Jinsi ya kuunganisha Claude na n8n kwenye VPS yako

Unachojenga

Workflow tatu za AI zinazofanya kazi kwenye instance ya n8n unayoiendesha tayari: webhook inayofanya muhtasari wa chochote unachoitumia, kisoma-feed kilichoratibiwa kinachobadilisha makala kuwa safu za spreadsheet zilizopangwa, na AI Agent anayeita HTTP API peke yake ili kujibu maswali. Hii ni mbadala wa no-code wa kuita Claude API kutoka Python kwenye VPS yako, API ileile, token zilezile, bili ileile, lakini uendeshaji wake unakaa kwenye nodes za n8n badala ya script.

Ninachukulia kuwa n8n tayari inafanya kazi nyuma ya HTTPS kulingana na mwongozo wa n8n kwenye Docker. Ikiwa sivyo, fanya hivyo kwanza, webhooks zinahitaji TLS endpoint halisi, na hifadhi ya vitambulisho (credential store) unayokaribia kuweka API key inahitaji backup ya encryption-key ambayo mwongozo huo unakukumbusha.

Matatizo ya kuvutia hapa si ya kuburuta na kuachia (drag-and-drop). Ni uteuzi wa model kwa kila node, sehemu za prompt zinazoweka undefined kwa siri, na ukweli kwamba automation inaendeshwa bila kusimamiwa; workflow inayogharimu nusu senti kwa kila uendeshaji ni nafuu hadi pale retry loop itakapoiendesha mara elfu nne usiku kucha. Sehemu kubwa ya mwongozo huu inahusu mambo hayo.

Kitambulisho kimoja, kilichosimbwa kwa ufunguo uliouhifadhi

Pata API key kutoka kwenye Anthropic Console katika platform.claude.com, nenda kwenye Settings, kisha API Keys, na utengeneze ufunguo wenye jina kama n8n-vps. Ufunguo huu huonyeshwa mara moja tu. Weka fedha kwenye akaunti au usanidi malipo; matumizi ya API hulipiwa kwa kila token na ni tofauti kabisa na usajili wowote wa Claude.ai.

Katika n8n: Nenda kwenye Credentials, Create credential, chagua Anthropic, bandika ufunguo kwenye sehemu ya API Key, kisha uhifadhi. Kila node ya Claude katika kila workflow hutumia kitambulisho hiki kilichohifadhiwa; usiwahi kubandika ufunguo moja kwa moja ndani ya node.

Vidokezo viwili vya uendeshaji. Kwanza, n8n husimba credentials zilizohifadhiwa kwa kutumia N8N_ENCRYPTION_KEY. Ukiweka env var hiyo wazi katika compose file yako kulingana na mwongozo wa n8n, credential yako itaendelea kuwepo baada ya kujenga upya container; ukiruhusu n8n itengeneze moja kisha ukapoteza volume, kila credential iliyohifadhiwa, pamoja na key hii, itakuwa ciphertext isiyoweza kurejeshwa. Fanya backup ya key hiyo sasa ikiwa hukuifanya awali.

Pili, chukulia credential store ya n8n kuwa blast radius: mtu yeyote anayeweza kuhariri workflows kwenye instance yako anaweza kutuma requests kwa kutumia Anthropic key yako. Toleo la Community halina permissions za kila mtumiaji kwenye credentials. Kwa hiyo, ikiwa mtu mwingine anaingia kwenye instance hii, soma ni access controls zipi zinapatikana nyuma ya n8n licence ya kulipia kabla ya kumpa account. Weka spend limit kwenye Console chini ya Settings ili instance iliyo-compromised au inayotuma requests bila kudhibitiwa iwe na kikomo cha matumizi.

Uchaguzi wa modeli ni uamuzi wa kila node

Orodha ya modeli katika node za Claude za n8n hutolewa moja kwa moja kutoka kwa API, hivyo inaonyesha kile ambacho ufunguo wako unaweza kufikia. Kufikia Julai 2026, orodha ya modeli na bei za API kwa kila token milioni moja za input/output ni: Claude Haiku 4.5 (claude-haiku-4-5) kwa $1/$5 ikiwa na 200K context window, Claude Sonnet 5 (claude-sonnet-5) kwa $3/$15, bei ya utangulizi ya $2/$10 hadi Agosti 31, 2026, na Claude Opus 4.8 (claude-opus-4-8) kwa $5/$25, zote zikiwa na 1M-token context windows. Kuna pia Claude Fable 5 (claude-fable-5) kwa $10/$50 kwa ajili ya kazi ngumu zaidi za utatuzi; hakuna chochote katika mwongozo huu kinachohitaji modeli hiyo. Tumia vitambulisho (IDs) hivyo kamili; lahaja yoyote yenye tarehe uliyokumbuka kutoka kwenye mafunzo ya zamani itatoa 404, na bei hubadilika, kwa hivyo angalia platform.claude.com kabla ya kuamini namba yoyote unayosoma popote, ikiwemo hapa.

Tabia ya kujenga ni hii: chagua modeli kwa kila node, si kwa kila jukwaa. Uainishaji, uchimbaji wa data, muhtasari, na uelekezaji (routing), ambazo ni kazi za msingi za otomatiki, hufanya kazi vizuri sana kwenye Haiku kwa theluthi moja ya bei ya orodha ya Sonnet na sehemu ya tano ya bei ya Opus. Hifadhi Sonnet kwa ajili ya mawakala (agents) na utatuzi wa hatua nyingi, na Opus kwa ajili ya mtiririko wa kazi adimu ambapo jibu lisilo sahihi linagharimu zaidi kuliko gharama ya token. Mtiririko wa kazi wenye node tano za Claude unaweza na unapaswa kuchanganya modeli mbalimbali.

Node mbili za Claude, na ipi utumie wapi

n8n inatoa integrations mbili tofauti za Anthropic, na kuchagua ile isiyo sahihi ni kosa la kawaida kwa wanaoanza.

Node ya Anthropic ni node ya kawaida ya programu: ombi moja linaingia, jibu moja linatoka. Rasilimali yake ya Text ina operesheni ya Message a Model, pamoja na operesheni za kuchanganua picha na nyaraka. Itumie wakati wowote mantiki ya workflow inapokaa ndani ya n8n, trigger, wito wa Claude, node inayofuata. Workflow 1 na 2 hapa chini huitumia au kutumia mfumo wake wa chain.

Node ya Anthropic Chat Model ni node ndogo (sub-node), kiambatisho kidogo kinachotoa modeli kwa node kuu kama AI Agent au Basic LLM Chain. Haina trigger na haina pato lake lenyewe; inaonyesha kiteuzi cha modeli pamoja na chaguzi za sampuli kama Maximum Number of Tokens na Sampling Temperature. Tahadhari moja kutoka kwenye nyaraka za n8n inayostahili kukumbukwa: expressions ndani ya sub-nodes hutatuliwa kila wakati dhidi ya item ya kwanza ya pembejeo, si kila item; weka expressions za kila item kwenye sehemu za prompt za node kuu, si kwenye sub-node.

Workflow 1: webhook inaingia, muhtasari unatoka

Hii ndiyo hatua ya kwanza ya kuanza na AI automation: chochote kinachotumwa kupitia POST kwenye URL fulani hufupishwa na kutumwa kwenye Slack au kikasha chako cha barua pepe.

1. Webhook node, HTTP Method POST, path summarize. n8n inakupa URL ya majaribio na URL ya uzalishaji; ile ya uzalishaji husikiliza tu pale workflow inapokuwa imewashwa.
2. Anthropic node, Message a Model, model claude-haiku-4-5, Max Tokens karibu 300.
3. Slack node (au Send Email), tuma maandishi ya jibu kwenye channel husika.

Prompt ndipo n8n expressions zinapokutana na Claude. POST body hufika chini ya $json.body, kwa hivyo sehemu ya ujumbe wa mtumiaji huonekana hivi:

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

{{ $json.body.text }}

Weka maelekezo ya jukumu na muundo kwenye sehemu ya system prompt ya node hiyo, si kwenye ujumbe wa mtumiaji. System prompt hubaki vilevile wakati payload inabadilika, jambo linalofanya tabia ya mfumo kuwa thabiti na kurahisisha kusoma prompt hiyo hata baada ya miezi sita. Ijaribu kutoka kwenye VPS yenyewe:

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..."}'

Gharama kwa kila run kwenye Haiku: payload ya token 1,200 pamoja na prompt ni takriban $0.0012 kwa kuingiza, na token 300 zinazotoka ni $0.0015, jumla ni kama robo senti. Run elfu moja kwa mwezi ni chini ya $3. Node hiyo hiyo ikielekezwa kwenye Opus 4.8 ni takriban mara tano ya gharama hiyo. Uwiano huo, ukizidishwa na kila workflow unayojenga, ndiyo sababu ya kuzingatia matumizi ya model kwa kila node.

Workflow 2: RSS iliyoratibiwa kwenda kwenye safu zilizopangwa

Sasa tutaangalia mchakato unaofanya kazi kwa saa, wenye matokeo yaliyopangwa: soma RSS feed kila saa, panga kila kipengee, na uongeze safu kwenye sheet.

1. Schedule Trigger, kila saa.
2. RSS Read, URL ya feed. Inatoa kipengee kimoja kwa kila makala.
3. Basic LLM Chain, ikiwa na sub-node ya Anthropic Chat Model iliyowekwa kwenye claude-haiku-4-5, na sub-node ya Structured Output Parser yenye JSON schema.
4. Google Sheets (au Postgres), ongeza safu moja kwa kila kipengee.

Structured Output Parser ndiyo inayobadilisha ombi la "Claude, tafadhali rudisha JSON" kutoka kuwa matumaini na kuwa mkataba: inahakiki jibu la model dhidi ya schema yako na kutoa taarifa ya hitilafu kwa kipengee hicho badala ya kuandika data zisizo na mpangilio. Schema kama hii:

{
  "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"]
}

Na prompt ya chain inarejelea kipengee cha feed:

Classify this article for a VPS hosting audience.

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

Hesabu ya gharama inabadilika hapa: hii ni kwa kila kipengee, si kwa kila mzunguko wa kazi. Makala hamsini kwa saa, saa ishirini na nne kwa siku, ni miito 36,000 ya Claude kwa mwezi; kwenye Haiku inaweza kuwa $40–90 kulingana na urefu wa makala, na kwenye Opus ni mara tano ya hiyo. Ondoa marudio (deduplicate) kabla ya LLM node (kwa kutumia IF rahisi dhidi ya viungo vilivyoonekana awali, au node ya n8n ya Remove Duplicates) na idadi hiyo itapungua sana, kwa sababu tafiti nyingi za kila saa hazina kitu kipya. Token ya bei nafuu zaidi ni ile miito ambayo hufanyi.

Workflow 3: AI Agent inayotumia zana

Workflow mbili za kwanza ni pipeline, ambapo wewe huamua hatua za kufuata. Nodi ya AI Agent hubadilisha utaratibu huo: unampa Claude lengo na zana, kisha yeye huamua ni zana zipi atumie, kwa mpangilio upi, hadi kazi ikamilike. n8n inahitaji sub-node ya chat model na angalau sub-node moja ya zana iliyounganishwa.

Ujenzi halisi, msaidizi wa ops anayejibu "nini kimezimika na kwa nini" kutoka kwenye monitoring yako:

1. Chat Trigger (au webhook), swali huingia.
2. AI Agent, ikiwa na sub-node ya Anthropic Chat Model iliyowekwa kwenye claude-sonnet-5. Mawakala hupanga na kuunganisha wito wa zana; Haiku inaweza kuendesha mawakala rahisi wa zana moja, lakini Sonnet ndiyo kiwango cha chini kinachofaa pindi zana zinapoongezeka.
3. Nodi ya HTTP Request iliyounganishwa kama zana, ikielekezwa kwenye Uptime Kuma status API au endpoint ya Zabbix. Zana ya pili ya HTTP inaweza kuwasiliana na chochote chenye REST API.

Mipangilio miwili hufanya kazi kubwa zaidi. System Message ya wakala hufafanua kazi: "Wewe ni msaidizi wa ops. Tumia zana ya status kuangalia hali ya sasa ya monitor kabla ya kujibu. Ripoti monitors zilizozimika pekee, pamoja na muda wake." Na maelezo (description) ya kila zana si nyaraka kwa ajili ya binadamu, bali ni jinsi Claude anavyoamua wakati wa kuitumia. "Hurejesha hali ya sasa ya up/down kwa huduma zote zinazofuatiliwa kama JSON" itaitwa kwa wakati mwafaka; "status API" itapuuzwa au kutumiwa vibaya. Unapounganisha nodi ya HTTP Request kama zana, washa chaguo lake la Optimize Response na uchague sehemu za JSON zinazohitajika, vinginevyo kila jibu refu la API litajazwa kwenye context ya model kama input tokens unazozilipia.

Weka Max Iterations kwenye wakala (chaguo-msingi ni 10) kwa namba ndogo zaidi inayofanya kazi; huu ndio utofauti kati ya "wakala amekata tamaa baada ya wito 4 wa zana" na mzunguko wa wito kadhaa wa model. Na uelewe mfumo wa malipo: kila iteration hutuma tena mazungumzo yote yaliyopita, system message, swali, na kila matokeo ya zana ya awali, kama input tokens. Uendeshaji wa wakala wa iteration sita unaweza kufikisha jumla ya 20,000 cumulative input tokens na 2,000 output: kwa bei ya utangulizi ya Sonnet 5 ni takriban $0.06, karibu $0.09 kwa bei ya kawaida ya $3/$15, sawa na mara ishirini ya uendeshaji wa muhtasari rahisi. Ikiwa utajikuta unaongeza zana nyingi kwenye wakala mmoja, hapo ndipo kuendesha MCP servers kwenye VPS yako kunapokuwa usanifu safi zaidi.

Vizuizi vya gharama, kwa sababu hakuna anayefuatilia

Workflow isiyo na usimamizi wa kibinadamu inahitaji vidhibiti ambavyo mtu anayefanya kazi kwenye keyboard hutoa kwa kawaida. Kuna tabaka nne, tukianza na ile ya bei nafuu zaidi.

Max Tokens kwenye kila node ya Claude. Hii ni kikomo cha juu cha matokeo. Summarizer inahitaji 300, classifier inahitaji 100. Hii inadhibiti upande wa gharama kubwa wa leja (dola $5–$25 kwa kila milioni ya output tokens dhidi ya $1–$5 kwa input) na inafanya kazi kama breki ya dharura; hitilafu ya prompt inayomfanya Claude aongee sana itagharimu tokens 300, si 8,000.

Model kwa kila node. Imeelezwa hapo juu; ni njia ya kupunguza bei mara tano hadi kumi katika orodha ya sasa na inachukua sekunde kumi kusanidi.

Weka mipaka kwenye loops. Max Iterations kwenye agents. Weka workflow timeout katika mipangilio ya workflow ili execution iliyokwama ife badala ya kuendelea kuzunguka. Na uwe mwangalifu na Retry On Fail kwa kila node: ni zana sahihi kwa hitilafu za muda mfupi, lakini retry huzidisha gharama. Max Tries ya 3 na Wait Between Tries ya 5000 ms inamaanisha kuwa hitilafu inayoendelea itakutoza hadi mara tatu kwa kila item kabla ya kuacha. Usiweke retry kwenye node ambayo tayari imefanikiwa kwa gharama kubwa.

Workflow ya hitilafu kama kinga ya mwisho. Unda workflow inayoanza na node ya Error Trigger inayotuma jina la workflow iliyoshindwa na hitilafu yake kwenye Slack, kisha iweke kama Error Workflow katika mipangilio ya kila AI workflow. Hali ya hitilafu inayonaswa na hii ni ile mbaya: workflow inayochochewa na ratiba inayopata hitilafu kila inapoendeshwa, kila saa, kwa wiki nzima, kila mzunguko ukiteketeza tokens kabla ya kufa. Iunganishe na kikomo cha matumizi ya kila mwezi katika Anthropic Console na uangalie ukurasa wa matumizi wa Console katika siku chache za kwanza baada ya kuwasha kitu chochote kilichopangwa kwa ratiba. Ikiwa unataka kuelewa hasa unachotozwa, mwongozo wa matumizi ya token unaichambua kwa kina.

Njia za kufeli, pamoja na ujumbe utakaouona

Node inafeli mara moja ikiwa na ujumbe "Authorization failed - please check your credentials." API imerudisha 401. Ujumbe wa msingi ni:

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

Ufunguo umenakiliwa vibaya, umekatwa, una nafasi (whitespace) mwishoni, au ni kishika-nafasi (placeholder) kutoka kwenye mafunzo. Unda upya credential ya n8n na ubandike tena; ikiwa ilifanya kazi jana, angalia kama ufunguo ulifutwa kwenye Console au kama urejeshaji wa volume (volume restore) uliirudisha credential iliyosimbwa kwa N8N_ENCRYPTION_KEY tofauti.

Executions zinafeli kwa mfululizo na 429 rate_limit_error, ujumbe ukiwa kama "Number of request tokens has exceeded your per-minute rate limit." Vikomo vya kasi (rate limits) hupimwa kwa dakika, na n8n hurahisisha sana kuanzisha webhook au RSS executions hamsini kwa wakati mmoja. Tatua hili kimuundo: chakata vipengee kwa mfululizo (Loop Over Items) badala ya kufanya kazi kwa sambamba (parallel), na uweke Retry On Fail ikiwa na Max Tries 3 na Wait Between Tries kwenye upeo wake wa 5000 ms, n8n huzuia sehemu hiyo isizidi 5000 ms. Unapohitaji muda mrefu zaidi wa kusubiri (backoff) ili majaribio ya pili yaangukie kwenye dakika inayofuata, weka node ya Wait kwenye njia ya hitilafu au chakata vipengee kimoja baada ya kingine. Jibu lina header ya retry-after inayokuambia muda kamili wa kusubiri, n8n haiwezi kusoma header hiyo moja kwa moja, kwa hivyo jenga pause ndefu zaidi wewe mwenyewe.

404 not_found_error inayotaja modeli yako. Ujumbe unarudia kosa la kuandika:

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

Dots badala ya hyphens (4.5 kwa 4-5), suffix ya tarehe kutoka kwenye blogu ya zamani, au modeli iliyostaafishwa. Sahihisha ID kulingana na orodha ya sasa, hili huwakumba watu wanaoandika kwenye sehemu ya modeli kama expression badala ya kuchagua kutoka kwenye dropdown.

Claude anajibu swali ambalo hukuuliza. Hakuna hitilafu yoyote, run ni ya kijani. Expression ya n8n inayorejelea sehemu (field) isiyokuwepo, kama {{ $json.body.text }} wakati payload ilitumia message, inaingiza string halisi ya undefined kwenye prompt yako, na Claude anajibu kwa uaminifu prompt isiyo na maana. Ikiwa node inayorejelewa haikutekelezwa kabisa utapata "Referenced node is unavailable", lakini field inayokosekana haitoi ujumbe wowote. Kabla ya kuwasha (activating), kila mara fanya run moja na data halisi na usome prompt iliyozalishwa kwenye paneli ya input ya node, kihariri cha expression kinaonyesha thamani iliyokamilika (resolved value), na undefined ipo hapo hapo ukiangalia.

FAQ

Ninaunganishaje Claude na n8n?

Tengeneza API key katika Anthropic Console kwenye platform.claude.com, kisha ndani ya n8n ongeza credential ya aina ya Anthropic na uibandike kwenye sehemu ya API Key. Kila node ya Claude, node ya programu ya Anthropic na sub-node ya Anthropic Chat Model, hurejelea credential hiyo iliyohifadhiwa. n8n huificha kwa N8N_ENCRYPTION_KEY, kwa hivyo hifadhi nakala ya key hiyo la sivyo credentials zako zitapotea pamoja na volume.

Workflow ya AI hugharimu kiasi gani kwa kila run?

Kadiria idadi ya tokens kwa kila run, kisha zidisha kwa bei za modeli hiyo kwa kila milioni, kuanzia Julai 2026, Haiku 4.5 ni $1/$5 kwa kila milioni ya input/output tokens na Sonnet 5 ni $3/$15 ($2/$10 kwa bei ya utangulizi hadi Agosti 2026). Ufupishaji wa webhook kwenye Haiku hugharimu takriban robo senti; run ya agent kwenye Sonnet yenye tool calls kadhaa hugharimu karibu $0.06–$0.10 kwa sababu kila iteration hutuma tena mazungumzo yote kama input. Thibitisha run kwenye ukurasa wa matumizi wa Console badala ya kutegemea makadirio.

Ni modeli ipi ya Claude ninayopaswa kutumia kwa automations za n8n?

Haiku 4.5 kwa ajili ya classification, extraction, summarization, na routing, kazi zenye ujazo mkubwa ambapo kasi na bei ndizo kipaumbele. Sonnet 5 kwa ajili ya node za AI Agent na reasoning ya hatua nyingi. Opus 4.8 ni kwa ajili ya pale tu ambapo jibu lisilo sahihi ni ghali kiasi cha kuhalalisha bei yake ya $5/$25, mara tano ya Haiku, na chini kidogo ya mara mbili ya Sonnet. Weka modeli kwa kila node, si kwa kila workflow, workflow moja inaweza kuchanganya zote tatu.

Ninawezaje kuzuia workflow ya n8n isitumie pesa nyingi kupita kiasi kwenye Claude API?

Weka vizuizi vya usalama: Max Tokens ya chini kwenye kila node ya Claude, Max Iterations kwenye agents, muda wa mwisho wa workflow (timeout), na mipangilio ya Retry On Fail ya tahadhari ili hitilafu zisizidishe matumizi ya tokens. Kisha ongeza workflow ya Error Trigger inayokupa taarifa kwenye Slack wakati wowote workflow ya AI inaposhindwa, na weka kikomo cha matumizi ya kila mwezi kwenye Anthropic Console kama ukomo wa mwisho ambao hakuna kitu kwenye VPS kinachoweza kuuvuka.

Je, tool calls za AI Agent hugharimu ziada?

Hakuna ada tofauti ya tool, lakini tools si bure: kila matokeo ya tool hurudishwa kwa modeli kama input tokens, na kila iteration ya agent hutuma tena mazungumzo yote yaliyopita. Jibu la API lenye maneno mengi likipitishwa bila kuchujwa linaweza kuzidi prompt yako halisi, washa Optimize Response kwenye tools za HTTP Request na urudishe tu fields ambazo agent anahitaji.