Recursos · Integración n8n

Nodo Model Selector n8nConfigura Model Selector en n8n.

Varios modelos conectados y una regla que decide cuál responde en cada ejecución. El nodo Model Selector n8n es un subnodo, una pieza que se engancha a un nodo mayor en lugar de funcionar sola. Trae 2 parámetros y admite hasta 10 modelos de chat en sus entradas.

Probar el nodo Model Selector en n8nVer los 2 parámetros

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

Por qué automatizar

¿Para qué sirve el nodo Model Selector n8n?

Decide, durante la ejecución, cuál de los modelos conectados va a responder. Conectas dos o más modelos de chat a sus entradas, escribes reglas que leen los datos que circulan, y el nodo entrega el modelo elegido al nodo raíz al que alimenta. Un nodo raíz es el que recibe los items del flujo y hace el trabajo, como AI Agent; el Model Selector se conecta al lado, como subnodo, y nunca se ejecuta por su cuenta.

Primer caso, repartir por canal. Una atención al cliente recibe mensajes de WhatsApp y correos largos en el mismo flujo. Una regla lee el campo de origen del item, por ejemplo {{ $json.channel }}, y manda los mensajes cortos a la primera entrada de modelo mientras los correos con historial van a la segunda. Toda la lógica vive en un nodo: cambiar el reparto es editar una condición, no rehacer el flujo.

Segundo caso, la regla comodín. El nodo lee sus reglas en orden y se detiene en la primera que coincide. Por eso la última regla funciona como red: apunta al modelo que reservas para todo lo que las condiciones anteriores no habían previsto. Ese orden secuencial es lo que conviene tener claro, porque dos reglas que coinciden nunca se aplican las dos.

Tercer caso, un solo agente para dos trabajos. Una tienda que contesta consultas y además redacta descripciones de producto no necesita dos ramas paralelas. Un AI Agent con un Model Selector delante cubre ambas, con una condición sobre el tipo de tarea que elige entre el modelo conectado para conversar y el conectado para texto largo.

¿Cuándo no usarlo? Si el flujo solo llama a un modelo, conecta ese modelo de chat directamente al nodo raíz. El Model Selector aporta algo el día en que la elección depende de los datos. Otra limitación: no tiene entrada principal, así que no puede colocarse en medio de una cadena de nodos normales, y no toca el prompt.

Los modelos conectados siguen siendo subnodos corrientes, cada uno con su credential, es decir la credencial guardada en n8n para llamar al proveedor, ya sea OpenAI, Anthropic o Google Gemini. Si todavía estás comparando plataformas antes de montar nada, la Reseña n8n va de eso.

Conexiones

¿En qué puerto se conecta el Model Selector ?

n8n divide sus nodos de IA en dos: un nodo raíz recibe los items del flujo, y los subnodos se enganchan a sus puertos, un tipo de subnodo por puerto. Model Selector es un subnodo y ocupa el sitio que normalmente tendría un modelo de chat.

Salida (dónde se conecta)

  • Chat Modelai_languageModel
01Chat ModelEs el puerto por el que este nodo se engancha al nodo raíz de arriba. Ese nodo pide un modelo de lenguaje y recibe el Model Selector, que resolverá cuál de los suyos usar al ejecutar.

Es el puerto por el que este nodo se engancha al nodo raíz de arriba. Ese nodo pide un modelo de lenguaje y recibe el Model Selector, que resolverá cuál de los suyos usar al ejecutar.

Parámetros clave

  • Required: el nodo raíz de arriba pide un modelo de chat para ejecutarse siquiera, y no arranca mientras ese puerto quede vacío.
  • AI Agent y Basic LLM Chain: los dos destinos más habituales, uno para agentes con herramientas y otro para un prompt con su respuesta.
  • Question and Answer Chain y Summarization Chain: también lo aceptan, y así una cadena documental cambia de modelo.
Casos de uso
un agente que mantiene un modelo para las consultas rutinarias y recurre a otro cuando una regla detecta una petición pesada.
Parámetros

¿Qué parámetros trae el nodo?

El nodo Model Selector tiene 2 parámetros. Para cada uno: el nodo tal como lo configuras en n8n, qué cambia el parámetro y nuestras notas de campo.

01

Number of Inputs

numberInputs

Lo que ves en n8n

Notas y casos de uso

Fija cuántas conexiones de modelo se ven en el lateral izquierdo del nodo. Si subes el valor aparecen entradas nuevas esperando un modelo de chat; si lo bajas, pierdes las entradas que no usabas.

Parámetros clave

  • Number of Inputs: un desplegable que va de 2 a 10, el número de entradas de datos que quieres fusionar, teniendo en cuenta que el nodo espera a que se ejecuten todas las entradas conectadas.
Casos de uso
empieza en 2, un modelo principal y uno de respaldo, y sube a medida que dedicas un modelo por tarea. Ajústalo antes de escribir reglas, porque cada regla señala una entrada por su posición.
02

Rules

rules

Lo que ves en n8n

Notas y casos de uso

Guarda la lógica que une los datos del flujo con un modelo concreto. Cada entrada empareja una condición con una de las entradas conectadas, y n8n las lee de arriba abajo parando en la primera que coincide.

Parámetros clave

  • Rules: la colección en sí, que se rellena de una en una con Add Rule.
  • Model: obligatorio dentro de cada regla, se elige de la lista de entradas de modelo, por eso Number of Inputs va primero.
  • Conditions: las condiciones que deben cumplirse para elegir ese modelo, montadas con Add Condition sobre campos como {{ $json.category }}.
Casos de uso
coloca arriba las condiciones estrechas y abajo la más amplia, para que la última regla recoja el resto.
Necesitas ayuda

¿Necesitas ayuda para automatizar Model Selector con n8n?

El equipo te responde directamente.

Cada mensaje lo lee una persona.

FAQ

Lo que se pregunta la gente

01¿El nodo Model Selector n8n viene incluido en n8n?
Sí. Pertenece al paquete de IA de n8n, @n8n/n8n-nodes-langchain, que se entrega con n8n. No hay nada que instalar y se comporta igual en n8n Cloud, la oferta alojada por n8n, y en una instancia propia con Docker o npm, en Community Edition bajo licencia Sustainable Use. Un flujo funciona igual en los dos sitios y n8n no cobra nada extra por este nodo. Lo que sí cuesta está un paso más allá: el proveedor que hay detrás de cada modelo de chat conectado factura sus propias llamadas de API según sus condiciones, igual que si ese modelo estuviera conectado directamente al nodo raíz.
02¿Qué hay que configurar para que funcione?
Nada en este nodo. Model Selector no tiene credential ni selector Authentication, porque él mismo no habla con ningún proveedor. La credencial la lleva cada subnodo de modelo conectado a sus entradas, cada uno con su clave. El trabajo es puro cableado: decidir cuántas entradas quieres, conectar un modelo en cada una y enganchar el selector al nodo raíz por su puerto Chat Model. Las reglas leen después los campos del item que atraviesa el nodo raíz, con expresiones del tipo {{ $json.campo }}. Un campo marcado como obligatorio bloquea la ejecución si queda vacío, y eso incluye el campo Model de una regla.
03¿Qué límites tiene el nodo Model Selector?
Tres que conviene tener presentes. El nodo llega como máximo a 10 entradas de modelo, que es donde termina el desplegable Number of Inputs. La evaluación de reglas es secuencial y se detiene en la primera coincidencia, así que una regla amplia colocada encima de otra más precisa la tapa, y no hay puntuación ni prioridad más allá del orden que tú decidas. Y no tiene entrada principal: es un subnodo, no puede intercalarse entre dos nodos normales y no hace nada hasta que un nodo raíz le pide un modelo. La página describe la versión 1 del nodo, la más alta del catálogo.
04¿Qué hay que conectar como mínimo para usarlo?
Dos modelos de chat y un nodo raíz. Debajo, al menos dos subnodos de modelo en las entradas, porque si no no hay nada que elegir y el modelo va directo al nodo raíz. Encima, un nodo raíz que acepte un modelo en su puerto Chat Model. Basic LLM Chain es el punto de partida más cómodo: un prompt, una respuesta, y se ve enseguida qué modelo contestó. Cuando el enrutado ya se comporta bien, lleva el mismo montaje bajo un AI Agent, o bajo un AI Agent Tool cuando el agente lo llama otro agente. Después añade las reglas de una en una y prueba cada condición.
05¿n8n o Make para este enrutado de modelos?
La decisión va de alojamiento y de cómo se paga, más que de funciones. n8n corre en tu propio servidor con Docker o npm, o en n8n Cloud, así que los datos que leen tus reglas pueden quedarse dentro de tu infraestructura. Make solo está alojado, sin opción de instalarlo tú, y cobra por operación, algo que pesa cuando un flujo se dispara a menudo. n8n además mantiene este patrón en un único nodo: el modelo de subnodo deja la lógica de enrutado al lado del agente en vez de reconstruirla en ramas. Si el equipo valora sobre todo el lienzo visual y mueve poco volumen, la diferencia se estrecha.
Hack'celeration Lab

Recibe nuestros tips de integración cada semana.

Sin spam. Cancela cuando quieras.

Misma plataforma

Otros docs útiles sobre este stack.

Ver todas las integraciones