n8n automação: quando usar Agents ou workflows

Em projetos de n8n automação, trinta interações controladas de suporte levaram aos mesmos 20 casos concluídos nos dois modelos. Mas o novo n8n Agent precisou acionar 40 workflows com escopo definido e preservou 20 sessões de conversa. A decisão entre Agents e workflows no n8n não é sobre qual deles automatiza mais: deixe um workflow no comando quando a sequência for fixa e use um Agent apenas quando a conversa precisar definir o próximo passo.

n8n automação: o veredito entre Agents e workflows

Escolha um workflow do n8n quando for possível desenhar a sequência antes de a execução começar. Escolha um n8n Agent quando a próxima ação útil depender do que uma pessoa disser, do retorno de uma ferramenta ou do que já ficou estabelecido na conversa. Em suporte e operações em produção, a arquitetura mais sólida costuma ser híbrida: o Agent decide, enquanto workflows enxutos executam o trabalho.

Essa diferença importa mais do que a simples presença de um modelo na automação. Um workflow pode chamar um modelo e continuar determinístico. Um Agent pode chamar workflows e continuar agêntico, porque é o modelo — não o canvas — que escolhe a próxima ferramenta.

A pergunta decisiva é simples: quem deve controlar o próximo passo? Se a resposta for quem projetou a automação, mantenha um workflow no comando. Se for o modelo, depois de analisar a conversa atual e o retorno das ferramentas, use um Agent. O próprio n8n recomenda essa separação no material de lançamento: sequências fixas combinam com workflows; solicitações abertas combinam com Agents capazes de definir as etapas. A explicação de lançamento do n8n é especialmente clara sobre esse limite.

O que mudou em 25 de setembro

O n8n apresentou a nova área de Agents em 25 de setembro de 2026. Agora, um Agent é um artefato de primeira classe dentro do projeto, com modelo, instruções, ferramentas, memória, sessões, rascunho, versão publicada, canais e agendamentos próprios. Ele fica ao lado dos workflows, e não dentro de um canvas específico. A documentação atual sobre n8n Agents define essa área como o lugar para trabalhos abertos demais para um workflow fixo.

Essa identidade compartilhada é a mudança mais valiosa. O mesmo Agent publicado pode responder em um canal, rodar por agendamento ou receber uma mensagem de outro workflow. O histórico da sessão registra a conversa, as ferramentas, os resultados, os erros e as aprovações pendentes. Alterar o rascunho não modifica silenciosamente a versão publicada.

Ainda assim, o modelo não deve ter acesso amplo a todos os sistemas. Um workflow usado como ferramenta oferece um contrato de ação restrito: entradas nomeadas, uma credencial controlada, uma saída conhecida e uma barreira opcional de aprovação. Uma das primeiras reações de quem testou o recurso resumiu bem a vantagem: reaproveitar workflows existentes como ferramentas é mais útil do que acrescentar outra interface de chat.

Builder de agente de IA n8n: o que mudou

No padrão anterior, o agente era montado dentro de um workflow com Chat Trigger, memória, um nó AI Agent, modelo e ferramentas. Esse padrão continua funcionando. O novo builder transfere a identidade duradoura do agente, as sessões, as versões e os vários pontos de entrada para um artefato compartilhado.

Não se trata apenas de uma mudança visual no editor. O que muda é a responsabilidade de cada camada:

• O Agent controla a conversa e o ciclo de seleção de ferramentas.
• Workflows publicados controlam ações delimitadas, como consultar uma conta ou preparar uma resposta.
• O canal, o agendamento ou o workflow chamador controla quando o Agent recebe trabalho.
• Uma pessoa responsável pela aprovação controla a decisão final de uma ferramenta sensível.

n8n Agents ou nó AI Agent?

O nó AI Agent existente continua sendo um nó de workflow. Ele se conecta a um modelo de chat e a pelo menos uma ferramenta e, então, escolhe quais ferramentas usar durante aquela execução. Segundo o n8n, as implementações atuais com o nó AI Agent continuarão funcionando. A documentação vigente do nó ainda descreve essa estrutura de modelo mais ferramentas.

Use o nó quando o agente pertencer a um único workflow e esse workflow precisar controlar o gatilho, a organização da memória e o ciclo de vida. Use o novo Agent quando uma mesma identidade tiver de persistir entre conversas ou ser chamada de vários lugares. Migrar é opcional, não um requisito para manter em funcionamento um agente já criado com o nó.

A mesma tarefa de suporte nas duas arquiteturas

A comparação controlada usou uma instância local descartável do n8n 2.40.7, um único endpoint local e determinístico de modelo compatível com OpenAI e uma fixture JSON fixa. O teste avaliou roteamento e orquestração, não a qualidade do modelo nem a latência da nuvem.

Exemplo de AI Agent no n8n: triagem de suporte

A fixture reunia 20 tickets sintéticos de suporte:

• Dez chegaram em um formato fixo com ID do ticket, ID da conta, área do produto e descrição do problema.
• Dez omitiram de propósito o ID da conta e a área do produto; portanto, um sistema útil precisava fazer uma pergunta complementar.
• Todos os casos finais tinham uma fila esperada e fixa: faturamento, técnico ou geral.

Cada arquitetura processou as mesmas 30 interações do usuário. Os dez tickets completos consumiram um turno cada. Os dez incompletos exigiram uma pergunta inicial e uma resposta complementar, totalizando mais 20 turnos.

1. 1

   Monte a sequência fixa

   O workflow usou três nós: um webhook recebeu o ticket, o modelo local compartilhado fez a classificação e um parser devolveu JSON estruturado. Todas as mensagens de entrada percorreram esses nós na mesma ordem.

2. 2

   Monte o Agent

   O Agent usou o mesmo modelo, instruções explícitas de triagem, memória de sessão armazenada e três ferramentas de workflow publicadas: Get Account Context, Draft Support Reply e Page On Call. As duas primeiras ficaram disponíveis diretamente. Page On Call exigia aprovação.

3. 3

   Avalie o trabalho concluído

   Um caso só era considerado concluído quando a saída continha a fila final esperada. Perguntas de esclarecimento, execuções, sessões, requisições ao endpoint do modelo, chamadas de ferramentas de workflow, falhas e ações desnecessárias foram registradas separadamente.

As duas arquiteturas encaminharam os 20 casos finais para a fila esperada. Isso não prova que Agents e workflows tenham a mesma capacidade de julgamento. O stub foi deliberadamente determinístico para que o teste isolasse a orquestração. O resultado mostra onde surge a complexidade adicional: o workflow fixo fez uma requisição ao modelo por turno, enquanto o Agent chamou o modelo várias vezes para escolher ferramentas, processar os resultados, produzir a resposta e manter sua execução.

As 100 requisições do Agent ao endpoint se dividiram em 70 requisições com streaming para raciocínio ou ciclo de ferramentas e 30 requisições auxiliares sem streaming nesta configuração local. Encare esse dado como um alerta para medir o uso do provedor, não como um multiplicador universal. Outro modelo, outra configuração de memória, outro prompt ou uma revisão diferente do produto podem mudar essa contagem.

Quando usar n8n Agents

Use um Agent quando a conversa puder mudar o plano. Uma solicitação de suporte que começa com “a cobrança está errada” talvez exija consultar a conta, fazer uma pergunta, verificar uma política ou obter aprovação antes de qualquer ação. Não há como saber o desvio correto até que a informação ausente chegue.

Use um workflow quando o plano já estiver definido. Uma exportação noturna, uma sincronização de webhook com CRM ou uma sequência de enriquecimento de leads se beneficia de nós explícitos, novas tentativas previsíveis e um caminho de execução que pode ser inspecionado sem reconstruir a decisão de um modelo.

Controle e depuração: workflow vence

É mais fácil entender um workflow porque todos os próximos nós possíveis estão visíveis no canvas. Quando um processo determinístico falha, a execução mostra qual nó apresentou o problema. Essa é a escolha padrão correta para movimentação de dinheiro, exclusão de registros, alterações de permissões e outras operações em que flexibilidade gera mais risco do que benefício.

Uma sessão do Agent oferece outro tipo de rastreamento: mensagens, escolhas de ferramentas, resultados, erros e aprovações. Isso é útil, mas não transforma uma decisão probabilística em um grafo declarado. Se a sequência nunca precisa variar, acrescentar um ciclo de raciocínio apenas cria outro ponto de falha.

Conversa e estado: Agent vence

O Agent leva vantagem quando o trabalho se estende por vários turnos. As sessões ficam armazenadas, podem ser retomadas e usam memória por padrão. Na fixture, dez tickets incompletos permaneceram na sessão original quando os dados ausentes da conta e do produto chegaram. O workflow fixo só chegou à mesma resposta porque a mensagem complementar repetia contexto suficiente para um classificador sem estado.

Na rotina real de suporte, essa diferença aumenta. Se a segunda mensagem disser apenas “a conta da UE”, um workflow precisará recarregar o ticket anterior de um repositório de dados ou receber o histórico na entrada. A sessão do Agent já carrega o contexto da conversa. A memória episódica também pode atravessar sessões, embora o n8n atualmente exija uma credencial da OpenAI para esse recurso.

Ações sensíveis: workflow vence, com um Agent na frente

A arquitetura híbrida mais segura libera ferramentas somente de leitura para o Agent e exige aprovação para efeitos colaterais. Em um teste preliminar separado com um ticket urgente, o Agent concluiu a consulta somente de leitura da conta, selecionou Page On Call e, então, pausou. O workflow de acionamento não rodou até que uma pessoa aprovasse a chamada da ferramenta.

Esse é o modelo de segurança adequado: um Agent pode recomendar ou solicitar uma ação, mas um workflow restrito e uma aprovação explícita controlam o impacto. As credenciais ficam vinculadas à ferramenta, portanto o Agent não precisa de uma credencial ampla capaz de fazer tudo.

Resultado geral: arquitetura híbrida

A nova área funciona melhor como uma camada de controle conversacional sobre workflows, não como substituta deles. O Agent interpreta, pergunta e escolhe. Os workflows validam, alteram sistemas e devolvem resultados estruturados. Essa divisão também permite testar as ações separadamente do modelo que as seleciona.

Custo de execução dos n8n Agents

Em 26 de setembro de 2026, o n8n não cobrava Agents em um plano separado. Um turno do Agent conta como uma execução, e as execuções de Agents e workflows consomem a mesma franquia. O post de lançamento do n8n acrescenta um detalhe importante: chamadas a ferramentas de workflow e subagentes dentro desse turno não são contadas como execuções adicionais do plano.

Os preços atuais com cobrança anual são $20 por mês no Starter, com 2,500 execuções, e $50 por mês no Pro, com 10,000 execuções. Os dois valores foram conferidos na página de preços do n8n, que mostra uma economia de 17% na opção anual. Para entender as diferenças entre os planos, consulte também a análise de preços do n8n.

Considere o cenário de planejamento proposto: 200 conversas com três turnos cada.

• 600 execuções do Agent resultam de 200 × 3. Para fins de franquia, as ferramentas internas de workflow permanecem dentro desses turnos.
• No Starter, $20 ÷ 2,500 equivale a $0.008 da franquia da assinatura por execução incluída. Os 600 turnos alocam $4.80 dessa mensalidade e deixam 1,900 execuções.
• No Pro, $50 ÷ 10,000 equivale a $0.005 da franquia da assinatura por execução incluída. Os mesmos 600 turnos alocam $3.00 e deixam 9,400 execuções.

Esses quocientes representam uma alocação matemática, não valores marginais cobrados na fatura. Se o 601º turno ainda estiver dentro da franquia, ele não acrescentará uma linha de $0.008 à fatura do Starter.

O ponto de virada é o limite da franquia, não um desconto entre Agent e workflow. O Starter comporta 833 conversas completas de três turnos, com 2,499 execuções; a conversa 834 chega a 2,502 e ultrapassa a franquia de 2,500. O Pro comporta 3,333 dessas conversas, com 9,999 execuções; a conversa 3,334 chega a 10,002 e ultrapassa a franquia de 10,000.

Se um workflow fixo receber um webhook por mensagem do chat, ele também consumirá 600 execuções para os mesmos 600 turnos. Portanto, há empate na cobrança por execução. O workflow fixo ainda pode sair mais barato na camada do modelo, pois talvez faça uma única requisição onde um Agent toma várias decisões em torno das ferramentas.

O uso do modelo fica fora da franquia de execuções. Os créditos do n8n Gateway usam um saldo pré-pago separado, e também é possível escolher a credencial do próprio provedor. A documentação sobre créditos do Gateway informa que um saldo zerado faz os nós compatíveis falharem até que a pessoa proprietária recarregue o saldo, ative a recarga automática ou troque as credenciais. O resultado local de 30 contra 100 requisições explica por que tanto o número de execuções quanto o gasto com o modelo devem estar no painel de acompanhamento.

Sessões, versões, aprovações e chamadas de workflow

O novo Agent justifica seu lugar quando vários pontos de entrada precisam do mesmo comportamento. O n8n armazena cada conversa como uma sessão, incluindo mensagens, ferramentas e aprovações pendentes. A fixture medida criou 20 sessões, uma para cada ticket; os dez tickets com resposta complementar retomaram a sessão existente no segundo turno.

O versionamento separa experimentação de produção. O rascunho é salvo durante a edição, enquanto Publish registra um snapshot usado por canais, agendamentos e chats em produção. No teste local, uma instrução adicionada somente ao rascunho gerou uma nova versão de rascunho, enquanto o ID da versão ativa e as instruções publicadas permaneceram inalterados. É esse comportamento que se espera ao ajustar um prompt durante uma operação em produção.

Message an Agent no n8n: um Agent, vários pontos de entrada

O nó Message an Agent permite que um workflow chame um Agent já publicado. Um workflow preliminar com dois nós enviou um ticket de faturamento ao mesmo Support Triage Agent, recebeu um resultado completo e registrou as mesmas duas chamadas de ferramentas com escopo definido: consulta do contexto da conta e, depois, elaboração da resposta. O nó também aceitou uma chave de sessão personalizada, permitindo que um workflow continue uma conversa conhecida em vez de começar do zero.

Essa configuração cria um padrão de composição útil:

1. Um workflow determinístico recebe e valida um evento.
2. Message an Agent envia apenas a decisão conversacional ao Agent publicado.
3. O Agent escolhe entre ferramentas de workflow com escopo definido.
4. O workflow chamador recebe o texto do Agent, o uso, o registro de chamadas de ferramentas e a referência da sessão.

Evite a versão circular dessa arquitetura. Um workflow que chama um Agent não deve também estar vinculado a esse Agent como ferramenta. Separe os workflows de entrada dos workflows de ação e dê nomes que deixem esse limite evidente.

As aprovações fazem parte do mesmo histórico da sessão. Quando uma ferramenta sensível é selecionada, o Agent pausa e apresenta os argumentos. Approve permite continuar daquele ponto; Reject cancela a ação. Isso é mais útil do que uma promessa genérica de “human in the loop”, pois quem aprova pode ver a ferramenta proposta e sua entrada antes de a credencial ser usada.

Para automações de alto risco, apenas o histórico da sessão ainda não basta. Encaminhe falhas do Agent e escolhas suspeitas de ferramentas para um fluxo de revisão independente e alinhe retenção, mascaramento e alertas aos dados envolvidos. O guia de análise de falhas em agentes de IA aborda essa camada separada de observabilidade.

Como migrar sem reconstruir tudo

Migrar deve significar envolver workflows estáveis, não redesenhá-los dentro de um prompt. Os workflows existentes já concentram as partes valiosas: credenciais, validação, chamadas de API, transformações e tratamento de falhas.

1. 1

   Preserve a espinha dorsal determinística

   Mantenha agendamentos, webhooks, validação e gravações irreversíveis nos workflows. Não migre uma sequência fixa apenas para dar uma aparência agêntica à arquitetura.

2. 2

   Transforme ações em contratos

   Dê a cada workflow chamável um esquema de entrada restrito e uma saída estruturada. Separe consultas somente de leitura dos efeitos colaterais para exigir aprovação apenas onde ela for necessária.

3. 3

   Conecte o menor conjunto de ferramentas possível

   Comece oferecendo ao Agent somente os poucos workflows necessários para uma tarefa. Nomes e descrições específicos ajudam o modelo a escolher corretamente e facilitam a auditoria do histórico da sessão.

4. 4

   Teste conversas, não prompts

   Use casos com formato fixo, informações ausentes, mensagens repetidas e solicitações inseguras. Antes de publicar o snapshot, avalie saídas finais, perguntas de esclarecimento, chamadas de ferramentas, ações rejeitadas e uso do modelo.

5. 5

   Adicione pontos de entrada por último

   Depois que o Agent publicado estiver estável, conecte um canal, um agendamento ou um workflow com Message an Agent. Reaproveite a mesma identidade em vez de duplicar instruções em vários canvases.

Não migre se a sequência for fixa, se o nó AI Agent atual pertencer a um único workflow ou se o seu modelo de conformidade não aceitar software em Preview. Hoje, a resposta é ainda mais clara para implantações self-hosted Enterprise e em queue mode: espere. Se a decisão envolver toda a stack de automação ao redor do n8n, a comparação entre ferramentas de automação com IA oferece um panorama mais amplo.

O custo da migração se esconde nas interfaces, não na quantidade de nós. Toda ferramenta de workflow precisa de entradas claras, credenciais controladas, saídas previsíveis, ações seguras contra duplicidade e uma pessoa responsável pelas aprovações. Um Agent expõe contratos frágeis rapidamente, pois pode chamar a mesma ferramenta em uma ordem que não foi prevista por quem projetou o workflow original.

Limitações do Preview e recomendação final

n8n Agents está em Preview. No n8n Cloud, o recurso está disponível para todas as pessoas que usam a versão estável mais recente. No self-hosting, o suporte começa na versão 2.32.3 e exige habilitar o módulo agents na configuração manual. O builder completo assistido por IA é opcional, mas bases de conhecimento self-hosted precisam de uma sandbox Daytona, e os canais exigem uma URL pública de webhook.

Duas limitações podem inviabilizar uma migração que, de outro modo, pareceria atraente: Agents ainda não estão prontos para self-hosted Enterprise, e queue mode não é compatível. O n8n também alerta que conexões self-hosted com canais como Telegram podem falhar; por isso, regular mode é a recomendação atual.

A arquitetura de produção mais responsável é conservadora. Mantenha o workflow no comando de toda sequência já conhecida. Coloque o Agent somente no ponto em que uma conversa precisar escolher o que fazer em seguida. Ofereça workflows restritos como ferramentas, armazene a sessão, publique um snapshot testado e exija aprovação antes de qualquer efeito colateral relevante.

Isso oferece autonomia suficiente para tornar a nova área útil sem transformar um Agent em Preview em todo o seu sistema de automação.

Perguntas frequentes

Posso usar o n8n para criar IA agêntica?

Sim. A nova área de Agents cria um Agent persistente capaz de escolher ferramentas entre sessões, enquanto o nó AI Agent existente implementa comportamento agêntico dentro de um workflow. Escolha o escopo que corresponde à tarefa.

Quais são os 4 grandes agentes de IA?

Não existe um “big four” oficial para agentes de IA. A escolha deve considerar o trabalho, as integrações necessárias, o modelo de aprovação, as restrições de implantação e o custo, não uma lista genérica de popularidade.

Quais são os 5 tipos de agente em IA?

Não existe uma taxonomia universal com cinco tipos. Em uma implementação no n8n, a distinção útil é saber se um grafo fixo controla a próxima ação ou se um modelo escolhe entre ferramentas delimitadas.

Qual é a diferença entre workflows do n8n e workflows agênticos?

Um workflow do n8n segue um grafo declarado de nós. Em uma arquitetura agêntica, o modelo escolhe a próxima ação, enquanto workflows ainda podem executar as ferramentas aprovadas abaixo dessa camada.

O ChatGPT é uma IA agêntica?

Uma resposta de chat não é agêntica por definição. O comportamento agêntico envolve perseguir um objetivo, selecionar ações ou ferramentas, observar os resultados e decidir o passo seguinte.

Quais são os quatro tipos de agentes?

Não existe um padrão único de quatro tipos que determine uma arquitetura no n8n. Avalie características operacionais: estado, planejamento, acesso a ferramentas e autonomia.

Quais são os 3 principais agentes de IA?

Não existe um trio universal. O Agent certo depende dos sistemas que ele precisa acessar, do grau de controle necessário e de onde ele pode rodar.

Quais são os 7 tipos de IA?

Listas com sete tipos são taxonomias didáticas, não regras de arquitetura. Elas não determinam se um processo de suporte ou operações deve ficar em um workflow ou Agent do n8n.

Quais são as 5 partes de um agente de IA?

Em uma implementação no n8n, comece por modelo, instruções, ferramentas, memória e controles de acesso. Acrescente conhecimento, canais, agendamentos ou subagentes apenas quando o caso de uso exigir.

Se o ponto mais difícil for a decisão conversacional, posso ajudar a projetar e implementar o Agent sem abrir mão dos workflows como camada de controle.