n8n и нейросети: автоматизация без кода

Обычно между «нейросеть умеет разбирать письма» и «письма разбираются сами каждое утро» лежит скрипт, сервер, планировщик и кто-то, кто всё это поддерживает. n8n убирает бо́льшую часть этой прослойки: сценарий собирается мышкой на холсте, а обращение к модели — такой же блок, как отправка письма или запись в таблицу.

Ниже — что такое n8n, как его запустить (в облаке и у себя), из каких деталей собран ИИ-узел, как подключить к нему внешние инструменты и сколько всё это стоит в исполнениях и токенах.

Что такое n8n и чем он отличается от Zapier

n8n — это конструктор рабочих процессов (workflow automation). Вы ставите на холст узлы (nodes) и соединяете их линиями: узел-триггер запускает сценарий (входящее письмо, вебхук, расписание), следующие узлы что-то с данными делают, последний — отправляет результат.

От Zapier и Make его отличают две вещи. Первая — можно поставить на свой сервер: код лежит на GitHub, Community Edition бесплатна и содержит почти весь функционал. Для задач, где через сценарий проходят персональные данные клиентов или внутренние документы, это решающий аргумент — ничего не уезжает в чужое облако. Вторая — внутри любого узла можно писать код на JavaScript или Python, если готовых блоков не хватает. То есть потолок у «без кода» здесь заметно выше обычного.

Актуальная линейка на сентябрь 2026 — n8n 2.x (свежие релизы идут в ветке 2.39.x). Если вы смотрите гайд годичной давности, учитывайте: между 1.x и 2.x поменялись и интерфейс, и часть узлов.

Три способа запустить

Облако

Самый быстрый вариант: регистрация — и через минуту у вас есть холст. Есть бесплатный пробный период на 14 дней с функциями тарифа Pro, дальше — платные планы.

Платные тарифы считаются по количеству исполнений сценария в месяц, независимо от его сложности. Сценарий из трёх узлов и сценарий из тридцати списывают одно и то же исполнение — это приятная особенность модели, но она же подталкивает не дробить логику на десяток отдельных сценариев, дёргающих друг друга.

• Starter — €20/мес, 2,5 тыс. исполнений, до 5 одновременных;
• Pro — €50/мес, 10 тыс. исполнений, до 20 одновременных, 3 проекта;
• Business — €667/мес, 40 тыс. исполнений, появляется опция self-hosted;
• Enterprise — по запросу.

При годовой оплате — минус 17%. Компаниям меньше 20 человек n8n даёт 50% скидки на Business по программе для стартапов. Цены стоит перепроверить на сайте: тарифы правят несколько раз в год.

Свой сервер

Для Community-редакции достаточно докера. Создаём том под данные и поднимаем контейнер:

docker volume create n8n_data

docker run -it --rm \
  --name n8n \
  -p 5678:5678 \
  -e GENERIC_TIMEZONE="Europe/Moscow" \
  -e TZ="Europe/Moscow" \
  -e N8N_ENFORCE_SETTINGS_FILE_PERMISSIONS=true \
  -v n8n_data:/home/node/.n8n \
  n8nio/n8n

Интерфейс поднимется на http://localhost:5678. Том n8n_data хранит сценарии и учётные данные между перезапусками — без него всё пропадёт при первом же обновлении образа. Часовой пояс задаётся явно, иначе узлы с расписанием будут срабатывать по UTC, и «каждый день в 9 утра» окажется днём.

Для боевого использования базу SQLite по умолчанию меняют на PostgreSQL (переменные DB_TYPE и группа DB_POSTGRESDB_*), а сам n8n прячут за обратный прокси с HTTPS.

Про лицензию

Community Edition бесплатна и лицензионного ключа не требует. А вот self-hosted редакции Business и Enterprise активируются ключом, и этот ключ ежедневно пингует лицензионный сервер n8n. Если планируете ставить систему в контур без выхода наружу — этот момент надо закладывать в архитектуру заранее, а не обнаруживать на проде.

Из чего собран ИИ-узел

Центральный блок для работы с нейросетями называется AI Agent. Сам по себе он ничего не делает — это «корневой» узел, к которому снизу подключаются вспомогательные (n8n называет их sub-nodes).

Модель

Обязательный компонент. Подключается один из узлов Chat Model — OpenAI, Anthropic, Google Gemini, Mistral, Groq, а также локальные модели через Ollama. Если вы уже подняли Ollama на своём сервере, n8n ходит в неё так же, как в любое облачное API.

Инструменты

Тоже обязательны: агенту нужен минимум один узел-инструмент. Инструмент — это то, что модель может вызвать сама, когда решит, что ей не хватает данных: поиск по базе, HTTP-запрос, чтение таблицы, запрос в Postgres. Механика та же, что в обычном API: модель возвращает не текст, а намерение вызвать функцию с аргументами — подробнее мы разбирали это в заметке про tool calling.

Важное изменение: начиная с версии 1.82.0 выбор типа агента убран — остался единственный вариант, Tools Agent. Старые узлы первой версии с несколькими типами агентов будут удалены в n8n 3.0, так что сценарии на них лучше перевести заранее.

Память

Не обязательна, но без неё агент забывает предыдущие реплики — каждый запуск для него первый. Узлы Memory хранят историю диалога; для чат-бота это необходимо, для разовой обработки документа — лишнее. Что вообще бывает под словом «память» у агентов и почему одной истории сообщений обычно мало, разобрано в отдельной заметке.

Векторное хранилище

Нужно, когда модель должна отвечать по вашим документам. n8n умеет класть эмбеддинги в Qdrant, Pinecone, Supabase и другие хранилища и доставать их как инструмент для агента — это и есть RAG, только собранный мышкой.

Первый сценарий: разбор входящих заявок

Классическая задача, на которой удобно щупать связку. Собирается из четырёх узлов:

1. Триггер — Gmail Trigger или вебхук из формы на сайте.
2. AI Agent с подключённой моделью. В системном промпте — список категорий и требование вернуть ответ строго в JSON: категория, приоритет, краткое резюме.
3. Switch — разводит заявки по веткам в зависимости от категории.
4. Действие — создать задачу в трекере, написать в мессенджер, добавить строку в таблицу.

Два момента, которые экономят день отладки. Первый: просить JSON словами недостаточно — включайте режим структурированного вывода, где схема ответа задаётся формально и модель физически не может вернуть что-то другое (мы разбирали это по каждому провайдеру). Второй: для классификации не нужна топовая модель — дешёвая и быстрая справляется не хуже, а разница в счёте получается кратной. Подробный разбор самой задачи — в заметке про классификацию заявок с помощью ИИ.

MCP: чужие инструменты и свои

MCP (Model Context Protocol) — стандарт, по которому модель подключается к внешним инструментам. В n8n он работает в обе стороны.

n8n как клиент. Узел MCP Client Tool подключается к чужому MCP-серверу и отдаёт агенту все его инструменты разом. Настраивается адресом эндпоинта и авторизацией (Bearer, заголовки, OAuth2); можно выбрать, какие именно инструменты отдавать агенту, а какие спрятать. Прятать стоит: чем больше инструментов видит модель, тем чаще она промахивается с выбором.

n8n как сервер. Узел MCP Server Trigger превращает ваш сценарий в MCP-сервер, к которому подключится любой клиент — Claude Code, Cursor, свой агент. Он не передаёт данные дальше по цепочке, а только публикует подключённые к нему узлы-инструменты. Авторизация — Bearer или заголовок, соединение держится через SSE или streamable HTTP. Одна засада на масштабе: если n8n развёрнут в нескольких репликах, весь трафик /mcp* должен идти на одну реплику вебхуков, иначе соединения будут рваться.

Что считать по деньгам

Счетов будет два, и это первое, что удивляет. n8n берёт за исполнения сценария, провайдер модели — за токены. Одно исполнение с длинным документом на входе может стоить дороже, чем весь месячный тариф n8n.

Отсюда практика: не гонять через модель то, что решается условием (if по теме письма отсеет половину входящих бесплатно), не подавать в промпт документ целиком, если нужен один раздел, и включать кэширование промптов там, где системная часть не меняется. Общая арифметика — в заметке про токены и лимиты.

Грабли, на которые лучше не наступать

Учётные данные в Community-редакции. Ключи API хранятся в томе n8n; бэкап тома — это бэкап всех ваших ключей. Держите его там же, где держите пароли, а не в общей папке.

Автономность без тормозов. Агент с инструментом «отправить письмо» рано или поздно отправит письмо не туда. Необратимые действия — списания, удаления, публикации — стоит разводить через узел ручного подтверждения, пока сценарий не отработал хотя бы месяц.

Промпт-инъекция. Если на вход сценария приходит текст извне — письмо, комментарий, содержимое страницы, — в нём могут быть инструкции для модели. Агент с доступом к инструментам их выполнит. Что с этим делать, разобрано в заметке про защиту от промпт-инъекций; про чужие MCP-серверы есть отдельный чек-лист безопасности.

Отсутствие тестов. Сценарий, который «вроде работает», ломается молча: модель начинает возвращать чуть другой формат, ветка Switch перестаёт срабатывать, заявки копятся. Прогоняйте новые сценарии на паре десятков реальных примеров, прежде чем включать по расписанию.

Кому это подходит

n8n хорош там, где нужно связать нейросеть с тем, что у вас уже есть: почтой, CRM, базой, таблицами. Он заметно быстрее собственного скрипта на старте и честно показывает всю логику картинкой, которую поймёт не только автор.

Он хуже подходит для сложной бизнес-логики с ветвлениями на каждом шагу — такие сценарии превращаются в нечитаемую паутину, и обычный код оказывается проще. Разумная граница примерно такая: если в сценарии больше 20–25 узлов, стоит вынести кусок в отдельный сервис и дёргать его HTTP-запросом.

Начать проще всего с одного повторяющегося действия, которое вы делаете руками каждый день. Собрать его в n8n — работа на вечер, а дальше уже видно, где связка окупается, а где нет. Если сама идея агентов пока в тумане, начните с заметки что такое AI-агент простыми словами.