Claude + n8n: Buat Alur Kerja AI di VPS

Yang Anda bangun

Tiga alur kerja AI yang berjalan pada instance n8n yang sudah Anda gunakan: webhook yang merangkum apa pun yang Anda kirimkan, pembaca feed terjadwal yang mengubah artikel menjadi baris spreadsheet terstruktur, dan AI Agent yang memanggil HTTP API secara mandiri untuk menjawab pertanyaan. Ini adalah padanan no-code dari memanggil Claude API dari Python pada VPS Anda, dengan API, token, dan biaya yang sama, tetapi orkestrasi berlangsung pada node n8n, bukan dalam skrip.

Saya mengasumsikan n8n sudah berjalan di balik HTTPS sesuai panduan self-hosted n8n pada Docker. Jika belum, lakukan langkah tersebut terlebih dahulu. Webhook memerlukan endpoint TLS yang valid, dan penyimpanan kredensial yang akan Anda gunakan untuk menyimpan API key memerlukan cadangan encryption key yang diperingatkan dalam panduan tersebut.

Masalah yang menarik di sini bukan sekadar drag-and-drop. Masalahnya adalah pemilihan model untuk setiap node, kolom prompt yang secara diam-diam melakukan interpolasi undefined, serta kenyataan bahwa automasi berjalan tanpa pengawasan. Alur kerja yang biayanya setengah sen per eksekusi memang murah, sampai loop retry menjalankannya empat ribu kali dalam semalam. Sebagian besar panduan ini membahas hal tersebut.

Satu kredensial yang dienkripsi dengan kunci yang Anda cadangkan

Dapatkan API key dari Anthropic Console di platform.claude.com, Settings, lalu API Keys, kemudian buat key dengan nama seperti n8n-vps. Key hanya ditampilkan satu kali. Console juga meminta Anda memilih masa berlaku saat membuat key; catat tanggalnya karena key yang kedaluwarsa akan menyebabkan workflow tanpa pengawasan gagal dengan error 401 yang sama seperti yang dijelaskan pada bagian mode kegagalan di bawah ini. Danai akun atau siapkan billing; penggunaan API dihitung per token dan dibayar dari kredit prabayar. Langganan Pro tidak mencakupnya, tetapi paket Claude Max dan Team kini mencakup kredit Claude API bulanan ($100 pada Max 5x, $200 pada Max 20x, dan hingga $500 secara gabungan pada Team) yang dapat Anda klaim dengan menautkan organisasi Console di pengaturan billing claude.ai. Kredit tersebut membayar panggilan API seperti yang dilakukan n8n, tidak mencakup Claude Code, dan kedaluwarsa pada akhir setiap siklus billing. Jika Anda berharap dapat membuat ketiga workflow ini tanpa biaya, FAQ pricing Anthropic menyatakan bahwa pengguna baru menerima sejumlah kecil kredit gratis untuk menguji API. Dengan demikian, akun Console baru dapat mencoba workflow ini menggunakan kredit awal tersebut sebelum Anda menambahkan billing. Setelah kredit habis, setiap panggilan Claude ditagihkan berdasarkan jumlah token. Beberapa hal juga tidak dikenai biaya selain token, seperti endpoint penghitungan token dan hingga 1,550 jam gratis waktu eksekusi kode per organisasi setiap bulan, meskipun tidak satu pun dari ketiga workflow ini menggunakan eksekusi kode. Cakupan kredit API gratis menjelaskan detailnya.

Di n8n: Credentials, Create credential, pilih Anthropic, tempel key ke kolom API Key, lalu simpan. Setiap node Claude dalam setiap workflow menggunakan kredensial tersimpan ini. Anda tidak perlu menempelkan key ke node.

Ada dua catatan operasional. Pertama, n8n mengenkripsi kredensial tersimpan menggunakan N8N_ENCRYPTION_KEY. Jika Anda menetapkan env var tersebut secara eksplisit dalam file compose sesuai panduan n8n, kredensial Anda tetap tersedia setelah container dibangun ulang. Jika Anda membiarkan n8n membuatnya lalu kehilangan volume, setiap kredensial tersimpan, termasuk key ini, menjadi ciphertext yang tidak dapat dipulihkan. Cadangkan key sekarang jika Anda belum melakukannya. Kedua, perlakukan penyimpanan kredensial n8n sebagai batas dampak insiden: siapa pun yang dapat menggunakan kredensial Anthropic Anda dapat membuat request menggunakan key Anda. Pada edisi Community, pihak tersebut adalah Anda dan pemilik instance. Dokumentasi n8n menyatakan, "Only the instance owner and the user who creates them can access workflows and credentials", sehingga akun Member lain tidak dapat mengaksesnya. Berbagi workflow dan kredensial merupakan fitur berbayar pada n8n self-hosted (Business atau Enterprise). Setelah Anda membagikan workflow, editornya dapat menggunakan setiap kredensial yang digunakan workflow tersebut. Jadi, jika ada orang lain yang login ke instance ini, baca kontrol akses yang tersedia di balik lisensi n8n berbayar sebelum memberikan akun. Tetapkan batas pengeluaran di Console melalui Settings agar instance yang diretas atau berjalan tanpa kendali memiliki batas biaya.

Pilihan model merupakan keputusan per-node

Dropdown model pada node Claude di n8n diambil langsung dari API, sehingga menampilkan model yang dapat diakses oleh key Anda. Model yang digunakan dalam panduan ini, dengan harga API per satu juta token input/output per Oktober 2026, adalah: Claude Haiku 4.5 (claude-haiku-4-5) seharga $1/$5 dengan context window 200K, Claude Sonnet 5 (claude-sonnet-5) seharga $2/$10, dan Claude Opus 4.8 (claude-opus-4-8) seharga $5/$25, keduanya dengan context window 1M token. Tersedia juga Claude Fable 5 (claude-fable-5) seharga $10/$50 untuk pekerjaan yang membutuhkan penalaran paling kompleks; tidak ada bagian dalam panduan ini yang memerlukannya. Gunakan ID tersebut persis. claude-haiku-4-5 adalah alias untuk snapshot yang dipatok, yaitu claude-haiku-4-5-20251001, dan juga dapat digunakan, tetapi ID bertanggal yang disalin dari tutorial lama mungkin merujuk ke model yang sudah dihentikan dan menyebabkan kegagalan. Harga dapat berubah, jadi periksa platform.claude.com sebelum mempercayai angka apa pun yang Anda baca di mana saja, termasuk di sini.

Sejak panduan ini pertama kali diterbitkan, Anthropic telah merilis model yang lebih baru, dan dokumentasinya kini menandai Haiku 4.5, Sonnet 5, Opus 4.8, dan Fable 5 sebagai legacy. Model-model tersebut masih berfungsi. Halaman deprecations mencantumkan bahwa penghentian Haiku 4.5 tidak akan dilakukan sebelum 15 Oktober 2026; tanggal tersebut telah lewat, dan per 20 Oktober 2026 halaman itu masih menampilkan Haiku 4.5 sebagai aktif tanpa pemberitahuan deprecation. Sonnet 5, Opus 4.8, dan Fable 5 tidak akan dihentikan sebelum pertengahan 2027. Anthropic memberikan pemberitahuan setidaknya 60 hari sebelum menghentikan model yang dirilis untuk publik, jadi monitor halaman deprecations jika workflow Anda menetapkan Haiku 4.5. Jajaran model saat ini adalah Claude Haiku 5.5 (claude-haiku-5-5, dirilis 7 Oktober 2026) mulai dari $0.10/$0.50 untuk prompt hingga 100,000 token dan $0.50/$2.50 di atas jumlah tersebut, Claude Sonnet 5.5 (claude-sonnet-5-5) seharga $2/$10, Claude Opus 5.5 (claude-opus-5-5) seharga $4/$20, dan Claude Fable 5.1 (claude-fable-5-1) seharga $10/$50. Tokenizer Haiku 5.5 menghitung teks yang sama sebagai sekitar 30% lebih banyak token dibandingkan Haiku 4.5, jadi bandingkan biaya aktual per eksekusi pada halaman usage di Console, bukan hanya harga yang tercantum.

Kebiasaan yang perlu dibangun: pilih model untuk setiap node, bukan untuk seluruh platform. Klasifikasi, ekstraksi, peringkasan, dan routing—fungsi utama otomatisasi—berjalan sangat baik pada Haiku dengan harga yang tercantum setengah dari Sonnet dan seperlima dari Opus. Gunakan Sonnet untuk agent dan penalaran bertahap, serta Opus untuk workflow yang jarang dijalankan ketika biaya jawaban yang salah lebih besar daripada biaya token. Workflow dengan lima node Claude dapat dan sebaiknya menggunakan gabungan beberapa model.

Dua node Claude dan kapan menggunakannya

n8n menyediakan dua integrasi Anthropic yang berbeda. Memilih integrasi yang salah merupakan kesalahan yang paling sering dilakukan pemula.

Node Anthropic adalah node aplikasi biasa: satu permintaan masuk dan satu respons keluar. Resource Text memiliki operasi Message a Model, serta operasi untuk menganalisis gambar dan dokumen. Gunakan node ini jika logika workflow berada di n8n: trigger, panggilan Claude, lalu node berikutnya. Workflow 1 dan 2 di bawah menggunakan node ini atau padanan chain-nya.

Node Anthropic Chat Model adalah sub-node, yaitu lampiran kecil yang menyediakan model untuk root node seperti AI Agent atau Basic LLM Chain. Node ini tidak memiliki trigger atau output sendiri. Node ini hanya menyediakan pemilih model serta opsi sampling seperti Maximum Number of Tokens dan Sampling Temperature. Ada satu hal penting dari dokumentasi n8n: expression di dalam sub-node selalu dievaluasi terhadap item input pertama, bukan terhadap setiap item. Karena itu, letakkan expression per item pada field prompt root node, bukan pada sub-node. Ada juga ketentuan dari Anthropic: pada model Claude 4.7 dan yang lebih baru, yaitu semua model dalam panduan ini kecuali Haiku 4.5, menetapkan temperature, top_p, atau top_k ke nilai non-default akan menghasilkan error 400. Karena itu, biarkan Sampling Temperature, Top K, dan Top P tidak diisi pada model-model tersebut.

Alur kerja 1: webhook masuk, ringkasan keluar

Contoh dasar otomasi AI: apa pun yang dikirim dengan metode POST ke sebuah URL akan diringkas, lalu hasilnya dikirim ke Slack atau kotak masuk email Anda.

1. Node Webhook, HTTP Method POST, path summarize. n8n memberi Anda URL pengujian dan URL produksi. URL produksi hanya menerima permintaan setelah workflow dipublikasikan.
2. Node Anthropic, Message a Model, model claude-haiku-4-5, Max Tokens sekitar 300.
3. Node Slack (atau Send Email), kirim teks respons ke sebuah channel.

Prompt adalah tempat expression n8n berinteraksi dengan Claude. Body POST berada di bawah $json.body, sehingga field pesan pengguna terlihat seperti berikut:

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

{{ $json.body.text }}

Tempatkan instruksi role dan format di field system prompt pada node, bukan di pesan pengguna. System prompt tetap konstan, sedangkan payload berubah. Cara ini menjaga perilaku tetap konsisten dan membuat prompt mudah dipahami enam bulan kemudian. Uji dari VPS itu sendiri:

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..."}'

Biaya setiap eksekusi pada Haiku: payload 1,200 token ditambah prompt berbiaya sekitar $0.0012 untuk input, sedangkan 300 token output berbiaya $0.0015, atau sekitar seperempat sen. Seribu eksekusi per bulan biayanya kurang dari $3. Node yang sama jika diarahkan ke Opus 4.8 biayanya sekitar lima kali lipat. Rasio tersebut, dikalikan dengan setiap workflow yang Anda buat, menjelaskan mengapa kebiasaan memilih model per node penting.

Workflow 2: RSS terjadwal menjadi baris terstruktur

Sekarang gunakan jadwal, dengan output terstruktur: baca feed RSS setiap jam, klasifikasikan setiap item, lalu tambahkan baris ke spreadsheet.

1. Schedule Trigger, setiap jam.
2. RSS Read, gunakan URL feed. Node ini menghasilkan satu item untuk setiap artikel.
3. Basic LLM Chain, dengan sub-node Anthropic Chat Model yang diatur ke claude-haiku-4-5, serta sub-node Structured Output Parser yang berisi skema JSON.
4. Google Sheets (atau Postgres), tambahkan satu baris untuk setiap item.

Structured Output Parser mengubah permintaan "Claude, please return JSON" dari sekadar harapan menjadi kontrak: parser ini memvalidasi respons model terhadap skema Anda dan menggagalkan item tersebut secara jelas, alih-alih menulis baris yang rusak. Contoh skemanya:

{
  "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"]
}

Prompt pada chain merujuk ke item feed:

Classify this article for a VPS hosting audience.

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

Perhitungan biaya berubah di sini: biayanya dihitung per item, bukan per eksekusi. Lima puluh artikel per jam, selama dua puluh empat jam sehari, menghasilkan 36,000 pemanggilan Claude per bulan. Dengan Haiku, biayanya mungkin $40–90, bergantung pada panjang artikel. Dengan Opus, biayanya sekitar lima kali lipat. Lakukan deduplikasi sebelum node LLM, misalnya dengan IF sederhana terhadap link yang sudah pernah diproses atau node Remove Duplicates dari n8n. Dengan demikian, jumlah pemanggilan akan turun drastis karena sebagian besar polling per jam tidak menemukan konten baru. Token termurah adalah pemanggilan yang tidak pernah dilakukan.

Workflow 3: AI Agent yang menggunakan tools

Dua workflow pertama adalah pipeline, di mana Anda yang menentukan langkah-langkahnya. Node AI Agent membalikkan konsep tersebut: Anda memberikan tujuan dan tools kepada Claude, lalu ia yang memutuskan tool mana yang akan dipanggil dan dalam urutan apa hingga tugas selesai. n8n memerlukan sub-node chat model dan setidaknya satu sub-node tool yang terpasang.

Contoh implementasi nyata, yaitu asisten operasional yang menjawab "apa yang sedang down dan mengapa" berdasarkan monitoring Anda:

1. Chat Trigger (atau webhook), tempat pertanyaan masuk.
2. AI Agent, dengan sub-node Anthropic Chat Model yang diatur ke claude-sonnet-5. Agent merencanakan dan merangkai panggilan tool; Haiku dapat menjalankan agent dengan satu tool sederhana, namun Sonnet adalah standar minimum yang masuk akal jika jumlah tool bertambah.
3. Node HTTP Request yang dipasang sebagai tool, diarahkan ke API status Uptime Kuma atau endpoint Zabbix Anda. Tool HTTP kedua dapat digunakan untuk mengakses layanan lain yang memiliki REST API.

Dua pengaturan melakukan sebagian besar pekerjaan. System Message pada agent mendefinisikan tugasnya: "Anda adalah asisten operasional. Gunakan tool status untuk memeriksa kondisi monitor saat ini sebelum menjawab. Laporkan hanya monitor yang sedang down, beserta durasinya." Selain itu, deskripsi setiap tool bukanlah dokumentasi untuk manusia, melainkan cara Claude memutuskan kapan harus memanggilnya. Deskripsi "Mengembalikan status up/down saat ini untuk semua layanan yang dimonitor sebagai JSON" akan dipanggil pada saat yang tepat; sedangkan "API status" akan diabaikan atau disalahgunakan. Saat Anda memasang node HTTP Request sebagai tool, aktifkan opsi Optimize Response dan pilih field JSON yang relevan. Jika tidak, setiap respons API yang panjang akan dimasukkan ke dalam konteks model sebagai input token yang harus Anda bayar.

Atur Max Iterations pada agent (default-nya adalah 10) ke angka terkecil yang berfungsi. Ini adalah penentu antara "agent menyerah setelah 4 panggilan tool" dan loop yang berisi belasan kali bolak-balik model. Pahami juga pola penagihannya: setiap iterasi mengirim ulang seluruh percakapan yang telah terjadi, termasuk system message, pertanyaan, dan setiap hasil tool sebelumnya sebagai input token. Satu kali proses agent dengan enam iterasi dapat dengan mudah mencapai total 20.000 input token kumulatif dan 2.000 output: pada Sonnet 5 dengan tarif $2/$10, biayanya sekitar $0.06. Satu proses agent ini setara dengan dua puluh kali proses summarization sederhana. Jika Anda merasa perlu memasang terlalu banyak tool pada satu agent, saat itulah menjalankan server MCP di VPS Anda menjadi arsitektur yang lebih bersih.

Batas pengendalian biaya karena tidak ada yang memantau

Workflow tanpa pengawasan memerlukan kontrol yang biasanya diterapkan secara implisit oleh manusia di depan keyboard. Ada empat lapisan, dimulai dari yang paling murah.

Max Tokens pada setiap node Claude. Ini adalah batas maksimum output. Summarizer memerlukan 300, sedangkan classifier memerlukan 100. Batas ini membatasi sisi biaya yang lebih mahal (pada model dalam panduan ini, $5–$50 per juta output token dibandingkan $1–$10 untuk input; harga output pada masing-masing model lima kali harga input) dan sekaligus menghentikan proses yang berjalan tanpa kendali. Kesalahan pada prompt yang membuat Claude terus menghasilkan output akan menghabiskan biaya untuk 300 token, bukan 8,000.

Model untuk setiap node. Hal ini telah dibahas di atas. Perbedaan antara Haiku 4.5 dan Opus 4.8 menghasilkan pengali harga lima kali lipat, atau sepuluh kali lipat hingga Fable 5. Di seluruh lini model saat ini, dari Haiku 5.5 hingga Fable 5.1, perbedaannya mencapai seratus kali lipat untuk prompt hingga 100,000 token. Pengaturannya hanya memerlukan sepuluh detik.

Batasi loop. Gunakan Max Iterations pada agent. Atur workflow timeout dalam pengaturan workflow agar eksekusi yang macet dihentikan, bukan terus berjalan. Berhati-hatilah dengan Retry On Fail pada setiap node. Fitur ini tepat untuk error sementara, tetapi retry meningkatkan biaya. Max Tries sebesar 3 dengan Wait Between Tries sebesar 5000 ms berarti kegagalan yang terus berulang dapat menagih biaya hingga tiga kali per item sebelum proses dihentikan. Jangan pernah menambahkan retry pada node yang sudah berhasil menjalankan operasi mahal.

Workflow error sebagai pengaman terakhir. Buat workflow yang dimulai dengan node Error Trigger. Node ini mengirimkan nama workflow yang gagal dan error-nya ke Slack. Setelah itu, tetapkan workflow tersebut sebagai Error Workflow dalam pengaturan setiap workflow AI. Kondisi kegagalan yang ditangani adalah kondisi yang paling bermasalah: workflow yang dipicu berdasarkan jadwal mengalami error pada setiap eksekusi, setiap jam, selama seminggu, dan setiap eksekusi menghabiskan token sebelum berhenti. Sertakan batas pengeluaran bulanan di Anthropic Console, lalu periksa halaman penggunaan di Console selama beberapa hari pertama setelah mengaktifkan workflow terjadwal. Jika Anda ingin memahami secara tepat hal yang ditagihkan kepada Anda, panduan penggunaan token membahasnya secara terperinci.

Mode kegagalan dan string yang akan Anda lihat

Node langsung gagal dengan "Authorization failed - please check your credentials." API mengembalikan 401. Body yang mendasarinya memiliki bentuk berikut (respons saat ini juga menyertakan field request_id):

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

Key yang disalin secara keliru, terpotong, memiliki spasi di bagian akhir, atau merupakan placeholder dari tutorial. Buat ulang kredensial n8n, lalu tempelkan kembali key tersebut. Jika sebelumnya berfungsi, periksa apakah key telah dicabut atau mencapai tanggal kedaluwarsa di Console, atau apakah pemulihan volume mengembalikan kredensial yang dienkripsi dengan N8N_ENCRYPTION_KEY yang berbeda.

Eksekusi gagal secara beruntun dengan 429 rate_limit_error, dengan pesan seperti "Number of request tokens has exceeded your per-minute rate limit." Batas laju diukur per menit dan diterapkan menggunakan token bucket yang terus diisi ulang. n8n sangat mudah digunakan untuk menjalankan lima puluh eksekusi webhook atau RSS secara bersamaan. Perbaiki strukturnya: proses item secara berurutan (Loop Over Items), bukan secara paralel, lalu aktifkan Retry On Fail dengan Max Tries 3 dan Wait Between Tries pada nilai maksimum 5000 ms. n8n membatasi field tersebut hingga 5000 ms. Jika memerlukan backoff yang lebih lama agar bucket memiliki waktu untuk terisi kembali sebelum retry, tambahkan node Wait pada jalur error atau proses item satu per satu. 429 akibat batas laju biasanya menyertakan header retry-after yang memberi tahu berapa detik Anda harus menunggu (dokumentasi Anthropic menyebutkan bahwa tidak semua 429 menyertakannya). Wait tetap n8n tidak dapat membaca header tersebut, jadi buat jeda yang lebih lama secara manual. Ada satu pengecualian: 429 tanpa header retry-after dan dengan error_code sebesar enforced_spend_limit_reached berarti organisasi Anda telah mencapai batas pengeluaran bulanan pada tingkat penggunaan tersebut. Tidak ada retry yang akan berhasil sampai bulan berikutnya atau sampai tingkat penggunaan dinaikkan.

404 not_found_error saat menamai model. Pesan tersebut menyebutkan model ID yang Anda kirim, dengan bentuk seperti berikut:

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

Penyebabnya dapat berupa penggunaan titik, bukan tanda hubung (4.5 untuk 4-5), akhiran tanggal yang salah ketik atau dibuat-buat, atau model yang sudah dihentikan dari posting blog lama. Perbaiki ID berdasarkan daftar saat ini. Masalah ini sering terjadi ketika Anda mengetik pada field model sebagai expression, bukan memilih model dari dropdown.

Claude menjawab pertanyaan yang tidak Anda ajukan. Tidak ada error di mana pun dan eksekusi berstatus berhasil. Expression n8n yang merujuk field yang tidak ada, seperti {{ $json.body.text }} ketika payload menggunakan message, menyisipkan string literal undefined ke dalam prompt. Claude kemudian merespons prompt yang tidak berisi pertanyaan sebenarnya. Jika node yang dirujuk tidak dieksekusi sama sekali, n8n berhenti dengan error yang menyatakan bahwa expression merujuk node yang "hasn't been executed yet". Namun, field yang tidak ada tidak menimbulkan error. Sebelum mengaktifkan workflow, selalu jalankan sekali dengan data nyata dan baca prompt yang benar-benar dirender pada panel input node. Expression editor menampilkan pratinjau nilai yang telah diselesaikan, dan undefined terlihat di sana jika Anda memeriksanya.

FAQ

Bagaimana cara menghubungkan Claude ke n8n?

Buat API key di Anthropic Console pada platform.claude.com, lalu di n8n tambahkan credential bertipe Anthropic dan tempelkan key tersebut ke kolom API Key. Setiap node Claude, node aplikasi Anthropic, dan sub-node Anthropic Chat Model menggunakan credential yang tersimpan itu. n8n mengenkripsinya dengan N8N_ENCRYPTION_KEY, jadi cadangkan key tersebut. Jika tidak, credential Anda akan hilang bersama volume.

Berapa biaya workflow AI untuk setiap eksekusi?

Perkirakan jumlah token per eksekusi, lalu kalikan dengan harga model per satu juta token. Per Oktober 2026, Haiku 4.5 berharga $1/$5 per satu juta token input/output, sedangkan Sonnet 5 berharga $2/$10. Workflow webhook untuk membuat ringkasan dengan Haiku biayanya sekitar seperempat sen. Eksekusi agent dengan Sonnet dan beberapa pemanggilan tool biasanya mendekati $0.06–$0.10 karena setiap iterasi mengirim ulang seluruh percakapan sebagai input. Verifikasi eksekusi tersebut pada halaman usage di Console, bukan hanya berdasarkan perkiraan.

Model Claude mana yang sebaiknya digunakan untuk automasi n8n?

Gunakan Haiku 4.5 untuk klasifikasi, ekstraksi, peringkasan, dan routing, terutama untuk pekerjaan bervolume tinggi yang mengutamakan kecepatan dan biaya. Gunakan Sonnet 5 untuk node AI Agent dan penalaran multilangkah. Gunakan Opus 4.8 hanya jika jawaban yang salah cukup mahal sehingga sebanding dengan harga daftarnya, yaitu $5/$25, lima kali lipat harga Haiku dan dua setengah kali lipat harga Sonnet. Haiku 5.5, Sonnet 5.5, dan Opus 5.5 yang lebih baru dari Anthropic memiliki peran yang sama dengan harga daftar yang sama atau lebih rendah. Tetapkan model per node, bukan per workflow. Satu workflow dapat menggunakan ketiganya.

Bagaimana cara mencegah workflow n8n menghabiskan terlalu banyak biaya pada Claude API?

Terapkan beberapa lapisan pembatas: tetapkan Max Tokens yang rendah pada setiap node Claude, Max Iterations pada agent, batas waktu workflow, dan pengaturan Retry On Fail yang konservatif agar kegagalan tidak memperbanyak penggunaan token. Kemudian tambahkan workflow Error Trigger yang mengirim peringatan ke Slack saat workflow AI gagal, dan tetapkan batas pengeluaran bulanan di Anthropic Console sebagai batas maksimum yang tidak dapat dilampaui oleh apa pun di VPS.

Apakah pemanggilan tool oleh AI Agent dikenai biaya tambahan?

Tidak ada biaya tool terpisah, tetapi tool tidak gratis. Setiap hasil tool dikirim kembali ke model sebagai token input, dan setiap iterasi agent mengirim ulang seluruh percakapan hingga saat itu. Respons API yang panjang dan diteruskan tanpa penyaringan dapat jauh melebihi prompt Anda. Aktifkan Optimize Response pada tool HTTP Request dan kembalikan hanya field yang diperlukan agent.