Jinsi ya kujenga wakala wa AI wa n8n kwenye VPS yako

Wakala wa AI wa n8n ni nini, na unatofautianaje na mnyororo

Wakala wa AI wa n8n ni nodi moja ya AI Agent iliyo na nodi ndogo zilizounganishwa nayo: modeli moja ya mazungumzo, zana moja au zaidi, na kumbukumbu ya hiari. Unaeleza lengo kwa lugha ya kawaida, kisha modeli huamua zana za kutumia na mpangilio wa kuziita hadi iweze kutoa jibu. Kila kitu hapa chini ni usanidi unaozunguka wazo hilo moja.

Mnyororo hufanya kazi kwa njia tofauti. Katika Basic LLM Chain, unaamua hatua, na modeli hujaza maandishi pekee. Katika wakala, modeli huamua hatua. Kwa hiyo, swali lilelile linaweza kutumia wito mmoja wa modeli leo na wito tisa kesho. Tofauti hii moja huathiri kila mpangilio katika mwongozo huu.

Hii inadhania kuwa n8n tayari inaendeshwa kupitia HTTPS kwenye mashine unayodhibiti. Ikiwa haiendeshwi hivyo, anza na kujiendeshea n8n kwenye Docker kwa cheti halisi, kwa sababu API key unayokaribia kuhifadhi inahitaji nakala rudufu ya encryption key ambayo mwongozo huo unasisitiza. Kwa mifumo isiyotumia mawakala, kama vifupisho vya webhook na waainishaji waliopangwa, tazama mifumo ya workflow ya Claude na n8n.

Kagua toleo lako kabla ya kutegemea jina lolote la sehemu hapa, kwa sababu n8n hubadilisha nodi za AI mara kwa mara.

docker compose exec n8n n8n --version

Majina katika mwongozo huu yanaendana na toleo thabiti la sasa la n8n kufikia Julai 2026. Tangu toleo 1.82.0, kila nodi ya AI Agent huendeshwa kama Tools Agent, kwa hiyo menyu kunjuzi ya aina ya wakala ya zamani haipo tena.

Hatua ya 1: chagua kichochezi

Kwa wakala wa mazungumzo, ongeza nodi ya Chat Trigger. Acha Make Chat Publicly Available ikiwa imezimwa unapojenga, ili paneli ya mazungumzo ya kihariri pekee iweze kuifikia. Iwashe wakala akikamilika na baada ya kuamua kuhusu uthibitishaji.

Chat Trigger humpa wakala sehemu inayoitwa chatInput. Jina hilo ni muhimu katika hatua ya 3, na kulikosea ndilo kosa la kwanza linalotokea mara nyingi.

Kwa wakala anayefanya kazi bila usimamizi, tumia nodi ya Schedule Trigger au Webhook badala yake. Hakuna kati ya hizo inayozalisha chatInput, kwa hiyo utaandika kidokezo mwenyewe.

Hatua ya 2: kitambulisho cha modeli

Weka nodi ya AI Agent kwenye turubai. n8n itaonyesha mara moja kiunganishi tupu cha Chat Model chini yake. Ambatisha anodi ndogo ya Anthropic Chat Model hapo.

Unda kitambulisho kutoka Anthropic Console kwenye platform.claude.com, chini ya Settings kisha API Keys. Ufunguo utaonyeshwa mara moja tu. Matumizi ya API hutozwa kwa kila tokeni na ni tofauti na usajili wowote wa Claude.ai. Kwa hiyo, akaunti inahitaji kuwekwa mipangilio ya malipo kabla ya kuendesha mara ya kwanza.

Chagua modeli kwa kila wakala, si kwa kila kampuni. Wakala wenye zana moja, anayefanya utafutaji na kuripoti matokeo, hufanya kazi vizuri kwenye Haiku. Kufikia Julai 2026, bei yake ni $1 kwa kila tokeni ingizo milioni na $5 kwa kila tokeni towe milioni. Wakala anapokuwa na zana kadhaa na kulazimika kupanga matumizi yake, badilisha kwenda Sonnet. Unachojaribu kuepuka ni modeli ya bei nafuu kuita zana isiyo sahihi mara nne. Hilo linaweza kugharimu zaidi kuliko modeli ya gharama kubwa kuita zana sahihi mara moja.

Weka Maximum Number of Tokens katika chaguo za anodi ndogo. Hii huweka kikomo cha urefu wa kila jibu linalozalishwa na modeli. Ikiwa itaachwa kwenye thamani kubwa ya kawaida, uendeshaji mmoja wenye mkanganyiko unaweza kutoa jibu refu sana na kukutoza gharama hiyo.

Kuna tahadhari moja katika nyaraka za n8n ambayo huwakuta wengi: expressions zilizo ndani ya anodi ndogo hutatuliwa kila mara dhidi ya kipengee cha kwanza cha ingizo, kamwe si kwa kila kipengee. Weka expressions za kila kipengee katika sehemu za prompt za nodi ya mzizi.

Hatua ya 3: kidokezo cha maelekezo kinachopokelewa na wakala

Fungua nodi ya AI Agent. Kigezo cha Prompt kina mipangilio miwili.

• Take from previous node automatically hutafuta sehemu inayoingia iliyopewa jina chatInput. Hili ndilo chaguo sahihi unapoitumia baada ya Chat Trigger.
• Define below huonyesha sehemu ya Prompt (User Message) ambapo unaandika maandishi tuli au expression. Hili ndilo chaguo sahihi unapoitumia baada ya Schedule Trigger au nodi ya Webhook.

Ukiweka nodi ya Webhook kabla yake, mwili wa ombi la POST huwekwa chini ya $json.body, kwa hiyo sehemu ya kidokezo huonekana hivi.

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.

Hatua ya 4: mpe wakala zana moja

Nodi ya AI Agent isiyo na nodi ndogo ya zana hukataa kufanya kazi. Anza na zana moja, kwa sababu zana moja inayofanya kazi hukufundisha zaidi kuliko zana nne zilizosanidiwa kwa sehemu.

Unganisha nodi ya HTTP Request kwenye kiunganishi cha Tool cha wakala. Isanidi kama vile ungesanidi nodi ya kawaida ya HTTP Request, kisha ujaribu endpoint hiyo kutoka kwenye shell kwanza.

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

Ikiwa curl hiyo inarudisha hitilafu au ukurasa wa kuingia wa HTML, wakala pia atashindwa. Hitilafu hiyo itaonekana kama tatizo la modeli, ilhali kwa kweli ni tatizo la URL au uthibitishaji. Rekebisha tatizo hilo kwenye shell, si kwenye nodi.

Sehemu ya Description ya zana si nyaraka za wenzako. Ndiyo taarifa pekee ambayo modeli husoma inapoamua kama zana hii inahusika. Iandike kama kauli rahisi ya kile kinachorejeshwa: "Hurejesha hali ya sasa ya ikiwa huduma moja inayofuatiliwa iko juu au chini, pamoja na muda wa kutopatikana, katika muundo wa JSON."

Ili kuruhusu modeli kujaza sehemu ya ombi, tumia expression ya $fromAI(). Hufanya kazi tu katika zana zilizounganishwa kwenye nodi ya AI Agent, na haifanyi kazi kwenye zana ya Code.

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

Hoja hizo ni key, kisha description, type na defaultValue za hiari. Ufunguo lazima uwe na herufi 1 hadi 64, ukitumia herufi, tarakimu, mistari ya chini na vistari. Aina lazima iwe mojawapo ya string, number, boolean au json, na chaguo-msingi ni string. Wito kamili zaidi unaonekana hivi.

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

Ufunguo ni kidokezo, si rejeleo la data iliyopo. $fromAI('service') haisomi sehemu iliyoitwa service kutoka mahali popote. Huiambia modeli "toa thamani na uiite service", kisha modeli hutafuta thamani hiyo katika mazungumzo, data ya ingizo na matokeo ya zana nyingine. Katika mtiririko wa kazi wa mazungumzo, inaweza kumuuliza mtumiaji moja kwa moja.

Hatua ya 5: kumbukumbu na kwa nini agent husahau

Bila sub-node ya kumbukumbu, kila ujumbe huanza bila muktadha. Ambatisha sub-node ya Simple Memory ili ihifadhi mazungumzo ya hivi karibuni.

Ina vigezo viwili. Session Key huamua mazungumzo haya ni yapi, hivyo watumiaji wawili wenye funguo tofauti hupata historia tofauti. Context Window Length huamua idadi ya miingiliano ya awali itakayotumwa tena kwenye prompt.

Context Window Length hudhibiti gharama pia, si ubora pekee, kwa sababu kila zamu iliyohifadhiwa hutumwa tena kama input tokens katika kila ombi linalofuata. Window ya 20 kwenye agent anayezungumza sana inamaanisha unalipia ujumbe uleule wa mwanzo mara 20.

Simple Memory haifanyi kazi katika workflow ya uzalishaji inayotumika wakati n8n inaendeshwa katika queue mode, kwa sababu historia huhifadhiwa kwenye data ya workflow yenyewe badala ya store inayoshirikiwa. Kwenye instance inayotumia queue mode, tumia badala yake sub-node ya Postgres Chat Memory, kisha iunganishe na database ambayo main process na workers wanaweza kufikia.

Hatua ya 6: Ujumbe wa Mfumo

Fungua Options za agent na uongeze System Message. Hapa ndipo maelezo ya kazi yanawekwa, na ndiyo maandishi yenye athari kubwa zaidi katika mchakato huu.

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.

"Always call the status tool before answering" hufanya kazi muhimu hapo. Bila maagizo hayo, model inayodhani tayari inajua jibu itaruka kutumia tool na kujibu kutoka kwenye kumbukumbu. Jibu hilo huwa si sahihi kwa uhakika mara tu miundombinu yako inapobadilika.

Kwa nini wakala hurudia mzunguko, na nini huuzuia

Pia chini ya Options kuna Max Iterations, ambayo kwa kawaida ni 10. Iteration moja ni mwito mmoja wa model pamoja na matokeo ya zana yanayorejeshwa kwenye muktadha. Kwa hiyo, uendeshaji mmoja wa wakala si mwito mmoja wa API. Unaweza kuwa na hadi mithio 10, na kila mwito hubeba mazungumzo yote yanayoongezeka kama ingizo.

Punguza thamani hiyo. Mawakala wengi wanaotumia zana moja hukamilisha kazi katika iterations mbili. Kikomo cha turns 3 au 4 hubadilisha mzunguko usiodhibitika kuwa hitilafu wazi unayoweza kuona kwenye orodha ya utekelezaji.

Unapochunguza hitilafu, washa Return Intermediate Steps. Matokeo ya mwisho yatajumuisha mwito wa zana ambao wakala alifanya wakati wa mchakato. Hivyo unaweza kutofautisha kati ya “model haikuwahi kuita zana” na “zana haikurejesha chochote chenye manufaa”. Zima chaguo hilo tena kabla ya kuanza kutumia mfumo moja kwa moja, kwa sababu hatua hizo ni taarifa zisizo muhimu kwa mtumiaji wa mwisho.

Fuatilia uendeshaji unapotokea kutoka kwenye shell.

docker compose logs -f n8n

Kuzuia agent asiyeangaliwa kutumia rasilimali bila kutambuliwa

Agent aliye nyuma ya Chat Trigger ana mtumiaji anayemfuatilia, na mtumiaji huyo humzuia jibu linapoonekana kuwa si sahihi. Agent aliye nyuma ya Schedule Trigger hana anayemfuatilia. Maelezo kamili yako katika Udhibiti wa gharama za AI agent kwenye VPS inayofanya kazi muda wote. Mipangilio minne ndiyo inayofanya kazi kubwa hapa.

• Weka kikomo cha Maximum Number of Tokens kwenye sub-node ya model, ili jibu moja lisichukue muda mrefu.
• Weka Max Iterations kuwa idadi ndogo zaidi inayokamilisha kazi.
• Weka majibu ya zana kuwa mafupi. Zana inayorejesha blob ya JSON yenye mistari 4,000 huingiza maudhui yote hayo kwenye mwito unaofuata wa model, kisha kwenye kila mwito unaofuata katika uendeshaji huo.
• Uliza ikiwa agent anahitaji ratiba kabisa. Kazi inayoendeshwa kila baada ya dakika tano huanzishwa mara 288 kwa siku. Gharama ya uendeshaji mmoja ndiyo thamani utakayozidisha.

Zima workflow unapoendelea kuijaribu na kuiboresha. Workflow iliyoamilishwa huendelea kutumia toleo ambalo n8n imehifadhi, na hilo si lazima liwe toleo lililo kwenye skrini yako.

FAQ

Kwa nini nodi yangu ya AI Agent inakataa kutekelezwa?

Nodi ya AI Agent inahitaji kinodi-ndogo cha chat model na angalau kinodi-ndogo kimoja cha tool. Nodi yenye model lakini isiyo na tool hushindwa kabla ya kufanya mwito wowote wa API. Ambatisha tool moja, hata ikiwa ni rahisi sana, kisha iendeshe tena.

Agent inajibu, lakini haiiti tool yangu kamwe. Tatizo ni nini?

Karibu kila mara tatizo liko katika sehemu ya Description ya tool. Model huchagua tools kwa kusoma maelezo hayo. Kwa hiyo, maelezo kama "HTTP Request" hayaielezi wakati tool hiyo inafaa kutumiwa. Yaandike upya ili yaeleze data inayorejeshwa na hali ambayo tool hiyo hufaa, kisha ongeza mstari katika System Message unaomwelekeza agent kuiita tool hiyo kabla ya kujibu.

Kwa nini swali lilelile hugharimu kiasi tofauti kila linapoendeshwa?

Kwa sababu model huchagua idadi ya hatua. Kila marudio hutuma tena mazungumzo yote yaliyofanyika hadi wakati huo, pamoja na matokeo ya awali ya tool. Kwa hiyo, uendeshaji unaochukua marudio manne hugharimu zaidi sana kuliko mara nne ya mwito mmoja. Max Iterations huweka kikomo cha juu cha idadi hiyo, na Return Intermediate Steps hukuonyesha hatua ngapi uendeshaji fulani ulitumia.

Kumbukumbu yangu inafanya kazi katika kihariri, lakini si katika production. Nini kimebadilika?

Angalia ikiwa instance inaendesha katika hali ya queue. Simple Memory huhifadhi historia katika data ya utekelezaji ya workflow yenyewe. Data hiyo haiendelei workflow inapokabidhiwa mchakato tofauti wa worker, kwa hiyo workflow hai ya production hupoteza historia hiyo. Tumia kinodi-ndogo cha Postgres Chat Memory, ambacho huhifadhi historia katika database inayoshirikiwa na kila worker.