की गई पुरानी ID किसी रिटायर हो चुके मॉडल का नाम हो सकती है और विफल हो सकती है। कीमतें बदलती रहती हैं, इसलिए यहाँ या कहीं भी पढ़ी गई किसी भी संख्या पर भरोसा करने से पहले platform.claude.com देखें।

जब से यह गाइड पहली बार प्रकाशित हुई थी, Anthropic ने नए मॉडल जारी किए हैं, और इसके दस्तावेज़ अब Haiku 4.5, Sonnet 5, Opus 4.8 और Fable 5 को लेगेसी (legacy) के रूप में चिह्नित करते हैं। वे अभी भी काम करते हैं। डेप्रिकेशन पेज Haiku 4.5 के रिटायरमेंट को 15 अक्टूबर, 2026 से पहले नहीं के रूप में सूचीबद्ध करता है; वह तारीख बीत चुकी है, और 20 अक्टूबर, 2026 तक पेज अभी भी Haiku 4.5 को बिना किसी डेप्रिकेशन नोटिस के सक्रिय दिखाता है। Sonnet 5, Opus 4.8 और Fable 5 मध्य-2027 से पहले रिटायर नहीं होंगे। Anthropic सार्वजनिक रूप से जारी मॉडल को रिटायर करने से कम से कम 60 दिन पहले नोटिस देता है, इसलिए यदि आपके वर्कफ़्लो Haiku 4.5 का उपयोग करते हैं, तो उनके डेप्रिकेशन पेज पर नज़र रखें। वर्तमान लाइनअप में Claude Haiku 5.5 (claude-haiku-5-5, 7 अक्टूबर, 2026 को जारी) 100,000 टोकन तक के प्रॉम्प्ट के लिए $0.10/$0.50 से और उससे ऊपर $0.50/$2.50 से, Claude Sonnet 5.5 (claude-sonnet-5-5) $2/$10 पर, Claude Opus 5.5 (claude-opus-5-5) $4/$20 पर, और Claude Fable 5.1 (claude-fable-5-1) $10/$50 पर शामिल हैं। Haiku 5.5 का टोकनाइज़र उसी टेक्स्ट को Haiku 4.5 की तुलना में लगभग 30% अधिक टोकन के रूप में गिनता है, इसलिए केवल लिस्ट कीमतों के बजाय कंसोल के उपयोग पेज पर वास्तविक प्रति-रन लागत की तुलना करें।

अपनी आदत यह बनाएँ: मॉडल का चुनाव प्रति-नोड करें, न कि प्रति-प्लेटफ़ॉर्म। वर्गीकरण (classification), निष्कर्षण (extraction), सारांश (summarization), और रूटिंग, जो ऑटोमेशन का मुख्य आधार हैं, Haiku पर Sonnet की लिस्ट कीमत के आधे और Opus के पांचवें हिस्से पर बेहतरीन तरीके से चलते हैं। Sonnet को एजेंट्स और मल्टी-स्टेप रीजनिंग के लिए रखें, और Opus को उन दुर्लभ वर्कफ़्लो के लिए रखें जहाँ गलत उत्तर की कीमत टोकन से अधिक होती है। पाँच Claude नोड्स वाले वर्कफ़्लो में मॉडलों का मिश्रण हो सकता है और होना भी चाहिए।

दो Claude nodes, और किसका उपयोग कहाँ करें

n8n में दो अलग-अलग Anthropic integrations मिलते हैं, और गलत का चुनाव करना शुरुआती लोगों के लिए सबसे आम गलती है।

Anthropic node एक सामान्य app node है: एक request अंदर, एक response बाहर। इसके Text resource में Message a Model operation है, साथ ही images और documents को analyze करने के लिए operations भी हैं। इसका उपयोग तब करें जब workflow logic n8n में हो, जैसे: trigger, Claude call, अगला node। नीचे दिए गए Workflows 1 और 2 में इसका या इसके chain equivalent का उपयोग किया गया है।

Anthropic Chat Model node एक sub-node है, एक छोटा attachment जो AI Agent या Basic LLM Chain जैसे root node को model प्रदान करता है। इसका अपना कोई trigger या output नहीं होता; यह model picker के साथ-साथ Maximum Number of Tokens और Sampling Temperature जैसे sampling options को expose करता है। n8n docs की एक चेतावनी जिसे याद रखना जरूरी है: sub-nodes के अंदर expressions हमेशा पहले input item के आधार पर resolve होते हैं, न कि प्रत्येक item के लिए। इसलिए per-item expressions को sub-node के बजाय root node के prompt fields में रखें। और Anthropic की तरफ से एक चेतावनी: Claude 4.7 और उसके बाद के models पर (जो इस guide में Haiku 4.5 को छोड़कर बाकी सभी हैं), temperature, top_p या top_k को default के अलावा कोई अन्य value सेट करने पर 400 error मिलता है। इसलिए उन models पर Sampling Temperature, Top K और Top P को unset रखें।

Workflow 1: webhook in, summary out

AI ऑटोमेशन का यह 'hello-world' उदाहरण है: किसी भी URL पर POST किया गया डेटा summarize होकर Slack या आपके इनबॉक्स में पहुँच जाता है।

1. Webhook node, HTTP Method POST, path summarize। n8n आपको एक test URL और एक production URL देता है; production URL केवल workflow पब्लिश होने के बाद ही listen करता है।
2. Anthropic node, Message a Model, model claude-haiku-4-5, Max Tokens लगभग 300।
3. Slack node (या Send Email), रिस्पॉन्स टेक्स्ट को किसी चैनल पर पोस्ट करें।

Prompt वह जगह है जहाँ n8n expressions और Claude का मिलन होता है। एक POST body $json.body के अंतर्गत आती है, इसलिए user message field कुछ इस तरह दिखता है:

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

{{ $json.body.text }}

Role और format संबंधी निर्देश node के system prompt field में रखें, न कि user message में। System prompt स्थिर रहता है जबकि payload बदलता रहता है, जिससे व्यवहार (behavior) स्थिर बना रहता है और छह महीने बाद भी prompt को पढ़ना आसान रहता है। इसे सीधे VPS से टेस्ट करें:

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..."}'

Haiku पर प्रति-रन लागत: 1,200-token का payload और prompt लगभग $0.0012 इनपुट है, और 300 tokens आउटपुट $0.0015 है, यानी लगभग एक सेंट का चौथाई हिस्सा। महीने में एक हजार रन की लागत $3 से कम है। उसी node को Opus 4.8 पर पॉइंट करने पर यह लागत लगभग पांच गुना हो जाती है। यह अनुपात, आपके द्वारा बनाए गए हर workflow के साथ गुणा करने पर, यही कारण है कि प्रति-node मॉडल की आदत महत्वपूर्ण है।

Workflow 2: scheduled RSS को structured rows में बदलना

अब एक clock-based workflow का उपयोग करें जो structured output देता है: हर घंटे एक RSS feed पढ़ें, प्रत्येक item को classify करें और rows को sheet में append करें।

1. Schedule Trigger, हर घंटे के लिए।
2. RSS Read, feed URL के लिए। यह हर article के लिए एक item output करता है।
3. Basic LLM Chain, जिसमें claude-haiku-4-5 पर set एक Anthropic Chat Model sub-node और JSON schema वाला एक Structured Output Parser sub-node हो।
4. Google Sheets (या Postgres), प्रत्येक item के लिए एक row append करने हेतु।

Structured Output Parser ही वह घटक है जो "Claude, कृपया JSON return करें" जैसी उम्मीद को एक contract में बदल देता है: यह model के उत्तर को आपके schema के विरुद्ध validate करता है और गलत data लिखने के बजाय item को स्पष्ट रूप से fail कर देता है। एक schema इस प्रकार है:

{
  "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"]
}

और chain का prompt feed item को reference करता है:

Classify this article for a VPS hosting audience.

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

यहाँ cost math का स्वरूप बदल जाता है: यह प्रति-run के बजाय प्रति-item होता है। प्रति घंटे पचास articles, दिन के चौबीस घंटे, का मतलब है महीने में 36,000 Claude calls। Haiku पर यह article की लंबाई के आधार पर लगभग $40–90 हो सकता है, और Opus पर इससे लगभग पाँच गुना अधिक। LLM node से पहले deduplicate करें (पहले देखे गए links के विरुद्ध एक साधारण IF, या n8n का Remove Duplicates node), जिससे यह संख्या काफी कम हो जाएगी, क्योंकि अधिकांश hourly polls में कुछ भी नया नहीं होता है। सबसे सस्ता token वह call है जिसे आप कभी करते ही नहीं हैं।

Workflow 3: AI Agent जो tools का उपयोग करता है

पहले दो workflows pipelines हैं, जिनमें steps आप तय करते हैं। एक AI Agent node इसे उलट देता है: आप Claude को एक लक्ष्य और tools देते हैं, और वह तय करता है कि कौन से tools को, किस क्रम में, और कब तक इस्तेमाल करना है। n8n के लिए एक chat model sub-node और कम से कम एक tool sub-node का जुड़ा होना आवश्यक है।

एक ठोस उदाहरण, एक ops assistant जो आपके monitoring से "क्या down है और क्यों" का उत्तर देता है:

1. Chat Trigger (या webhook), जहाँ प्रश्न प्राप्त होता है।
2. AI Agent, जिसमें Anthropic Chat Model sub-node को claude-sonnet-5 पर set किया गया है। Agents tool calls की योजना बनाते हैं और उन्हें chain करते हैं; Haiku सरल single-tool agents को चला सकता है, लेकिन जब tools की संख्या बढ़ती है तो Sonnet ही सही विकल्प है।
3. HTTP Request node को tool के रूप में जोड़ें, जो आपके Uptime Kuma status API या Zabbix endpoint की ओर point करता हो। एक दूसरा HTTP tool किसी भी अन्य REST API के साथ काम कर सकता है।

दो settings अधिकांश काम करती हैं। एजेंट का System Message कार्य को परिभाषित करता है: "आप एक ops assistant हैं। उत्तर देने से पहले वर्तमान monitor state की जाँच करने के लिए status tool का उपयोग करें। केवल उन monitors की रिपोर्ट करें जो down हैं, उनकी अवधि के साथ।" और प्रत्येक tool का description मनुष्यों के लिए documentation नहीं है, बल्कि यह वह तरीका है जिससे Claude तय करता है कि उसे कब call करना है। "Returns current up/down state for all monitored services as JSON" सही समय पर call किया जाता है; "status API" को अनदेखा किया जाता है या गलत इस्तेमाल किया जाता है। जब आप HTTP Request node को tool के रूप में जोड़ते हैं, तो इसके Optimize Response option को enable करें और उन JSON fields को चुनें जो महत्वपूर्ण हैं, अन्यथा हर verbose API response model के context में input tokens के रूप में भर दी जाएगी, जिसके लिए आपको भुगतान करना होगा।

एजेंट पर Max Iterations (default 10 है) को उस न्यूनतम संख्या पर set करें जो काम करती है, यही वह अंतर है जो "एजेंट ने 4 tool calls के बाद हार मान ली" और एक दर्जन model round-trips के loop के बीच होता है। और billing के स्वरूप को समझें: प्रत्येक iteration अब तक की पूरी बातचीत, system message, प्रश्न, और हर पिछले tool result को input tokens के रूप में फिर से भेजता है। छह-iteration वाला एक agent run आसानी से कुल 20,000 input tokens और 2,000 output tokens तक पहुँच सकता है: Sonnet 5 पर $2/$10 के हिसाब से यह लगभग $0.06 होता है, जो एक साधारण summarization run से बीस गुना अधिक है। यदि आप एक ही एजेंट के साथ कई tools जोड़ रहे हैं, तो वह समय है जब अपने VPS पर MCP servers चलाना एक बेहतर architecture बन जाता है।

Cost guardrails, क्योंकि कोई निगरानी नहीं कर रहा है

एक unattended workflow को उन controls की आवश्यकता होती है जो एक human operator कीबोर्ड पर बैठकर implicitly प्रदान करता है। यहाँ चार layers हैं, सबसे सस्ती से शुरू करते हुए।

हर Claude node पर Max Tokens. यह एक hard output cap है। एक summarizer को 300 tokens की आवश्यकता होती है, एक classifier को 100 की। यह ledger के महंगे पक्ष को सीमित करता है (इस guide में दिए गए models के अनुसार, $5–$50 प्रति मिलियन output tokens बनाम $1–$10 input के लिए, जहाँ output की कीमत input से पाँच गुना अधिक है) और यह एक runaway brake के रूप में भी काम करता है; एक prompt bug जो Claude को बड़बड़ाने पर मजबूर करता है, वह 8,000 tokens के बजाय केवल 300 tokens का खर्च बढ़ाएगा।

हर node के लिए Model का चयन. ऊपर चर्चा की गई है; Haiku 4.5 और Opus 4.8 के बीच यह कीमत में पाँच गुना का अंतर है, Fable 5 तक यह दस गुना हो जाता है, और वर्तमान lineup में, Haiku 5.5 से Fable 5.1 तक, यह 100,000 tokens तक के prompts के लिए सौ गुना तक पहुँच जाता है। इसे set करने में दस सेकंड लगते हैं।

Loops को सीमित करें. Agents पर Max Iterations का उपयोग करें। Workflow settings में एक workflow timeout set करें ताकि एक wedged execution spinning के बजाय समाप्त हो जाए। और प्रति-node Retry On Fail के साथ सावधान रहें: यह transient errors के लिए सही tool है, लेकिन retries लागत को बढ़ा देते हैं। 5000 ms के Wait Between Tries के साथ Max Tries 3 का मतलब है कि एक persistent failure हार मानने से पहले हर item के लिए आपको तीन बार तक bill कर सकता है। कभी भी उस node के चारों ओर retry न लगाएँ जो पहले ही महंगे तरीके से सफल हो चुका है।

Backstop के रूप में एक error workflow. एक ऐसा workflow बनाएँ जो Error Trigger node से शुरू हो और failed workflow का नाम और error को Slack पर post करे, फिर इसे प्रत्येक AI workflow की settings में Error Workflow के रूप में set करें। यह उस खराब स्थिति को पकड़ता है जो सबसे घातक है: एक schedule-triggered workflow जो हर घंटे, पूरे एक सप्ताह तक हर run पर error देता है, और हर run मरने से पहले tokens जलाता रहता है। इसे Anthropic Console में एक monthly spend limit के साथ जोड़ें और कुछ भी scheduled activate करने के बाद शुरुआती कुछ दिनों तक Console का usage page देखें। यदि आप यह समझना चाहते हैं कि आपसे किस चीज़ के लिए bill लिया जा रहा है, तो the token-usage guide इसका विश्लेषण करती है।

विफलता के प्रकार और दिखाई देने वाले स्ट्रिंग्स

नोड तुरंत "Authorization failed - please check your credentials." के साथ विफल हो जाता है। API ने 401 लौटाया है। अंतर्निहित बॉडी का आकार इस प्रकार है (वर्तमान रिस्पॉन्स में request_id फ़ील्ड भी होता है):

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

यह गलत तरीके से पेस्ट की गई की (key), अधूरी की, अंत में अतिरिक्त स्पेस, या किसी ट्यूटोरियल के प्लेसहोल्डर के कारण हो सकता है। n8n क्रेडेंशियल को फिर से बनाएं और दोबारा पेस्ट करें; यदि यह कल काम कर रहा था, तो जांचें कि क्या की को रद्द कर दिया गया है या Console में उसकी समाप्ति तिथि निकल गई है, या क्या वॉल्यूम रिस्टोर ने किसी अलग N8N_ENCRYPTION_KEY से एन्क्रिप्ट किए गए क्रेडेंशियल को रोलबैक कर दिया है।

एक्जीक्यूशन 429 rate_limit_error के साथ अचानक विफल हो जाते हैं, जिसका संदेश कुछ इस तरह होता है: "Number of request tokens has exceeded your per-minute rate limit।" रेट लिमिट को प्रति मिनट मापा जाता है और इसे लगातार रिफिल होने वाले टोकन बकेट के साथ लागू किया जाता है, और n8n के साथ पचास वेबहुक या RSS एक्जीक्यूशन को एक साथ ट्रिगर करना बहुत आसान है। इसे संरचनात्मक रूप से ठीक करें: समानांतर (parallel) के बजाय क्रमिक रूप से (Loop Over Items) आइटम प्रोसेस करें, और Retry On Fail को Max Tries 3 पर सेट करें, साथ ही Wait Between Tries को इसके अधिकतम 5000 ms पर रखें, क्योंकि n8n इस फ़ील्ड को 5000 ms पर कैप करता है। जब आपको लंबे बैकऑफ़ की आवश्यकता हो ताकि रिट्राई से पहले बकेट को रिफिल होने का समय मिल सके, तो एरर पाथ में एक Wait नोड रखें या आइटम को एक-एक करके प्रोसेस करें। 429 रेट-लिमिट में आमतौर पर एक retry-after हेडर होता है जो आपको बताता है कि कितने सेकंड प्रतीक्षा करनी है (Anthropic के दस्तावेज़ बताते हैं कि हर 429 में ऐसा नहीं होता है), n8n का फिक्स्ड वेट इसे पढ़ नहीं सकता है, इसलिए लंबा पॉज़ खुद बनाएं। एक अपवाद: बिना retry-after हेडर और enforced_spend_limit_reached के error_code वाला 429 एरर यह दर्शाता है कि आपके संगठन ने अपने यूसेज टियर की मासिक खर्च सीमा को पार कर लिया है, और अगले महीने या टियर अपग्रेड तक कोई भी रिट्राई सफल नहीं होगी।

404 not_found_error आपके मॉडल का नाम बता रहा है। संदेश में आपके द्वारा भेजे गए मॉडल ID का नाम होता है, जो कुछ इस तरह दिखता है:

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

यह हाइफ़न के बजाय डॉट (4-5 के लिए 4.5), गलत टाइप किया गया या मनगढ़ंत डेट सफ़िक्स, या किसी पुराने ब्लॉग पोस्ट से लिया गया रिटायर हो चुका मॉडल हो सकता है। वर्तमान सूची के अनुसार ID को ठीक करें, यह उन लोगों के साथ होता है जो ड्रॉपडाउन से चुनने के बजाय मॉडल फ़ील्ड में एक्सप्रेशन के रूप में टाइप करते हैं।

Claude उस प्रश्न का उत्तर देता है जो आपने पूछा ही नहीं। कहीं कोई एरर नहीं है, रन सफल (green) है। एक n8n एक्सप्रेशन जो किसी गायब फ़ील्ड को संदर्भित करता है, जैसे कि {{ $json.body.text }} जबकि पेलोड ने message का उपयोग किया था, वह आपके प्रॉम्प्ट में लिटरल स्ट्रिंग undefined को डाल देता है, और Claude किसी भी चीज़ के बारे में प्रॉम्प्ट का जवाब दे देता है। यदि संदर्भित नोड बिल्कुल भी निष्पादित नहीं हुआ, तो n8n इस एरर के साथ रुक जाता है कि एक्सप्रेशन एक ऐसे नोड को संदर्भित करता है जो "hasn't been executed yet", लेकिन एक गायब फ़ील्ड के मामले में कोई एरर नहीं आता। एक्टिवेट करने से पहले, हमेशा वास्तविक डेटा के साथ एक बार रन करें और नोड के इनपुट पैनल में वास्तविक रेंडर किए गए प्रॉम्प्ट को पढ़ें, एक्सप्रेशन एडिटर रिज़ॉल्व किए गए मान का पूर्वावलोकन (preview) दिखाता है, और यदि आप ध्यान से देखें तो undefined वहीं दिखाई देता है।

FAQ

मैं Claude को n8n से कैसे कनेक्ट करूँ?

platform.claude.com पर Anthropic Console में एक API key बनाएँ, फिर n8n में Anthropic प्रकार का credential जोड़ें और इसे API Key फ़ील्ड में पेस्ट करें। प्रत्येक Claude node, Anthropic app node और Anthropic Chat Model sub-node, उस संग्रहीत credential का संदर्भ लेते हैं। n8n इसे N8N_ENCRYPTION_KEY के साथ एन्क्रिप्ट करता है, इसलिए उस key का बैकअप लें, अन्यथा volume के साथ आपके credentials खो जाएंगे।

प्रति रन एक AI workflow की लागत क्या है?

प्रति रन tokens का अनुमान लगाएँ, फिर अक्टूबर 2026 के अनुसार मॉडल की प्रति-मिलियन कीमतों से गुणा करें; Haiku 4.5 की कीमत प्रति मिलियन इनपुट/आउटपुट tokens के लिए $1/$5 है और Sonnet 5 की कीमत $2/$10 है। Haiku पर एक webhook summarization लगभग एक चौथाई सेंट में चलता है; Sonnet पर कई tool calls के साथ एक agent रन $0.06–$0.10 के करीब पहुँच जाता है क्योंकि प्रत्येक iteration पूरी बातचीत को इनपुट के रूप में फिर से भेजता है। अनुमानों पर भरोसा करने के बजाय Console के usage पेज में रन को सत्यापित करें।

n8n automations के लिए मुझे कौन सा Claude मॉडल उपयोग करना चाहिए?

वर्गीकरण, निष्कर्षण, सारांश और रूटिंग के लिए Haiku 4.5 का उपयोग करें, जहाँ गति और कीमत महत्वपूर्ण हैं। AI Agent nodes और बहु-चरणीय तर्क (multi-step reasoning) के लिए Sonnet 5 का उपयोग करें। Opus 4.8 का उपयोग केवल तभी करें जब गलत उत्तर इतना महंगा हो कि उसकी $5/$25 की सूची कीमत उचित हो, जो Haiku से पांच गुना और Sonnet से ढाई गुना अधिक है। Anthropic के नए Haiku 5.5, Sonnet 5.5 और Opus 5.5 समान या कम सूची कीमतों पर वही भूमिकाएँ निभाते हैं। मॉडल को प्रति workflow नहीं, बल्कि प्रति node सेट करें; एक workflow तीनों को मिला सकता है।

मैं n8n workflow को Claude API पर अधिक खर्च करने से कैसे रोकूँ?

सुरक्षा उपाय (guardrails) लागू करें: प्रत्येक Claude node पर कम Max Tokens, agents पर Max Iterations, एक workflow timeout, और रूढ़िवादी Retry On Fail सेटिंग्स रखें ताकि विफलताएँ token खर्च को न बढ़ाएँ। फिर एक Error Trigger workflow जोड़ें जो किसी भी AI workflow के विफल होने पर आपको Slack में सूचित करे, और Anthropic Console में एक मासिक खर्च सीमा (spend limit) सेट करें जो एक कठोर सीमा के रूप में कार्य करे जिसे VPS पर कुछ भी ओवरराइड न कर सके।

क्या AI Agent tool calls के लिए अतिरिक्त शुल्क लगता है?

कोई अलग tool शुल्क नहीं है, लेकिन tools मुफ्त नहीं हैं: प्रत्येक tool परिणाम को इनपुट tokens के रूप में मॉडल को वापस भेजा जाता है, और प्रत्येक agent iteration अब तक की पूरी बातचीत को फिर से भेजता है। बिना फ़िल्टर किए पास किया गया एक लंबा API रिस्पॉन्स आपके वास्तविक प्रॉम्प्ट से बड़ा हो सकता है, इसलिए HTTP Request tools पर Optimize Response को सक्षम करें और केवल वही फ़ील्ड लौटाएँ जिनकी agent को आवश्यकता है।