Jinsi ya kuunganisha Claude na n8n kwenye VPS

Unachia ambavy unajenga

Mchakato tatu wa AI unaofanya kazi kwenye n8n instance ambayo tayari unaitumia: webhook inayofupisha chochote unachotuma, msomaji wa feed uliopangwa (scheduled) unaobadilisha makala kuwa mistari ya spreadsheet, na AI Agent inayoweza kuitia simu HTTP API yenyewe ili kujibu maswali. Hii ni mbadala wa kutotumia kodi (no-code) kwa kuita Claude API kutoka Python kwenye VPS yako — API ni ile ile, token ni zile zile, na gharama ni zile zile, lakini usimamizi unafanyika kupitia n8n nodes badala ya script.

Nadhani n8n tayari imewekwa nyuma ya HTTPS kulingana na mwongozo wa self-hosted n8n kwenye Docker. Kama haijafanyika, fanya hivyo kwanza — webhooks zinahitaji TLS endpoint halisi, na hifadhi ya siri (credential store) unayotaka kuweka API key inahitaji backup ya encryption-key kama mwongozo huo unavyoeleza.

Changamoto za kuvutia hapa siyo za kuvuta na kuachia (drag-and-drop). Ni uteuzi wa model kwa kila node, sehemu za prompt zinazojaza undefined kimya kimya, na ukweli kwamba automation inafanya kazi bila usimamizi — workflow inayotumia nusu senti kwa kila run ni rahisi mpaka loop ya kujaribu tena (retry loop) iifanye mara elfu nne usiku kucha. Mwongozo huu mwingi unahusu mambo hayo.

Credential moja, iliyofichwa kwa key uliyofanya backup

Pata API key kutoka Anthropic Console kwenye platform.claude.com — Settings, kisha API Keys, kisha tengeneza key yenye jina kama n8n-vps. Inaonyeshwa mara moja tu. Weka pesa kwenye akaunti au weka mfumo wa malipo; matumizi ya API ni ya kulipia kwa kila token na ni tofauti kabisa na lolote la subscription ya Claude.ai.

Ndani ya n8n: Credentials, Create credential, chagua Anthropic, bandika key hiyo kwenye sehemu ya API Key, kisha save. Kila Claude node katika kila workflow inatumia credential hii moja iliyohifadhiwa — hupaswi kubandika key hiyo ndani ya node.

Maelezo mawili ya kiutendaji. Kwanza, n8n huficha credentials zilizohifadhiwa kwa kutumia N8N_ENCRYPTION_KEY. Ukipanga env var hiyo waziwazi kwenye compose file yako kulingana na mwongozo wa n8n, credential yako itabaki hata ukifuta na kutengeneza upya container; ukiruhusu n8n itengeneze moja kisha ukipoteza volume, kila credential iliyohifadhiwa — ikiwemo hii key — haiwezi kupatikana tena. Fanya backup ya key hiyo sasa ikiwa uliiruka. Pili, chukulia n8n credential store kama eneo la hatari: yeyote anayeweza kuhariri workflows kwenye instance yako anaweza kufanya maombi kwa kutumia key yako ya Anthropic. Weka kikomo cha matumizi (spend limit) kwenye Console chini ya Settings ili instance iliyovamiwa au inayozidi mipaka iwe na kikomo.

Uteuzi wa model ni uamuzi wa kila node

Menu ya kuchagua model kwenye Claude nodes za n8n inatolewa moja kwa moja kutoka kwenye API, hivyo inaonyesha kile ambacho key yako inaweza kukipata. Kufikia Julai 2026, orodha na bei ya API kwa milioni moja ya input/output tokens 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 kuanzia ni $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. Pia kuna Claude Fable 5 (claude-fable-5) kwa $10/$50 kwa kazi ngumu za ufikiri; hakuna kitu kwenye mwongozo huu kinachohitaji hiyo. Tumia ID hizo sahihi — toleo la tarehe ambalo unakumbuka kutoka kwenye mwongozo wa zamani litatoa error ya 404, na bei hubadilika, hivyo kagua platform.claude.com kabla ya kuamini namba yoyote unayoisoma popote, ikiwemo hapa.

Tabia ya kujenga: chagua model kwa kila node, siyo kwa kila platform. Classification, extraction, summarization, routing — mambo ya msingi ya automation — hufanya kazi vizuri sana kwenye Haiku kwa bei ya chini ya third ya Sonnet na fifth ya Opus. Weka Sonnet kwa ajili ya agents na ufikiri wa hatua nyingi, Opus kwa workflow adimu ambapo jibu lisilo sahihi linagharimu zaidi ya token. Workflow yenye Claude nodes tano inaweza na inapaswa kuchanganya models.

Claude nodes mbili, na ni ipi itumike wapi

n8n inakuja na Anthropic integrations mbili tofauti, na kuchagua isiyo sahihi ndiyo kosa la kawaida zaidi kwa wanaoanza.

Node ya Anthropic ni node ya kawaida ya app: ombi moja ndani, jibu moja nje. Rasilimali yake ya Text ina operesheni ya Message a Model, pamoja na operesheni za kuchambua picha na nyaraka. Itumie kila wakati ambapo mantiki ya workflow ipo ndani ya n8n — trigger, Claude call, node inayofuata. Workflow 1 na 2 hapa chini zinatumia hii au mfululizo wake sawa.

Node ya Anthropic Chat Model ni sub-node — kiambatisho kidogo kinachotoa model kwa node mama kama AI Agent au Basic LLM Chain. Haina trigger wala jibu lake lenyewe; inatoa chaguo la kuchagua model pamoja na chaguzi za sampling kama Maximum Number of Tokens na Sampling Temperature. Angalizo moja kutoka kwenye docs za n8n linalostahili kukumbukwa: expressions ndani ya sub-nodes kila wakati hutatua dhidi ya item ya kwanza ya input, siyo kila item — weka expressions za kila item kwenye sehemu za prompt za node mama, siyo kwenye sub-node.

Workflow 1: webhook ndani, muhtasari nje

"Hello-world" ya AI automation: chochote kinachotumwa kwa POST kwenye URL kinafupishwa na kuwekwa Slack au kwenye inbox yako.

1. Webhook node — HTTP Method POST, path summarize. n8n inakupa URL ya majaribio na URL ya uzalishaji (production); ile ya uzalishaji inasikiliza tu baada ya workflow kuwa active.
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.

Prompt ndipo n8n expressions zinapokutana na Claude. POST body inaingia chini ya $json.body, hivyo sehemu ya ujumbe wa mtumiaji inaonekana kama:

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

{{ $json.body.text }}

Weka maelekezo ya role na format kwenye sehemu ya system prompt ya node, siyo kwenye ujumbe wa mtumiaji — system prompt inabaki vilevile wakati payload inabadilika, jambo ambalo hufanya tabia iwe thabiti na kufanya prompt isomeke vizuri miezi sita ijayo. 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 1,200-token pamoja na prompt ni takriban $0.0012 ndani, 300 tokens nje ni $0.0015 — takriban robo senti. Elfu moja kwa mwezi ni chini ya $3. Node hiyo hiyo ikielekezwa kwenye Opus 4.8 ni takriban mara tano zaidi ya hiyo. Uwiano huo, ukizidishwa kwa kila workflow unayojenga, ndiyo sababu tabia ya kuchagua model kwa kila node ni muhimu.

Workflow 2: RSS iliyopangwa kwenda kwenye mistari iliyopangwa

Sasa kitu kinachofanya kazi kwa saa, kikiwa na matokeo yaliyopangwa: soma RSS feed kila saa, tanguliza kila item, ongeza mistari kwenye sheet.

1. Schedule Trigger — kila saa.
2. RSS Read — URL ya feed. Inatoa item moja 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 inayoshikilia JSON schema.
4. Google Sheets (au Postgres) — ongeza mstari kwa kila item.

Structured Output Parser ndicho kinachobadilisha "Claude, tafadhali rudisha JSON" kutoka kwenye matumaini kuwa mkataba: kinathibitisha jibu la model dhidi ya schema yako na kushindiliwa kwa item hiyo badala ya kuandika mistari ya takataka. Schema kama:

{
  "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 item ya feed:

Classify this article for a VPS hosting audience.

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

Hesabu ya gharama inabadilika hapa: hii ni kwa kila item, siyo kwa kila run. Makala hamsini kwa saa, saa ishirini na nne kwa siku, ni Claude calls 36,000 kwa mwezi — kwenye Haiku labda $40–$90 kulingana na urefu wa makala, kwenye Opus ni takriban mara tano zaidi. Ondoa duplicates kabla ya LLM node (IF rahisi dhidi ya links zilizopita, au node ya n8n ya Remove Duplicates) na idadi itapungua, kwa sababu nyingi polls za kila saa hazina kitu kipya. Token rahisi zaidi ni ile ombi ambalo huliwezi kulifanya.

Workflow 3: AI Agent anayetumia tools

Workflow mbili za kwanza ni pipelines — unaamua hatua. AI Agent node inageuza hilo: unampa Claude lengo na tools, na yeye anaamua ni tools gani zitaitwa, kwa mpangilio gani, mpaka amalize. n8n inahitaji chat model sub-node na angalau tool moja ya sub-node iliyoambatishwa.

Ujenzi halisi — msaidizi wa ops anayejibu "nini kimeharibika na kwa nini" kutoka kwenye ufuatizi (monitoring) wako:

1. Chat Trigger (au webhook) — swali linakuja.
2. AI Agent — ikiwa na sub-node ya Anthropic Chat Model iliyowekwa kwenye claude-sonnet-5. Agents wanapanga na kuunganisha tool calls; Haiku inaweza kuendesha agents rahisi wa tool moja, lakini Sonnet ni kiwango cha chini kinachofaa mara tu tools zinapozidi.
3. HTTP Request node iliyoambatishwa kama tool — ikiwa imeelekezwa kwenye Uptime Kuma status API yako au Zabbix endpoint. Tool ya pili ya HTTP inaweza kugusa kitu kingine chochote chenye REST API.

Mipangilio miwili inafanya kazi kubwa. System Message ya agent inafafanua kazi: "Wewe ni msaidizi wa ops. Tumia status tool kuangalia hali ya sasa ya monitor kabla ya kujibu. Ripoti tu monitor ambazo zimeharibika, pamoja na muda." Na description ya kila tool siyo documentation kwa binadamu — ndivyo Claude anavyoamua wakati wa kuitumia. "Returns current up/down state for all monitored services as JSON" itaitwa wakati sahihi; "status API" itapuuzwa au kutumiwa vibaya. Unapoiunganisha HTTP Request node kama tool, washa chaguo la Optimize Response na uchague JSON fields muhimu — vinginevyo kila jibu refu la API litaingizwa kwenye context ya model kama input tokens unazolipia.

Weka Max Iterations kwenye agent (default ni 10) kwa namba ndogo zaidi inayofanya kazi — ni tofauti kati ya "agent alikata tamaa baada ya tool calls 4" na loop ya mizunguko kadhaa ya model. Na uelewe mfumo wa malipo: kila iteration inatuma tena mazungumzo yote hadi hapo — system message, swali, kila matokeo ya awali ya tool — kama input tokens. Run ya agent ya iteration sita inaweza kufikia jumla ya input tokens 20,000 na output 2,000: kwenye bei ya kuanzia ya Sonnet 5 ni takriban $0.06, takriban $0.09 kwenye bei ya kawaida ya $3/$15 — iite mara ishirini ya run rahisi ya muhtasari. Ukijikuta unaunganisha tools nyingi kwenye agent mmoja, hapo ndipo kuendesha MCP servers kwenye VPS yako kunapokuwa muundo bora zaidi.

Kinga dhidi ya gharama, kwa sababu hakuna anayekutazama

Workflow isiyodhibitiwa inahitaji udhibiti ambao binadamu anayeketi kwenye keyboard anatoa kimyakimya. Tabaka nne, rahisi kwanza.

Max Tokens kwenye kila Claude node. Hii ni kikomo cha juu cha jibu. Muhtasari unahitaji 300, classifier 100. Hii inazuia upande wa gharama kubwa ($5–$25 kwa milioni moja ya output tokens dhidi ya $1–$5 kwa input) na inafanya kazi kama breki — hitilafu ya prompt inayomfanya Claude azungumze sana inagharimu token 300, siyo 8,000.

Model kwa kila node. Imefundishwa hapo juu; ni lever ya bei ya mara tano hadi kumi katika lineup ya sasa na inachukua sekunde kumi kuweka.

Weka mipaka kwenye loops. Max Iterations kwenye agents. Workflow timeout kwenye settings za workflow ili utekelezaji uliokwama ufe badala ya kuendelea kuzunguka. Na kuwa mwangalifu na Retry On Fail ya kila node: ni chombo sahihi kwa makosa ya muda mfupi, lakini kujaribu tena kunazidisha gharama — Max Tries ya 3 ikiwa na Wait Between Tries ya 5000 ms inamaanisha hitilafu ya kudumu inakulipia hadi mara tatu kwa kila item kabla ya kukata tamaa. Kamwe usifunge retry kwenye node ambayo tayari imefanikiwa kwa gharama kubwa.

Workflow ya makosa kama kinga. Tengeneza workflow inayozingatia Error Trigger node inayotuma jina la workflow iliyofeli na kosa kwenye Slack, kisha iweke kama Error Workflow kwenye kila AI workflow kwenye settings. Aina ya hitilafu inayokamatwa hapa ni mbaya: workflow inayochochewa na schedule ikifeli kila run, kila saa, kwa wiki moja — kila run ikichoma token kabla haijafa. Iunganishe na kikomo cha matumizi ya kila mwezi kwenye Anthropic Console na kagua ukurasa wa matumizi wa Console siku chache za kwanza baada ya kuwasha kitu kilichopangwa. Ukitaka kuelewa hasa unacholipia, mwongozo wa matumizi ya token unaufafanua.

Aina za hitilafu, na ishara utazoziona

Node inafeli papo hapo na "Authorization failed - please check your credentials." API ilirudisha 401. Mwili wa ujumbe ni:

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

Key iliyowekwa vibaya — iliyokatwa, yenye nafasi mwishoni, au placeholder kutoka kwenye mwongozo. Tengeneza upya n8n credential na ubandike tena; ikiwa ilifanya kazi jana, kagua kama key ilifutwa kwenye Console au kama urejesho wa volume uliweka hali ya awali ya credential iliyofichwa kwa N8N_ENCRYPTION_KEY tofauti.

Executions zinafeli kwa mfululizo na 429 rate_limit_error, ujumbe kama "Number of request tokens has exceeded your per-minute rate limit." Rate limits ni kwa dakika, na n8n inafanya iwe rahisi sana kufanya executions hamsini za webhook au RSS kwa wakati mmoja. Irekebishe kimuundo: chakata item kwa mfuatano (Loop Over Items) badala ya kwa pamoja, na weka Retry On Fail ikiwa na Max Tries 3 na Wait Between Tries katika kiwango chake cha juu cha 5000 ms — n8n inazuia hilo uwanja kwenye 5000 ms. Unapohitaji kusubiri kwa muda mrefu ili retry ziingie kwenye dirisha la dakika inayofuata, weka Wait node kwenye njia ya kosa au chakata item moja baada ya nyingine. Jibu linabeba header ya retry-after inayokuambia ni muda gani wa kusubiri — kusubiri kwa n8n hakuwezi kusoma hilo, hivyo jenga kusubiri kwa muda mrefu mwenyewe.

404 not_found_error ikitaja model yako. Mwili wa ujumbe unarudia kosa la kuandika:

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

Nukta badala ya hyphens (4.5 kwa ajili ya 4-5), kiambishi cha tarehe kutoka kwenye blogu ya zamani, au model iliyofutwa. Rekebisha ID dhidi ya orodha ya sasa — hii huwapata watu wanaoweka kwenye sehemu ya model kama expression badala ya kuchagua kwenye dropdown.

Claude anajibu swali ambalo hukuliuliza. Hakuna kosa popote — run ni ya kijani. Expression ya n8n inayorejelea sehemu iliyopotea, kama {{ $json.body.text }} wakati payload ilitumia message, inajaza maandishi ya undefined kwenye prompt yako, na Claude anajibu kwa ujasiri prompt kuhusu kitu ambacho hakipo. Ikiwa node inayorejelewa haikufanya kazi kabisa unapata "Referenced node is unavailable", lakini sehemu iliyopotea ni ya kimya. Kabla ya kuwasha, kila wakati jaribu mara moja na data halisi na usome prompt halisi iliyozalishwa kwenye panel ya input ya node — editor ya expression inaonyesha thamani iliyotatuliwa, na undefined iko hapo ikiwa utatazama.

FAQ

Je, nitaunganishaje Claude na n8n?

Tengeneza API key kwenye Anthropic Console kwenye platform.claude.com, kisha ndani ya n8n ongeza credential ya aina ya Anthropic na ubandike kwenye sehemu ya API Key. Kila Claude node — Anthropic app node na Anthropic Chat Model sub-node — inatumia credential hiyo iliyohifadhiwa. n8n huficha kwa N8N_ENCRYPTION_KEY, hivyo fanya backup ya key hiyo au credentials zako zitapotea pamoja na volume.

AI workflow inagharimu kiasi gani kwa kila run?

Kadiria token kwa kila run, kisha zidisha kwa bei za model kwa milioni — kufikia Julai 2026, Haiku 4.5 ni $1/$5 kwa milioni ya input/output tokens na Sonnet 5 ni $3/$15 ($2/$10 ya kuanzia hadi Agosti 2026). Muhtasari wa webhook kwenye Haiku ni takriban robo senti; run ya agent kwenye Sonnet yenye tool calls kadhaa inakaribia $0.06–$0.10 kwa sababu kila iteration inatuma tena mazungumzo yote kama input. Hakiki run kwenye ukurasa wa matumizi wa Console badala ya kuamini makadirio.

Ni model gani ya Claude ninyapaswa kuitumia kwa n8n automations?

Haiku 4.5 kwa classification, extraction, summarization, na routing — kazi nyingi ambapo kasi na bei ndizo muhimu. Sonnet 5 kwa AI Agent nodes na ufikiri wa hatua nyingi. Opus 4.8 tu pale ambapo jibu lisilo sahihi lina gharama kubwa inayostahili bei yake ya $5/$25 — mara tano zaidi ya Haiku, kidogo chini ya mara mbili ya Sonnet. Chagua model kwa kila node, siyo kwa kila workflow — workflow moja inaweza kuchanganya zote tatu.

Je, nitawezaje kuizuia n8n workflow isitumie pesa nyingi kwenye Claude API?

Tumia kinga mbalimbali: Max Tokens ndogo kwenye kila Claude node, Max Iterations kwenye agents, workflow timeout, na mipangilio ya Retry On Fail iliyoangalifu ili makosa yasizidishe matumizi ya token. Kisha ongeza Error Trigger workflow inayokupa taarifa kwenye Slack wakati workflow yoyote ya AI inafeli, na weka kikomo cha matumizi ya kila mwezi kwenye Anthropic Console kama kikomo cha juu ambacho hakuna kitu kwenye VPS kinachoweza kukivuka.

Je, tool calls za AI Agent zina gharama ya ziada?

Hakuna ada tofauti ya tool, lakini tools siyo bure: kila matokeo ya tool yanapelekwa tena kwa model kama input tokens, na kila iteration ya agent inatuma tena mazungumzo yote hadi hapo. Jibu refu la API linalopitishwa bila kuchuja linaweza kuwa kubwa kuliko prompt yako halisi — washa Optimize Response kwenye HTTP Request tools na urudishe tu sehemu ambazo agent anazihitaji.