У світі, де «зробити агента» вже не проблема, а проблема — зрозуміти, що саме він робить, питання керованості й прозорості виходять на перший план. На воркшопі AI Engineer розробник-евангеліст n8n Ліам МакҐарріґл показує це на практиці, збираючи візуальний агент для керування Gmail і Google Calendar з людиною в циклі ухвалення рішень. За лаштунками красивого чату — дуже конкретні технічні рішення: як під’єднати різні LLM, як зберігати контекст діалогу, як дати моделі доступ до інструментів і водночас не перетворити її на «чорну скриньку».
Цей матеріал розбирає саме ці механізми: конфігурацію моделей, пам’яті, виразів та прав доступу до інструментів у n8n, які роблять агента потужним, але контрольованим.
Від OpenAI до OpenRouter: як n8n працює з різними LLM
n8n історично стартував як інтеграційний інструмент, але сьогодні в його центрі — вузол AI Agent. Саме він перетворює класичний «якщо це — зроби те» на керований AI‑оркестратор. Перший крок у його налаштуванні — вибір моделі.
AI Agent вимагає щонайменше одного обов’язкового параметра — чат‑моделі. І тут n8n поводиться радше як інфраструктурний шар, ніж як прив’язка до одного вендора. Інтерфейс дозволяє під’єднатися до кількох провайдерів LLM, а список підтримуваних сервісів не є жорсткою межею.
Ключовий технічний прийом — вузол «OpenAI‑сумісної» моделі з можливістю змінити базовий URL. Якщо потрібного провайдера немає в переліку, можна обрати OpenAI‑сумісний варіант і вказати іншу базову адресу API. Для проксі‑рішень або корпоративних інсталяцій це фактично універсальний адаптер: протокол очікується як у OpenAI, а маршрутизація йде на будь‑який сумісний бекенд.
У демонстраційному воркшопі Ліам використовує OpenRouter як провайдера LLM. Це сервіс‑агрегатор, який дає змогу з однієї точки доступу обирати різні моделі. Для AI Agent він підбирає Claude Sonnet 4.6 — модель, яка виступає «мозком» агента, що спілкується з користувачем і викликає інструменти.
Щоб учасники могли швидко повторити конфігурацію, на супровідній сторінці в Notion тимчасово викладено API‑ключ OpenRouter. Це не жест безумовної щедрості, а радше практичний компроміс: ключ дозволяє всім стартувати без додаткових реєстрацій, але Ліам одразу попереджає, що після події він його відкличе. Такий підхід добре ілюструє загальний принцип роботи з LLM‑інфраструктурою: швидкий доступ для експериментів — так, але довгострокове використання має спиратися на власні облікові дані й контроль.
У результаті n8n перетворюється на гнучкий фронтенд до світу моделей: сьогодні це може бути OpenRouter з Claude, завтра — інший постачальник, підключений через OpenAI‑сумісний інтерфейс. Для команд, які не хочуть «зашивати» конкретного вендора в бізнес‑логіку, це важливий архітектурний плюс.
Пам’ять агента: від простого контексту до Postgres і Redis
Модель сама по собі — лише частина історії. Щоб агент поводився як послідовний співрозмовник, йому потрібна пам’ять. У n8n це не абстрактна «магія контексту», а чітко налаштований компонент AI Agent.
Вузол підтримує кілька бекендів пам’яті. Базовий варіант — вбудована «Simple memory». Вона зберігає історію розмови безпосередньо всередині n8n і не вимагає жодної зовнішньої інфраструктури. Для невеликих агентів, експериментів або внутрішніх інструментів це найшвидший спосіб отримати робочий контекст.
Simple memory має важливий параметр — довжину вікна контексту. За замовчуванням це п’ять повідомлень. Саме стільки останніх реплік користувача й агента модель бачить при кожному новому запиті. Це не просто технічна деталь, а важіль керування поведінкою: коротке вікно зменшує витрати токенів і ризик «залипання» на старих деталях, але може змусити агента забувати попередні домовленості; довше вікно дає більш послідовний діалог, але збільшує навантаження на модель.
Коли ж агент виходить за межі простого демо і стає частиною більшої системи, в гру вступають інші бекенди пам’яті — Postgres і Redis. n8n дозволяє використовувати їх як сховище контексту, що особливо доречно для команд, які вже мають ці бази в продакшн‑інфраструктурі.
Postgres підходить для сценаріїв, де важлива структурована, довгострокова історія: наприклад, коли потрібно аналізувати діалоги, будувати аналітику чи відновлювати контекст між сесіями. Redis, своєю чергою, добре лягає на задачі швидкого доступу до короткочасної пам’яті, де критична швидкість читання й запису, а не складні запити.
Важливо, що n8n не нав’язує один підхід. Команда може почати з Simple memory, а коли агент «виросте» до корпоративного масштабу, переключити його на Postgres або Redis, не змінюючи логіку самого воркфлоу. Пам’ять тут — це конфігураційний шар, а не жорстко вшитий елемент.
Інструменти під контролем: як n8n обмежує повноваження AI
Ще один критичний аспект керованого агента — інструменти. У n8n будь‑який звичайний вузол, наприклад Gmail чи Google Calendar, може стати AI‑інструментом, який агент викликає автономно. Саме так у демонстраційному прикладі модель отримує можливість читати листи, створювати події й керувати розкладом.
Але на відміну від багатьох «чарівних» інтеграцій, де модель отримує майже повний доступ до API, n8n вводить чіткий рівень безпеки: кожне поле інструменту потрібно явно позначити як таке, що може заповнюватися AI. Якщо поле не відмічене як «from AI», агент не має права його змінювати.
Це рішення здається дрібницею, але воно кардинально змінює модель ризиків. Наприклад, у вузлі Gmail можна дозволити моделі заповнювати тему й тіло листа, але заборонити змінювати список одержувачів або прапорці важливості. У вузлі Google Calendar — дозволити вибір дати й опису події, але не дати змоги моделі чіпати календар керівника компанії чи змінювати налаштування нагадувань.
Такий підхід добре масштабується в корпоративному середовищі. Команди можуть створювати «обгорнуті» інструменти з уже обмеженими полями, які потім використовуються в різних агентських сценаріях. AI Agent бачить лише те, що йому дозволили, і не може вийти за межі цих повноважень, навіть якщо модель «вирішить», що їй це потрібно.
У поєднанні з людиною в циклі — коли критичні дії проходять через крок затвердження — це створює багаторівневу систему безпеки. Модель може ініціювати дії, але не може самостійно змінювати конфігурацію інструментів або доступів. Для організацій, які побоюються «самовільних» агентів, це важливий аргумент на користь n8n як оркестратора.
Вирази та JavaScript: де low‑code зустрічається з повноцінним кодом
Попри візуальний інтерфейс, n8n не обмежується лише «кліками по блоках». Майже в кожному полі можна вбудувати JavaScript‑вираз, обгорнувши його в подвійні фігурні дужки. Це дозволяє будувати динамічну поведінку без переходу до окремих кодових вузлів.
Система виразів підтримує зручні хелпери. Наприклад, функція now повертає поточну дату й час, що корисно для тайм‑стемпів, дедлайнів або логування. Доступні й стандартні функції JavaScript, зокрема Math.random, яку можна використати для генерації ідентифікаторів, випадкового розподілу навантаження чи A/B‑тестів усередині воркфлоу.
Ще один важливий елемент — посилання на вихідні дані попередніх вузлів. У редакторі виразів можна просто перетягнути потрібне поле з попереднього кроку, і n8n автоматично підставить правильний шлях до даних. Це знімає бар’єр для тих, хто не звик працювати з JSON‑структурами вручну, але дає повноцінний контроль тим, хто хоче будувати складні трансформації.
У контексті AI‑агента це означає, що логіка навколо моделі може бути настільки ж гнучкою, як і будь‑який інший код. Можна, наприклад, динамічно формувати системні підказки залежно від часу доби, типу користувача чи результатів попередніх кроків. Або обмежувати частоту викликів інструментів, додаючи прості обчислення прямо в полях конфігурації.
Важливо, що все це залишається в межах одного візуального полотна. Розробник бачить і ланцюжок вузлів, і вбудовані вирази, і може відстежити, як дані проходять через систему. Для AI‑воркфлоу, де прозорість часто страждає через складність, це суттєва перевага.
Керований агент замість «чорної скриньки»
Сукупність цих механізмів — вибір провайдера LLM, конфігурована пам’ять, контрольовані інструменти й вбудовані вирази — формує в n8n певну філософію роботи з AI. Мета не в тому, щоб зробити ще одного «чарівного бота», а в тому, щоб побудувати агента, якого можна спостерігати, налагоджувати й обмежувати.
Підтримка кількох LLM‑провайдерів і OpenAI‑сумісних API знімає залежність від одного вендора й дозволяє експериментувати з моделями без переписування воркфлоу. Пам’ять, винесена в окремий шар, дає змогу масштабуватися від простого контексту до інтеграції з існуючими базами даних. Система прав на рівні полів інструментів перетворює AI‑агента з потенційно небезпечного «суперскрипта» на керованого виконавця з чітко окресленими повноваженнями. А вирази з JavaScript дозволяють додати рівно стільки коду, скільки потрібно, не руйнуючи low‑code‑парадигму.
У підсумку n8n пропонує не просто спосіб «під’єднати ChatGPT до Gmail», а платформу для побудови агентів, які вписуються в реальну інфраструктуру компаній і відповідають їхнім вимогам до безпеки, прозорості й керованості. У час, коли створити агента стало легко, саме такі інженерні деталі визначають, хто зможе використовувати AI в продакшні, а хто залишиться на рівні демо.