Что такое n8n?

n8n — self-hosted платформа автоматизации с поддержкой AI-агентов, векторных баз и цепочек LangChain прямо в визуальном редакторе.

Установка через Docker Compose

version: "3"
services:
  n8n:
    image: n8nio/n8n
    ports:
      - "5678:5678"
    environment:
      - N8N_BASIC_AUTH_ACTIVE=true
      - N8N_BASIC_AUTH_USER=admin
      - N8N_BASIC_AUTH_PASSWORD=securepassword
      - WEBHOOK_URL=https://n8n.yourdomain.com
    volumes:
      - n8n_data:/home/node/.n8n
    restart: always
volumes:
  n8n_data:

Создание AI-агента в n8n

Создайте новый Workflow
Добавьте узел AI Agent
Выберите Chat Model → Ollama
Укажите URL: http://host.docker.internal:11434
Добавьте инструменты: Wikipedia, Calculator, HTTP Request
Подключите триггер (Webhook, Schedule, Chat)

host.docker.internal позволяет Docker-контейнеру обращаться к службам на хост-машине, где запущен Ollama.

Примеры AI-воркфлоу

Чат-бот в Telegram с памятью и поиском
Автоматическая обработка входящих email с AI-ответами
Мониторинг сайтов и AI-анализ изменений
Генерация отчётов из баз данных

Частые ошибки при настройке

ECONNREFUSED при обращении к Ollama

Нода AI Agent падает с ошибкой соединения:

ECONNREFUSED 127.0.0.1:11434

Так происходит, если в поле URL указан localhost, а n8n запущен в Docker-контейнере: внутри контейнера localhost указывает на сам контейнер, а не на хост-машину, где слушает Ollama. Решение — адрес http://host.docker.internal:11434 либо запуск обоих сервисов в одной Docker-сети с обращением по имени контейнера.

Продакшн-webhook отвечает 404, хотя тест проходит

В редакторе тестовый webhook срабатывает, а тот же адрес в продакшене возвращает ошибку:

404 - The requested webhook is not registered

Продакшн-путь webhook регистрируется только у активного workflow. После любого изменения нод workflow нужно заново переключить тумблер Active, а значение WEBHOOK_URL в окружении должно совпадать с реальным публичным адресом за reverse proxy, включая протокол https.

AI Agent долго висит в статусе «Running»

На VDS без GPU крупная локальная модель отвечает медленно, и выполнение обрывается по внутреннему таймауту ноды:

Problem in node 'AI Agent'
Workflow did not finish, possible timeout

Таймаут задаётся в параметрах самой ноды (Options → Timeout) и по умолчанию рассчитан на облачные API, а не на CPU-инференс. Увеличьте таймаут или перейдите на более лёгкую квантизованную модель.

«Unrecognized node type: n8n-nodes-langchain.agent»

Unrecognized node type: n8n-nodes-langchain.agent

AI-ноды появились в n8n сравнительно недавно и есть не во всех тегах образа. Обновите Docker-образ до актуальной версии и пересоздайте контейнер — данные workflow сохранятся, если volume n8n_data подключён отдельно от самого контейнера.

n8n, Flowise и код на LangChain: что выбрать

Все три варианта решают одну и ту же задачу — связать LLM с инструментами и триггерами, но по-разному распределяют затраты между настройкой и гибкостью.

Критерий	n8n	Flowise	Свой код на LangChain
Порог входа	Низкий	Низкий	Высокий
Гибкость бизнес-логики	Средняя	Низкая	Высокая
Git-diff и код-ревью	Плохо читается	Плохо читается	Полноценный
Готовые интеграции с внешними сервисами	Сотни нод	Десятки нод	Пишутся вручную

Когда n8n не подходит

No-code слой экономит время на старте, но у него есть предел сложности, после которого визуальный редактор начинает мешать, а не помогать.

Ветвление логики с десятками условий — граф нод превращается в нечитаемое полотно
Нужен git-diff и код-ревью бизнес-логики — экспорт workflow в JSON плохо читается построчно
Задача требует высокой параллельности и минимальной задержки — воркер на Node.js становится узким местом
Команда уже пишет на Python или TypeScript, и слой no-code только добавляет лишний уровень абстракции
Нужны модульные тесты отдельных шагов логики — в визуальном редакторе для этого нет штатных инструментов

Проверка результата

Перед тем как отдавать workflow в продакшн, стоит пройти его от ручного запуска до реального внешнего вызова.

Откройте workflow и нажмите Execute Workflow — проверьте вывод каждой ноды по очереди
Посмотрите вкладку Executions на наличие ошибок и время выполнения каждого узла
Отправьте тестовый запрос на продакшен-адрес webhook и сверьте ответ
Прогоните 3–5 типичных вопросов вашего домена и оцените качество ответов агента
Убедитесь, что workflow помечен как Active — иначе продакшн-webhook не станет принимать запросы

curl -X POST https://n8n.yourdomain.com/webhook/test-agent \
  -H "Content-Type: application/json" \
  -d '{"message":"тестовый вопрос"}'

Похожие темы: визуальный конструктор без кода — Flowise на VDS, локальная модель для агента — установка Ollama, ответы по своим документам — RAG на VDS.