Що таке n8n?

n8n — self-hosted платформа автоматизації з підтримкою AI-агентів, векторних баз і ланцюжків LangChain прямо у візуальному редакторі.

Встановлення 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:

Створення AI-агента в n8n

Створіть новий Workflow
Додайте вузол AI Agent
Виберіть Chat Model → Ollama
Вкажіть URL: http://host.docker.internal:11434
Додайте інструменти: Wikipedia, Calculator, HTTP Request
Підключіть тригер (Webhook, Schedule, Chat)

host.docker.internal дозволяє Docker-контейнеру звертатися до служб на хост-машині, де запущено Ollama.

Приклади AI-воркфлоу

Чат-бот у Telegram з пам'яттю та пошуком
Автоматична обробка вхідних email з AI-відповідями
Моніторинг сайтів і AI-аналіз змін
Генерація звітів з баз даних

Часті помилки під час налаштування

ECONNREFUSED під час звернення до Ollama

Вузол AI Agent падає з помилкою з'єднання:

ECONNREFUSED 127.0.0.1:11434

Так відбувається, якщо в полі URL вказано localhost, а n8n запущено в Docker-контейнері: усередині контейнера localhost вказує на сам контейнер, а не на хост-машину, де слухає Ollama. Рішення — адреса http://host.docker.internal:11434 або запуск обох сервісів в одній Docker-мережі зі зверненням за іменем контейнера.

Продакшн-webhook відповідає 404, хоча тест проходить

У редакторі тестовий webhook спрацьовує, а та сама адреса в продакшені повертає помилку:

404 - The requested webhook is not registered

Продакшн-шлях webhook реєструється лише в активного workflow. Після будь-якої зміни вузлів workflow потрібно знову перемкнути перемикач Active, а значення WEBHOOK_URL у оточенні має збігатися з реальною публічною адресою за reverse proxy, включно з протоколом https.

AI Agent довго висить у статусі «Running»

На VDS без GPU велика локальна модель відповідає повільно, і виконання переривається за внутрішнім тайм-аутом вузла:

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

Тайм-аут задається в параметрах самого вузла (Options → Timeout) і за умовчанням розрахований на хмарні API, а не на CPU-інференс. Збільште тайм-аут або перейдіть на легшу квантизовану модель.

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

Unrecognized node type: n8n-nodes-langchain.agent

AI-вузли з'явилися в n8n порівняно недавно і є не в усіх тегах образу. Оновіть Docker-образ до актуальної версії та перестворіть контейнер — дані workflow збережуться, якщо volume n8n_data підключено окремо від самого контейнера.

n8n, Flowise і код на LangChain: що обрати

Усі три варіанти розв'язують те саме завдання — зв'язати LLM з інструментами і тригерами, але по-різному розподіляють витрати між налаштуванням і гнучкістю.

Критерій	n8n	Flowise	Власний код на LangChain
Поріг входу	Низький	Низький	Високий
Гнучкість бізнес-логіки	Середня	Низька	Висока
Git-diff і код-рев'ю	Погано читається	Погано читається	Повноцінний
Готові інтеграції із зовнішніми сервісами	Сотні вузлів	Десятки вузлів	Пишуться вручну

Коли n8n не підходить

No-code шар економить час на старті, але має межу складності, після якої візуальний редактор починає заважати, а не допомагати.

Розгалуження логіки з десятками умов — граф вузлів перетворюється на нечитабельне полотно
Потрібен git-diff і код-рев'ю бізнес-логіки — експорт workflow у JSON погано читається порядково
Завдання вимагає високої паралельності та мінімальної затримки — воркер на Node.js стає вузьким місцем
Команда вже пише на Python або TypeScript, і шар no-code лише додає зайвий рівень абстракції
Потрібні модульні тести окремих кроків логіки — у візуальному редакторі для цього немає штатних інструментів

Перевірка результату

Перш ніж віддавати workflow в продакшн, варто пройти його від ручного запуску до реального зовнішнього виклику.

Відкрийте workflow і натисніть Execute Workflow — перевірте вивід кожного вузла по черзі
Перегляньте вкладку Executions на наявність помилок і час виконання кожного вузла
Надішліть тестовий запит на продакшн-адресу webhook і звірте відповідь
Прогоніть 3–5 типових питань вашого домену і оцініть якість відповідей агента
Переконайтеся, що workflow позначено як Active — інакше продакшн-webhook не прийматиме запити

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

За темою: візуальний конструктор без коду — Flowise на VDS, локальна модель для агента — встановлення Ollama, відповіді за власними документами — RAG на VDS.