Recursos · Integración n8n

Nodo AI Agent Tool n8nConfigura AI Agent Tool en n8n.

Un agente de IA que otro agente puede llamar. El nodo AI Agent Tool n8n arma un plan de acción, lo ejecuta y usa herramientas por el camino. Expone 12 parámetros y 4 puertos de entrada, y se engancha a un agente padre. Para repartir un prompt enorme entre especialistas.

Probar el nodo AI Agent Tool en n8n Ver los 12 parámetros

Reseñas verificadas en Trustpilot · Agencia de IA, automatización y growth

Por qué automatizar

¿Para qué sirve el nodo AI Agent Tool n8n?

AI Agent Tool es un agente empaquetado como herramienta. Recibe una consigna, genera un plan de acción y lo ejecuta, y por el camino puede llamar a otras herramientas. No se coloca en la raíz del flujo: se engancha al puerto ai_tool de un nodo padre, que le delega una tarea concreta y recoge su respuesta.

Un subnodo nunca se ejecuta solo: espera a que un nodo raíz lo llame por uno de sus puertos. Este es uno de ellos. Las raíces que lo aceptan son AI Agent y MCP Server Trigger, y la idea de fondo es sencilla: un agente que lo hace todo acaba haciéndolo todo regular. Un especialista por tema y un padre que reparte el trabajo funciona mejor.

Primer caso, el asistente de consulta. El padre lleva la conversación, el hijo domina un tema y solo ese. Su Description dice «responde preguntas sobre las tarifas vigentes», su System Message fija el papel que juega, y dos herramientas de búsqueda cuelgan de su puerto ai_tool. Como el padre lee esa descripción antes de elegir, afinarla rinde más que alargar el prompt. Con una fuente de búsqueda como Perplexity del lado del padre, el reparto se ve enseguida.

Segundo caso, la clasificación de solicitudes. El texto del ticket entra por Prompt (User Message) con {{ $json.body }}, el agente lo clasifica y devuelve un veredicto limpio porque Require Specific Output Format está activo y hay un parser en el puerto ai_outputParser. Después el padre lo manda a Slack o escribe una fila en Google Sheets. Sin formato impuesto, el nodo siguiente recibe un párrafo y no sabe qué hacer con él.

Tercer caso, enriquecer datos en volumen. Entran 150 fichas, el agente trabaja cada una y Batch Processing limita cuántas corren a la vez con una pausa entre grupos. Sin ese freno, el proveedor del modelo corta a mitad de camino y medio lote vuelve con error.

Cuándo usar otra cosa: si no hay nada que delegar, el nodo AI Agent raíz basta y te ahorras un piso extra. AI Agent Tool se justifica cuando un padre tiene que elegir entre varias herramientas durante su ejecución. Los límites, ahora. Este nodo no autentica nada por sí mismo: el credential, es decir la cuenta guardada en n8n, vive en el subnodo del modelo, así que sigue haciendo falta una clave de OpenAI o de otro proveedor en algún sitio. La página describe la versión 3 del nodo; un flujo antiguo puede mostrar una anterior, con menos opciones. Y anidar dos agentes multiplica las llamadas al modelo, que el proveedor factura según sus propias condiciones.

Conexiones

¿Qué se le conecta?

n8n reparte el trabajo entre un nodo raíz, que recibe los items del flujo, y subnodos enganchados a sus puertos, un tipo de subnodo por puerto.

Puertos (qué se conecta)

Chat Modelai_languageModelobligatorio
Memoryai_memoryopcional
Toolai_toolopcional
Output Parserai_outputParseropcional

Salida (dónde se conecta)

Toolai_tool

01Chat ModelAquí va el modelo de lenguaje que razona. Puerto vacío, nodo parado: la ejecución no arranca.

Aquí va el modelo de lenguaje que razona. Puerto vacío, nodo parado: la ejecución no arranca.

Parámetros clave

Required: el agente no trae modelo propio, el subnodo de este puerto decide qué sabe hacer y quién factura las llamadas.
OpenAI Chat Model: la entrada habitual, una cuenta que guardar y un modelo que elegir.
Anthropic Chat Model: misma conexión, otro proveedor.
Ollama Chat Model: para un modelo que corre en tu propia máquina o servidor.

Casos de uso

una instancia autoalojada que no puede sacar el texto de los tickets conecta Ollama Chat Model en lugar de un servicio externo.

02MemoryLa memoria guarda los turnos anteriores de una conversación y se los devuelve al agente. Así un «¿y el segundo?» no empieza desde cero.

La memoria guarda los turnos anteriores de una conversación y se los devuelve al agente. Así un «¿y el segundo?» no empieza desde cero.

Parámetros clave

Optional: déjalo vacío cuando cada llamada es independiente de la anterior.
Simple Memory: la guarda n8n, va bien para una prueba o una charla corta.
Postgres Chat Memory: sobrevive a un reinicio, la opción sensata en producción.
Redis Chat Memory: para conversaciones numerosas y de vida corta.

Casos de uso

un chatbot lo necesita; un proceso nocturno que trata fila por fila se apaña sin él.

03ToolLas herramientas convierten un generador de texto en algo que actúa. Cada una es una opción que el agente puede escoger dentro de su plan.

Las herramientas convierten un generador de texto en algo que actúa. Cada una es una opción que el agente puede escoger dentro de su plan.

Parámetros clave

Optional: sin ninguna herramienta el agente responde igual, pero solo con el modelo.
Calculator: los cálculos, que el modelo tiende a improvisar.
Think Tool: un paso de razonamiento antes de decidirse.
Vector Store Question Answer Tool: respuestas sacadas de documentos indexados.

Casos de uso

un asistente de presupuestos lleva Calculator para que el total cuadre con las líneas y no salga a ojo.

04Output ParserUn output parser es el subnodo que impone una forma a la respuesta: campos aprovechables en vez de un párrafo que alguien tendrá que trocear.

Un output parser es el subnodo que impone una forma a la respuesta: campos aprovechables en vez de un párrafo que alguien tendrá que trocear.

Parámetros clave

Optional: solo se consulta si Require Specific Output Format está activado.
Structured Output Parser: describes los campos que esperas y vuelven como datos.
Item List Output Parser: cuando la respuesta es una lista por naturaleza.
Auto-fixing Output Parser: devuelve al modelo una respuesta mal formada para un segundo intento.

Casos de uso

una puntuación de leads sale como nota y motivo separados, y el nodo siguiente compara la nota.

Parámetros

¿Qué hace cada parámetro?

El nodo AI Agent Tool tiene 12 parámetros. Para cada uno: el nodo tal como lo configuras en n8n, qué cambia el parámetro y nuestras notas de campo.

Description

toolDescription

Lo que ves en n8n

Notas y casos de uso

Este es el texto que lee el agente padre para decidir si llama a esta herramienta. Ningún otro campo pesa tanto en el comportamiento del conjunto.

Parámetros clave

Description: texto requerido. n8n lo dice sin rodeos, una descripción específica hace que el modelo produzca el resultado esperado mucho más a menudo.

Casos de uso

«consulta el estado de entrega de un pedido a partir de su referencia» se llama cuando toca; «ayuda con pedidos» se llama para todo, incluso para lo que no sabe resolver.

Prompt (User Message)

text

Lo que ves en n8n

Notas y casos de uso

Lo que pongas aquí es la petición sobre la que trabaja el agente, el equivalente al mensaje que escribiría una persona.

Parámetros clave

Prompt (User Message): texto requerido, con un ejemplo que marca el tono, e.g. Hello, how can you help me?. Para engancharlo a los datos que llegan, una expresión de n8n como {{ $json.question }} lee el campo del item actual.

Casos de uso

una respuesta de formulario entra en el flujo y su campo de mensaje alimenta el prompt sin pasos intermedios.

Require Specific Output Format

hasOutputParser

Lo que ves en n8n

Notas y casos de uso

Actívalo cuando el texto libre ya no sirve y la respuesta tiene que volver en campos.

Parámetros clave

Require Specific Output Format: una casilla. Marcada, el nodo empieza a tener en cuenta lo que haya en su puerto ai_outputParser.

Casos de uso

un agente que clasifica el correo entrante devuelve una categoría y un nivel de confianza, y el flujo se bifurca con eso. La trampa: marcarla sin conectar ningún parser deja al agente con una exigencia y ningún formato que seguir.

Enable Fallback Model

needsFallback

Lo que ves en n8n

Notas y casos de uso

Un segundo modelo esperando para el momento en que el primero se niega a responder o deja de contestar.

Parámetros clave

Enable Fallback Model: una casilla que añade una segunda ranura de modelo por rellenar.

Casos de uso

un agente metido en una conversación con clientes sigue respondiendo durante una mala hora del proveedor principal. Conviene recordar que el relevo pasa por otra cuenta, así que esos intentos los factura ese proveedor según sus condiciones.

System Message

options.systemMessage

Lo que ves en n8n

Notas y casos de uso

Las instrucciones que recibe el agente antes de que empiece la conversación: su papel, su tono y lo que debe rechazar.

Parámetros clave

System Message: el mensaje enviado al agente antes que todo lo demás.

Casos de uso

un agente de clasificación recibe la orden de responder en el idioma del ticket y de escalar cualquier mención a un reembolso. No lo confundas con Description: uno dirige al agente, el otro le dice al padre cuándo llamarlo.

Max Iterations

options.maxIterations

Lo que ves en n8n

Notas y casos de uso

Un agente da vueltas: piensa, llama a una herramienta, lee el resultado, vuelve a pensar. Esto pone techo a cuántas vueltas da antes de parar.

Parámetros clave

Max Iterations: un número, el máximo de iteraciones que el agente ejecuta antes de detenerse.

Casos de uso

un agente de investigación con varias herramientas se enreda solo, y cada vuelta de más es otra llamada facturada. Bajar este valor es la forma más directa de evitar que un bucle desbocado vacíe una cuenta de proveedor en silencio.

Return Intermediate Steps

options.returnIntermediateSteps

Lo que ves en n8n

Notas y casos de uso

Por defecto solo sale la respuesta final. Con esta opción, la salida arrastra también el camino recorrido.

Parámetros clave

Return Intermediate Steps: una casilla que decide si la salida incluye los pasos intermedios que dio el agente.

Casos de uso

depurar un agente que escoge la herramienta equivocada, donde ver qué llamó y qué recibió resuelve el diagnóstico en una sola ejecución. En producción, mejor desactivada: la salida pesa bastante más.

Automatically Passthrough Binary Images

options.passthroughBinaryImages

Lo que ves en n8n

Notas y casos de uso

Las imágenes que viajan por el flujo como datos binarios llegan al agente como mensajes de tipo imagen, en vez de quedarse por el camino.

Parámetros clave

Automatically Passthrough Binary Images: una casilla que controla si las imágenes binarias pasan al agente como mensajes de tipo imagen.

Casos de uso

una captura de pantalla acompaña a una incidencia y el agente tiene que mirarla, no leer un nombre de archivo. Solo sirve si el modelo del puerto ai_languageModel acepta imágenes.

Tracing Metadata

options.tracingMetadata

Lo que ves en n8n

Notas y casos de uso

Pares de clave y valor añadidos a los eventos de trazado que genera la ejecución, para atar una llamada al cliente o a la campaña que la provocó.

Parámetros clave

Key: la etiqueta con la que se registra el valor.
Type: el tipo del valor, a elegir entre stringValue, numberValue, booleanValue, arrayValue y objectValue.
Value: el contenido, escrito en el campo que corresponde al tipo elegido.

Casos de uso

marcar cada ejecución con un identificador de cuenta para filtrar las trazas después.

Auto-save highlighted data

options.autoSaveHighlightedData

Lo que ves en n8n

Notas y casos de uso

Los datos destacados se guardan solos, y luego sirven para filtrar las ejecuciones en la vista Executions.

Parámetros clave

Auto-save highlighted data: una casilla activada por defecto. Disponible en los planes Pro y Enterprise de n8n Cloud, y en Enterprise o Community Edition registrada si te autoalojas.

Casos de uso

encontrar todas las ejecuciones ligadas a una referencia de pedido sin recorrer un día entero de historial. En un plan que no lo incluye, la casilla no tiene sobre qué actuar.

Enable Streaming

options.enableStreaming

Lo que ves en n8n

Notas y casos de uso

En vez de esperar a la respuesta completa, el agente la emite en tiempo real, a medida que genera el texto.

Parámetros clave

Enable Streaming: una casilla que decide si el agente emite su respuesta mientras la produce.

Casos de uso

una interfaz de chat, donde ver aparecer las palabras se lleva mucho mejor que una rueda girando. Si al agente lo llama un padre que solo lee el resultado final, el streaming no aporta nada.

Batch Processing

options.batching

Lo que ves en n8n

Notas y casos de uso

Estas opciones existen por el rate limiting, es decir, para no pasarse del ritmo de llamadas admitido: cuántos items procesa el nodo a la vez y cuánto espera entre grupos.

Parámetros clave

Batch Size: cuántos items corren en paralelo. Útil para el rate limiting, aunque puede alterar el orden de los logs.
Delay Between Batches: una pausa en milisegundos entre dos grupos, también para el rate limiting.

Casos de uso

enriquecer una importación larga sin que te corten a medio camino.

Necesitas ayuda

¿Necesitas ayuda para automatizar AI Agent Tool con n8n?

El equipo te responde directamente.

Cada mensaje lo lee una persona.

FAQ

Lo que se pregunta después

01¿El nodo AI Agent Tool n8n es gratuito, en Cloud y autoalojado?

Sí. Viene dentro del paquete de IA de n8n, @n8n/n8n-nodes-langchain, que se entrega con n8n. Nada que instalar, ningún sobrecoste del lado de n8n, y se comporta igual en n8n Cloud, la oferta alojada por n8n, que en una instancia montada con Docker o npm en Community Edition bajo licencia Sustainable Use. Un flujo creado en un sitio funciona en el otro. El coste real está en otra parte: el proveedor del modelo que conectes factura sus propias llamadas de API según sus condiciones, y n8n no añade nada encima. Un matiz de funcionalidad, no de precio: Auto-save highlighted data está disponible en los planes Pro y Enterprise de n8n Cloud, y en Enterprise o Community Edition registrada si te autoalojas.

02¿Qué credenciales hacen falta para AI Agent Tool?

Ninguna en este nodo. No tiene credential ni selector Authentication, así que no hay cuenta que guardar ni clave que rotar aquí. Eso es cómodo, pero no significa que el montaje funcione sin clave. El subnodo de modelo conectado al puerto ai_languageModel lleva la cuenta del proveedor, y ese puerto es obligatorio: vacío, bloquea la ejecución. La clave que necesitas es la del modelo que elijas, ya sea un servicio en línea o un modelo local servido por Ollama Chat Model. Lo mismo vale para las herramientas del puerto ai_tool: cada una trae su propia cuenta cuando la pide.

03¿Qué límites tiene el nodo AI Agent Tool?

No es un nodo raíz. Solo se ejecuta si un padre lo llama por un puerto de herramienta, y las raíces que lo aceptan son AI Agent y MCP Server Trigger. Puesto solo en un lienzo no hace nada. Tampoco tiene autenticación propia: todo depende de los subnodos conectados a sus 4 puertos de entrada, y un puerto Chat Model vacío detiene la ejecución. Esta página describe la versión 3 del nodo, la más alta del catálogo; un flujo más antiguo puede mostrar una versión anterior con menos opciones. Y anidar un agente dentro de otro multiplica las llamadas al modelo, que es justo por lo que Max Iterations y Batch Processing importan más aquí que en una cadena simple.

04¿Qué hay que conectar como mínimo y con qué subnodo empezar?

Un modelo de chat, y nada más. El puerto ai_languageModel es el único obligatorio: un montaje que funciona son un modelo, una Description y un Prompt (User Message). OpenAI Chat Model suele ser la primera elección porque es una cuenta y un desplegable, y Ollama Chat Model cumple el mismo papel cuando los datos no pueden salir de tu máquina. Añade después Simple Memory si el agente mantiene una conversación, y pasa a Postgres Chat Memory el día que un reinicio no pueda borrar el historial. Las herramientas van al final: empieza por una, Calculator por ejemplo, y comprueba que el agente la llama de verdad antes de sumar más.

05¿n8n o Make para montar un agente de IA así?

Depende de dónde quieras que corra el flujo y de cómo prefieras pagarlo. Make, antes Integromat, es una plataforma alojada, sin opción de autoalojamiento, facturada por operación: cómoda para un equipo que no quiere mantener nada y con un volumen previsible. n8n ejecuta el mismo flujo en Cloud o en tu propio servidor, y eso pesa cuando los prompts y los datos que van al modelo tienen que quedarse en un sitio concreto. La lógica de agentes también cambia: aquí los puertos de los subnodos se ven en el lienzo, así que el modelo, la memoria y las herramientas de un agente se leen en vez de adivinarse. Las dos opciones se defienden; los criterios son el alojamiento, el control de los datos y cómo crece tu volumen.

Hack'celeration Lab

Recibe nuestros tips de integración cada semana.

Sin spam. Cancela cuando quieras.