n8n AI Agent 適合想要自架、自訂、能寫程式、能控 API 的團隊。它不像 Zapier 或 Make 那樣偏商務 no-code，而是更接近「視覺化 workflow 加上工程彈性」。如果你想做內部工具、資料管線、客服分流、RAG 查詢、API orchestration，n8n 的 AI Agent 很有價值。
但 n8n 也不是魔法。它的可靠度取決於你怎麼拆 workflow、怎麼限制 tools、怎麼處理 credentials、怎麼設計人工審核。真正能上線的 n8n agent，通常不是一顆超大 AI node，而是一組小而清楚的 workflows。
n8n AI Agent 是什麼？
n8n 的 AI Agent node 是一個 root node，可以搭配 chat model、memory、tools、output parser 等 sub-nodes。官方文件說明，目前 AI Agent 會以 Tools Agent 的方式運作；agent 需要連接至少一個 tool sub-node，才能使用外部工具或 API。
常見結構如下：
| 元件 | 作用 | 實務例子 |
|---|---|---|
| Chat Trigger | 接收使用者訊息 | 內部助理、客服入口 |
| AI Agent | 做判斷與選 tool | 判斷要查哪個系統 |
| Chat Model | 提供模型能力 | OpenAI、Anthropic、Mistral、Groq 等 |
| Memory | 保留對話上下文 | 多輪問答 |
| Tool nodes | 執行外部動作 | HTTP Request、Google Sheets、GitHub |
| Human review | 敏感動作前人工確認 | 發信、刪除、修改資料 |
如果你熟悉傳統 n8n workflow，可以把 AI Agent 想成一個會選路徑的控制節點。它不是取代所有 nodes，而是根據輸入決定要用哪個 tool。
Tools Agent 的重點
n8n 官方文件指出 Tools Agent 使用外部 tools 和 API 執行動作或取得資料。它可以理解不同 tools 的能力，並依照任務選擇合適 tool。這也是 n8n AI workflow 的關鍵。
Tools Agent 可以搭配多種工具，例如：
- Call n8n Workflow
- Code
- HTTP Request
- Gmail
- Google Sheets
- GitHub
- Asana
- ClickUp
- Airtable
- Database 類工具
其中最重要的是 Call n8n Workflow。這讓你可以把一段已測試的 workflow 包成工具，讓 agent 呼叫。
為什麼要用 workflow as tool？
不要讓 agent 直接拿所有權限。比較好的架構是把高風險或複雜操作拆成小 workflow。
例如「查詢訂單狀態」可以是一個 workflow tool：
- 接收 order_id
- 驗證格式
- 查詢資料庫
- 遮蔽敏感欄位
- 回傳固定格式
Agent 只要知道它可以呼叫「查詢訂單狀態」這個 tool，不需要直接知道資料庫 credentials，也不需要自己組 SQL。
這樣有三個好處：
- 比較容易測試
- 比較容易限制權限
- 比較容易觀察錯誤點
第一個 n8n AI Agent workflow 怎麼做？
第一步：建立 Chat Trigger
Chat Trigger 適合用來測試內部助理。使用者輸入問題後，workflow 會把訊息送到 AI Agent。若要串到外部系統，也可以用 Webhook 或其他 trigger。
第二步：加入 AI Agent node
AI Agent node 負責接收 prompt，並根據 tools 決定下一步。建議先把任務寫窄：
你是內部訂單查詢助理。
你只能回答與訂單狀態、付款狀態、出貨狀態有關的問題。
如果問題缺少 order_id，請要求使用者補充。
不要猜測沒有查到的資料。第三步：連接 Chat Model
n8n Tools Agent 支援多種 chat model。模型選擇要看任務：
| 任務 | 模型選擇重點 |
|---|---|
| 簡單分類 | 成本低、速度快 |
| 多步工具呼叫 | tool calling 穩定 |
| 長文件分析 | context 長度 |
| 內部敏感資料 | 隱私與部署策略 |
第四步：接上 tools
一開始只接一到兩個 tools。常見組合是：
- HTTP Request：查內部 API
- Google Sheets：讀取表格資料
- Call n8n Workflow：呼叫已封裝流程
不要第一次就接 Gmail、CRM、Database、Slack、GitHub 全部工具。工具越多，agent 越容易選錯。
第五步：設定 human review
n8n Tools Agent 文件提到可以為特定 tool calls 加 human review。這很適合高風險動作，例如：
- 發送外部訊息
- 修改資料庫
- 建立或刪除 ticket
- 修改 GitHub issue
- 觸發付款或退款流程
Human review 的目標不是拖慢流程，而是把不可逆動作放回人手上。
n8n AI Agent 常見架構
內部資料查詢助理
使用者在 chat 介面提問，agent 判斷需要查哪個 workflow tool，再回傳摘要。
適合資料：
- 訂單狀態
- 庫存資料
- 客戶紀錄
- 專案狀態
注意事項：回傳資料前要遮蔽個資與敏感欄位。
客服分流 workflow
Webhook 接收客服訊息，agent 判斷分類與優先級，再把結果送到客服系統。
適合分類：
- 帳務
- 技術問題
- 退款
- 功能詢問
- 企業合作
注意事項：初期只讓 agent 建議分類，不要自動關閉 ticket。
RAG 文件問答
n8n 可搭配 vector database 與 retriever，把文件資料接到 AI workflow。Agent 可以根據問題決定要查文件、查 API，或要求使用者補充資訊。
注意事項：RAG 回答應附來源或文件段落 ID，不要只輸出漂亮摘要。
GitHub issue 助理
Agent 可以讀取 issue、整理 reproduction steps、標記 priority，甚至建立子任務。
注意事項：寫入 GitHub 前建議加 human review，尤其是關閉 issue、改 label、建立 PR 類動作。
n8n 自架安全重點
自架 n8n 的自由度很高，也代表安全責任更高。
| 風險 | 建議 |
|---|---|
| 舊版本漏洞 | 定期更新 n8n |
| 公開 webhook | 限制來源、驗證簽章、避免暴露管理端 |
| Credentials 過大 | 每個 workflow 使用最小權限帳號 |
| Tool 權限過寬 | 用小 workflow 封裝動作 |
| AI 誤操作 | 對高風險 tools 啟用 human review |
| Prompt injection | 不要讓外部文字直接控制高權限 tools |
如果 n8n 部署在公開網路，更要管理 webhook、form endpoints、credentials 與管理後台。AI workflow 會把「外部輸入」和「內部工具」接得更近，所以安全邊界要比一般 automation 更嚴格。
n8n、Zapier、Make 怎麼選？
| 需求 | 較適合 |
|---|---|
| 商務團隊快速串 SaaS | Zapier |
| 視覺化流程與透明推理 | Make |
| 自架、API、程式彈性 | n8n |
| 需要工程團隊維護 | n8n |
| 不想管部署 | Zapier 或 Make |
| 需要私有環境 | n8n |
n8n 最大優勢是控制權。你可以自架、寫 Code node、呼叫內部 API、封裝 workflow tool。代價是你要承擔部署、維護、安全與除錯成本。
n8n AI Agent 適合誰？
n8n AI Agent 適合有技術能力的小團隊、內部工具團隊、自動化顧問、資料工程與 AI 工程師。它也適合已經有 API、資料庫、內部系統，但缺少一層自然語言與判斷能力的組織。
如果你只是想把 Gmail 訊息轉到 Slack，n8n 可能太重。如果你想建立能查資料、判斷、呼叫內部 API、又能被工程團隊審查的 AI workflow，n8n 會是很有彈性的選擇。