n8n + OpenAI: crea un agente de IA paso a paso

Un flujo normal de n8n sigue el camino que dibujaste. Un agente decide su propio camino: recibe una petición, mira las herramientas que le diste, llama a una, lee el resultado y decide qué hacer después. Esa diferencia es todo el sentido, y también la razón de que los agentes cuesten más y se comporten de forma menos predecible que el flujo que ya sabes construir.

Esta guía asume que ya has construido un flujo básico. Si no, empieza por tu primer flujo en n8n: razonar sobre agentes es mucho más fácil cuando los disparadores y los nodos ya te resultan familiares.

Usa un agente solo cuando de verdad lo necesites

Esta es la decisión que la mayoría de los tutoriales se salta, y equivocarse sale caro. Si conoces los pasos de antemano, una cadena fija de nodos es más barata, más rápida y mucho más fácil de depurar. Un agente se gana su sitio solo cuando el paso siguiente depende de verdad de lo que devolvió el anterior.

Las cuatro piezas

Un agente en n8n es un nodo principal con subnodos enganchados debajo. Los subnodos se conectan al nodo AI Agent en lugar de colocarse en el flujo principal de izquierda a derecha, lo que sorprende la primera vez.

Simple Memory se llamaba antes Window Buffer Memory, así que los tutoriales y capturas antiguos usan ese nombre para lo mismo.

Constrúyelo paso a paso

1. Añade un disparador. Para un agente conversacional usa When chat message received, que te da una ventana de chat para probar y pasa un identificador de sesión automáticamente.
2. Añade el nodo AI Agent después del disparador. Sus huecos vacíos para subnodos aparecen debajo.
3. Engancha un subnodo Chat Model y conecta tu credencial de OpenAI. Empieza con un modelo de gama media: los bucles del agente llaman al modelo repetidamente, así que la diferencia de coste se multiplica en lugar de ser fija.
4. Escribe el prompt de sistema en el nodo del agente. Es la parte que decide si el agente funciona; más abajo lo vemos.
5. Engancha Simple Memory si el agente debe recordar mensajes anteriores de la misma conversación. Ajusta Context Window Length para limitar cuánto historial arrastra.
6. Engancha una sola herramienta y pruébala antes de añadir más. Un agente con cinco herramientas sin probar es casi imposible de diagnosticar.
7. Prueba desde la ventana de chat, lee los pasos intermedios y pulsa Publish: la misma regla que en cualquier flujo, no se ejecuta solo hasta que lo hagas.

El prompt de sistema es una descripción del puesto

La mayoría de los agentes que fallan lo hacen aquí y no en el cableado. El prompt de sistema debe decir para qué sirve el agente, cuándo usar cada herramienta y qué hacer cuando no puede responder, porque el modelo elige herramientas leyendo sus descripciones y tus instrucciones, no por arte de magia.

Tres cosas que la gente suele dejar fuera: un límite explícito («si la pregunta no es sobre X, dilo en lugar de adivinar»), una regla para la información que falta («pide el número de pedido en vez de inventarlo») y el formato que esperas recibir. Los prompts vagos producen agentes que llaman con seguridad a la herramienta equivocada.

Herramientas: la calidad de la descripción lo decide todo

La descripción de una herramienta no es documentación para ti: es el texto que lee el modelo al decidir si la llama. «Obtiene datos» no le da al agente nada sobre lo que decidir. «Busca un pedido por su ID y devuelve el estado y la fecha de entrega» le dice exactamente cuándo esta herramienta es la adecuada.

Dale a cada herramienta un solo trabajo. Dos agentes con tres herramientas específicas cada uno se depuran mejor que uno con seis que se solapan, y el modelo acierta mucho más a menudo.

Qué es realmente Simple Memory

Simple Memory mantiene una ventana deslizante de la conversación reciente y la inyecta antes de cada mensaje nuevo. Se indexa por un identificador de sesión que, con el disparador de chat, n8n rellena por ti, y por eso las conversaciones se mantienen separadas por usuario sin trabajo extra.

Dos límites honestos. Primero: es una ventana, no una base de datos; en cuanto la conversación supera el Context Window Length, los mensajes más antiguos se caen y el agente deja de conocerlos de verdad. Segundo: n8n desaconseja depender de este nodo en producción cuando se ejecuta en modo cola, porque un mensaje posterior puede atenderlo otro worker que no tiene esa copia. Para algo real y multiusuario, cuenta con almacenamiento externo.

Por qué fallan los agentes

• Usar un agente donde bastaría un flujo fijo: más lento, más caro, más difícil de depurar y sin ventaja alguna.
• Un prompt de sistema vago, así que el agente elige herramientas a ojo.
• Descripciones de herramientas escritas para personas y no para el modelo.
• Demasiadas herramientas a la vez, lo que impide saber qué elección salió mal.
• Dar por hecho que la memoria es eterna: es una ventana deslizante y descarta los mensajes más antiguos.
• No mirar los pasos intermedios y depurar la respuesta final en vez de la decisión que la produjo.
• Olvidar que cada iteración del bucle es otra llamada de pago al modelo.

Coste y control

Un flujo fijo llama al modelo una vez, si acaso. Un agente puede llamarlo varias veces por ejecución: para elegir herramienta, para interpretar el resultado, para decidir si ha terminado. El coste escala con la libertad que le das, otro argumento a favor de herramientas específicas y un prompt preciso.

Si el coste importa, limita las iteraciones del agente y reserva el modelo caro solo para el paso de razonamiento. No todo en el flujo tiene por qué ser una decisión del agente.

Por dónde seguir

Si algo del vocabulario sigue estorbando, el glosario de n8n cubre los términos básicos y la base de conocimiento de n8n explica cómo encajan las piezas. Para precios y limitaciones honestas, consulta la página de n8n.

En resumen

Construir el agente es la parte fácil: un nodo, tres subnodos, media hora. El trabajo está en hacerlo fiable, y vive casi por completo en el prompt de sistema y en las descripciones de las herramientas.

Empieza con una sola herramienta y un prompt aburrido y concreto. Añade capacidades solo cuando la versión simple se comporte. Y antes de construir nada, pregúntate con honestidad si los pasos son realmente impredecibles: si no lo son, el flujo fijo que ya sabes montar le ganará al agente en todos los ejes que importan.