Integracja Claude z n8n na własnym VPS

Co budujesz

Trzy działające przepływy pracy AI na instancji n8n, którą już uruchamiasz: webhook podsumowujący dowolne przesłane dane, zaplanowany czytnik kanałów RSS zamieniający artykuły na ustrukturyzowane wiersze w arkuszu kalkulacyjnym oraz Agent AI, który samodzielnie wywołuje API HTTP w celu udzielania odpowiedzi. Jest to odpowiednik no-code dla wywoływania API Claude z poziomu Python na VPS. Używasz tego samego API, tych samych tokenów i ponosisz te same koszty, jednak orkiestracja odbywa się w węzłach n8n zamiast w skrypcie.

Zakładam, że n8n działa już za HTTPS zgodnie z przewodnikiem po self-hosted n8n na Docker. Jeśli tak nie jest, wykonaj to w pierwszej kolejności. Webhooki wymagają poprawnego punktu końcowego TLS, a magazyn poświadczeń, w którym umieścisz klucz API, wymaga kopii zapasowej klucza szyfrującego, o której wspomina wspomniany przewodnik.

Najciekawsze problemy w tym przypadku nie dotyczą metody przeciągnij i upuść. Są to: wybór modelu dla poszczególnych węzłów, pola promptów, które w sposób niejawny interpolują undefined, oraz fakt, że automatyzacja działa bez nadzoru. Przepływ pracy kosztujący pół centa za wykonanie jest tani, dopóki pętla ponownych prób nie uruchomi go cztery tysiące razy w ciągu nocy. Większość tego przewodnika dotyczy właśnie tych kwestii.

Jeden zestaw danych uwierzytelniających, zaszyfrowany kluczem, którego kopię zapasową utworzono

Uzyskaj klucz API z Anthropic Console pod adresem platform.claude.com, przechodząc do Settings, następnie API Keys i tworząc klucz o nazwie takiej jak n8n-vps. Jest on wyświetlany tylko raz. Konsola wymaga również wyboru daty wygaśnięcia klucza podczas jego tworzenia; należy ją zanotować, ponieważ wygasły klucz powoduje przerwanie zautomatyzowanego przepływu pracy z tym samym błędem 401, który opisano poniżej w sekcji trybów awarii. Zasil konto lub skonfiguruj płatności; korzystanie z API jest rozliczane za token, z przedpłaconych środków. Subskrypcja Pro nie obejmuje tego kosztu, jednak plany Claude Max oraz Team zawierają obecnie miesięczne środki na Claude API (100 USD w planie Max 5x, 200 USD w planie Max 20x, z pulą do 500 USD w planie Team), które można odebrać, łącząc organizację w ustawieniach płatności claude.ai. Środki te pokrywają wywołania API, takie jak te wykonywane przez n8n, nie obejmują Claude Code i wygasają z końcem każdego cyklu rozliczeniowego. Jeśli celem jest zbudowanie tych trzech przepływów pracy bez ponoszenia kosztów, FAQ dotyczące cen Anthropic wskazuje, że nowi użytkownicy otrzymują niewielką ilość darmowych środków na testy API. Nowe konto w konsoli pozwala zatem przetestować te przepływy pracy przy użyciu środków startowych przed dodaniem metody płatności; po ich wyczerpaniu każde wywołanie Claude jest rozliczane za token. Niektóre elementy nie generują kosztów poza zużyciem tokenów, takie jak punkt końcowy zliczania tokenów oraz do 1550 darmowych godzin czasu wykonywania kodu na organizację miesięcznie, choć żaden z tych trzech przepływów pracy nie wykorzystuje wykonywania kodu. Co obejmują darmowe środki API zawiera szczegółowe informacje.

W n8n: przejdź do Credentials, wybierz Create credential, wskaż Anthropic, wklej klucz w polu API Key i zapisz. Każdy węzeł Claude w każdym przepływie pracy odwołuje się do tego jednego zapisanego zestawu danych uwierzytelniających; klucza nie wkleja się bezpośrednio do węzła.

Dwie uwagi operacyjne. Po pierwsze, n8n szyfruje zapisane dane uwierzytelniające za pomocą N8N_ENCRYPTION_KEY. Jeśli ta zmienna środowiskowa zostanie jawnie ustawiona w pliku compose zgodnie z przewodnikiem n8n, dane uwierzytelniające przetrwają przebudowę kontenera; jeśli n8n wygeneruje klucz automatycznie, a wolumen zostanie utracony, wszystkie zapisane dane, w tym ten klucz, staną się niemożliwym do odzyskania szyfrogramem. Jeśli kopia zapasowa nie została utworzona, należy to zrobić teraz. Po drugie, należy traktować magazyn danych uwierzytelniających n8n jako obszar krytyczny: każdy, kto może użyć danych uwierzytelniających Anthropic, może wysyłać żądania przy użyciu tego klucza. W wersji Community dotyczy to użytkownika i właściciela instancji; dokumentacja n8n stanowi, że „tylko właściciel instancji i użytkownik, który je utworzył, mają dostęp do przepływów pracy i danych uwierzytelniających”, więc inne konta typu Member nie mają do nich dostępu. Udostępnianie przepływów pracy i danych uwierzytelniających jest funkcją płatną w wersji self-hosted n8n (Business lub Enterprise), a po udostępnieniu przepływu pracy jego edytorzy mogą korzystać ze wszystkich używanych przez niego danych uwierzytelniających. Jeśli do instancji logują się inne osoby, przed przyznaniem kont należy zapoznać się z informacjami jakie mechanizmy kontroli dostępu znajdują się za płatną licencją n8n. W ustawieniach konsoli należy ustawić limit wydatków, aby w przypadku przejęcia lub niekontrolowanego działania instancji istniał górny pułap kosztów.

Wybór modelu jest decyzją podejmowaną dla każdego węzła z osobna

Lista rozwijana modeli w węzłach Claude w n8n jest pobierana na żywo z API, dzięki czemu wyświetla zasoby dostępne dla danego klucza. Modele wykorzystywane w tym przewodniku, wraz z cenami API za milion tokenów wejściowych/wyjściowych według stanu na październik 2026, to: Claude Haiku 4.5 (claude-haiku-4-5) w cenie $1/$5 z oknem kontekstowym 200K, Claude Sonnet 5 (claude-sonnet-5) w cenie $2/$10 oraz Claude Opus 4.8 (claude-opus-4-8) w cenie $5/$25, oba z oknem kontekstowym 1M tokenów. Dostępny jest również Claude Fable 5 (claude-fable-5) w cenie $10/$50 do najbardziej złożonych zadań wymagających wnioskowania; żaden element tego przewodnika nie wymaga jego użycia. Należy stosować dokładnie te identyfikatory. claude-haiku-4-5 jest aliasem dla przypiętej migawki claude-haiku-4-5-20251001, która również działa, jednak przestarzały identyfikator skopiowany ze starego samouczka może wskazywać na wycofany model i spowodować błąd. Ceny ulegają zmianom, dlatego przed zaufaniem jakiejkolwiek liczbie przeczytanej w dowolnym miejscu, w tym tutaj, należy sprawdzić platform.claude.com.

Od czasu pierwszej publikacji tego przewodnika firma Anthropic wydała nowsze modele, a w jej dokumentacji modele Haiku 4.5, Sonnet 5, Opus 4.8 oraz Fable 5 zostały oznaczone jako starsze (legacy). Nadal działają. Strona dotycząca wycofywania modeli określa datę zakończenia wsparcia dla Haiku 4.5 na nie wcześniej niż 15 października 2026; data ta minęła, a według stanu na 20 października 2026 strona nadal wskazuje Haiku 4.5 jako aktywny model bez powiadomienia o wycofaniu. Modele Sonnet 5, Opus 4.8 oraz Fable 5 zostaną wycofane nie wcześniej niż w połowie 2027 roku. Anthropic zapewnia co najmniej 60-dniowe wyprzedzenie przed wycofaniem publicznie udostępnionego modelu, dlatego należy monitorować stronę z wycofaniami, jeśli przepływy pracy korzystają z przypiętego modelu Haiku 4.5. Obecna oferta obejmuje Claude Haiku 5.5 (claude-haiku-5-5, wydany 7 października 2026) w cenie od $0.10/$0.50 dla promptów do 100 000 tokenów oraz $0.50/$2.50 powyżej tej wartości, Claude Sonnet 5.5 (claude-sonnet-5-5) w cenie $2/$10, Claude Opus 5.5 (claude-opus-5-5) w cenie $4/$20 oraz Claude Fable 5.1 (claude-fable-5-1) w cenie $10/$50. Tokenizator modelu Haiku 5.5 zlicza ten sam tekst jako około 30% więcej tokenów niż Haiku 4.5, dlatego należy porównywać rzeczywiste koszty pojedynczego uruchomienia na stronie użycia w konsoli, a nie tylko ceny z cennika.

Należy wyrobić nawyk dobierania modelu dla każdego węzła z osobna, a nie dla całej platformy. Klasyfikacja, ekstrakcja, podsumowywanie i routowanie, czyli podstawowe zadania automatyzacji, działają wydajnie na modelu Haiku przy połowie ceny cennikowej modelu Sonnet i jednej piątej ceny modelu Opus. Model Sonnet należy rezerwować dla agentów i wieloetapowego wnioskowania, a model Opus dla rzadkich przepływów pracy, w których błędna odpowiedź kosztuje więcej niż zużyte tokeny. Przepływ pracy z pięcioma węzłami Claude może i powinien łączyć różne modele.

Dwa węzły Claude i zasady ich wyboru

n8n udostępnia dwie odrębne integracje z Anthropic, a wybór niewłaściwej jest najczęstszym błędem początkujących użytkowników.

Węzeł Anthropic to standardowy węzeł aplikacji: jedno żądanie wejściowe, jedna odpowiedź wyjściowa. Jego zasób Text posiada operację Message a Model, a także operacje analizy obrazów i dokumentów. Należy go używać zawsze, gdy logika workflow znajduje się w n8n, w schemacie: wyzwalacz, wywołanie Claude, kolejny węzeł. Workflow 1 i 2 poniżej wykorzystują ten węzeł lub jego odpowiednik typu chain.

Węzeł Anthropic Chat Model to węzeł podrzędny (sub-node), niewielki komponent dostarczający model do węzła nadrzędnego, takiego jak AI Agent lub Basic LLM Chain. Nie posiada on własnego wyzwalacza ani wyjścia; udostępnia wybór modelu oraz opcje próbkowania, takie jak Maximum Number of Tokens i Sampling Temperature. Warto zapamiętać jedno zastrzeżenie z dokumentacji n8n: wyrażenia wewnątrz węzłów podrzędnych są zawsze rozwiązywane względem pierwszego elementu wejściowego, a nie każdego z osobna. Wyrażenia dla poszczególnych elementów należy umieszczać w polach promptu węzła nadrzędnego, a nie w węźle podrzędnym. Kolejna uwaga dotyczy strony Anthropic: w przypadku modeli Claude 4.7 i nowszych (czyli wszystkich modeli w tym przewodniku z wyjątkiem Haiku 4.5), ustawienie wartości temperature, top_p lub top_k na inną niż domyślna powoduje błąd 400. Dlatego w tych modelach należy pozostawić parametry Sampling Temperature, Top K oraz Top P nieustawione.

Przepływ 1: webhook na wejściu, podsumowanie na wyjściu

Witaj świecie automatyzacji AI: każda treść wysłana metodą POST na dany adres URL zostaje podsumowana i trafia na Slacka lub do skrzynki odbiorczej.

1. Węzeł Webhook, metoda HTTP POST, ścieżka summarize. n8n udostępnia adres URL do testów oraz adres produkcyjny; ten drugi nasłuchuje dopiero po opublikowaniu przepływu.
2. Węzeł Anthropic, model Message a Model, model claude-haiku-4-5, Max Tokens około 300.
3. Węzeł Slack (lub Send Email), publikacja tekstu odpowiedzi na kanale.

Prompt to miejsce, w którym wyrażenia n8n spotykają się z Claude. Treść żądania POST trafia do $json.body, więc pole wiadomości użytkownika wygląda następująco:

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

{{ $json.body.text }}

Instrukcje dotyczące roli i formatu należy umieszczać w polu system prompt węzła, a nie w wiadomości użytkownika. System prompt pozostaje stały, podczas gdy ładunek danych (payload) się zmienia, co zapewnia stabilność działania i sprawia, że prompt pozostaje czytelny nawet po sześciu miesiącach. Test należy przeprowadzić bezpośrednio z poziomu VPS:

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..."}'

Koszt pojedynczego uruchomienia modelu Haiku: ładunek 1200 tokenów plus prompt to około 0,0012 USD za wejście, 300 tokenów wyjściowych to 0,0015 USD, czyli w przybliżeniu ćwierć centa. Tysiąc uruchomień miesięcznie kosztuje poniżej 3 USD. Ten sam węzeł skierowany na Opus 4.8 jest około pięć razy droższy. Ten stosunek, pomnożony przez każdy tworzony przepływ, wyjaśnia, dlaczego nawyk wyboru modelu dla każdego węzła z osobna ma znaczenie.

Przepływ 2: cykliczne przetwarzanie RSS na ustrukturyzowane wiersze

Poniżej przedstawiono konfigurację zadania uruchamianego według harmonogramu, generującego ustrukturyzowane dane wyjściowe: odczyt kanału RSS co godzinę, klasyfikacja każdego elementu i dopisywanie wierszy do arkusza.

1. Schedule Trigger, co godzinę.
2. RSS Read, adres URL kanału. Generuje jeden element na artykuł.
3. Basic LLM Chain, z podwęzłem Anthropic Chat Model ustawionym na claude-haiku-4-5 oraz podwęzłem Structured Output Parser zawierającym schemat JSON.
4. Google Sheets (lub Postgres), dopisanie wiersza dla każdego elementu.

Structured Output Parser zmienia prośbę „Claude, proszę zwróć JSON” z życzenia w kontrakt: weryfikuje odpowiedź modelu względem schematu i w przypadku niezgodności przerywa działanie dla danego elementu, zamiast zapisywać błędne dane. Przykładowy schemat:

{
  "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 w łańcuchu odwołuje się do elementu kanału:

Classify this article for a VPS hosting audience.

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

Rachunek kosztów zmienia tutaj swój charakter: są one naliczane za element, a nie za uruchomienie. Pięćdziesiąt artykułów na godzinę, dwadzieścia cztery godziny na dobę, to 36 000 wywołań Claude miesięcznie. W przypadku modelu Haiku koszt wynosi około 40–90 USD w zależności od długości artykułu, w przypadku Opus jest to około pięciokrotność tej kwoty. Należy stosować deduplikację przed węzłem LLM (prosta instrukcja IF sprawdzająca wcześniej widziane linki lub węzeł Remove Duplicates w n8n), co drastycznie redukuje liczbę wywołań, ponieważ większość godzinnych odpytań nie zawiera nowych treści. Najtańszym tokenem jest ten, którego nie trzeba generować.

Przepływ pracy 3: Agent AI korzystający z narzędzi

Pierwsze dwa przepływy pracy to potoki, w których użytkownik decyduje o kolejnych krokach. Węzeł AI Agent odwraca tę zależność: użytkownik określa cel i udostępnia narzędzia, a agent samodzielnie decyduje, które z nich wywołać i w jakiej kolejności, aż do osiągnięcia celu. n8n wymaga podpięcia podwęzła modelu czatu oraz co najmniej jednego podwęzła narzędzia.

Konkretna implementacja: asystent operacyjny, który odpowiada na pytanie „co nie działa i dlaczego”, korzystając z monitoringu:

1. Chat Trigger (lub webhook) odbiera pytanie.
2. AI Agent z podwęzłem Anthropic Chat Model ustawionym na claude-sonnet-5. Agenci planują i łączą wywołania narzędzi; model Haiku sprawdza się w prostych agentach z jednym narzędziem, jednak przy większej ich liczbie modelem bazowym powinien być Sonnet.
3. HTTP Request podpięty jako narzędzie, skierowany na API statusu Uptime Kuma lub punkt końcowy Zabbix. Drugie narzędzie HTTP może łączyć się z dowolnym innym interfejsem REST API.

Dwa ustawienia wykonują większość pracy. System Message agenta definiuje zadanie: „Jesteś asystentem operacyjnym. Użyj narzędzia statusu, aby sprawdzić bieżący stan monitorów przed udzieleniem odpowiedzi. Raportuj tylko te monitory, które nie działają, wraz z czasem trwania awarii”. Opis każdego narzędzia nie służy dokumentacji dla ludzi, lecz stanowi instrukcję dla modelu Claude, kiedy należy je wywołać. Opis „Zwraca bieżący stan up/down dla wszystkich monitorowanych usług w formacie JSON” zostanie użyty w odpowiednim momencie, podczas gdy opis „status API” zostanie zignorowany lub użyty niewłaściwie. Po podpięciu węzła HTTP Request jako narzędzia należy włączyć opcję Optimize Response i wybrać istotne pola JSON. W przeciwnym razie każda szczegółowa odpowiedź API zostanie przesłana do kontekstu modelu jako tokeny wejściowe, za które trzeba zapłacić.

Ustaw parametr Max Iterations agenta (wartość domyślna to 10) na najmniejszą działającą liczbę. Decyduje to o tym, czy agent podda się po 4 wywołaniach narzędzi, czy wykona pętlę kilkunastu cykli komunikacji z modelem. Należy również zrozumieć model rozliczeń: każda iteracja przesyła ponownie całą dotychczasową konwersację, w tym system message, pytanie i wszystkie poprzednie wyniki narzędzi jako tokeny wejściowe. Sześciokrotna iteracja agenta może łatwo osiągnąć łącznie 20 000 tokenów wejściowych i 2 000 wyjściowych. W przypadku modelu Sonnet 5 przy cenach $2/$10 kosztuje to około $0,06, co stanowi dwudziestokrotność kosztu prostego zadania podsumowania. Jeśli do jednego agenta trzeba podpiąć wiele narzędzi, jest to moment, w którym uruchamianie serwerów MCP na własnym VPS staje się bardziej przejrzystą architekturą.

Mechanizmy kontroli kosztów w środowiskach bez nadzoru

Zautomatyzowany przepływ pracy wymaga mechanizmów kontroli, które w normalnych warunkach zapewnia operator. Poniżej przedstawiono cztery warstwy zabezpieczeń, uszeregowane od najtańszych.

Max Tokens w każdym węźle Claude. Jest to twardy limit wyjściowy. Sumaryzator wymaga 300 tokenów, klasyfikator 100. Ogranicza to najbardziej kosztowną część operacji (w modelach opisanych w tym przewodniku koszt wynosi od 5 do 50 USD za milion tokenów wyjściowych w porównaniu do 1–10 USD za wejściowe, przy czym wyjście jest pięciokrotnie droższe od wejścia) i działa jako hamulec bezpieczeństwa. Błąd w prompcie, który powoduje, że Claude generuje zbędne treści, kosztuje wtedy 300 tokenów, a nie 8000.

Model dla każdego węzła. Kwestia omówiona powyżej; różnica między Haiku 4.5 a Opus 4.8 to pięciokrotna różnica w cenie, dziesięciokrotna w przypadku Fable 5, a w obecnej ofercie, od Haiku 5.5 do Fable 5.1, różnica sięga stukrotności dla promptów do 100 000 tokenów. Konfiguracja zajmuje dziesięć sekund.

Ograniczenie pętli. Należy ustawić Max Iterations dla agentów. Warto zdefiniować limit czasu (timeout) w ustawieniach przepływu pracy, aby zawieszona egzekucja została przerwana zamiast trwać w nieskończoność. Należy zachować ostrożność przy opcji Retry On Fail dla poszczególnych węzłów: jest to właściwe narzędzie w przypadku błędów przejściowych, ale ponowne próby mnożą koszty. Ustawienie Max Tries na 3 z Wait Between Tries wynoszącym 5000 ms oznacza, że trwały błąd wygeneruje opłaty za trzy próby przed przerwaniem działania. Nigdy nie należy stosować ponawiania dla węzła, który już wykonał kosztowną operację.

Przepływ obsługi błędów jako zabezpieczenie końcowe. Należy utworzyć przepływ pracy rozpoczynający się od węzła Error Trigger, który wysyła nazwę nieudanego procesu oraz treść błędu do Slack, a następnie ustawić go jako Error Workflow w ustawieniach każdego przepływu AI. Pozwala to wykryć najgorszy scenariusz: przepływ uruchamiany harmonogramem, który kończy się błędem przy każdym wywołaniu, co godzinę, przez cały tydzień, zużywając tokeny przy każdej próbie. Warto połączyć to z miesięcznym limitem wydatków w Anthropic Console i sprawdzać stronę użycia w konsoli przez pierwsze kilka dni po aktywacji jakiegokolwiek zadania cyklicznego. Aby dokładnie zrozumieć strukturę naliczanych opłat, należy zapoznać się z przewodnikiem po zużyciu tokenów.

Tryby awarii i towarzyszące im komunikaty

Węzeł kończy działanie natychmiast z komunikatem "Authorization failed - please check your credentials." API zwróciło kod 401. Treść odpowiedzi ma następującą strukturę (bieżące odpowiedzi zawierają również pole request_id):

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

Przyczyną jest błędnie wklejony klucz, jego ucięcie, zbędne znaki odstępu lub pozostawienie symbolu zastępczego z poradnika. Należy utworzyć poświadczenie w n8n i wkleić klucz ponownie. Jeśli rozwiązanie działało wcześniej, należy sprawdzić w konsoli, czy klucz nie został unieważniony lub czy nie wygasł, albo czy przywrócenie wolumenu nie spowodowało powrotu do poświadczeń zaszyfrowanych innym kluczem N8N_ENCRYPTION_KEY.

Wykonania kończą się serią błędów 429 rate_limit_error z komunikatem typu "Number of request tokens has exceeded your per-minute rate limit." Limity zapytań są mierzone w skali minuty i egzekwowane za pomocą mechanizmu token bucket. n8n pozwala na łatwe uruchomienie pięćdziesięciu wykonań webhooków lub RSS jednocześnie. Problem należy rozwiązać strukturalnie: przetwarzać elementy sekwencyjnie (używając Loop Over Items), a nie równolegle, oraz ustawić opcję Retry On Fail z parametrem Max Tries na 3 i Wait Between Tries na maksymalną wartość 5000 ms (n8n ogranicza to pole do 5000 ms). Jeśli wymagany jest dłuższy czas oczekiwania, aby zasobnik tokenów zdążył się uzupełnić przed ponowną próbą, należy umieścić węzeł Wait w ścieżce obsługi błędów lub przetwarzać elementy pojedynczo. Błąd 429 zazwyczaj zawiera nagłówek retry-after informujący o liczbie sekund oczekiwania (dokumentacja Anthropic wskazuje, że nie każdy błąd 429 go zawiera). Stały czas oczekiwania w n8n nie potrafi odczytać tej wartości, dlatego należy samodzielnie skonfigurować dłuższą pauzę. Wyjątek: błąd 429 bez nagłówka retry-after i z wartością error_code równą enforced_spend_limit_reached oznacza, że organizacja osiągnęła miesięczny limit wydatków dla swojego poziomu usług. Żadna ponowna próba nie powiedzie się do czasu rozpoczęcia kolejnego miesiąca lub zwiększenia limitu.

Błąd 404 not_found_error dotyczący nazwy modelu. Komunikat zawiera identyfikator modelu, który został wysłany, na przykład:

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

Przyczyną są kropki zamiast myślników (4.5 zamiast 4-5), literówka, wymyślony przyrostek daty lub użycie wycofanego modelu z nieaktualnego wpisu na blogu. Należy zweryfikować identyfikator z aktualną listą. Problem dotyczy głównie użytkowników, którzy wpisują identyfikator modelu w polu jako wyrażenie, zamiast wybrać go z listy rozwijanej.

Claude odpowiada na pytanie, które nie zostało zadane. Brak błędów, wykonanie kończy się powodzeniem. Wyrażenie w n8n odwołujące się do brakującego pola, na przykład {{ $json.body.text }}, podczas gdy ładunek używał message, wstawia dosłowny ciąg znaków undefined do promptu, a Claude odpowiada na tak sformułowane zapytanie. Jeśli przywołany węzeł w ogóle się nie wykonał, n8n zatrzyma się z błędem informującym, że wyrażenie odwołuje się do węzła, który "nie został jeszcze wykonany", jednak brakujące pole nie generuje komunikatu. Przed aktywacją należy zawsze uruchomić proces z rzeczywistymi danymi i sprawdzić faktycznie wygenerowany prompt w panelu wejściowym węzła. Edytor wyrażeń wyświetla podgląd wyliczonej wartości, a undefined jest widoczne po dokładnym sprawdzeniu.

FAQ

Jak połączyć Claude z n8n?

Utwórz klucz API w konsoli Anthropic pod adresem platform.claude.com, a następnie w n8n dodaj poświadczenie typu Anthropic i wklej klucz w pole API Key. Każdy węzeł Claude, węzeł aplikacji Anthropic oraz podwęzeł Anthropic Chat Model odwołuje się do tego zapisanego poświadczenia. n8n szyfruje je za pomocą N8N_ENCRYPTION_KEY, dlatego wykonaj kopię zapasową tego klucza, w przeciwnym razie poświadczenia zostaną utracone wraz z wolumenem.

Ile kosztuje uruchomienie workflow AI?

Oszacuj liczbę tokenów na uruchomienie, a następnie pomnóż przez ceny modelu za milion tokenów. Według stanu na październik 2026, Haiku 4.5 kosztuje 1 USD / 5 USD za milion tokenów wejściowych/wyjściowych, a Sonnet 5 odpowiednio 2 USD / 10 USD. Podsumowanie webhooka przy użyciu Haiku kosztuje około ćwierć centa; uruchomienie agenta na modelu Sonnet z kilkoma wywołaniami narzędzi kosztuje bliżej 0,06–0,10 USD, ponieważ każda iteracja przesyła ponownie całą konwersację jako dane wejściowe. Zweryfikuj koszt uruchomienia na stronie użycia w konsoli, zamiast polegać na szacunkach.

Którego modelu Claude używać do automatyzacji w n8n?

Haiku 4.5 do klasyfikacji, ekstrakcji, podsumowywania i routingu – zadań o dużej skali, gdzie liczy się szybkość i cena. Sonnet 5 do węzłów AI Agent i wieloetapowego wnioskowania. Opus 4.8 tylko wtedy, gdy koszt błędnej odpowiedzi uzasadnia cenę katalogową 5 USD / 25 USD, czyli pięciokrotność ceny Haiku i dwuipółkrotność ceny Sonnet. Nowsze modele Anthropic: Haiku 5.5, Sonnet 5.5 oraz Opus 5.5 pełnią te same role przy równej lub niższej cenie katalogowej. Model ustawia się dla każdego węzła z osobna, a nie dla całego workflow; jeden workflow może łączyć wszystkie trzy modele.

Jak zapobiec nadmiernym wydatkom na API Claude w workflow n8n?

Zastosuj warstwy zabezpieczeń: niską wartość Max Tokens w każdym węźle Claude, limit Max Iterations w agentach, limit czasu wykonania workflow (timeout) oraz konserwatywne ustawienia Retry On Fail, aby błędy nie zwielokrotniały zużycia tokenów. Dodaj workflow Error Trigger, który powiadomi Cię na Slacku o awarii dowolnego workflow AI, oraz ustaw miesięczny limit wydatków w konsoli Anthropic jako twardy sufit, którego nic na VPS nie może przekroczyć.

Czy wywołania narzędzi przez AI Agent kosztują dodatkowo?

Nie ma oddzielnej opłaty za narzędzia, ale narzędzia nie są darmowe: każdy wynik działania narzędzia jest przesyłany z powrotem do modelu jako tokeny wejściowe, a każda iteracja agenta wysyła ponownie całą dotychczasową konwersację. Zbyt szczegółowa odpowiedź API przekazana bez filtrowania może wielokrotnie przewyższyć koszt właściwego promptu. Włącz opcję Optimize Response w narzędziach HTTP Request i zwracaj tylko te pola, których agent faktycznie potrzebuje.