Nodo Embeddings Google Gemini n8nConfigura Embeddings Google Gemini en n8n.
El nodo Embeddings Google Gemini n8n nunca se ejecuta por su cuenta. Es un subnodo: se engancha al puerto Embeddings de un vector store y convierte texto en vectores, la forma numérica que la IA sabe comparar. Un parámetro que ajustar, Model, y una credencial de Google detrás.
Reseñas verificadas en Trustpilot · Agencia de IA, automatización y growth
¿Para qué sirve el nodo Embeddings Google Gemini n8n?
Calcula los embeddings de un texto con un modelo de Google Gemini. Un embedding es un vector: una lista larga de números que coloca un fragmento de texto en un espacio de significado, para que más tarde una base encuentre los pasajes más cercanos a una pregunta. El nodo produce esos vectores y se los entrega al nodo raíz al que está enganchado.
No tiene entrada principal ni botón de ejecución propio. En el modelo de IA de n8n, un nodo raíz (un AI Agent, una cadena, un vector store) recibe los items del flujo, y los subnodos se acoplan a sus puertos, un tipo por puerto. Este ocupa el puerto Embeddings y nada más.
Primer escenario, la indexación. Llega un archivo, un text splitter lo parte en pasajes, un Default Data Loader los hace pasar, y el vector store guarda cada pasaje junto al vector que devuelve este nodo. Segundo escenario, la búsqueda: el mismo store, en modo consulta, vectoriza la pregunta con el mismo valor de Model y la compara con lo guardado. Tercer escenario, un asistente que responde a partir de tu documentación interna: el Vector Store Question Answer Tool se conecta al puerto de herramientas del agente, y el store que hay detrás se apoya en estos embeddings.
Hay dos detalles que deciden si el montaje responde bien o responde cualquier cosa. El valor de Model tiene que ser el mismo al indexar y al consultar, porque vectores salidos de modelos distintos no se comparan entre sí. Y los vectores ya guardados no se actualizan solos cuando cambias ese ajuste: toca reindexar.
¿Cuándo elegir otra cosa? Si el resto de tus automatizaciones ya funciona con otro proveedor, el subnodo de embeddings de OpenAI ocupa el mismo puerto y te ahorra una credencial más. Aquí la ventaja es clara cuando la parte conversacional ya usa un Google Gemini Chat Model: una sola credencial de Google cubre las dos piezas. Google factura sus propias llamadas de API según sus condiciones, y n8n no añade nada encima.
Tres plantillas públicas enseñan el montaje entero: un chatbot RAG sobre archivos de Google Drive con un Pinecone Vector Store (2753), un bot de documentación sobre un Supabase Vector Store (5993) y la misma idea con un Simple Vector Store (6137). Si quieres formarte un criterio sobre la plataforma antes de meterte, tienes la Reseña n8n, y el Curso n8n para aprenderlo tocando.
¿Cómo se conecta con Google?
- 01
Crea la credencial Google AI
Abre el menú Credentials de n8n y crea la credencial Google AI a la que apunta la documentación del nodo. Una credencial es un conjunto de secretos guardado una vez y llamado por su nombre: así no queda nada sensible dentro del propio flujo. Créala antes de abrir el nodo y ya aparecerá en el desplegable.
- 02
Pega la clave de API de Google
La clave se saca del lado de Google, no de n8n. Pégala en el formulario de la credencial y guarda. Como este nodo solo llama al endpoint de embeddings, esa misma clave puede alimentar también a un Google Gemini Chat Model en el mismo flujo: una credencial, varios subnodos y un único secreto que rotar el día que toque.
- 03
Selecciona la credencial en el nodo
Coloca el nodo en el lienzo, elige la credencial en el selector de arriba del panel y luego el Model. Une la salida al puerto Embeddings del nodo raíz y ya está conectado. Esa credencial se reutiliza en cualquier otro flujo de la instancia, tanto en n8n Cloud como en una instalación autoalojada.
¿Dónde se engancha este nodo?
Un puerto es una toma etiquetada en un nodo raíz, y cada tipo de subnodo solo encaja en la suya. Este nodo no tiene ninguna entrada: únicamente una salida hecha para la toma Embeddings.
Salida (dónde se conecta)
- Embeddings
ai_embedding
01Embeddings
Es la única conexión del nodo. La salida de tipo ai_embedding la lee el nodo raíz cada vez que necesita convertir texto en vectores, tanto al escribir en el store como al buscar dentro.
Parámetros clave
- Required: sin un subnodo de embeddings en este puerto, un vector store no puede guardar ni recuperar nada.
2753, 5993 y 6137 hacen justo eso, cada una con un store distinto detrás del puerto.¿Qué hay que ajustar?
El nodo Embeddings Google Gemini tiene un parámetro. Para cada uno: el nodo tal como lo configuras en n8n, qué cambia el parámetro y nuestras notas de campo.
Model
modelNameLo que ves en n8n
Notas y casos de uso
El nodo expone un solo parámetro: el modelo que va a generar los embeddings. Es un desplegable, no un campo libre, y no está marcado como obligatorio. O sea que el nodo llega con un valor puesto y funciona sin que toques nada.
Parámetros clave
- Model: decide qué modelo de Google Gemini calcula los vectores. La lista de modelos de Google, enlazada desde la descripción del parámetro, es la referencia para saber qué tienes disponible con tu clave.
¿Necesitas ayuda para automatizar Embeddings Google Gemini con n8n?
El equipo te responde directamente.
Cada mensaje lo lee una persona.
Lo que se pregunta después
01¿El nodo Embeddings Google Gemini viene incluido en n8n?
02¿Qué hace falta para usar el nodo Embeddings Google Gemini n8n?
03¿Qué límites tiene este nodo?
04¿Qué es lo mínimo para empezar?
05¿n8n o Make para un pipeline RAG?
Recibe nuestros tips de integración cada semana.
Sin spam. Cancela cuando quieras.
