Większość poradników o agentach w n8n kończy się w momencie, w którym agent „działa". W praktyce najważniejsze zaczyna się później: co agent może rozstrzygać sam, ile to kosztuje w API i co się dzieje ze sprawą, której nie rozumie. Ten przewodnik przechodzi przez wszystkie te etapy — na przykładzie agenta do obsługi zgłoszeń.

Schemat budowy agenta AI w n8n w pięciu krokach: wyzwalacz, agent AI, granica decyzji, akcja automatyczna, przekazanie do człowieka
Szkielet agenta w n8n: wyzwalacz → AI Agent → sprawdzenie granicy → akcja albo przekazanie do człowieka.

Zanim otworzysz n8n: ustal granice na papierze

Ten krok pomijają prawie wszyscy — i to on odróżnia agenta, któremu można zaufać, od chatbota puszczonego wolno. Zanim postawisz pierwszy węzeł, zapisz trzy rzeczy: co dokładnie agent może rozstrzygać sam (np. „odpowiada na pytania o status zamówienia i zwroty do 300 zł"), po czym pozna, że sprawa go przerasta (brak dopasowania w bazie wiedzy, kwota powyżej progu, wykryta frustracja klienta) i do kogo konkretnie trafia sprawa poza zakresem. To jest rdzeń tego, co nazywamy przepływem agentowym.

Zrzut ekranu edytora n8n: przepływ złożony z węzłów E-mail (wyzwalacz), AI Agent z podpiętym modelem językowym, Parsuj wynik, Granica decyzji oraz dwóch gałęzi — Automatyczna odpowiedź i Człowiek (eskalacja)
Ten sam przepływ w edytorze n8n — plik do pobrania znajdziesz na końcu artykułu. Trójkąty przy węzłach to brakujące poświadczenia, które podpinasz u siebie.

Krok 1: wyzwalacz

Agent musi wiedzieć, kiedy zacząć pracę. W n8n do wyboru masz m.in. węzły Email Trigger (IMAP), Webhook (formularze, systemy ticketowe), triggery aplikacji (Slack, Telegram) albo Schedule dla pracy cyklicznej. Dla obsługi zgłoszeń najczęściej wystarcza skrzynka IMAP albo webhook z formularza kontaktowego.

Krok 2: węzeł AI Agent — model, prompt, narzędzia

Sercem przepływu jest węzeł AI Agent. Konfigurujesz w nim trzy rzeczy. Model — podpinasz dostawcę przez credentials (klucz API trzymaj w credentials n8n, nigdy w treści węzła). Prompt systemowy — tu przenosisz granice z papieru: zakres, ton, kiedy odmówić, format wyniku. Najlepiej działa prompt, który każe agentowi zwracać ustrukturyzowany wynik (np. JSON z polami kategoria/pewność/odpowiedź) — dzięki temu kolejne węzły mogą podejmować decyzje na danych, nie na prozie. Narzędzia — węzły-narzędzia, które agent może wywołać: przeszukanie bazy wiedzy (wektorowej), odczyt statusu zamówienia z API sklepu, sprawdzenie klienta w CRM. Zasada: dawaj agentowi tylko narzędzia potrzebne w jego zakresie — nadmiar narzędzi pogarsza decyzje i zwiększa pole błędu.

Zrzut ekranu otwartego węzła AI Agent w n8n z widocznym promptem systemowym określającym zakres decyzji agenta: status zamówienia i zwroty do 300 zł, poza zakresem reklamacje i sprawy prawne
Granice z papieru trafiają wprost do promptu systemowego węzła AI Agent — to tu zapisujesz, czego agentowi nie wolno rozstrzygać.

Krok 3: pamięć — tylko jeśli naprawdę potrzebna

n8n oferuje węzły pamięci (rozmowy, bufor okna), ale w przepływach zgłoszeniowych pamięć często nie jest potrzebna — każde zgłoszenie to osobna sprawa z pełnym kontekstem w treści. Włączaj pamięć dopiero, gdy agent prowadzi wieloetapowy dialog z tą samą osobą. Niepotrzebna pamięć to większy kontekst, wyższy koszt tokenów i trudniejsze debugowanie.

Krok 4: granica decyzji — węzeł IF po agencie

Bezpośrednio po węźle agenta postaw węzeł IF (albo Switch), który sprawdza sygnał granicy na ustrukturyzowanym wyniku: pewność poniżej progu? kategoria „reklamacja"? kwota powyżej limitu? Gałąź „w zakresie" idzie do akcji automatycznej (wysyłka odpowiedzi, aktualizacja ticketu). Gałąź „poza zakresem" — do punktu przekazania.

Zrzut ekranu węzła IF w n8n z trzema warunkami połączonymi operatorem AND: pewność większa lub równa 0,8, kategoria różna od poza_zakresem, kwota mniejsza lub równa 300
Sygnał granicy jako trzy warunki na ustrukturyzowanym wyniku agenta — dlatego prompt każe zwracać JSON, a nie prozę.

Krok 5: punkt przekazania do człowieka

Sprawa poza zakresem musi trafić do konkretnej osoby z pełnym kontekstem: oryginalna wiadomość, co agent ustalił, czemu się zatrzymał i proponowany szkic odpowiedzi. W n8n zrobisz to węzłem Slack/e-mail/systemu ticketowego. Do wariantu „człowiek zatwierdza, zanim cokolwiek wyjdzie" n8n ma węzły wstrzymujące przepływ do decyzji (Wait/akceptacja) — w fazie pilotażu warto puścić tak wszystkie odpowiedzi agenta, o czym piszemy szerzej w tekście o human-in-the-loop w przepływach agentowych.

Ile to kosztuje w praktyce

Koszt agenta = serwer n8n + tokeny API modelu. Serwera nie liczysz podwójnie (i tak go masz pod n8n). Tokeny zależą od modelu i długości kontekstu; przy klasyfikacji zgłoszenia z krótką odpowiedzią jedno wykonanie to zwykle ułamek grosza do kilku groszy. Praktyczna rada zamiast teoretycznych tabelek: uruchom pilotaż na tydzień, spójrz na licznik kosztów w panelu dostawcy modelu i dopiero wtedy decyduj o skali. Druga dźwignia kosztowa: różne modele w różnych węzłach — tani model klasyfikuje, droższy pisze odpowiedzi w trudnych przypadkach.

Trzy błędy, które widzimy najczęściej

  • Agent bez granic — prompt „odpowiadaj na zgłoszenia klientów" bez zakresu i sygnału granicy. Działa świetnie w demo, psuje się cicho na wyjątkach.
  • Wynik prozą zamiast struktury — kolejne węzły nie mają na czym podejmować decyzji, więc granica jest sprawdzana „na oko" albo wcale.
  • Przekazanie bez kontekstu — powiadomienie „zgłoszenie wymaga uwagi" zamiast pełnej historii. Człowiek i tak musi wszystko czytać od zera, więc oszczędność znika.

Najczęstsze pytania

Ile kosztuje działanie agenta AI w n8n? Serwer + tokeny API; przy setkach zgłoszeń miesięcznie zwykle kilkadziesiąt złotych. Realną kwotę pokazuje panel dostawcy po tygodniu pilotażu.

Który model podpiąć? Tani i szybki do klasyfikacji, mocniejszy do rozumowania — n8n pozwala mieszać modele w jednym przepływie.

Jak zrobić human-in-the-loop? Węzeł IF na ustrukturyzowanym wyniku agenta + gałąź eskalacji z pełnym kontekstem; do zatwierdzania przed wysyłką — węzły wstrzymujące przepływ.

Gotowy przepływ do pobrania

Wszystkie opisane wyżej kroki złożyliśmy w jeden, importowalny przepływ n8n — z węzłem AI Agent, ustrukturyzowanym wynikiem, węzłem granicy decyzji (pewność ≥ 0,8 ORAZ kategoria w zakresie ORAZ kwota ≤ 300 zł) i eskalacją do człowieka z pełnym kontekstem. Pobierz plik i wczytaj go w n8n przez Workflows → Import from File; zostaje podpiąć własne dane uwierzytelniające do skrzynki, modelu i Slacka.

Pobierz przepływ (JSON, n8n) — plik nie zawiera żadnych kluczy ani danych osobowych; wszystkie poświadczenia podpinasz u siebie.

Nie wiesz, czy n8n to w ogóle właściwe narzędzie dla Twojego procesu? Zacznij od tekstu n8n — co to jest, do czego służy i kiedy NIE jest dobrym wyborem, a projekt granic przećwicz na przykładzie z artykułu Jak zaprojektować przepływ agenta dla obsługi zgłoszeń.