Так, зібрати AI-агента в n8n можна — нода AI Agent, інструменти, пам'ять і евали реальні, а модель оплати за прогони чесна. Проблема не в ноді, а в тому, хто тримає продакшн-дисципліну навколо неї: евали, guardrails, спостережуваність і DevOps самохостингу.
Скажемо одразу, щоб ви знали нашу позицію: ми — студія з двох інженерів, ми користуємося n8n, і він нам подобається. Це не «викриття». n8n — один із найчесніших інструментів в автоматизації: fair-code, self-hosted, з ціноутворенням, яке не карає за складні робочі процеси. Якщо ви CTO або solo-автоматизатор, якому комфортно з кодом і хочеться тримати дані на власних серверах, n8n вартий серйозного розгляду.
Ця стаття — про одне питання, яке нам ставлять технічні покупці: «в n8n тепер є ноди AI Agent — навіщо платити студії за агента, якщо я зберу його сам?» Чесна відповідь: часто й не треба. Але «зібрати агента» і «тримати агента в проді» — це дві різні інженерні задачі, і відстань між ними — саме те місце, де тихо застрягає більшість DIY-проєктів з AI. Розберімо цю відстань без маркетингу.
Швидке порівняння: інструмент проти відповідальності за результат
Справжня вісь тут не «фіча проти фічі». Це — хто відповідає за результат.
| n8n (self-hosted / Cloud) | Агент Grow2.ai |
|---|---|---|
Що ви отримуєте | Потужний інструмент + ноду AI Agent, яку ви збираєте й обслуговуєте | Готового агента у власності + дисципліну навколо нього |
Контроль | Повний — self-hosted, ваші дані, ваші сервери | Керований; код і логіка ваші, ми їх експлуатуємо |
Модель оплати | За прогін (кроки не рахуються) або безкоштовний Community | Фіксований пілот + щомісяця, прив'язано до KPI |
Хто тримає евали й регресії | Ви | Ми, за контрактом |
Хто на чергуванні о 2:00 | Ви | Ми |
Час до першої цінності | Скільки триватиме ваш білд | 14 днів проти KPI, або ви не платите |
Жоден стовпчик не «кращий». Це різні розміни. n8n міняє гроші на контроль і ваш час. Студія міняє частину контролю на контрактний результат і чуже чергування. Решта статті — про те, як зрозуміти, який розмін ви насправді робите.
Що n8n робить правильно (і ми не вдаватимемо інакше)
Чотири речі, які n8n робить справді добре, — звірено з його docs:
Модель оплати за прогони чесна. n8n тарифікує за прогін workflow — весь запуск, — а не за крок чи дію. Workflow на 3 ноди і на 40 нод коштують один той самий прогін. Поряд із per-task (Zapier) чи per-credit (Make) складність не роздуває рахунок тихцем. У Cloud це 2 500 прогонів на Starter (20 €/міс) і 10 000 на Pro (50 €/міс), з необмеженою кількістю користувачів на всіх планах. Це реальна перевага, і ми кажемо це прямо.
Fair-code і self-hosting — це справжній контроль даних. Community edition безкоштовна для self-host з необмеженими прогонами. Sustainable Use License дозволяє використовувати n8n для власних внутрішніх бізнес-цілей і будувати workflows клієнтам як консультант — без окремої угоди. (Це fair-code, а не OSI open source — не можна white-label чи перепродавати як хостинг-сервіс. Для внутрішнього використання й клієнтської роботи ви чисті.) Якщо дані мають лишатися on-prem із регуляторних причин чи через довіру, self-hosted n8n дає справжній контроль, а не галочку.
Нода AI Agent реальна, це не демо. У поточних версіях нода AI Agent працює як Tools Agent, що реалізує tool-calling інтерфейс LangChain. Ви підключаєте chat-модель (OpenAI, Anthropic, Groq, Mistral, Azure OpenAI), чіпляєте з-понад 150 інструментів (HTTP, Code, Postgres, Slack, Google Sheets, власні суб-workflows), і вона вирішує, який викликати. Підтримує парсери структурованого виводу, стримінг, human-in-the-loop підтвердження для чутливих дій і конфігурований ліміт ітерацій. Це легітимний runtime агента.
n8n навіть має евали. Це важливо, тож будьмо точні: n8n додав фічу Evaluations. Ви можете прогнати тестовий датасет через workflow і оцінити відповіді вбудованими метриками — Correctness і Helpfulness (оцінює LLM-суддя за шкалою 1–5) та Tools Used (детерміністична перевірка послідовності інструментів). Це більше, ніж пропонує більшість no-code платформ. Тож ні, ми не казатимемо «n8n не вміє евали». Вміє.
Отже, якщо n8n усе це вміє — де ж проблема?
Збираємо агента в n8n: як далеко це заходить
Ось чесна технічна картина. За півдня компетентний інженер підніме workflow у n8n з нодою AI Agent, chat-моделлю, кількома інструментами і Chat Trigger. Він відповідатиме на питання, викликатиме ваші API і матиме гарний вигляд у демо. Для стабільної внутрішньої задачі — «підсумуй ці тикети й запиши», «відповідай на FAQ за цим документом» — цього справді може бути досить. Запускайте.
Межі проявляються, коли агент має пам'ятати, поводитися і вижити в контакті з реальними користувачами.
Пам'ять — це буфер, а не персистентність, за замовчуванням. Нода Simple Memory тримає контекст розмови в процесі, і власні docs n8n прямо кажуть: «memory doesn't persist between sessions» (пам'ять не зберігається між сесіями). Гірше для проду: Simple Memory не працює в queue mode — n8n не гарантує, що кожен виклик обробить той самий воркер, щойно ви масштабуєтеся на кілька воркерів. Персистентна пам'ять є, але це означає підключити ноду Postgres, Redis чи MongoDB chat-memory і тримати це сховище самому. Що нормально — просто це перше місце, де «зберу сам» перетворюється на «я тепер адмініструю базу даних».
Інструменти викликаються, але edge-cases не обробляються самі. Агент радо викличе інструмент із покрученим входом, крутитиметься до ліміту ітерацій або впевнено відповість зі застарілого контексту. Обробка «брудної середини» — ретраї, фолбеки, «я не знаю», ескалація людині — це логіка workflow, яку ви проєктуєте, тестуєте й обслуговуєте. Нода дає двигун; guardrails будувати вам.
Жодного докору n8n у цьому немає. Це різниця між runtime агента і продакшн-агентом.
Продакшн-розрив: те, що не влазить у workflow
Це та частина, якої ніколи немає в демо і яка завжди є в проді. Ми це знаємо, бо самі це тримаємо: агент для e-commerce, якого ми побудували, провів 6 400+ реальних діалогів із клієнтами, а фінансова платформа, яку ми випустили — це 326 комітів і ~52 800 рядків TypeScript із 838 тестами, serverless на Cloudflare Workers. У проду є фактура, до якої «підключи ноду» не готує.
Евали — це практика, а не нода. n8n дає вам інструмент евалів, і хороший. Але еval-нода — це не еval-дисципліна. Хто курує датасет реальних провалів? Хто ганяє регресію щоразу, коли хтось підправив промпт? Хто помітить, що провайдер моделі випустив нову версію і ваш correctness-скор тихо просів на три пункти? Проблема ніколи не була «в n8n немає евалів». Проблема в тому, що евали — це постійна робота, яку хтось тримає: на кожну зміну промпту, завжди.
Guardrails мають бути структурними. У нашому продакшн-агенті для e-commerce кожне вихідне повідомлення проходить комплаєнс-рев'юера — другу модель, яка може лише видаляти фрагменти не за брендом чи не за правилами. Вона фізично не може додати твердження, знижку чи обіцянку. Рев'юер, який уміє лише видаляти, не вигадає нову галюцинацію. Це архітектурне рішення, протестоване й під наглядом, — а не рядок у системному промпті «будь ласка, тримайся бренду».
Спостережуваність — це різниця між «зламалося» і «ось чому». Кожен діалог того агента проходить через self-hosted спостережуваність (Langfuse): ми бачимо, що спитав клієнт, що агент дістав, що вирізав рев'юер, скільки тривав кожен крок і скільки коштував — приблизно 0.10 € за діалог, медіана відповіді 13 секунд. Коли щось ламається на діалозі 4 000, цей трейс — різниця між п'ятихвилинним фіксом і втраченими вихідними. n8n показує логи прогонів; продакшн-рівень спостережуваності агента — потрейсовий розбір, вартість, латентність, інспекція retrieval — це ще одна система, яку ви піднімаєте й обслуговуєте.
Кожну з цих речей можна побудувати в n8n або поряд. Питання ніколи не «чи можна це зробити?». Питання — «хто це будуватиме, тестуватиме, стежитиме й лагодитиме — стільки, скільки живе агент?».
Реальна вартість самохостингу, у EUR
Порахуймо так, як має інженер. Ліцензійний платіж — найменший рядок.
n8n Community, self-hosted: ліцензія 0 €. Додайте інфраструктуру — VPS плюс Postgres чи Redis, які ви тепер тримаєте для персистентної пам'яті, — реалістично десь у діапазоні 20–80 €/міс для невеликого-середнього сетапу. Далі рядок, що домінує: час вашого інженера. Початковий білд справжнього агента — з пам'яттю, guardrails, еval-обв'язкою і спостережуваністю — це справа на кілька тижнів, а не на півдня. Далі — постійне: n8n випускає breaking changes (v2.0 вимкнув кілька типів нод за замовчуванням і прибрав MySQL/MariaDB, змусивши мігрувати на Postgres; синтаксис виразів мінявся між minor-версіями), self-hosted інстанси отримують безпекові патчі лише обмежене вікно після мажорного релізу, і кожне оновлення провайдера моделі — потенційна регресія. Помножте власну ставку на кілька годин обслуговування на місяць плюс той білд — і «безкоштовний» інструмент несе цілком реальну чотиризначну вартість запуску і повторювану. Ми не цитуємо опитування — підставте свою ставку і свої години. Єдина теза: рахунок від n8n — це не вартість агента.
n8n Cloud знімає рутину патчів і хостингу: Starter 20 €/міс (2 500 прогонів), Pro 50 €/міс (10 000), Business 667 €/міс (40 000, із SSO, Git, environments). Але агентську логіку, евали й guardrails ви все одно будуєте і тримаєте самі.
Пілот Grow2.ai — це 1 800 € проти KPI, який ви узгоджуєте наперед, за 14 днів; не взяли KPI — не платите; далі 49–149 €/міс. Це число купує готового агента і дисципліну навколо нього: еval-набір, guardrail «лише видаляти», спостережуваність, чергування. Чесна рамка не «20 €/міс проти 1 800 €». Це «ваш інженерний час і ризик проти фіксованої ціни за контрактний результат». Якщо ви зважуєте це проти найму девів «з нуля» — той самий розрахунок у нашому розборі AI-агенти проти кастомної розробки.
Коли що обирати — прямим текстом
Без ухилянь. Три профілі:
Обирайте n8n + власного агента, коли у вас є інженер (або ви ним є), здатний тримати LLM-шар, ваш процес стабільний і зрозумілий, а дані мають жити на ваших серверах. Якщо це про вас — n8n справді правильний вибір: self-host, підключіть Postgres-пам'ять, побудуйте свою еval- і guardrail-логіку, тримайте повний контроль. Ми це серйозно.
Обирайте студію (як ми), коли у вас немає когось усередині, хто тримав би евали, guardrails і чергування; вам потрібен контрактний KPI і цінність за тижні, а не дослідницький проєкт; ви обслуговуєте клієнтів у кількох каналах (наш e-commerce агент працює в Instagram, Viber і Telegram, і дві третини діалогів — лише в Instagram); і ви радше віддасте комусь пейджер, коли оновлення ноди зламає агента.
Не обирайте поки нічого, коли ваша задача детермінована і без неструктурованого входу — планова синхронізація, потік «форма → CRM». Можливо, агент вам взагалі не потрібен; досить no-code. Дивіться AI-агенти проти Zapier і AI-агенти проти Make.
Дерево рішень
- Треба обробляти неструктурований вхід? (повідомлення, фото, голос)
- Ні → Досить no-code (Zapier / Make)
- Так → Є інженер, щоб тримати LLM-шар надовго? (евали, guardrails, пам'ять, спостережуваність, чергування)
- Так → Процес стабільний І дані мають лишатися на ваших серверах?
- Так → Self-hosted n8n + власний агент — чесний вибір
- Ні / не певні → n8n Cloud + ваш агент, або пілот студії
- Ні → Потрібен контрактний KPI і цінність за тижні?
- Так → Пілот студії проти KPI (14 днів, не взяли — не платите)
- Ні → Почніть з AI-аудиту
Рекомендація
Якщо ви технар, любите свій стек і хочете контроль — будуйте в n8n. Справді. Почніть із ноди AI Agent, підключіть персистентну пам'ять і ставтеся до евалів, guardrails і спостережуваності як до першокласних речей з першого дня, а не як до додатків. Останнє речення — це вся стаття: платформа ніколи не була складною частиною. Досі обираєте саму платформу? Наш гайд як обрати платформу AI-агентів для SMB і хаб AI-агенти для бізнесу заходять глибше.
Якщо ви радше володієте результатом, ніж експлуатацією — це те, що робимо ми. Будуємо кастомного front-office агента проти KPI, який ви ставите, за 14 днів; не взяв — не платите.
Не певні, на якому ви боці? Пройдіть AI-аудит за 2 хвилини або напишіть нам — чесно скажемо, будувати в n8n чи віддати нам проти KPI.