【n8n教程】：AI Agent节点，构建你的智能自动化机器人

什么是 AI Agent？

AI Agent（人工智能代理） 是一种能够理解任务、做出决策并自动执行操作的智能系统。与传统的自动化工作流不同，AI Agent 拥有推理能力，可以根据不同的场景灵活地选择合适的工具来完成任务。

简单来说，如果说传统的自动化是按照既定的规则走流程，那么 AI Agent 就像一个聪明的员工，能够理解你的需求，主动判断需要使用哪些工具，然后完成工作。

AI Agent 的核心组成部分

组件	功能
LLM（大语言模型）	Agent 的"大脑"，提供理解和决策能力
Tools（工具）	Agent 可以使用的外部服务和 API
Memory（记忆）	保存对话历史，维护上下文理解
Prompt/System Message	指导 Agent 行为和决策的指令

n8n 中 AI Agent 的类型

n8n 提供了多种 Agent 类型，每种都有不同的特点和应用场景：

1. Tools Agent（工具代理）- 推荐新手使用

特点：

• 最灵活且功能最强大的 Agent 类型
• 能够理解工具的能力和参数
• 支持最多的大语言模型（OpenAI、Groq、Mistral、Anthropic 等）
• 具有改进的输出解析能力

适用场景：

• 需要与多个第三方服务集成
• 处理复杂的自然语言理解任务
• 需要与 100+ 种预建工具集成

支持的工具范围：
从 Google Sheets、Slack、GitHub，到 Airtable、Salesforce、MySQL 等，Tools Agent 支持 n8n 生态中的所有集成工具。

2. OpenAI Functions Agent（OpenAI 函数代理）

特点：

• 专门针对 OpenAI 的函数调用能力优化
• 必须使用 OpenAI Chat Model
• 更精准的函数调用

适用场景：

• 仅使用 OpenAI 模型
• 需要最高精准度的函数调用

3. Plan and Execute Agent（计划与执行代理）

特点：

• 首先制定高层计划，然后逐步执行
• 适合需要结构化方法的任务
• 更有条理的决策过程

适用场景：

• 复杂的多步任务
• 需要明确的执行计划
• 事项分解（如项目规划、流程设计）

已弃用的 Agent 类型

以下 Agent 类型已在 2025 年 2 月被 n8n 移除：

• Conversational Agent（对话代理）
• ReAct Agent（推理与行动代理）
• SQL Agent（SQL 代理）

快速开始：构建你的第一个 AI Agent

前置条件

在开始之前，你需要准备：

1. n8n 账户：前往 n8n.io^[1] 注册（免费）
2. LLM API 密钥：
- • OpenAI API 密钥（推荐）：获取地址^[2]
- • 或使用 Groq、Mistral、Anthropic 等其他提供商

第一步：创建基础工作流结构

工作流需要的基本节点：

1. Chat Trigger（聊天触发器） - 工作流的入口
- • 提供用户交互界面
- • 捕获用户输入
2. AI Agent（AI 代理） - 工作流的核心
- • 处理用户输入
- • 决定使用哪些工具
- • 返回结果
3. Chat Model（聊天模型） - Agent 的"大脑"
- • 提供 LLM 支持
- • 必须连接到 AI Agent
4. Memory（记忆） - 对话历史管理
- • 保留历史信息
- • 维护上下文

第二步：配置 AI Agent 节点

基本参数配置

Prompt 参数：

- "Take from previous node automatically"：自动从 Chat Trigger 获取输入
- "Define below"：手动定义 prompt，可以使用表达式

Agent Options（代理选项）：

参数	说明	默认值
System Message	Agent 的系统指令，指导其行为	可选
Max Iterations	Agent 最多尝试次数	10
Return Intermediate Steps	是否返回中间步骤	Off
Enable Streaming	实时流式返回结果	On

最佳实践：编写有效的 System Message

你是一个有帮助的 AI 助手。你的职责是：
1. 仔细理解用户的问题
2. 判断是否需要使用工具
3. 使用适当的工具获取信息
4. 以简洁、友好的方式回答

请注意：
- 如果用户问题不清楚，询问澄清
- 总是验证数据的准确性
- 保持专业和礼貌的态度

第三步：连接 Chat Model

1. 点击 AI Agent 节点下方的 "+ Chat Model" 按钮
2. 选择你的 LLM 提供商（如 OpenAI）
3. 输入 API 密钥或选择已保存的凭证
4. 配置参数：
- • Model：选择模型版本（推荐 gpt-4o）
- • Temperature：设置为 0.7（平衡创意和一致性）
- • Frequency Penalty：设置为 0.2（避免重复）

第四步：添加记忆功能

1. 搜索并添加 Simple Memory 节点
2. 配置记忆参数：
- • Session Key：用唯一标识区分不同用户

示例表达式（用于 Telegram 机器人）：
chat_with_{{ $('Chat Trigger').first().json.message.chat.id }}

这样每个用户的对话历史都会被单独保存。

第五步：添加 Tools（工具）

Tools 是 Agent 执行实际操作的方式。你可以添加：

API 调用工具：

• HTTP Request - 调用任何 REST API
• Code - 执行自定义代码

集成工具：

• Gmail - 发送和读取邮件
• Google Sheets - 读写电子表格
• Slack - 发送消息、管理频道
• 等 100+ 其他工具

如何添加工具：

1. 在 AI Agent 节点下方，找到 "+ Tool" 按钮
2. 选择你想使用的工具
3. 配置工具的参数和凭证
4. 为工具编写清晰的描述（Agent 会根据这个判断是否使用）

常见错误排查

错误 1: "A Chat Model sub-node must be connected"

原因： AI Agent 没有连接到任何聊天模型。

解决方案：

1. 打开 AI Agent 节点
2. 点击底部的 "+ Chat Model" 按钮
3. 选择并配置一个 LLM 模型

错误 2: "No prompt specified"

原因： Prompt 参数配置不当。

解决方案：

1. 检查 Prompt 下拉菜单
2. 如果选择了 "Connected Chat Trigger Node"，但没有连接触发器，改为 "Define below"
3. 确保输入的表达式返回有效值（不是 null）

错误 3: "Internal error: 400 Invalid value for 'content'"

原因： Prompt 输入包含 null 值。

解决方案：

1. 检查所有表达式是否引用了有效字段
2. 确保来自上一节点的 chatInput 不包含 null 值
3. 在测试前验证数据

错误 4: "Error in sub-node Simple Memory"

原因： 使用了旧版本的 Simple Memory 节点。

解决方案：

1. 删除当前的 Simple Memory 节点
2. 重新添加一个新的 Simple Memory 节点
3. 重新配置参数

实战案例：构建一个天气查询 AI 助手

这个案例演示如何构建一个能够：

• 与用户对话
• 查询天气信息
• 记住对话历史

工作流代码

{
  "name": "Simple Weather AI Agent",
  "nodes": [
    {
      "parameters": {},
      "name": "Chat Trigger",
      "type": "n8n-nodes-base.chatTrigger",
      "typeVersion": 1,
      "position": [250, 300]
    },
    {
      "parameters": {
        "agentType": "toolsAgent",
        "prompt": "Take from previous node automatically",
        "systemMessage": "你是一个有帮助的天气助手。用户询问任何城市的天气时，请帮助他们查询。保持回答简洁友好。始终使用用户提到的城市名称。",
        "maxIterations": 10
      },
      "name": "AI Agent",
      "type": "n8n-nodes-langchain.agent",
      "typeVersion": 1,
      "position": [500, 300]
    },
    {
      "parameters": {
        "model": "gpt-4o",
        "temperature": 0.7,
        "frequencyPenalty": 0.2
      },
      "name": "OpenAI Chat Model",
      "type": "n8n-nodes-langchain.lmChatOpenAi",
      "typeVersion": 1,
      "position": [750, 300]
    },
    {
      "parameters": {
        "description": "获取指定城市的实时天气信息，包括温度和天气状况。",
        "url": "https://api.open-meteo.com/v1/forecast?latitude={{ $json.latitude }}&longitude={{ $json.longitude }}&current=temperature_2m,weather_code,wind_speed_10m&timezone=auto",
        "method": "GET"
      },
      "name": "Weather Tool",
      "type": "n8n-nodes-base.httpRequest",
      "typeVersion": 3,
      "position": [500, 450]
    },
    {
      "parameters": {
        "sessionIdType": "fromInput",
        "sessionIdValue": "user_session"
      },
      "name": "Memory",
      "type": "n8n-nodes-langchain.simpleMemory",
      "typeVersion": 1,
      "position": [750, 150]
    }
  ],
  "connections": {
    "Chat Trigger": {
      "main": [[{"node": "AI Agent", "branch": 0, "key": "main", "type": "main"}]]
    },
    "AI Agent": {
      "main": [[{"node": "Chat Trigger", "branch": 0, "key": "main", "type": "main"}]]
    }
  }
}

如何使用这个工作流

1. 复制上面的 JSON 代码
2. 导入到 n8n：
- • 在 n8n 中创建新工作流
- • 点击菜单 → "导入从 URL" 或 "导入从文件"
- • 粘贴或上传 JSON 代码
3. 配置凭证：
- • 打开 OpenAI Chat Model 节点
- • 输入你的 OpenAI API 密钥
4. 激活工作流：
- • 点击右上角的 "激活" 按钮
5. 测试聊天：
- • 点击 Chat Trigger 节点的 "打开聊天" 按钮
- • 尝试询问："巴黎现在的天气怎么样？"

工作流流程说明

用户输入 → Chat Trigger
    ↓
AI Agent（分析用户问题）
    ↓
如果需要天气信息 → 调用 Weather Tool
    ↓
获得天气数据 → Agent 处理和格式化
    ↓
返回给用户 → 显示在聊天界面

扩展这个工作流

添加更多功能的想法：

1. 添加 Google Calendar 工具 - 查询日程安排
2. 添加 Gmail 工具 - 发送天气提醒邮件
3. 添加 Slack 工具 - 在 Slack 中发布天气更新
4. 添加代码节点 - 自定义数据处理逻辑

AI Agent 的高级用法

使用 Streaming（流式传输）

启用 Streaming 可以让 AI Agent 实时返回结果，而不是等待完整回复：

工作流要求：
- 必须使用支持 Streaming 的触发器（如 Chat Trigger）
- 在 Tools Agent 中启用 "Enable Streaming" 选项

好处：

• 提供实时反馈
• 改善用户体验
• 减少等待时间

返回中间步骤

启用 "Return Intermediate Steps" 可以看到 Agent 的思考过程：

输出示例：
{
  "final_answer": "巴黎现在 15°C，多云",
  "intermediate_steps": [
    "思考用户要查询巴黎的天气",
    "调用 Weather Tool 获取数据",
    "解析结果并格式化"
  ]
}

这对于调试和优化很有帮助。

最佳实践总结

项目	建议
System Message	清晰、具体、包含行为指导
Max Iterations	默认 10 次通常足够
Temperature	0.7（平衡）或 0.3（更一致）
工具描述	详细说明工具功能和参数
记忆配置	使用唯一的 Session Key 区分用户
错误处理	在关键工具上添加错误捕获

常见问题解答

Q: AI Agent 和普通工作流有什么区别？
A: AI Agent 拥有推理和决策能力，可以根据输入灵活选择工具；普通工作流是固定的流程。

Q: 为什么我的 Agent 没有使用我添加的工具？
A: 检查工具描述是否清晰；System Message 中是否指导了工具使用；Prompt 中是否包含使用工具的指示。

Q: 如何降低 AI Agent 的成本？
A: 使用开源模型（如 Ollama）；降低 Max Iterations；优化 Prompt 以减少 Token 使用。

Q: Agent 可以访问机密数据吗？
A: n8n 支持加密凭证存储；确保不要在 Prompt 或工具描述中暴露敏感信息。

官方文档^[3]
n8n系列教程^[4]

引用链接

[1] n8n.io: https://n8n.io
[2] 获取地址: https://platform.openai.com/api-keys
[3] 官方文档: https://docs.n8n.io/integrations/builtin/cluster-nodes/root-nodes/n8n-nodes-langchain.agent/
[4] n8n系列教程: https://www.undsky.com/blog/?category=n8n%E6%95%99%E7%A8%8B#