Nodo Embeddings Azure OpenAI n8nConfigura Embeddings Azure OpenAI en n8n.
Toda búsqueda semántica empieza con un modelo que convierte texto en números. El nodo Embeddings Azure OpenAI n8n hace ese cálculo con un despliegue de Azure y ofrece 5 opciones: el despliegue, el lote, la limpieza del texto, el tiempo límite y el ancho del vector.
Reseñas verificadas en Trustpilot · Agencia de IA, automatización y growth
¿Para qué sirve el nodo Embeddings Azure OpenAI n8n?
El nodo convierte texto en embeddings, es decir, listas de números que sitúan una frase en un espacio donde los significados parecidos quedan cerca. Llama a un despliegue de modelo alojado en Azure OpenAI y devuelve los vectores al nodo raíz que los pidió, casi siempre un vector store o una cadena de preguntas y respuestas. Por sí solo no produce nada: n8n lo llama únicamente cuando el nodo al que está enganchado necesita texto vectorizado.
Primer escenario, una tienda que quiere buscar dentro de sus fichas técnicas. Los archivos llegan desde Google Drive, se trocean, pasan por este nodo y acaban en un índice. Es la forma exacta de la plantilla 9174, montada sobre un Simple Vector Store: si una ficha cambia, el mismo recorrido la vuelve a vectorizar y la búsqueda queda al día.
Segundo escenario, un equipo que consulta esa base desde Slack. La plantilla 6018 conecta el canal con un Pinecone Vector Store, con este nodo en el puerto de embeddings, un AI Agent encima y un Auto-fixing Output Parser que mantiene la respuesta ordenada. La pregunta escrita se vectoriza con el mismo modelo que vectorizó los documentos, y por eso la comparación tiene sentido.
Tercer escenario, un inventario mantenido en Google Sheets. La columna de descripción alimenta el cargador y Batch Size decide cuántas filas viajan juntas hacia Azure. La plantilla 6020 repite ese patrón para un asistente de Slack.
¿Cuándo conviene otra cosa? Si tu clave es una clave de OpenAI normal y no un despliegue de Azure, el camino pasa por OpenAI. Y si lo que buscas es redactar una respuesta en vez de medir parecidos, este puerto no es el adecuado: un modelo de chat se engancha en otro sitio del nodo raíz. Los embeddings comparan texto, no lo escriben.
Dos límites antes de montar nada. Dimensions solo funciona con modelos text-embedding-3 y posteriores, así que en un despliegue más antiguo el ajuste no cambia nada. Y como el nodo no tiene entrada principal, no puedes probarlo pulsándolo: se ejecuta el nodo raíz y se mira cómo responde el puerto. Para recorrer el montaje entero acompañado existe el Curso n8n.
¿Qué hace falta antes de ejecutarlo?
- 01
Desplegar un modelo en Azure OpenAI
El nodo habla con un modelo que has desplegado en Azure OpenAI, no con un punto de entrada genérico. Apunta el nombre del despliegue en Azure, porque esa cadena exacta es la que irá en Model (Deployment) Name. Sin despliegue no hay nada a lo que llamar, por muy correcto que sea el credential.
- 02
Crear el credential una sola vez
En n8n, un credential es un juego de datos de conexión guardado que cualquier flujo puede reutilizar. Abre el menú Credentials, crea la entrada de Azure OpenAI y complétala con los valores de la página oficial de autenticación enlazada desde la documentación del nodo. Guardado una vez, aparece en un desplegable en todos los flujos.
- 03
Engancharlo a un nodo raíz
Coloca el nodo en el lienzo y conéctalo al puerto de embeddings del nodo que pide vectores, sea un vector store o una cadena. Un puerto es la toma que hay bajo un nodo raíz y que admite un único tipo de subnodo. Elige el credential y ejecuta el nodo raíz para ver llegar los primeros vectores.
¿Dónde se engancha este nodo?
n8n reparte el trabajo de IA entre un nodo raíz, que recibe los items del flujo, y subnodos enganchados a sus puertos. Este es un subnodo: un puerto de salida y ninguna entrada principal.
Salida (dónde se conecta)
- Embeddings
ai_embedding
01Embeddings
Es la toma a la que el nodo entrega sus vectores. Un vector store o una cadena pide embeddings, y responde el subnodo que esté colocado en ese puerto.
Parámetros clave
- Required: sin un subnodo de embeddings en este puerto, el nodo raíz no puede guardar ni buscar vectores.
¿Qué se configura en el nodo?
El nodo Embeddings Azure OpenAI tiene 5 parámetros. Para cada uno: el nodo tal como lo configuras en n8n, qué cambia el parámetro y nuestras notas de campo.
Model (Deployment) Name
modelLo que ves en n8n
Notas y casos de uso
Indica qué despliegue calcula los vectores. El valor es el nombre del despliegue de modelo que se va a usar, y condiciona todo lo que viene después.
Parámetros clave
- Model (Deployment) Name: un valor de texto, escrito a mano o tomado del item con una expresión como
{{ $json.model }}cuando un flujo atiende a varios despliegues.
Batch Size
options.batchSizeLo que ves en n8n
Notas y casos de uso
Marca el número máximo de documentos que se envían en cada petición. Más alto, una importación grande termina con menos idas y vueltas; más bajo, cada llamada carga menos.
Parámetros clave
- Batch Size: un número que pone el techo de la petición, no la rellena a la fuerza: un lote corto sale tal cual.
Strip New Lines
options.stripNewLinesLo que ves en n8n
Notas y casos de uso
Quita los saltos de línea del texto de entrada antes de llamar al modelo. n8n lo deja activado por defecto, que es lo razonable con prosa.
Parámetros clave
- Strip New Lines: un interruptor, activado para eliminar los saltos de línea del texto de entrada, desactivado para conservarlos.
Timeout
options.timeoutLo que ves en n8n
Notas y casos de uso
Limita cuánto puede durar una petición, en segundos. Superado ese margen, la llamada se corta en vez de mantener la ejecución abierta.
Parámetros clave
- Timeout: un número de segundos, o
-1para no poner ningún límite.
Dimensions
options.dimensionsLo que ves en n8n
Notas y casos de uso
Define el ancho de los vectores resultantes. Estrechos ocupan menos en el índice; anchos conservan más matices.
Parámetros clave
- Dimensions: a elegir entre
256,512,1024,1536y3072, solo con modelos text-embedding-3 y posteriores.
¿Necesitas ayuda para automatizar Embeddings Azure OpenAI con n8n?
El equipo te responde directamente.
Cada mensaje lo lee una persona.
Lo que se pregunta después
01¿El nodo Embeddings Azure OpenAI viene incluido en n8n?
02¿Qué necesita el nodo para funcionar?
03¿Qué límites tiene el nodo Embeddings Azure OpenAI n8n?
04¿Qué hay que conectar para empezar?
05¿n8n o Make para este tipo de flujo?
Recibe nuestros tips de integración cada semana.
Sin spam. Cancela cuando quieras.
