Recursos · Integración n8n

Nodo Moonshot Kimi n8nConfigura Moonshot Kimi en n8n.

El nodo Moonshot Kimi n8n llama a los modelos Kimi desde un flujo de trabajo. Viene en el paquete de IA de n8n y expone 2 operaciones: conversar con un modelo o analizar una imagen. Cada una tiene sus propios parámetros y corre sobre cada item de entrada.

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

Por qué automatizar

¿Para qué sirve el nodo Moonshot Kimi n8n?

Es un nodo de acción: por cada item que le llega, manda una petición a un modelo Moonshot Kimi y guarda la respuesta en los datos del flujo. Hay dos recursos disponibles, Text e Image, con 2 operaciones en total. No tiene puerto de subnodo, así que nada se le conecta por debajo como sí ocurre con un agente.

Primer caso: reseñas y comentarios que entran sin parar. El nodo ejecuta text.message con un System Message que marca el tono y la clasificación esperada, y el resultado va a un canal de Slack. La conversación se arma en la colección Messages, una entrada por turno, con Role en user o assistant.

Segundo caso: tickets con capturas de pantalla. La imagen viaja en un campo binario del item, es decir un archivo que acompaña a los datos JSON. La operación image.analyze lee ese campo, contesta la pregunta que escribiste en Text Input, y el texto extraído se guarda en Google Sheets para revisarlo después.

Tercer caso: un resumen de novedades del sector. Con Web Search activado, el modelo busca en la web antes de responder, y el resumen sale por Gmail. Ojo con una regla: Web Search y Thinking Mode no se activan a la vez.

El ajuste fino se concentra en la colección Options de text.message. Frequency Penalty y Presence Penalty, en 0 por defecto, alejan al modelo de repetir la misma línea y de quedarse en el mismo tema. Include Merged Response, desactivado por defecto, añade una cadena única que fusiona todas las partes de texto de la respuesta, y así el nodo siguiente recibe un solo campo.

¿Cuándo elegir otra cosa? Este nodo responde a una petición, no decide qué herramienta llamar después. Eso lo hace el nodo AI Agent, al que se le engancha un modelo de chat como subnodo, o sea un nodo conectado a uno de sus puertos. Otros proveedores tienen el suyo, como Anthropic.

Límites conocidos: versión 1 del nodo y 2 operaciones, nada más. Ni gestión de archivos, ni embeddings, ni ajuste fino del modelo. Moonshot factura sus propias llamadas de API según sus condiciones, n8n no añade nada encima, y una llamada rechazada del lado del proveedor tumba la ejecución.

Conexión

¿Qué hace falta antes de ejecutar el nodo?

  1. 01

    Crea la credencial de Moonshot

    Entra en el menú Credentials de n8n y añade la credencial de Moonshot con tu clave de API, la cadena que el proveedor entrega para llamar a su servicio. Un credential se guarda una sola vez y lo reutilizan todos los flujos de la instancia, así que cambiar la clave se hace en un único sitio y los nodos Kimi la siguen.

  2. 02

    O cambia a Gateway credits en n8n Cloud

    En n8n Cloud, el campo de credencial del nodo ofrece Use Gateway credits. Con esa opción el nodo funciona sin cuenta de Moonshot y sin clave de API propia. En una instancia autoalojada esa opción no aparece, así que la credencial del paso 1 es el único camino.

  3. 03

    Elige el modelo y haz una prueba

    El campo Model es un resource locator: consulta al proveedor con tu credencial y muestra los modelos que puede ver. Si la lista sale vacía, el sospechoso es la credencial, no el nodo. Ejecuta el nodo sobre un solo item antes de conectar el resto, para ver la forma exacta de la respuesta.

Acciones

¿Qué operación encaja con tu caso?

El nodo Moonshot Kimi expone 2 operaciones en 2 recursos. Para cada una: el nodo tal como lo configuras en n8n, los campos obligatorios y nuestras notas de campo.

Matriz recursos × operaciones
RecursoAnalyze ImageMessage a Model
Image
Text

Image

1 operación
01

Analyze image

image.analyze

Lo que ves en n8n

Notas y casos de uso

Lee una o varias imágenes que viajan en el item y responde en texto a la pregunta planteada. Las imágenes salen de un campo binario, el archivo adjunto al item, nunca de una URL.

Parámetros clave

  • Model (modelId): obligatorio, y tiene que ser un modelo capaz de leer imágenes.
  • Text Input: la pregunta sobre la imagen, por defecto What's in this image?.
  • Input Data Field Name(s): el campo binario con la imagen, data por defecto, varios nombres separados por comas.
  • Maximum Number of Tokens: en Options, 1024 por defecto; bájalo y la descripción se acorta.
Casos de uso
leer un albarán fotografiado, o clasificar capturas según lo que muestran.

Text

1 operación
02

Message a model

text.message

Lo que ves en n8n

Notas y casos de uso

Monta una conversación y recoge lo que el modelo contesta. Los adjuntos son opcionales y los ajustes de generación viven en la colección Options.

Parámetros clave

  • Messages: una entrada por turno, cada una con un Prompt y un Role, user para preguntar, assistant para fijar un tono.
  • Add Attachments: desactivado por defecto; al activarlo, Attachment Input Data Field Name(s) indica el campo binario que se envía.
  • Response Format: text para prosa, json_object cuando el nodo siguiente tiene que leer la respuesta.
  • Max Tool Calls Iterations: 15 por defecto, y 0 quita el tope.
Casos de uso
redactar un borrador de respuesta, o convertir un campo libre de formulario en datos ordenados.
Necesitas ayuda

¿Necesitas ayuda para automatizar Moonshot Kimi con n8n?

El equipo te responde directamente.

Cada mensaje lo lee una persona.

FAQ

Lo que se pregunta después

01¿El nodo Moonshot Kimi n8n está incluido en n8n?
Sí, por el lado de n8n. El nodo forma parte del paquete de IA que viene con el producto: nada que instalar y ningún coste adicional, tanto en n8n Cloud como en una instancia autoalojada en Community Edition con licencia Sustainable Use. El flujo se comporta igual en los dos sitios. Lo que no es gratis es el modelo: Moonshot factura las llamadas de API según sus propias condiciones, igual que si lo llamaras fuera de n8n. Hay una excepción en n8n Cloud, donde los Gateway credits permiten ejecutar el nodo sin cuenta propia de Moonshot.
02¿Qué credenciales hacen falta para que funcione?
Una credencial y un modelo. La credencial se crea una vez desde el menú Credentials con tu clave de API de Moonshot y luego la reutilizan todos los flujos de la instancia. En n8n Cloud puedes saltarte ese paso y elegir Use Gateway credits en el campo de credencial del nodo. Después, el campo Model es obligatorio en las 2 operaciones y, al ser un resource locator, trae la lista de modelos disponibles a través de tu credencial. Un campo obligatorio vacío detiene el nodo antes de hacer ninguna llamada, y suele ser la explicación de una ejecución que falla al instante.
03¿Qué límites tiene este nodo?
Cubre 2 operaciones y ninguna más: analizar una imagen y conversar con un modelo. La versión máxima del catálogo es la 1, y un flujo antiguo puede mostrar menos opciones. Dos ajustes se excluyen entre sí, Thinking Mode y Web Search, así que cada ejecución usa uno u otro. La longitud de la respuesta la limita Maximum Number of Tokens, 1024 por defecto, y una respuesta larga se corta en vez de continuar. Además, el nodo no tiene puerto de subnodo: se ejecuta sobre cada item de entrada como cualquier nodo de acción.
04¿Con cuál de las 2 operaciones conviene empezar?
Con Message a model. Es la que cubre más situaciones, solo pide un modelo y un mensaje, y su colección Options es donde se afina el comportamiento: System Message para las instrucciones, Output Randomness (Temperature) en 0.7 por defecto para la variedad de la redacción, Output Randomness (Top P) en 1 para la amplitud del muestreo. Analyze image llega después, cuando la información que importa está dentro de una foto. Y si lo que necesitas es un modelo que elija sus herramientas en varios pasos, el nodo de agente encaja mejor que este.
05¿n8n o Make para este paso de IA?
Depende de dónde tengan que vivir tus datos. n8n se autoaloja con Docker o npm, o se usa en n8n Cloud, y el flujo es idéntico en ambos casos: los prompts y las respuestas del modelo pueden quedarse en una infraestructura que tú controlas. Make solo existe alojado, sin opción de autoalojamiento, y se factura por operación, algo fácil de prever con volumen estable y menos cuando un bucle se multiplica. Los dos tienen editor visual. Decide por el alojamiento, el control de los datos, el modelo de coste y el editor que tu equipo lee más rápido.
Hack'celeration Lab

Recibe nuestros tips de integración cada semana.

Sin spam. Cancela cuando quieras.