Agenci AI w n8n potrafią przeczytać maila, wyciągnąć dane z faktury, ocenić leada albo przygotować raport i przekazać wynik do Twoich systemów. Jeśli model językowy działa na Twoim GPU, a nie w publicznym API, treść tych dokumentów nie opuszcza infrastruktury firmy. Pokazujemy, jak to połączyć, na jakim sprzęcie i gdzie najczęściej pojawiają się problemy.
n8n to narzędzie do automatyzacji procesów, które hostujemy i wdrażamy dla klientów. Jeśli dopiero je poznajesz, zacznij od wpisu n8n – co to jest i jak działa. Klasyczny workflow jest deterministyczny: jeśli pole ma wartość X, zrób Y. Agent AI dodaje krok, który rozumie nieustrukturyzowany tekst i sam decyduje, które narzędzie wywołać. Poniżej opisujemy, jak zbudować agentów AI w n8n na lokalnym modelu.
Problem: dużo pracy na tekście, którego nie chcesz wysyłać na zewnątrz
Najwięcej ręcznej pracy wymagają dane bez stałej struktury: ogólna skrzynka mailowa, faktury w PDF od setek dostawców, formularze kontaktowe, notatki handlowców. Reguły typu „jeśli temat zawiera słowo faktura” szybko przestają wystarczać, bo każdy pisze inaczej. W naszym wpisie o pięciu scenariuszach automatyzacji z n8n pokazujemy procesy oparte na regułach. Model językowy uzupełnia je tam, gdzie reguł nie da się spisać.
Publiczne API rozwiązuje problem techniczny, ale tworzy trzy nowe: dane klientów i kontrahentów trafiają do zewnętrznego dostawcy, koszt rośnie z każdym przetworzonym dokumentem, a model może zmienić się bez Twojej wiedzy. Lokalny model usuwa te problemy, w zamian wymaga sprzętu i utrzymania.
Jak działają agenci AI w n8n na lokalnym modelu
W n8n agent to węzeł AI Agent, do którego podłączasz model czatu i zestaw narzędzi: zapytanie HTTP do API systemu ERP lub CRM, bazę danych, inny workflow. Model dostaje zadanie i opis narzędzi, a następnie sam decyduje, które wywołać i z jakimi parametrami (tzw. tool calling).
Połączenie z lokalnym modelem jest proste, bo vLLM i Ollama udostępniają API zgodne z OpenAI. W n8n tworzysz poświadczenie OpenAI z własnym adresem bazowym, np. http://llm.wewnetrzny:8000/v1, albo używasz węzła Ollama Chat Model. Do testów wystarczy Ollama, do pracy wielu workflowów równolegle lepszy jest vLLM (różnice opisujemy w artykule Ollama, vLLM, SGLang czy NVIDIA NIM). Endpoint modelu powinien być dostępny tylko w sieci prywatnej lub przez VPN, nigdy bezpośrednio z internetu.
Przykładowi agenci
| Proces | Co robi agent | Co wymaga akceptacji człowieka |
|---|---|---|
| Triage maili | Klasyfikuje wiadomość, wyciąga numer zamówienia lub klienta, kieruje do właściwej kolejki, szkicuje odpowiedź | Wysłanie odpowiedzi do klienta |
| Faktury do ERP | Odczytuje tekst z PDF, zwraca JSON z NIP-em, kwotami i pozycjami, sprawdza dane w bazie kontrahentów | Zaksięgowanie faktury nowego dostawcy lub powyżej progu kwotowego |
| Kwalifikacja leadów | Czyta formularz i historię w CRM, ocenia leada według Twoich kryteriów, przypisuje handlowca | Zmiana statusu klienta lub oferty |
| Generowanie raportów | Pobiera dane z bazy, pisze komentarz do liczb, składa raport tygodniowy | Wysyłka raportu poza firmę |
Modele open source, które obsługują wywoływanie narzędzi
Stan na listopad 2026; ten rynek zmienia się co miesiąc. Do agentów warto rozważyć modele z licencją Apache 2.0, które dobrze radzą sobie z tool callingiem:
- Qwen-AgentWorld-35B-A3B: model MoE przygotowany z myślą o agentach, 35 mld parametrów, z czego 3 mld aktywne. Liczy szybko, ale pamięć musi pomieścić wszystkie parametry.
- gpt-oss-20b i gpt-oss-120b (OpenAI): mniejszy na pojedynczą kartę, większy do trudniejszych, wieloetapowych zadań.
- Qwen3.8-27B: model multimodalny, przydatny, gdy agent ma czytać skany i zdjęcia dokumentów.
Nie wybieraj modelu na podstawie rankingów. Przygotuj 50–100 prawdziwych przypadków z Twojej firmy i sprawdź na nich dwa lub trzy modele. W vLLM trzeba włączyć obsługę wywołań narzędzi i właściwy parser dla danej rodziny modeli. Szersze porównanie znajdziesz w zestawieniu najlepszych modeli open source do self-hostingu.
Wymagany sprzęt: DGX Spark albo VPS z GPU
Pamięć liczymy w przybliżeniu: parametry × bajty na parametr (4-bit ≈ 0,5 B, 8-bit = 1 B) plus pamięć kontekstu i 10–20% zapasu. Agenci wysyłają długie prompty z opisem narzędzi i treścią dokumentu, więc zapas na kontekst jest ważny.
| Model | Same wagi (szacunek) | Przykładowy sprzęt |
|---|---|---|
| gpt-oss-20b | ok. 11 GB w 4-bit | VPS z A10 24 GB |
| Qwen3.8-27B | ok. 14 GB w 4-bit, ok. 28 GB w 8-bit | A10 24 GB (4-bit) lub A40 48 GB |
| Qwen-AgentWorld-35B-A3B | ok. 18 GB w 4-bit, ok. 35 GB w 8-bit | A40 48 GB |
| gpt-oss-120b | ok. 59 GB w 4-bit | 2× A40 96 GB lub DGX Spark |
VPS z GPU to najprostszy start. Nasze gotowe pakiety GPU zaczynają się od 899 zł netto miesięcznie (1× RTX A2000 12 GB), przez A10 24 GB (2 999 zł) i A40 48 GB (5 499 zł), do 2× A40 96 GB (8 599 zł). Działa na nich dowolny model, nie tylko DeepSeek. Możesz dostać dostęp root albo pełną administrację 24/7.
NVIDIA DGX Spark ma 128 GB pamięci zunifikowanej i uruchamia modele do 200 mld parametrów. Jego ograniczeniem jest przepustowość pamięci (273 GB/s), więc przy dużych modelach generuje tokeny wolniej niż serwery z pamięcią HBM. W automatyzacjach, które działają w tle i nie mają wielu równoległych użytkowników, zwykle to wystarcza. Utrzymujemy go w naszej serwerowni jako usługę, wycena indywidualna; szczegóły w artykule DGX Spark jako usługa. Samo n8n może działać na osobnym, zwykłym VPS.
Wdrożenie krok po kroku
- Wybierz jeden proces o dużej, policzalnej liczbie powtórzeń, np. maile na skrzynkę ogólną.
- Zbierz 50–100 prawdziwych przykładów wraz z poprawnym wynikiem. To Twój zestaw testowy.
- Uruchom model na vLLM w sieci prywatnej i podłącz go do n8n.
- Zbuduj workflow: wyzwalacz → agent → walidacja (schemat JSON, reguły biznesowe) → akceptacja → akcja.
- Przez kilka tygodni pracuj w trybie cienia: agent proponuje, człowiek decyduje, a Ty porównujesz wyniki.
- Włącz automatyczne działanie tylko tam, gdzie błąd jest tani i łatwy do cofnięcia.
- Każdą zmianę modelu lub promptu sprawdzaj na tym samym zestawie testowym.
Człowiek w pętli i bezpieczeństwo
Każda akcja z konsekwencjami, czyli wysyłka do klienta, księgowanie, płatność, usunięcie danych, powinna przejść przez akceptację. W n8n służy do tego węzeł Wait albo operacja „wyślij i czekaj na odpowiedź” w węzłach poczty i komunikatorów.
- Minimalne uprawnienia: agent dostaje osobne konto API, tylko do odczytu tam, gdzie to możliwe. Użytkownik w ERP może tworzyć szkice dokumentów, ale nie może ich zatwierdzać.
- Prompt injection: mail może zawierać tekst udający polecenie dla AI. Ogranicz narzędzia do niezbędnych; agent od triage’u nie potrzebuje narzędzia do wysyłki maili.
- Logi: zapisuj wejście, odpowiedź modelu i każde wywołanie narzędzia.
Najczęstsze pułapki
- Jeden agent z kilkunastoma narzędziami. Lepiej kilka wąskich agentów, każdy z 2–4 narzędziami.
- Brak walidacji wyniku. Model czasem zwróci niepoprawny JSON lub pominie pole; workflow musi to wychwycić.
- Za mały model do zadań wieloetapowych. Klasyfikację zrobi mały model, planowanie kilku kroków wymaga większego.
- Endpoint modelu wystawiony do internetu bez uwierzytelnienia.
- Założenie, że od razu zautomatyzujesz 100% przypadków. Realny cel to typowe sprawy, reszta trafia do ludzi.
FAQ: najczęściej zadawane pytania
Czy n8n działa z lokalnym modelem LLM?
Tak. n8n łączy się z każdym serwerem udostępniającym API zgodne z OpenAI (vLLM, SGLang, Ollama) przez poświadczenie z własnym adresem bazowym, a z Ollamą także przez dedykowany węzeł.
Jaki model wybrać do agentów AI w n8n?
Na start sprawdź Qwen-AgentWorld-35B-A3B, gpt-oss-20b i Qwen3.8-27B na własnych przykładach. Do trudniejszych zadań wieloetapowych rozważ gpt-oss-120b.
Czy agenci AI w n8n mogą sami wysyłać maile i księgować faktury?
Technicznie tak, ale zalecamy akceptację człowieka przy każdej akcji, której nie da się łatwo cofnąć. Automatycznie warto zostawić klasyfikację, ekstrakcję danych i szkice.
Ile kosztuje serwer GPU do n8n z AI?
Pakiety VPS z GPU zaczynają się od 899 zł netto miesięcznie; dla modeli 20–35B typowy wybór to A10 24 GB lub A40 48 GB. DGX Spark wyceniamy indywidualnie. Jak porównać ten koszt z pracą ludzi i API, opisujemy w artykule o liczeniu zwrotu z wdrożenia AI.
Czy dane z workflowów n8n trafiają do OpenAI?
Nie, jeśli model działa lokalnie, a n8n jest hostowane u Ciebie lub u nas. Sprawdź jednak inne węzły workflowu, bo każda integracja z usługą zewnętrzną wysyła tam dane.
Hostujemy n8n i serwery GPU w polskiej serwerowni Tier III z certyfikatem ISO 27001, z administracją 24/7. Sprawdź wdrożenie n8n i pakiety GPU albo napisz do nas – pomożemy wybrać pierwszy proces i dobrać sprzęt.