Агенты n8n или workflow: что выбрать для автоматизации

Агенты n8n и workflow закрыли одни и те же 20 обращений за тридцать контролируемых ходов. Но новому n8n Agent понадобилось 40 вызовов специализированных workflow, при этом он сохранил 20 сессий диалога. Поэтому выбирать нужно не по тому, какой вариант автоматизирует больше: если последовательность заранее известна, процессом должен управлять workflow; Agent нужен там, где следующий шаг определяется по ходу разговора.

Агенты n8n или workflow: итог

Выбирайте workflow n8n, если последовательность можно нарисовать еще до запуска. Выбирайте n8n Agent, если следующее полезное действие зависит от слов пользователя, ответа инструмента или уже накопленного контекста беседы. Для поддержки и операционных процессов в продакшене обычно лучше всего работает гибридная схема: Agent принимает решение, а узкие workflow выполняют работу.

Это различие важнее самого факта использования модели в автоматизации. Workflow может обращаться к модели и оставаться детерминированным. Agent может вызывать workflow и по-прежнему быть агентным, потому что следующий инструмент выбирает модель, а не схема на канвасе.

Главный вопрос звучит просто: кто должен определять следующий шаг? Если это автор автоматизации, оставьте управление за workflow. Если решение должна принимать модель после анализа текущего диалога и результатов инструментов, используйте Agent. В материалах о запуске n8n проводит ту же границу: фиксированным последовательностям подходят workflow, а открытым запросам — Agents, способные самостоятельно выстроить шаги. Материал n8n о запуске формулирует это особенно прямо.

Что изменилось 25 сентября

25 сентября 2026 года n8n представила новый раздел Agents. Теперь Agent — самостоятельный объект проекта со своей моделью, инструкциями, инструментами, памятью, сессиями, черновиком, опубликованной версией, каналами и расписаниями. Он существует рядом с workflow, а не внутри конкретного канваса. Актуальная документация n8n Agents описывает этот раздел как место для задач, которые слишком вариативны для фиксированного workflow.

Главное новшество — единая идентичность Agent. Один и тот же опубликованный Agent может отвечать в канале, запускаться по расписанию или получать сообщение из другого workflow. В истории сессии сохраняются беседа, инструменты, результаты, ошибки и ожидающие согласования. Изменения в черновике не меняют опубликованную версию автоматически.

При этом модели по-прежнему не стоит выдавать широкий доступ ко всем системам. Workflow-инструмент задает для нее узкий контракт действия: именованные входные параметры, ограниченные учетные данные, известный формат результата и при необходимости рубеж согласования. Один из первых практических отзывов точно уловил суть: возможность использовать существующие workflow как инструменты полезнее, чем еще одна оболочка для чата.

Как изменился конструктор workflow для n8n AI Agent

Раньше агента собирали внутри workflow из Chat Trigger, памяти, узла AI Agent, модели и инструментов. Этот подход по-прежнему работает. Новый конструктор переносит постоянную идентичность агента, сессии, версии и несколько точек входа в единый объект.

Это не просто косметическое обновление редактора. Теперь зоны ответственности распределены иначе:

• Agent управляет диалогом и циклом выбора инструментов.
• Опубликованные workflow отвечают за ограниченные действия, например поиск аккаунта или подготовку ответа.
• Канал, расписание или вызывающий workflow определяет, когда Agent получит задачу.
• Согласующий принимает окончательное решение по критичному инструменту.

n8n Agents и узел AI Agent: в чем разница

Существующий узел AI Agent остается узлом workflow. Он подключается к чат-модели и как минимум одному инструменту, а затем выбирает инструменты во время запуска этого workflow. По данным n8n, уже созданные решения с узлом AI Agent продолжат работать. Актуальная документация узла по-прежнему описывает эту схему «модель плюс инструменты».

Используйте узел, если агент относится к одному workflow, который должен управлять его триггером, организацией памяти и жизненным циклом. Новый Agent нужен, когда одна идентичность должна сохраняться между диалогами или вызываться из нескольких мест. Миграция необязательна: существующий агент на базе узла будет работать и без нее.

Одна задача поддержки в двух архитектурах

Для контролируемого сравнения использовались одноразовый локальный экземпляр n8n 2.40.7, одна детерминированная локальная конечная точка с API, совместимым с OpenAI, и один фиксированный набор данных JSON. Проверялись маршрутизация и оркестрация, а не качество модели или задержка облака.

Пример n8n AI Agent: сортировка обращений

В набор вошли 20 синтетических обращений в поддержку:

• Десять обращений поступили в фиксированном формате с ID тикета, ID аккаунта, областью продукта и описанием проблемы.
• В десяти намеренно отсутствовали ID аккаунта и область продукта, поэтому полезная система должна была задать один уточняющий вопрос.
• Для каждого итогового кейса была заранее задана очередь: billing, technical или general.

Обе архитектуры обработали одни и те же 30 пользовательских ходов. На каждое из десяти полных обращений понадобился один ход. Десять неполных обращений потребовали исходного вопроса и одного уточнения — еще 20 ходов.

1. 1

   Собрать фиксированную последовательность

   Workflow состоял из трех узлов: webhook принимал обращение, общая локальная модель классифицировала его, а парсер возвращал структурированный JSON. Каждое входящее сообщение проходило через эти узлы в одном и том же порядке.

2. 2

   Собрать Agent

   Agent использовал ту же модель, явные инструкции по сортировке, сохраняемую память сессии и три опубликованных workflow-инструмента: Get Account Context, Draft Support Reply и Page On Call. Первые два были доступны напрямую, а Page On Call требовал согласования.

3. 3

   Оценить завершенную работу

   Кейс считался завершенным, только если результат содержал ожидаемую итоговую очередь. Уточняющие вопросы, выполнения, сессии, запросы к конечной точке модели, вызовы workflow-инструментов, сбои и лишние действия учитывались отдельно.

Обе архитектуры направили все 20 итоговых кейсов в ожидаемую очередь. Результат не доказывает, что Agents и workflow одинаково хорошо рассуждают. Заглушка была намеренно детерминированной, чтобы изолировать оркестрацию. Зато тест показывает, где появляется дополнительная механика: фиксированный workflow делал один запрос к модели за ход, тогда как Agent обращался к ней несколько раз — чтобы выбрать инструменты, обработать их результаты, сформировать ответ и поддерживать выполнение.

100 запросов Agent к конечной точке состояли из 70 потоковых запросов для рассуждения или цикла инструментов и 30 непотоковых вспомогательных запросов в этой локальной конфигурации. Это повод учитывать расход у провайдера, а не универсальный множитель. Количество изменится при другой модели, конфигурации памяти, промпте или версии продукта.

Когда стоит использовать n8n Agents

Agent нужен, когда разговор меняет план. Обращение в поддержку со словами «неверный счет» может потребовать поиска аккаунта, уточняющего вопроса, проверки правил или согласования до любого действия. Пока недостающие сведения не получены, правильную ветку определить нельзя.

Workflow нужен, когда план уже известен. Ночной экспорт, синхронизация webhook с CRM или последовательное обогащение лидов выигрывают от явных узлов, предсказуемых повторных попыток и маршрута выполнения, который можно проверить без восстановления логики решений модели.

Контроль и отладка: побеждает workflow

Workflow проще анализировать, потому что все возможные следующие узлы видны на канвасе. Если детерминированный процесс дает сбой, по выполнению понятно, какой именно узел не сработал. Это правильный вариант по умолчанию для денежных переводов, удаления записей, изменения прав доступа и других операций, где гибкость скорее создает риск, чем приносит пользу.

Сессия Agent дает трассировку другого типа: сообщения, выбор инструментов, результаты, ошибки и согласования. Это полезно, но вероятностное решение от этого не превращается в явно заданный граф. Если последовательность никогда не должна меняться, цикл рассуждения создает лишь еще одну точку отказа.

Диалог и состояние: побеждает Agent

Agent выигрывает в задачах на несколько ходов. Сессии сохраняются и возобновляются, а память сессии включена по умолчанию. В тестовом наборе десять неполных обращений остались в исходных сессиях, когда поступили недостающие данные об аккаунте и продукте. Фиксированный workflow дал тот же ответ лишь потому, что повторное сообщение содержало достаточно контекста для классификатора без состояния.

В реальной поддержке разрыв будет больше. Если во втором сообщении написано только «аккаунт EU», workflow должен загрузить исходное обращение из хранилища или получить историю во входных данных. В сессии Agent контекст диалога уже есть. Эпизодическая память может работать и между сессиями, хотя сейчас для этой функции n8n требует учетные данные OpenAI.

Критичные действия: побеждает workflow с Agent перед ним

В самом безопасном гибридном варианте Agent свободно использует инструменты только для чтения, а действия с побочными эффектами требуют согласования. В отдельном тесте срочного обращения Agent завершил безопасный поиск аккаунта, выбрал Page On Call и приостановился. Workflow оповещения не запускался бы, пока согласующий не одобрил вызов инструмента.

Именно так должна работать безопасность: Agent может рекомендовать или запрашивать действие, но масштаб последствий контролируют узкий workflow и явное согласование. Учетные данные привязаны к инструменту, поэтому Agent не нужен один универсальный набор учетных данных с доступом ко всему.

Общий победитель: гибрид

Новый раздел лучше всего работает как диалоговый центр управления workflow, а не как их замена. Agent интерпретирует, уточняет и выбирает. Workflow проверяют данные, изменяют системы и возвращают структурированные результаты. Такое разделение также позволяет тестировать действия независимо от модели, которая их выбирает.

Стоимость выполнения n8n Agents

По состоянию на 26 сентября 2026 года n8n не выделяет Agents в отдельный тариф. Один ход Agent считается одним выполнением, а выполнения Agent и workflow расходуют общую квоту. В публикации о запуске n8n уточняет важную деталь: вызовы workflow-инструментов и субагентов внутри этого хода не считаются отдельными выполнениями по тарифу.

При годовой оплате актуальные цены составляют $20 в месяц за Starter с 2,500 выполнениями и $50 в месяц за Pro с 10,000 выполнениями. Обе цены сверены с действующей страницей тарифов n8n, где при переключении на годовую оплату указана экономия 17%. Более подробно компромиссы между тарифами разобраны в отдельном анализе цен n8n.

Рассмотрим сценарий планирования из задания: 200 диалогов по три хода каждый.

• 600 выполнений Agent получаются из 200 × 3. Внутренние workflow-инструменты для квоты остаются частью этих ходов.
• На Starter $20 ÷ 2,500 дают $0.008 квоты подписки на одно включенное выполнение. На 600 ходов приходится $4.80 месячной подписки, после чего остается 1,900 выполнений.
• На Pro $50 ÷ 10,000 дают $0.005 квоты подписки на одно включенное выполнение. На те же 600 ходов приходится $3.00, а остаток составляет 9,400 выполнений.

Это распределение стоимости, а не предельные расценки в счете. Если 601-й ход по-прежнему укладывается в лимит тарифа, в счете Starter не появится отдельная строка на $0.008.

Точка перехода определяется границей квоты, а не скидкой между Agent и workflow. Starter вмещает 833 полных диалога по три хода при 2,499 выполнениях; диалог 834 доводит счетчик до 2,502 и превышает лимит 2,500. Pro вмещает 3,333 таких диалога при 9,999 выполнениях; диалог 3,334 доводит счетчик до 10,002 и превышает лимит 10,000.

Если фиксированный workflow получает по одному webhook на каждое сообщение чата, те же 600 ходов также потребуют 600 выполнений. Поэтому по стоимости выполнений получается ничья. Но на уровне модели фиксированный workflow все равно может оказаться дешевле: там, где он делает один запрос, Agent может несколько раз принимать решения об инструментах.

Использование модели не входит в квоту выполнений. Кредиты n8n Gateway списываются с отдельного предоплаченного баланса; вместо них можно указать собственные учетные данные провайдера. Согласно документации по кредитам Gateway, при нулевом балансе поддерживаемые узлы перестают работать, пока владелец не пополнит счет, не включит автопополнение или не сменит учетные данные. Локальный результат 30 против 100 запросов показывает, почему на дашборде нужно отслеживать и число выполнений, и расходы на модель.

Сессии, версии, согласования и вызовы workflow

Новый Agent оправдан, когда нескольким точкам входа нужно одинаковое поведение. n8n сохраняет каждый диалог как сессию вместе с сообщениями, инструментами и ожидающими согласованиями. В измеренном тесте было создано 20 сессий — по одной на обращение, а каждое из десяти обращений с уточнением продолжило существующую сессию на втором ходу.

Версии отделяют эксперименты от продакшена. Изменения автоматически сохраняются в черновик, а Publish создает снимок, который используют каналы, расписания и рабочие чаты. В локальной проверке инструкция, добавленная только в черновик, создала новую черновую версию, тогда как ID активной версии и опубликованные инструкции не изменились. Именно так и должно происходить уточнение промпта в работающей системе.

n8n Message an Agent: один Agent и несколько точек входа

Узел Message an Agent позволяет workflow обратиться к существующему опубликованному Agent. Тестовый workflow из двух узлов передал тому же Support Triage Agent обращение по оплате, получил полный результат и зафиксировал те же два вызова узких инструментов: сначала поиск контекста аккаунта, затем подготовку ответа. Узел также принял пользовательский ключ сессии, поэтому workflow может продолжить известный диалог, а не начинать с нуля.

Из этого складывается полезная композиционная схема:

1. Детерминированный workflow получает и проверяет событие.
2. Message an Agent передает опубликованному Agent только ту часть решения, которая зависит от диалога.
3. Agent выбирает один из ограниченных workflow-инструментов.
4. Вызывающий workflow получает текст Agent, данные об использовании, журнал вызовов инструментов и ссылку на сессию.

Избегайте циклического варианта этой архитектуры. Workflow, который вызывает Agent, не должен одновременно быть подключен к этому Agent как инструмент. Разделяйте workflow для точек входа и workflow для действий, а в названиях явно обозначайте границу.

Согласования остаются в той же трассировке сессии. Выбрав критичный инструмент, Agent приостанавливается и показывает его аргументы. Approve продолжает выполнение с этой точки, Reject отменяет действие. Это полезнее абстрактного обещания «участия человека», поскольку до использования учетных данных согласующий видит предлагаемый инструмент и его входные данные.

Для автоматизаций с высоким риском одной истории сессии все равно недостаточно. Направляйте сбои Agent и подозрительный выбор инструментов в независимый процесс проверки, а сроки хранения, маскирование данных и оповещения согласуйте с типом обрабатываемой информации. Отдельный слой наблюдаемости разобран в руководстве по анализу сбоев ИИ-агентов.

Как перейти и не перестраивать все заново

Переход должен означать оборачивание стабильных workflow, а не их перерисовку внутри промпта. Самые ценные части уже находятся в существующих workflow: учетные данные, проверка, вызовы API, преобразования и обработка сбоев.

1. 1

   Сохранить детерминированную основу

   Оставьте расписания, webhook, проверку и необратимые записи в workflow. Не переносите фиксированную последовательность только ради того, чтобы архитектура выглядела агентной.

2. 2

   Превратить действия в контракты

   Задайте каждому вызываемому workflow узкую схему входных данных и структурированный результат. Отделите поиск только для чтения от действий с побочными эффектами, чтобы согласование применялось лишь там, где оно действительно нужно.

3. 3

   Подключить минимальный набор инструментов

   Сначала дайте Agent лишь несколько workflow, необходимых для одной задачи. Конкретные названия и описания помогают модели выбирать правильно, а журнал сессии делают понятнее для аудита.

4. 4

   Тестировать диалоги, а не промпты

   Используйте кейсы с фиксированным форматом, недостающими данными, повторными сообщениями и небезопасными запросами. До публикации снимка оценивайте итоговые ответы, ходы с уточнениями, вызовы инструментов, отклоненные действия и использование модели.

5. 5

   Добавлять точки входа в последнюю очередь

   Когда опубликованный Agent стабильно работает, подключите канал, расписание или workflow с Message an Agent. Повторно используйте одну идентичность вместо копирования инструкций по нескольким канвасам.

Не переходите, если последовательность фиксирована, текущий узел AI Agent относится к одному workflow или требования к соответствию не допускают ПО со статусом Preview. Для самостоятельно размещенных Enterprise-инсталляций и развертываний в режиме очереди ответ сегодня еще однозначнее: подождать. Если же вы выбираете более широкий стек автоматизации вокруг n8n, дополнительный контекст даст сравнение инструментов ИИ-автоматизации.

Цена миграции скрыта в интерфейсах, а не в количестве узлов. Каждому workflow-инструменту нужны понятные входные данные, ограниченные учетные данные, предсказуемые результаты, безопасные при повторе действия и ответственный за согласования. Agent быстро обнаруживает слабые контракты, поскольку может вызвать один и тот же инструмент в порядке, которого автор исходного workflow не предусмотрел.

Ограничения Preview и окончательная рекомендация

n8n Agents находятся в статусе Preview. В n8n Cloud они доступны всем пользователям последней стабильной версии. Самостоятельный хостинг поддерживается начиная с 2.32.3 и требует включения модуля agents при ручной настройке. Полноценный конструктор с ИИ-помощником необязателен, однако для самостоятельно размещенных баз знаний нужен sandbox Daytona, а для каналов — публичный URL webhook.

Два ограничения могут остановить даже привлекательную миграцию: Agents еще не готовы для самостоятельно размещенного Enterprise, а режим очереди не поддерживается. n8n также предупреждает, что на собственном хостинге могут не работать подключения каналов вроде Telegram, поэтому сейчас рекомендуется обычный режим.

Честная продакшен-архитектура должна быть консервативной. Оставьте workflow ответственным за каждую заранее известную последовательность. Размещайте Agent только в точке, где дальнейшее действие нужно выбрать в диалоге. Дайте ему узкие workflow как инструменты, сохраняйте сессию, публикуйте протестированный снимок и требуйте согласования перед каждым значимым побочным эффектом.

Такого уровня автономности достаточно, чтобы новый раздел приносил пользу, и при этом не приходилось превращать Agent со статусом Preview во всю систему автоматизации.

Частые вопросы

Можно ли создавать агентный ИИ с помощью n8n?

Да. Новый раздел Agents позволяет создать постоянный Agent, который выбирает инструменты между сессиями, а существующий узел AI Agent реализует агентное поведение внутри workflow. Выбирайте масштаб, соответствующий задаче.

Какие ИИ-агенты входят в «большую 4»?

Общепринятой «большой четверки» ИИ-агентов нет. Выбирайте по задаче, нужным интеграциям, модели согласований, ограничениям развертывания и стоимости, а не по абстрактному рейтингу популярности.

Какие существуют 5 типов агентов в ИИ?

Универсальной классификации из пяти типов нет. Для архитектуры n8n полезнее понять, кто определяет следующее действие: фиксированный граф или модель, выбирающая из ограниченного набора инструментов.

Чем workflow n8n отличается от агентного workflow?

Workflow n8n следует по заданному графу узлов. В агентной архитектуре следующее действие выбирает модель, хотя исполнять одобренные инструменты под ней по-прежнему могут workflow.

ChatGPT — это агентный ИИ?

Сам по себе ответ в чате еще не делает систему агентной. Агентное поведение означает, что система идет к цели: выбирает действия или инструменты, наблюдает результат и решает, что делать дальше.

Какие существуют четыре типа агентов?

Единого стандарта из четырех типов, определяющего работу n8n, не существует. Лучше оценивать эксплуатационные свойства: состояние, планирование, доступ к инструментам и автономность.

Какие ИИ-агенты входят в топ-3?

Универсальной тройки лидеров нет. Подходящий Agent зависит от систем, к которым ему нужен доступ, необходимого уровня контроля и места запуска.

Какие существуют 7 типов ИИ?

Списки из семи типов — учебные классификации, а не правило проектирования. Они не определяют, где разместить процесс поддержки или операционную задачу: в workflow n8n или в Agent.

Из каких 5 частей состоит ИИ-агент?

В реализации на n8n начните с модели, инструкций, инструментов, памяти и контроля доступа. Подключайте знания, каналы, расписания или субагентов только тогда, когда этого требует сценарий.

Если самое сложное — правильно определить точку диалогового решения, я помогу спроектировать и создать Agent, сохранив workflow в роли уровня контроля.