SSD Nodes Learn Hosting plans →
Panduan Matt ConnorOleh Matt Connor

Cara Bina Ejen AI n8n Sendiri di VPS

Ketahui cara membina ejen AI n8n menggunakan nod AI Agent, model Claude, HTTP Request, dan memori. Kami sertakan tetapan penting untuk mengehadkan kos penggunaan API anda.

Apakah ejen AI n8n, dan perbezaannya dengan rantaian (chain)

Ejen AI n8n ialah satu nod AI Agent dengan sub-nod yang disambungkan kepadanya: satu model sembang, satu atau lebih alatan (tools), dan memori pilihan. Anda menyatakan matlamat dalam bahasa biasa, dan model tersebut menentukan alatan yang perlu dipanggil serta urutannya sehingga ia dapat memberikan jawapan. Segala perkara di bawah adalah konfigurasi yang berkisar pada idea tunggal tersebut.

Rantaian (chain) berfungsi secara sebaliknya. Dalam Basic LLM Chain, anda menentukan langkah-langkahnya dan model hanya mengisi teks. Dalam ejen, model yang menentukan langkah-langkah tersebut, jadi soalan yang sama boleh memakan kos satu panggilan model hari ini dan sembilan panggilan pada hari esok. Perbezaan tunggal itu mendorong setiap tetapan dalam panduan ini. Jika gelung tersebut merupakan idea baharu bagi anda dan bukannya sekadar ciri n8n, adalah berbaloi untuk menulisnya secara manual sekali sebelum anda memasangnya daripada nod, kerana nod tersebut menyembunyikan bahagian tepat yang akan anda luangkan sepanjang panduan ini untuk memikirkannya.

Ini mengandaikan n8n sudah berjalan di sebalik HTTPS pada mesin yang anda kawal. Jika tidak, mulakan dengan self-hosting n8n pada Docker dengan sijil sebenar, kerana kunci API yang bakal anda simpan memerlukan sandaran kunci penyulitan yang ditekankan dalam panduan tersebut. Untuk corak bukan ejen, peringkas webhook dan pengelas berjadual, lihat corak aliran kerja Claude dan n8n.

Semak versi anda sebelum mempercayai mana-mana nama medan di sini, kerana n8n kerap menukar nod AI.

docker compose exec n8n n8n --version

Versi 1.82.0 telah menyahgunakan (deprecated) tetapan agent-type bagi menyokong Tools Agent. Nod v1 legasi masih mempunyai tetapan tersebut; dokumentasi n8n menetapkan penyingkiran versi nod tersebut kepada n8n 3.0.

Langkah 1: pilih pencetus

Untuk ejen perbualan, tambah nod Chat Trigger. Pastikan Make Chat Publicly Available dimatikan semasa anda membina ejen, supaya hanya panel sembang editor yang boleh mencapainya. Hidupkan tetapan ini apabila ejen selesai dibina dan anda telah memutuskan kaedah pengesahan.

Chat Trigger memberikan ejen satu medan yang dipanggil chatInput. Nama tersebut penting dalam langkah 3, dan kesilapan menamakannya adalah punca kegagalan pertama yang paling kerap berlaku.

Untuk ejen tanpa pengawasan, gunakan nod Schedule Trigger atau Webhook sebagai gantinya. Kedua-duanya tidak menghasilkan chatInput, jadi anda perlu menulis prompt tersebut sendiri.

Langkah 2: kelayakan model

Letakkan nod AI Agent pada kanvas. n8n akan memaparkan penyambung Chat Model yang kosong di bawahnya dengan serta-merta. Lampirkan sub-nod Anthropic Chat Model di situ.

Cipta kelayakan daripada Claude Console di platform.claude.com, di bawah Settings dan kemudian API keys. Kunci tersebut hanya dipaparkan sekali. Console juga meminta anda memilih tarikh luput semasa mencipta kunci, dan ejen tanpa pengawasan akan berhenti berfungsi pada hari kunci tersebut luput, jadi simpan tarikh itu di tempat yang mudah dilihat. Untuk ejen tanpa pengawasan, gunakan kunci akaun servis yang dihadkan kepada ruang kerja supaya permintaan tidak memerlukan pengepala ruang kerja yang berasingan.

Penggunaan API dibilkan mengikut token, dan cara anda membayar bergantung pada pelan Claude anda, setakat 31 Oktober 2026. Pelan Max, Ultra dan Team merangkumi kredit API bulanan: $100 untuk Max, $200 untuk Ultra, dan sehingga $500 dikumpulkan untuk Team. Anda menuntut kredit tersebut dengan memautkan organisasi Console kepada pelan daripada Settings > Billing pada Max atau Ultra, atau Organization settings > Billing pada Team, dan anda tidak perlu menambah kaedah pembayaran dalam Console. Pelanggan baharu boleh menuntut selepas 7 hari melanggan pelan, dan kredit yang tidak digunakan akan luput pada akhir setiap kitaran bil, atau setiap bulan bagi pelan tahunan. Apabila kredit yang disertakan habis, permintaan akan diteruskan menggunakan kredit yang dibeli, muat semula automatik boleh membeli lebih banyak, dan organisasi yang diinvois akan dibilkan untuk penggunaan berlebihan. Permintaan akan berhenti apabila organisasi prabayar kehabisan kredit; penggunaan API tidak akan dicaj kepada pelan Claude anda. Pelan Free, Pro dan Enterprise tidak merangkumi kredit API bulanan, jadi bagi pelan tersebut, API dibilkan secara berasingan daripada langganan.

Pilih model mengikut ejen, bukan mengikut syarikat. Ejen satu alat yang mencari maklumat dan melaporkannya berfungsi dengan baik pada Haiku. Versi semasa, Haiku 5.5, disenaraikan pada harga $0.10 bagi setiap juta token input dan $0.50 bagi setiap juta token output setakat 12 Oktober 2026, meningkat kepada $0.50 dan $2.50 bagi sebarang permintaan yang gesaannya melebihi 100,000 token, yang boleh dicapai melalui tetingkap memori yang panjang dan hasil alat yang besar. Apabila ejen mempunyai beberapa alat dan perlu merancang merentasinya, beralihlah kepada Sonnet. Kegagalan yang anda elakkan ialah model murah yang memanggil alat yang salah sebanyak empat kali, yang kosnya lebih tinggi daripada model mahal yang memanggil alat yang betul sekali sahaja.

Tetapkan Maximum Number of Tokens dalam pilihan sub-nod. Ia mengehadkan panjang setiap respons yang dihasilkan oleh model. Jika dibiarkan pada nilai lalai yang besar, satu pelaksanaan yang keliru boleh menghasilkan jawapan yang sangat panjang dan menyebabkan anda dibilkan untuknya.

Satu peringatan daripada dokumentasi n8n yang sering terlepas pandang oleh semua orang: ungkapan di dalam sub-nod sentiasa diselesaikan berdasarkan item input pertama, bukan setiap item. Letakkan ungkapan bagi setiap item dalam medan gesaan nod akar.

Langkah 3: prompt yang diterima oleh ejen

Buka nod AI Agent. Parameter Source for Prompt (User Message) mempunyai dua tetapan.

  • Connected Chat Trigger Node menjangkakan medan masuk bernama chatInput. Ini adalah pilihan yang tepat di belakang Chat Trigger.
  • Define below mendedahkan medan Prompt (User Message) tempat anda menulis teks statik atau ungkapan. Ini adalah pilihan yang tepat di belakang Schedule Trigger atau nod Webhook.

Dengan nod Webhook di hadapan, badan POST akan mendarat di bawah $json.body, jadi medan prompt kelihatan seperti ini.

Check the current status of {{ $json.body.service }} and tell me
whether it is up. If it is down, say for how long. No preamble.

Langkah 4: berikan ejen satu alat

Dokumentasi n8n menyatakan anda mesti menyambungkan sekurang-kurangnya satu sub-nod alat kepada nod AI Agent, walaupun kod nod semasa (versi 3.1) hanya akan menolak untuk berjalan jika tiada model sembang. Mulakan dengan satu alat walau apa pun, kerana satu alat yang berfungsi mengajar anda lebih banyak daripada empat alat yang dikonfigurasikan separuh jalan, dan ejen tanpa alat hanyalah satu rantaian yang lebih mahal.

Lampirkan nod HTTP Request pada penyambung Tool ejen tersebut. Konfigurasikannya tepat seperti yang anda lakukan pada nod HTTP Request biasa, kemudian uji endpoint tersebut dari shell terlebih dahulu.

curl -s -H 'Accept: application/json' \
  https://status.example.com/api/status/database | head -c 400

Jika curl tersebut mengembalikan ralat atau halaman log masuk HTML, ejen juga akan gagal, dan kegagalan itu akan kelihatan seperti masalah model sedangkan ia sebenarnya masalah URL atau pengesahan. Betulkannya di shell, bukan dalam nod.

Medan Description alat bukanlah dokumentasi untuk rakan sekerja anda. Model membacanya bersama nama alat dan skema parameter apabila memutuskan sama ada alat ini relevan. Tulisnya sebagai pernyataan ringkas tentang perkara yang dikembalikan: "Returns the current up or down state and the downtime duration for one monitored service, as JSON."

Untuk membolehkan model mengisi sebahagian daripada permintaan, gunakan ungkapan $fromAI(). Ia hanya berfungsi dalam alat yang disambungkan ke nod AI Agent, dan ia tidak berfungsi dalam alat Code.

{{ $fromAI('service', 'The name of the service to look up', 'string') }}

Argumennya ialah key, diikuti dengan description, type dan defaultValue pilihan. Kunci mestilah 1 hingga 64 aksara, menggunakan huruf, digit, garis bawah dan tanda sempang. Jenisnya ialah salah satu daripada string, number, boolean atau json, dan lalainya ialah string. Panggilan yang lebih lengkap kelihatan seperti ini.

{{ $fromAI('limit', 'How many records to return', 'number', 20) }}

Kunci tersebut hanyalah pembayang, bukan rujukan kepada data sedia ada. $fromAI('service') tidak membaca medan bernama service dari mana-mana tempat. Ia memberitahu model "hasilkan satu nilai dan namakannya service", dan model akan mencari melalui perbualan, data input dan hasil alat lain untuk menemuinya. Dalam aliran kerja sembang, ia mungkin hanya bertanya kepada pengguna.

Carian web adalah alat kedua yang biasa digunakan, dan memandangkan ia hanyalah satu lagi endpoint HTTP, anda boleh menghalakan nod yang sama ini kepada instans SearXNG anda sendiri dan bukannya API carian berbayar, dengan syarat anda menganggap setiap halaman yang dikembalikannya sebagai teks tidak dipercayai yang kini berada di dalam prompt anda.

Langkah 5: memori, dan sebab ejen terlupa

Tanpa sub-nod memori, setiap mesej bermula daripada sifar. Lampirkan sub-nod Simple Memory untuk menyimpan perbualan terkini.

Ia mempunyai dua parameter. Session Key menentukan perbualan yang sedang berlangsung, jadi dua pengguna dengan kunci berbeza akan mendapat sejarah yang berasingan. Context Window Length ialah jumlah interaksi terdahulu yang dimainkan semula ke dalam prompt.

Context Window Length merupakan pengawal kos dan juga kualiti, kerana setiap pusingan yang diingati akan dihantar semula sebagai token input pada setiap panggilan seterusnya. Tetingkap bersaiz 20 pada ejen yang aktif bermakna anda membayar untuk mesej awal yang sama sebanyak dua puluh kali.

Simple Memory tidak berfungsi dalam aliran kerja pengeluaran aktif apabila n8n berjalan dalam mod baris gilir (queue mode), kerana ia menyimpan sejarah dalam Map singleton setempat-proses yang dikunci mengikut ID aliran kerja dan sesi, dan pekerja (workers) tidak berkongsi memori tersebut. Pada instans mod baris gilir, gunakan sub-nod Postgres Chat Memory sebaliknya dan halakan ia ke pangkalan data yang boleh dicapai oleh proses utama dan pekerja.

Langkah 6: Mesej Sistem

Buka Options ejen dan tambah System Message. Di sinilah deskripsi tugas diletakkan, dan ia merupakan teks yang paling berkesan dalam aliran kerja anda.

You are an infrastructure status assistant. Always call the status
tool before answering a question about whether something is running.
Never guess. If the tool returns an error, say so and stop.

Arahan "Always call the status tool before answering" memainkan peranan penting di sini. Tanpanya, model yang menganggap ia sudah mengetahui jawapan akan melangkau alat tersebut dan menjawab berdasarkan memori, yang mungkin salah apabila infrastruktur anda berubah.

Mengapa ejen bergelung, dan apakah yang menghentikannya

Di bawah Options juga terdapat Max Iterations, yang ditetapkan kepada 10 secara lalai. Satu lelaran ialah satu panggilan model, yang sama ada meminta alat atau mengembalikan jawapan akhir; hasil alat disuapkan kembali ke dalam panggilan seterusnya. Oleh itu, satu larian ejen bukanlah satu panggilan API, ia boleh mencapai sehingga sepuluh, dan setiap satu membawa keseluruhan perbualan yang semakin berkembang sebagai input.

Kurangkan nilainya. Kebanyakan ejen alat tunggal selesai dalam dua lelaran, dan had sebanyak 3 atau 4 pusingan menukarkan gelung yang tidak terkawal kepada kegagalan bersih yang boleh anda lihat dalam senarai pelaksanaan.

Semasa anda melakukan penyahpepijatan, aktifkan Return Intermediate Steps. Output akhir kemudiannya akan menyertakan panggilan alat yang dibuat oleh ejen sepanjang proses tersebut, yang merupakan cara anda membezakan antara "model tidak pernah memanggil alat" dengan "alat tidak mengembalikan apa-apa yang berguna". Matikan semula tetapan ini sebelum anda melancarkannya secara langsung, kerana langkah-langkah tersebut hanyalah gangguan bagi pengguna akhir.

Perhatikan larian yang berlaku daripada shell.

docker compose logs -f n8n

Menghalang ejen tanpa pengawasan daripada menggunakan kos secara senyap

Ejen di sebalik Chat Trigger mempunyai manusia yang memantaunya, dan manusia tersebut akan menghentikannya apabila jawapan kelihatan salah. Ejen di sebalik Schedule Trigger tidak mempunyai sesiapa yang memantau. Apa yang anda perhatikan di sini ialah penggunaan kos model dan bukannya kos lesen, kerana nod ejen, alatan dan memori semuanya berfungsi pada edisi layan diri (self-hosted) percuma, dan ciri-ciri yang memerlukan kunci berbayar kebanyakannya adalah untuk pasukan dan tadbir urus. Penjelasan penuh terdapat dalam kawalan kos ejen AI pada VPS yang sentiasa aktif. Empat tetapan melakukan kebanyakan kerja di sini.

  • Hadkan Maximum Number of Tokens pada sub-nod model, supaya tiada respons tunggal yang boleh berjalan terlalu lama.
  • Tetapkan Max Iterations kepada nombor terkecil yang masih boleh menyelesaikan tugasan tersebut.
  • Pastikan respons alatan kecil. Alatan yang mengembalikan blob JSON 4,000 baris akan memasukkan kesemuanya ke dalam panggilan model seterusnya, dan kemudian ke dalam setiap panggilan selepas itu dalam larian yang sama.
  • Tanya sama ada ejen itu benar-benar memerlukan jadual. Tugasan yang berjalan setiap lima minit akan dicetuskan 288 kali sehari. Berapakah kos satu larian, itulah angka yang anda darabkan.

Nyahterbitkan (unpublish) aliran kerja semasa anda membuat lelaran, atau sekurang-kurangnya ingat versi mana yang sedang aktif. Aliran kerja yang diterbitkan dengan Schedule Trigger akan terus menjalankan versi yang terakhir anda terbitkan, bukan draf pada skrin anda, kerana n8n menyimpan suntingan anda dalam draf sehingga anda menerbitkannya semula.

FAQ

Mengapakah nod AI Agent saya enggan melaksanakan tugas?

Periksa penyambung (connector) terlebih dahulu. Nod AI Agent memerlukan sub-nod model sembang (chat model), dan tanpanya ia akan berhenti dengan ralat "Please connect a model to the Chat Model input" sebelum ia membuat sebarang panggilan API. Dokumentasi n8n juga menyenaraikan sekurang-kurangnya satu sub-nod alat (tool) sebagai keperluan, jadi jika model telah disambungkan namun nod masih enggan berfungsi, lampirkan satu alat, walaupun yang ringkas, dan jalankan semula.

Ejen menjawab, tetapi ia tidak pernah memanggil alat saya. Apakah masalahnya?

Hampir selalu puncanya adalah medan Description pada alat tersebut. Model memilih alat dengan membaca deskripsi tersebut, jadi deskripsi seperti "HTTP Request" tidak memberitahu model bila alat itu patut digunakan. Tulis semula deskripsi tersebut untuk menyatakan data apa yang akan diperoleh dan dalam situasi apa ia berguna, kemudian tambahkan satu baris pada System Message yang mengarahkan ejen untuk memanggil alat tersebut sebelum menjawab.

Mengapakah soalan yang sama menelan kos yang berbeza bagi setiap pelaksanaan?

Ini kerana model memilih bilangan langkah (steps). Setiap lelaran (iteration) menghantar semula keseluruhan perbualan setakat ini, termasuk output alat sebelumnya, jadi pelaksanaan yang mengambil empat lelaran akan dicaj untuk token input dan output merentasi kesemua empat panggilan tersebut. Max Iterations ialah had maksimum bagi proses tersebut, dan Return Intermediate Steps menunjukkan kepada anda berapa banyak langkah yang sebenarnya digunakan oleh sesuatu pelaksanaan.

Memori saya berfungsi dalam editor tetapi tidak dalam pengeluaran. Apakah yang berubah?

Periksa sama ada instans tersebut berjalan dalam mod baris gilir (queue mode). Simple Memory menyimpan sejarah dalam Map singleton setempat proses yang dikunci oleh ID aliran kerja dan sesi, dan proses pekerja (worker) yang berasingan tidak berkongsi memori tersebut. Gantikan dengan sub-nod Postgres Chat Memory, yang menyimpan sejarah dalam pangkalan data yang dikongsi oleh semua pekerja.

Adakah artikel ini berguna?