Recursos · Integración n8n

Nodo Google Gemini Chat Model n8nConfigura Google Gemini Chat Model en n8n.

Por sí solo este nodo no contesta nada. El nodo Google Gemini Chat Model n8n es un subnodo: una pieza pequeña que se engancha a un nodo mayor en lugar de ejecutarse sola. Trae 6 parámetros, del modelo a los filtros de seguridad, y alimenta a cualquier nodo raíz que pida un modelo de lenguaje.

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

Por qué automatizar

¿Para qué sirve el nodo Google Gemini Chat Model n8n?

Le presta un modelo de chat Gemini a otro nodo. Solo no produce nada: no tiene entrada principal, nunca aparece suelto en una ejecución y únicamente cobra vida por el puerto donde lo enganchas. Es el motor que atornillas a un agente o a una cadena. Este nodo decide qué modelo responde y cómo genera; el nodo raíz se queda con el prompt, los datos y la lógica alrededor.

Primer escenario, el más repetido: atención al cliente. Entra una consulta, un agente decide si busca información antes de responder y Gemini redacta lo que vuelve al cliente. Las instrucciones viven en el agente, la forma vive aquí: qué modelo de Gemini, cuánto se extiende la respuesta con Maximum Number of Tokens, cuánta libertad de redacción con Sampling Temperature. Cambias el modelo en la lista y el mismo flujo se comporta distinto sin tocar nada más.

Segundo escenario, mucho menos visible. Llegan documentos, una cadena los trocea y un paso de preguntas y respuestas usa Gemini para convertir los fragmentos recuperados en una respuesta legible. Los ajustes importan, aunque por otro motivo: un documento largo necesita espacio de salida, y una respuesta factual pide temperatura baja para que dos ejecuciones sobre el mismo fragmento se parezcan.

Tercer escenario: clasificar. Un buzón o un flujo de formularios se ordena antes de llegar a una persona, y el modelo devuelve una etiqueta en vez de prosa. Ese trabajo quiere respuestas cortas, temperatura cerca de cero y, cuando el texto entrante viene del público, unos Safety Settings puestos a propósito en lugar de heredados de la cuenta. En los tres casos el valor que entra llega del nodo anterior mediante una expresión, la sintaxis {{ $json.campo }} que lee un campo del item entrante.

¿Cuándo conviene otro nodo? Si la cuenta que pagas es de otro proveedor, engancha el modelo de chat de ese proveedor y deja el resto igual, como hace el nodo OpenAI con su propio catálogo. Si la salida tiene que respetar una estructura fija y no texto libre, mantén Gemini y coloca un Auto-fixing Output Parser detrás del modelo. Y si el modelo debe manejar herramientas en vez de contestar una sola vez, el nodo raíz se llama AI Agent, o AI Agent Tool cuando a ese agente lo llama otro agente.

Hay dos límites que conviene saber antes de producción. El nodo usa el SDK de Google, que no admite configuración de proxy: en una red que obliga a pasar por proxy toca montar un reverse proxy dedicado a las peticiones de Gemini y apuntar ahí el valor Host de la credencial. Y la facturación se queda en Google, que cobra sus propias llamadas de API según sus condiciones, sin que n8n añada nada encima. Cómo se porta la plataforma en el día a día está en la Reseña n8n.

Conexión

¿Cómo se autentica Gemini en n8n?

  1. 01

    Abre el campo de credencial del nodo

    Coloca el nodo en el lienzo y abre su campo de credencial. Una credencial en n8n es un juego de secretos guardado aparte del flujo: se crea una vez y se reutiliza en todos. En n8n Cloud ese mismo campo ofrece una segunda vía: marca Use Gateway credits y el nodo funciona sin ninguna cuenta de Google. Es el camino más corto para comprobar si el modelo encaja antes de tener una clave.

  2. 02

    Crea la credencial de Google con tu clave de API

    En una instancia autoalojada, o en un flujo de Cloud que deba cobrarse en tu propia cuenta de Google, crea la credencial de Google AI y pega la clave de API de esa cuenta. La credencial expone además un valor Host que normalmente se deja como viene. Guardada una vez, aparece en la lista de todos los flujos de la instancia, incluidos los que monta otra persona del equipo.

  3. 03

    Elige modelo y comprueba que la lista se llena

    Vuelve al nodo y abre Model. n8n consulta la API de Google Gemini en vivo y muestra solo los modelos que la cuenta puede llamar, así que una lista llena ya demuestra que la credencial funciona. Una lista vacía señala a la clave o a la cuenta, no al flujo. Elige un modelo, engancha el nodo a un nodo raíz y lanza una ejecución para ver una respuesta real.

Conexiones

¿Dónde se engancha este subnodo?

n8n parte el trabajo de IA en dos: un nodo raíz recibe los items del flujo y razona, y los subnodos se conectan a sus puertos, un tipo de subnodo por puerto. Este nodo ocupa exactamente uno de esos puertos.

Salida (dónde se conecta)

  • Modelai_languageModel
01ModelEs el puerto de modelo de lenguaje, el enchufe que un nodo raíz expone cuando necesita algo que genere texto. Arrastra hasta ese puerto y el nodo raíz pasa a usar Gemini en cada respuesta.

Es el puerto de modelo de lenguaje, el enchufe que un nodo raíz expone cuando necesita algo que genere texto. Arrastra hasta ese puerto y el nodo raíz pasa a usar Gemini en cada respuesta.

Parámetros clave

  • Required: un nodo raíz con este puerto no hace nada mientras no tenga un modelo de chat enganchado.
  • AI Agent y AI Agent Tool: la pareja habitual cuando el modelo debe elegir herramienta antes de contestar.
  • Basic LLM Chain y Question and Answer Chain: los puntos de partida más simples, entra un prompt y sale una respuesta.
  • Summarization Chain, Text Classifier y Sentiment Analysis: nodos raíz hechos para una tarea concreta.
Casos de uso
un bot de soporte montado sobre un agente, o una cadena nocturna que resume lo que cayó en Google Sheets.
Parámetros

¿Qué parámetros merece la pena tocar?

El nodo Google Gemini Chat Model tiene 6 parámetros. Para cada uno: el nodo tal como lo configuras en n8n, qué cambia el parámetro y nuestras notas de campo.

01

Model

modelName

Lo que ves en n8n

Notas y casos de uso

Elige qué modelo de Gemini genera la respuesta. n8n carga la lista de forma dinámica desde la API de Google Gemini, así que el desplegable refleja lo que la cuenta puede llamar de verdad y no un catálogo fijo dentro del nodo.

Parámetros clave

  • Model: el modelo que generará la respuesta, tomado de la lista que n8n consulta al editar.
Casos de uso
arrancar un chatbot con un modelo y luego cambiar solo este campo para probar otro sobre el mismo flujo. Como la lista depende de la cuenta, un nombre que usa un compañero puede no aparecer en tu desplegable.
02

Maximum Number of Tokens

options.maxOutputTokens

Lo que ves en n8n

Notas y casos de uso

Pone techo a lo que el modelo escribe. Un token es un fragmento de texto, más o menos una palabra corta, y este valor fija cuántos se generan como máximo en la respuesta, es decir, su longitud en la práctica.

Parámetros clave

  • Maximum Number of Tokens: el techo de la respuesta, en formato numérico.
Casos de uso
una etiqueta de clasificación ocupa poquísimo, mientras que el resumen de un documento largo necesita espacio para terminar. Con el techo demasiado bajo la respuesta se corta a media frase, y parece un fallo del modelo cuando es un ajuste.
03

Sampling Temperature

options.temperature

Lo que ves en n8n

Notas y casos de uso

Gobierna el azar. Al bajarla las respuestas salen menos aleatorias, y según se acerca a cero el modelo se vuelve determinista y repetitivo. Al subirla el muestreo se diversifica, con más riesgo de alucinaciones.

Parámetros clave

  • Sampling Temperature: el mando del azar en el proceso de muestreo, en formato numérico.
Casos de uso
extraer datos o enrutar mensajes pide un valor cercano a cero, para que dos ejecuciones sobre la misma entrada coincidan. Un texto pensado para leerse admite más. Es el primer ajuste que mover cuando las respuestas suenan robóticas o inventadas.
04

Top K

options.topK

Lo que ves en n8n

Notas y casos de uso

Recorta la cola larga. Fija cuántas opciones de token considera el modelo para generar el siguiente, lo que descarta las respuestas de baja probabilidad antes de que salgan. Su valor por defecto, -1, lo deja desactivado.

Parámetros clave

  • Top K: el número de opciones de token que se usan para generar el siguiente, en formato numérico.
Casos de uso
se saca cuando un modelo ya ajustado con una temperatura razonable sigue colando expresiones raras. Si se deja como viene no hace absolutamente nada, y por eso la mayoría de flujos nunca lo tocan.
05

Top P

options.topP

Lo que ves en n8n

Notas y casos de uso

Fija la probabilidad que debe usar la respuesta mediante muestreo de núcleo: un valor de 0.5 significa que se consideran la mitad de las opciones ponderadas por verosimilitud. Un valor más bajo ignora las opciones menos probables.

Parámetros clave

  • Top P: la masa de probabilidad de la que muestrea el modelo, en formato numérico.
Casos de uso
viene bien en un flujo que debe pegarse al texto de origen. La recomendación general es cambiar este parámetro o la temperatura, pero no los dos: elige un mando y deja el otro quieto.
06

Safety Settings

options.safetySettings

Lo que ves en n8n

Notas y casos de uso

Gemini trae filtros de contenido ajustables, y esta colección es donde se configuran. Cada entrada empareja una categoría de contenido dañino con el umbral a partir del cual el modelo lo bloquea, y pueden convivir varias entradas.

Parámetros clave

  • Safety Category: la categoría de contenido dañino que se bloquea, entre HARM_CATEGORY_HARASSMENT, HARM_CATEGORY_HATE_SPEECH, HARM_CATEGORY_SEXUALLY_EXPLICIT y HARM_CATEGORY_DANGEROUS_CONTENT.
  • Safety Threshold: cuán estricto es el bloqueo, de BLOCK_LOW_AND_ABOVE a BLOCK_ONLY_HIGH, con BLOCK_NONE dejando pasar todo y HARM_BLOCK_THRESHOLD_UNSPECIFIED sin umbral definido.
Casos de uso
un bot abierto al público aprieta las categorías de acoso y discurso de odio, mientras que un flujo de moderación, que precisamente tiene que leer mensajes denunciados, las afloja a propósito para que el modelo no rechace su propia entrada.
Necesitas ayuda

¿Necesitas ayuda para automatizar Google Gemini Chat Model con n8n?

El equipo te responde directamente.

Cada mensaje lo lee una persona.

FAQ

Lo que se pregunta después

01¿El nodo Google Gemini Chat Model n8n es gratis?
Sí, por el lado de n8n. El nodo forma parte del paquete de IA que viene con n8n: nada que instalar y ningún coste extra, tanto en n8n Cloud como en una instancia autoalojada con la Community Edition y su licencia Sustainable Use. Lo que se paga es el modelo: Google cobra sus propias llamadas de API según sus condiciones y n8n no añade nada encima. Hay un caso que ni siquiera necesita cuenta de Google: n8n Cloud con la opción Use Gateway credits marcada en el campo de credencial, donde el nodo funciona sin clave propia.
02¿Qué hace falta para que funcione?
Dos cosas. Una credencial, ya sea la de Google con tu clave de API o, en n8n Cloud, la opción Use Gateway credits en ese mismo campo. Y un nodo raíz al que engancharlo, porque este nodo no tiene entrada principal y jamás se ejecuta solo. Conéctalo al puerto Model de un AI Agent, de un Basic LLM Chain o de cualquier otro nodo raíz listado para ese puerto, y luego elige un valor en Model. Si la lista sigue vacía, lo que hay que revisar es la credencial: n8n solo muestra los modelos que la cuenta tiene permitidos.
03¿Qué limitaciones tiene el nodo?
Tres, todas documentadas. No admite proxy: el nodo usa el SDK de Google, que ignora la configuración de proxy, y la vuelta consiste en un reverse proxy dedicado a las peticiones de Gemini con el valor Host de la credencial apuntando ahí. Tampoco tiene entrada principal, así que no se puede colocar en mitad de un flujo como un nodo normal. Y esta página describe la versión 1 del nodo, la más alta del catálogo; un flujo antiguo puede mostrar una anterior con menos opciones. Más allá de estos 6 parámetros, lo demás se decide en el nodo raíz.
04¿Cuál es el montaje mínimo para un primer flujo con IA?
Un nodo raíz, este subnodo y una credencial. Empieza por un Basic LLM Chain antes que por un agente: entra un prompt, sale una respuesta, y no hay herramientas ni memoria que depurar mientras solo compruebas que el modelo contesta. Engancha Gemini a su puerto Model, no toques ninguna opción y lanza una ejecución. Cuando eso funcione, pasa a un AI Agent si el modelo debe llamar herramientas, y solo entonces empieza a ajustar Sampling Temperature y Maximum Number of Tokens según la tarea.
05¿n8n o Make para un flujo con Gemini?
Depende de dónde tengan que vivir los datos. Make es una plataforma alojada, sin opción de autoalojamiento, y factura por operación: encaja en un equipo que no quiere administrar nada y prefiere un coste previsible. n8n se autoaloja con Docker o npm, o corre en n8n Cloud, con el mismo flujo en ambos casos, de modo que los prompts y los datos de clientes pueden quedarse en una infraestructura que tú controlas. El modelo de subnodos también pesa: cambiar Gemini por otro proveedor es un nodo, no rehacer el flujo. Decide por alojamiento, control de datos, coste y forma de construir.
Hack'celeration Lab

Recibe nuestros tips de integración cada semana.

Sin spam. Cancela cuando quieras.