Cómo crear agentes de IA con n8n en 2026: tutorial paso a paso

Crear un agente de IA con n8n consiste en colocar el nodo AI Agent y conectarle tres piezas: un modelo de chat (GPT, Claude o Gemini), una memoria y una o varias herramientas. El agente decide por sí mismo qué herramientas usar para cumplir cada instrucción. Es la forma más rápida de pasar de un chatbot que solo responde a un agente que actúa.

Qué es un agente de IA en n8n (y en qué se diferencia de un workflow normal)

En un workflow tradicional de n8n tú defines la ruta exacta: si llega un correo, extrae el adjunto, guárdalo en Drive y avisa por Slack. El flujo siempre hace lo mismo en el mismo orden.

Un agente de IA invierte la lógica. Tú le das un objetivo y un conjunto de herramientas, y el modelo decide en tiempo de ejecución qué herramienta llamar, con qué parámetros y en qué orden, repitiendo el ciclo hasta resolver la tarea. Esto se conoce como el bucle razonar → actuar → observar, basado en el patrón ReAct que popularizó la comunidad de LangChain, el framework sobre el que n8n construye sus nodos de IA.

La ventaja es la flexibilidad: un agente atiende peticiones impredecibles ("¿cuánto facturamos en abril y mándalo al canal de finanzas?") sin que tengas que prever cada caso. La contrapartida es menos determinismo, así que conviene acotar bien las herramientas y registrar cada ejecución.

Los componentes de un agente en n8n

El nodo AI Agent es el cerebro, pero no funciona solo. Por debajo se le conectan tres tipos de sub-nodos:

1. Chat Model: el modelo de lenguaje que razona. n8n soporta OpenAI (GPT), Anthropic (Claude), Google (Gemini), Mistral, Groq y modelos locales vía Ollama, entre otros.
2. Memory: el contexto que el agente recuerda entre mensajes de una misma sesión. Va desde Simple Memory (buffer de ventana en memoria) hasta memoria persistente en Postgres o Redis.
3. Tools: lo que el agente puede hacer. Cada herramienta es una acción: una llamada HTTP, una consulta a una base de datos vectorial, un sub-workflow de n8n o una herramienta externa vía MCP.

Tutorial: construye tu primer agente paso a paso

Vamos a montar un agente de soporte que responde preguntas y, cuando hace falta, consulta una API externa.

Paso 1: prepara el entorno

Puedes usar n8n Cloud (registro y listo) o autoalojarlo con Docker. La versión de código abierto es gratuita y te da control total sobre tus datos, algo clave si manejas información sensible de clientes.

Paso 2: añade un disparador (trigger)

Crea un nuevo workflow y añade el nodo Chat Trigger (o When chat message received). Esto te da una interfaz de chat para probar el agente sin salir de n8n. En producción podrías cambiarlo por un Webhook o un trigger de Telegram, Slack o WhatsApp.

Paso 3: añade el nodo AI Agent

Conecta el trigger al nodo AI Agent. En su configuración define el System Prompt, que marca la personalidad y las reglas del agente. Por ejemplo:

Eres el asistente de soporte de AIClases. Responde en español, de forma breve y cordial. Si no sabes algo, dilo; no inventes datos.

Paso 4: conecta el modelo de chat

En el conector inferior del AI Agent, añade un sub-nodo de Chat Model. Elige tu proveedor (por ejemplo Anthropic Chat Model con Claude, o OpenAI Chat Model con GPT) e introduce tu credencial de API. Aquí defines el modelo concreto y parámetros como la temperatura.

Paso 5: añade memoria

Conecta un sub-nodo de Memory. Para empezar, Simple Memory basta: guarda los últimos mensajes para que el agente recuerde el hilo de la conversación. Para producción multiusuario, usa una clave de sesión por usuario y memoria en Postgres o Redis.

Paso 6: dale herramientas

Aquí el agente cobra vida. Conecta uno o más sub-nodos de Tool. Algunos de los más útiles:

• HTTP Request Tool: para llamar a cualquier API (CRM, stock, calendario...).
• Vector Store Tool: para responder con tu base de conocimiento mediante RAG.
• Code Tool: para cálculos o transformaciones con JavaScript.
• Workflow Tool: convierte otro workflow de n8n en una herramienta reutilizable.
• MCP Client Tool: conecta herramientas externas que hablan el protocolo MCP.

Lo más importante de cada herramienta es su descripción: el agente la lee para decidir cuándo usarla. Escríbela como si se la explicaras a un becario: "Usa esta herramienta para consultar el estado de un pedido a partir de su número."

Paso 7: prueba, observa y ajusta

Abre el chat de prueba y lanza una petición. n8n muestra el rastro de ejecución: qué pensó el agente, qué herramienta llamó y con qué datos. Si se equivoca, casi siempre la solución está en afinar el system prompt o las descripciones de las herramientas, no en cambiar de modelo.

Agente vs chatbot vs workflow fijo: cuándo usar cada uno

Casos de uso reales de agentes n8n en 2026

• Soporte al cliente con acción: el agente no solo responde, sino que consulta el estado del pedido, crea un ticket o programa una devolución.
• Asistente interno de datos: pregúntale por las ventas del mes y devuelve la cifra consultando la base de datos vía herramienta SQL.
• Investigación y resumen: un agente que busca en la web, recupera documentos de tu vector store (RAG) y entrega un informe.
• Agentes conectados por MCP: un agente expone sus workflows como herramientas para que otros agentes los reutilicen.

Buenas prácticas para agentes en producción

• Acota las herramientas. Menos herramientas bien descritas superan a un arsenal confuso.
• Pon límites de iteración. Evita bucles infinitos limitando el número de pasos del agente.
• Registra todo. Guarda las ejecuciones para auditar decisiones y detectar fallos.
• Maneja credenciales con cuidado. Usa el gestor de credenciales de n8n; nunca pongas claves en el prompt.
• Controla el coste. Cada llamada al modelo consume tokens; vigila la temperatura y la longitud del contexto.

Aprende a construir agentes de IA con n8n

En AIClases tenemos cursos prácticos de automatización e IA donde construyes agentes reales paso a paso, desde el primer nodo hasta su despliegue en producción. Si quieres dominar n8n, los agentes de IA, RAG y MCP, es el camino más rápido.

Preguntas frecuentes

¿Qué es el nodo AI Agent de n8n?

El nodo AI Agent es el componente de n8n que orquesta un agente de IA. Recibe una instrucción, decide qué herramientas usar para cumplirla, ejecuta esos pasos en bucle y devuelve una respuesta. Se apoya en sub-nodos de modelo de chat, memoria y herramientas conectados por debajo.

¿Necesito saber programar para crear un agente de IA en n8n?

No es imprescindible. n8n es una plataforma de automatización visual de bajo código: puedes montar un agente conectando nodos sin escribir código. Saber algo de JavaScript o de APIs ayuda en casos avanzados, pero el flujo básico se construye arrastrando y configurando nodos.

¿Qué modelos de IA puedo conectar al agente en n8n?

n8n permite conectar modelos de chat de OpenAI (GPT), Anthropic (Claude), Google (Gemini), Mistral, Groq y modelos locales vía Ollama, entre otros. El modelo se conecta como sub-nodo del AI Agent, así que puedes cambiarlo sin rehacer el resto del flujo.

¿Qué diferencia hay entre un workflow normal y un agente de IA en n8n?

Un workflow normal sigue una ruta fija definida por ti. Un agente de IA decide en tiempo de ejecución qué herramientas invocar y en qué orden para resolver la tarea, por lo que es más flexible ante peticiones impredecibles, a cambio de menos determinismo.

¿Puedo darle memoria a un agente de n8n para que recuerde conversaciones?

Sí. n8n ofrece sub-nodos de memoria, como Simple Memory (buffer de ventana) o memoria persistente en Postgres y Redis, que conectas al AI Agent para que conserve el contexto entre mensajes de una misma sesión.

¿Qué es el nodo MCP en n8n y para qué sirve en un agente?

MCP (Model Context Protocol) es un estándar abierto para conectar modelos con herramientas externas. n8n incluye nodos de cliente y servidor MCP, de modo que tu agente puede usar herramientas MCP de terceros o exponer tus propios workflows como herramientas para otros agentes.

Actualizado: 31 de mayo de 2026.