O czym jest ten film
- Agenty AI w n8n przestały być pojedynczym węzłem w środku automatyzacji i dostały własną zakładkę „Agents (Preview)”.
- W panelu agenta konfiguruje się kanały komunikacji (Slack, Telegram, Linear, Discord), narzędzia MCP, moduły i istniejące workflowy.
- Nowością są skille — znane z Claude Code czy Codeksa — które można pisać ręcznie albo wgrywać jako pliki i całe foldery.
- Doszły subagenci, harmonogramy uruchomień, baza wiedzy (CSV, PDF, Markdown, TXT), podpięcie baz wektorowych oraz zakładka sesji.
- Ustawienia pozwalają m.in. na limit równoległych subagentów (1–20), automatyczny dobór modelu do trudności zadania, pamięć, dostęp do agenta przez MCP i opcje zaawansowane (web search, reasoning, limit iteracji do 200).
- Osobną nowością jest wbudowany asystent AI w bocznym panelu, który buduje automatyzacje i agentów za użytkownika.
- Na instalacji self-hosted obie funkcje są domyślnie ukryte — odblokowuje je jedna zmienna środowiskowa i wersja n8n co najmniej 2.32.3.
- Konfiguracja asystenta wymaga trzech rzeczy: klucza API do modelu, działającego sandboksa na serwerze i dostępu do wyszukiwania w sieci.
- Autor pokazuje pełną budowę agenta „AI News Radar”, który przez Apify zbiera posty z wybranych profili na X i wysyła poranne streszczenie na Telegram.
- Ostrzeżenie kosztowe: asystent pracuje w pętli, więc przy drogich modelach rachunek za tokeny rośnie bardzo szybko.
Redakcyjne tłumaczenie
Dlaczego wracamy do n8n
Wiem, że ostatnio i na moim kanale, i na całym YouTubie pojawia się cała masa filmów o Claude Code czy Codeksie. Wiem jednak też, że spora część widzów tego kanału trafiła tutaj w czasach, kiedy publikowałem dużo poradników do świetnego narzędzia open source do budowania automatyzacji, jakim jest n8n. I tak się składa, że mniej więcej tydzień temu dostaliśmy bardzo ciekawą aktualizację, dzięki której budowanie agentów AI i automatyzacji w n8n stało się jeszcze szybsze i prostsze. Co więcej, sami agenci działają teraz nieco inaczej. Właśnie o tym będzie dzisiejszy materiał — przygotuj się na powiew nostalgii.
Agenci mają własną przestrzeń
Wraz z jedną z ostatnich aktualizacji agenty AI przestały być tylko pojedynczym klockiem, modułem wciśniętym gdzieś w środek twojej automatyzacji. Zamiast tego mają własną, osobną przestrzeń. W panelu n8n, tuż obok zakładki Workflows, pojawiła się nowa zakładka „Agents (Preview)”. To w niej możesz utworzyć, a następnie skonfigurować własnego agenta AI.
Klikamy pomarańczowy przycisk „Create agent”. Całość prezentuje się teraz następująco. Po lewej mamy okienko z asystentem AI w n8n — to również nowość, przynajmniej dla mnie, bo wcześniej tego nie widziałem; za chwilę do niego wrócimy.
Przez konfigurację agenta rozumiem takie rzeczy jak channels, czyli kanały, na których będziesz się z agentem komunikować. Dostępne są Slack, Telegram, Linear i Discord. Dodatkowo możesz wyposażyć agenta w narzędzia — mamy tu różne konektory MCP oraz moduły, czyli dostęp do poszczególnych narzędzi po API. Są też workflows, w moim przypadku 36 automatyzacji, które działają na moim n8n.
(Informacja dodatkowa: MCP — Model Context Protocol — to otwarty standard podłączania modeli AI do zewnętrznych narzędzi i źródeł danych.)
Skille, subagenci, harmonogramy
Z nowości: twój agent może mieć skille, czyli coś, co pewnie doskonale znasz z narzędzi takich jak Claude Code czy Codex. Wpisujesz nazwę skilla, opis mówiący agentowi, kiedy ma z niego skorzystać, instrukcje oraz dostępne narzędzia. Możesz też kliknąć „Upload skill” i wgrać gotowego skilla ze swojego dysku albo „Upload folder” i wgrać cały folder ze skillem.
Z dodatkowych funkcjonalności możemy dodać subagenta, czyli agenta działającego pod naszym agentem głównym. Możemy również ustawić, kiedy agent ma się uruchamiać i co ma wtedy zrobić. Widzimy tutaj przykład „daily Slack summary”, czyli codzienne podsumowanie na Slacku, z polem „objective”, czyli zadaniem: podsumuj dzisiejsze wiadomości na kanale General i wyślij je w formie podsumowania. Znamy tę funkcjonalność już wcześniej, tylko w nieco odświeżonej formie.
Oczywiście wybierasz też model, który posłuży jako cyfrowy mózg agenta, oraz instrukcje, czyli system prompt. Mamy tutaj ładne formatowanie, czego wcześniej w n8n nie widziałem.
Baza wiedzy, sesje i ustawienia
U góry ekranu jest zakładka Knowledge, czyli baza wiedzy. Możesz wgrać pliki w formacie CSV, PDF, Markdown lub TXT, które agent będzie mógł przeszukać i przeczytać, żeby udzielić lepszej odpowiedzi. A jeżeli korzystasz z RAG-ów, czyli baz wektorowych, to również możesz je tutaj podpiąć.
(Informacja dodatkowa: RAG — retrieval-augmented generation — to technika, w której model przed odpowiedzią wyszukuje fragmenty dokumentów w bazie wektorowej i opiera na nich odpowiedź.)
Kolejną nowością jest zakładka Sessions, gdzie znajdziesz dokładne opisy wszystkich interakcji z agentem. No i zakładka ustawień, gdzie możesz ustawić, ilu subagentów może działać jednocześnie — od 1 do 20. Możesz włączyć custom model routing, czyli pozwolić agentowi samodzielnie dobierać model na podstawie zadania: jeśli zadanie jest proste, może sięgnąć po Haiku, model tani, szybki i dość słaby, a jeśli trudne — po mocniejszy model. Agent sam dopasowuje model do potrzeb danego zadania.
Możesz też włączyć pamięć oraz udostępnić agenta przez MCP, dzięki czemu dosięgniesz go choćby z poziomu Claude Code. Są również opcje zaawansowane „dla nerdów” — lubimy to. Znajdziesz tam włączenie web search, czyli dostęp agenta do przeszukiwania sieci, reasoning, czyli rozumowanie — ten wewnętrzny dialog, który agent toczy sam ze sobą przy złożonych zadaniach, żeby dać lepszą odpowiedź — a także równoległość wywołań narzędzi, czyli ile narzędzi agent może uruchomić jednocześnie, oraz max iterations, czyli maksymalną liczbę pętli na jedno uruchomienie: od 1 do 200.
Wbudowany asystent AI
Jak wspominałem, kolejną nowością — a przynajmniej nowością dla mnie — jest okienko po lewej stronie, na pasku bocznym: AI Assistant. To dedykowany asystent AI, który może pomóc ci budować automatyzacje i agentów w n8n. Podpinasz mu cyfrowy mózg, czyli model AI po API. Twórcy n8n rekomendują Opusa 5.
I tutaj ważna uwaga, zanim przejdziemy dalej. Jeśli — tak jak ja — korzystasz z n8n na własnym serwerze, bo nie lubisz przepłacać za narzędzia i nie chcesz płacić za chmurę, to ani AI Assistant, ani nowy panel agentów nie będą domyślnie widoczne. Twórcy tłumaczą to tym, że te funkcje są eksperymentalne — stąd dopiski „preview” przy nazwach. Dlatego wszystkie interfejsy, które dziś widzisz na wideo, mogą się delikatnie zmienić do czasu, gdy będziesz klikać u siebie. Dobra wiadomość jest taka, że ja już to wszystko odblokowałem i za moment pokażę ci, jak to zrobić.
Serwer VPS — materiał partnerski
Aby do tego doszło, w pierwszej kolejności potrzebujesz własnego serwera VPS. To idealny moment na krótkie ogłoszenie od głównego partnera technologicznego mojego kanału, firmy Hostinger.
Jeśli szukasz sprawdzonego serwera VPS, na którym uruchomisz n8n, Claude Code, Codex czy różne aplikacje open source bez pisania kodu, to niezmiennie polecam ten od Hostingera. Uważam, że pod względem stosunku jakości do ceny mają obecnie jedną z najbardziej konkurencyjnych ofert na rynku. Na start polecam plan KVM2 — na tyle tani, że nie zrujnuje miesięcznego budżetu, i na tyle mocny, że wszystkie twoje automaty i aplikacje open source będą na nim śmigać.
Zdecydowanie na plus jest to, że instalacja n8n odbywa się jednym kliknięciem, podobnie zresztą jak instalacja większości rzeczy, które tu znajdziesz — docenią to osoby mniej techniczne, jak choćby ja. Jest też asystent AI oparty na MCP, dzięki któremu w łatwy i szybki sposób podepniesz serwer do Claude Code czy Codeksa i będziesz nim zarządzać z poziomu rozmowy z agentem AI. Nagrałem o tym osobny materiał, link znajdziesz w opisie.
Wybór serwera jest prosty: klikasz link w opisie, wybierasz plan, na przykład KVM2, następnie okres — im dłużej, tym taniej. Potem klikasz „posiadam kod rabatowy”, wpisujesz wielkimi literami ROBERTHOST, klikasz „zastosuj” i taki serwer na dwa lata wychodzi niecałe 930 zł. Korzystając z linku i kodu w opisie, wspierasz mój kanał, za co bardzo dziękuję.
Jeśli chodzi o instalację jednym kliknięciem: przechodzisz niżej do zakładki wyboru lokalizacji serwera i wybierasz tę z najniższą latencją, czyli opóźnieniem — weźmy na przykład Francję. Następnie w zakładce wyboru systemu operacyjnego zostawiasz zaznaczonego n8n. Klikasz „kontynuuj”, opłacasz serwer, a system sam zainstaluje n8n. Nic więcej nie musisz robić. Pamiętaj tylko, że oferta jest ograniczona czasowo.
Aktualizacja n8n i odblokowanie nowości
Zakładam, że na tym etapie masz już własny serwer VPS z zainstalowanym n8n, więc czas ubrudzić sobie rączki. Tak jak wspominałem, nowości są domyślnie ukryte — i stąd biorą się wszystkie komentarze i pytania w sieci w stylu: „zaktualizowałem n8n do najnowszej wersji, ale u mnie nic takiego nie ma”.
Pierwsze, co musisz zrobić, to upewnić się, że twój n8n jest w wersji co najmniej 2.32.3. Jeśli masz starszą, zacznij od aktualizacji kontenera, czyli obrazu z n8n. Jak to sprawdzić? Klikasz w lewym dolnym rogu „Help → About n8n”. U mnie widzimy wersję 2.36.7, więc wszystko się zgadza. Jeżeli nie masz najnowszej wersji, w menu „Help” pojawi się powiadomienie, że jesteś jedną, dwie albo x wersji do tyłu.
Jak zaktualizować n8n? W panelu Hostingera znajdziesz zakładkę „jak zaktualizować n8n” — kto by się spodziewał, co może być w środku. Klikamy i widzimy „update using Docker Manager”. Przechodzisz więc do menedżera Dockera, po lewej szukasz kontenera z n8n. U mnie jest w tym miejscu, u ciebie pewnie będzie to osobny kontener. Klikasz trzy kropki, klikasz „zaktualizuj”, uruchamiasz ponownie serwer. Gdy całość się zaktualizuje, przechodzisz do n8n, odświeżasz i jeśli zniknie powiadomienie o aktualizacji, to znaczy, że masz najnowszą wersję.
Teraz wystarczy odblokować nowe funkcjonalności. Ponownie przechodzisz do panelu Hostingera, do menedżera Dockera i projektów. Znajdujesz kontener z n8n, klikasz „zarządzaj”, zjeżdżasz niżej — masz tam edytor. Klikasz, znajdujesz n8n, zjeżdżasz do zakładki środowiska (environment). To, co musisz zrobić, to dodać jedną zmienną środowiskową:
N8N_ENABLED_MODULES=instance-ai,agents(Informacja dodatkowa: instance-ai odpowiada za asystenta AI, a agents za nowy panel agentów. Autor podaje tę zmienną ze słuchu — przed wdrożeniem warto zweryfikować dokładny zapis w oficjalnej dokumentacji n8n dla swojej wersji.)
Gdy dodasz zmienną środowiskową, klikasz „wdróż”, czekasz, aż serwer wdroży zmiany i zresetuje kontener. Odświeżasz n8n i nowe funkcjonalności powinny już być dostępne i widoczne w twoim panelu.
Mała uwaga techniczna: zanim wprowadzisz zmiany, upewnij się, że używasz trybu kolejkowego, czyli queue mode w n8n. Dobra wiadomość jest taka, że jeśli zainstalowałeś n8n tak, jak pokazałem w poprzednim segmencie, wszystko powinno działać.
(Informacja dodatkowa: queue mode to tryb, w którym n8n rozdziela wykonywanie workflowów na osobne procesy robocze przez kolejkę Redis — inaczej niż domyślny tryb jednoprocesowy.)
Konfiguracja asystenta AI: model, sandbox, wyszukiwarka
To jednak nie koniec, bo choć nowe funkcjonalności są już dostępne na naszym serwerze, w kolejnym kroku trzeba je jeszcze skonfigurować. Konkretnie musisz skonfigurować asystenta AI, żeby móc korzystać także z zakładki agentów. Tutaj zabawa jest nieco bardziej skomplikowana i techniczna, a cały proces jest opisany w dokumentacji n8n — link znajdziesz w opisie.
Ponieważ sam nie jestem turbotechnicznym gościem — coś tam ogarniam, ale bez przesady — nie omieszkałem skorzystać z pomocy. I to nie z pomocy człowieka, tylko mojego agenta AI w Claude Code. Przesłałem mu dokumentację, powiedziałem, żeby przeprowadził mnie przez proces krok po kroku, a te rzeczy, które mógł wdrożyć sam, wdrożył samodzielnie, bo ma dostęp do mojego serwera VPS przez SSH. To właśnie on pomaga mi zarządzać całym serwerem.
Jeśli chciałbyś zrobić coś podobnego u siebie — a polecam, szczególnie jeśli nie ogarniasz tych wszystkich rzeczy — w opisie znajdziesz link do dedykowanego poradnika, jak połączyć Claude Code z serwerem VPS na Hostingerze. Dodatkowo w opisie jest osobna instrukcja, którą możesz albo przesłać swojemu agentowi AI w Claude Code, Codeksie czy gdziekolwiek indziej, albo — jeśli masz chwilę i ogarniasz technikalia — przeklikać krok po kroku ręcznie, na przykład z poziomu panelu Hostingera.
W dużym skrócie będziesz potrzebować trzech rzeczy.
Po pierwsze — klucz API do modelu AI, który posłuży jako cyfrowy mózg twojego asystenta. Twórcy n8n polecają tu Opusa 5, a więc model Claude’a. Ja skorzystałem nie z klucza API Anthropica, tylko z platformy OpenRouter. Gdybyś nie wiedział, OpenRouter działa tak, że masz dostęp do bardzo dużej liczby różnych modeli AI w ramach jednego klucza API. Bardzo lubię tę elastyczność, korzystam i polecam. Link znajdziesz w opisie.
Po drugie — działający sandbox na serwerze. Ja skorzystałem z setupu numer 2, czyli „self-host the sandbox manually”, ponieważ nie miałem żadnego działającego sandboksa. Jest jeszcze opcja Daytona — nie wiem dokładnie, czym to jest, wiem, że jest płatne, więc wybrałem tę pierwszą. Cała instrukcja jest w dokumentacji i w instrukcji tekstowej pod odcinkiem. Ja akurat tego nie robiłem — zrobił to za mnie Claude. Jedyne, co wiem, to że specjalnie pod ten sandbox powstał nowy kontener na moim VPS-ie, a sandbox jest potrzebny po to, żeby asystent AI mógł wykonywać w nim przeróżne operacje. Kiedy przejdziemy do menedżera Dockera, widać ten sandbox i to, że działa. Wszystko ogarnął mi Claude Code z poziomu aplikacji desktopowej.
Po trzecie — musisz uruchomić web search, czyli dać asystentowi dostęp do przeszukiwania internetu. Tutaj mamy kilka możliwości. Możesz skorzystać z API Brave Search — dają darmowe API z limitem, wystarczy się zarejestrować, to prostsza opcja, choć z tego, co się orientuję, musisz wpłacić 5 dolarów, więc jest płatna. Druga opcja to darmowa wyszukiwarka SearXNG, którą jednak musisz zainstalować jako kontener na własnym serwerze. Ja zrobiłem jedną i drugą, więc mogę wybierać. Jeżeli chcesz zrobić to za darmo, polecam tę drugą opcję. Tutaj, jak możesz się domyślić, znowu oddelegowałem robotę Claude’owi: przesłałem mu dokumentację i zrobił to za mnie. W instrukcji pod odcinkiem masz wszystko opisane.
Jesteśmy w panelu ustawień asystenta AI w n8n. Widzisz, że jest uruchomiony, że korzysta z modelu przez OpenRouter — mamy Claude Opus 5, mamy sandbox, konkretnie n8n Sandbox Service na naszym serwerze, mamy web search przez SearXNG. Czyli wszystko, co przed chwilą omówiliśmy.
Budujemy agenta: AI News Radar
Skoro technikalia mamy za sobą, czas na to, co widzowie tego kanału lubią najbardziej — budowę naszego agenta AI. Żeby ułatwić sobie pracę, wypróbujemy asystenta AI dostępnego natywnie w n8n i sprawdzimy, z czym to się je. Nie miałem wcześniej okazji z niego korzystać, więc to mój pierwszy raz. Jeśli ty też nie miałeś — świetnie, przejdziemy przez to razem.
Jesteśmy w zakładce Overview, gdzie widzisz wszystkie moje automatyzacje, ale przechodzimy do zakładki Agents. Klikamy „create agent” i widzimy nasz czat po lewej stronie.
Jeszcze jedna rzecz przed budowaniem. Wiem, że twórcy n8n polecają Opusa, ale ja wybiorę tańszy model o zbliżonych parametrach — jest nieco słabszy niż Opus, ale znacznie tańszy. Klikamy „save”.
Teraz opiszmy, jakiego agenta chcemy stworzyć, co ma robić i z czego korzystać:
Chcę stworzyć agenta AI, „AI News Radar”, który za pomocą Apify będzie przeszukiwać wybrane profile na platformie X, wybierać najciekawsze posty, robić streszczenie i wysyłać mi je codziennie rano na Telegramie.
(Informacja dodatkowa: Apify to platforma do web scrapingu, udostępniająca gotowe „aktory” pobierające dane m.in. z serwisów społecznościowych.)
Mamy naszego prompta. Klikamy „wyślij” i zobaczmy, co się stanie. Przy okazji — Whisper Flow, czyli narzędzie do zamiany mowy na tekst, dodało mi właśnie nowe słowo do słownika na bazie tego, co poprawiłem. Bardzo fajne.
To, co jest fajne, to że możesz podejrzeć, jak rozumuje nasz asystent — nie jest to już czarna skrzynka, tylko dokładnie widzisz, co robi. Widzimy, że odpala skilla „agent builder”, więc całość opiera się tutaj na skillach. Widzimy, że buduje naszego agenta, korzysta z różnych rzeczy, tworzy config. Zobaczymy, co z tego wyjdzie. Zdecydowanie na plus jest pełna transparentność procesu — wszystko widać w czasie rzeczywistym.
Mam tu dla ciebie małe ostrzeżenie. Taki asystent wykonuje zadania w pętli, co oznacza, że każdy krok zżera tokeny. Przy drogich modelach rachunek może szybko urosnąć, więc pilnuj limitów i uważaj, jaki model podpinasz. Dlatego też zmieniłem Opusa 5 na tańszy model.
Kanały: podpinamy Telegram
Asystent pyta, które profile na X ma monitorować i prosi o nazwy użytkowników. Mamy dwa, które sam zaproponował: OpenAI, czyli oficjalny profil twórców ChatGPT, i Karpathy, czyli Andrej Karpathy. Do tego Tarik, czyli deweloper Claude Code, oraz Claude Devs, czyli oficjalne konto Claude Code na X, gdzie są wszystkie nowości. Robimy to dla testu, chcemy zobaczyć, jak zadziała. Klikam „submit”.
W kolejnym kroku asystent mówi, że trzeba podpiąć Telegram i dodać credentiale. Przechodzimy więc do Telegrama i skorzystamy z BotFather, czyli bota do tworzenia botów. Wpisujemy newbot, podajemy nazwę. Pierwsza rzecz to nazwa bota, czyli to, jak będzie się nazywać na Telegramie. Druga to nazwa użytkownika bota — taka bardziej prywatna, dzięki której ktoś będzie mógł się z nim połączyć i go dodać, więc ta druga powinna być w miarę bezpieczna. Da się to jeszcze dodatkowo zabezpieczyć, ale dziś nie o tym.
Widzimy, że mamy naszego bota. Mógłbym kliknąć „rozpocznij”, ale to, co robimy, to kopiujemy token, czyli klucz API. To jest twoja prywatna rzecz — nie pokazujesz tego nikomu. Ja usunę tego bota po nagraniu odcinka. Przechodzę do n8n, klikam „New Credential”, wklejam, zmieniam nazwę na coś rozpoznawalnego i klikam „save”.
Ustawiamy access mode na private. W tym miejscu możesz ograniczyć dostęp tylko do konkretnego użytkownika — podajesz user ID albo swoją nazwę użytkownika z Telegrama. Jeśli chodzi o to, skąd wziąć user ID, jest do tego specjalny bot: userinfobot. Wystarczy, że dodasz go na swoim Telegramie i wyślesz mu wiadomość — odeśle wszystko, czego potrzebujesz.
Efekt: gotowy agent
Widzimy, że mamy podpięty Telegram, mamy narzędzia Apify, mamy skille — „selekcja i streszczenie postów”, czyli skill, który stworzył nasz asystent. W harmonogramach mamy „poranny raport news radar”. Model dobrał się automatycznie. Mamy system prompt. W bazie wiedzy nic nie ma. W zakładce sesji widzimy, że asystent działał i w zasadzie nadal działa.
Podsumowanie od asystenta wygląda tak: agent AI News Radar został utworzony i skonfigurowany. Obecna konfiguracja to monitorowane profile, pobieranie postów, wybór maksymalnie dziesięciu najciekawszych postów, streszczenie w języku polskim z linkami, pomijanie duplikatów i treści słabej jakości, wysyłanie na prywatny kanał, raport codziennie o 8:00, zakres raportu — ostatnie 24 godziny, pamięć agenta oraz umiejętności selekcji i streszczania. Poświadczenia Apify i Telegrama są skonfigurowane, agent przeszedł test i przygotował przykładowy raport. Jest gotowy w trybie preview.
Możemy teraz opublikować agenta albo kliknąć „preview” i zobaczyć, jak działa. Możemy też wysłać mu wiadomość: „prześlij raport na mój Telegram”. Widzimy, że nie może — ale spoko, spróbujmy inaczej: „czy możesz przetestować tę funkcjonalność, żeby agent wysłał mi raport na Telegram, żebyśmy sprawdzili, czy wszystko działa?”. Jak nie drzwiami, to oknem — pierwszy raz z tego korzystam, więc też się uczę. Asystent odpowiada, że uruchomi test agenta z rzeczywistą wysyłką raportu na skonfigurowany Telegram, żeby sprawdzić cały przepływ. Widzimy, że coś się dzieje.
Okazuje się, że w trybie preview nie ma aktywnego kontekstu wiadomości Telegrama, ale możemy uruchomić agenta przez skonfigurowany kanał. Publikujmy więc agenta — „agent published”.
Piszę do niego na Telegramie: „Cześć, wyślesz mi przykładowy raport z ostatnich 24 godzin?”. Widzimy, że agent pisze, a więc ma dostęp do naszego Telegrama. Bardzo fajnie.
To jest w ogóle fajna funkcja, jeśli chodzi o kanały, bo ktoś z twojego zespołu, twoi współpracownicy, też mogą korzystać z tych agentów — na przykład na Slacku, na dedykowanym kanale, na Discordzie, a ty choćby na Telegramie. Opcji jest sporo. Fajna rzecz, bo n8n bardzo mocno odstawał od narzędzi typu Claude, choć dalej przydawał się do niektórych automatyzacji, niekoniecznie agentowych. To jakiś krok naprzód. Pomyślałem, że fajnie będzie rzucić okiem, jak rozwija się to narzędzie, bo mam do niego sentyment — bez niego nie byłoby mnie w tym miejscu, w którym jestem, i być może ty nie trafiłbyś na mój kanał.
Agent jako moduł w workflow
W czasie, gdy agent mieli sobie raport na Telegramie, pokażę ci jeszcze jedną rzecz. Utworzyłem nowe workflow z pustym płótnem. Klikam „N”, żeby otworzyć panel, wpisuję „agent” i widzimy „Message an Agent (Preview)”. Jak w to klikniesz, możesz dodać swojego agenta jako moduł. Wygląda to teraz tak — i możesz to łączyć z innymi klockami, z innymi modułami w swojej automatyzacji.
Wróciłem do n8n. Widzimy: news radar, przykładowy raport z ostatnich 24 godzin. Mamy tu wszystko. Taki agent nam działa. Jutro rano pewnie prześle mi kolejny raport. Całość zajęła mi dosłownie chwilę — nie musiałem robić nic skomplikowanego poza nadaniem agentowi dostępów. Myślę, że to całkiem fajna funkcjonalność i jeśli korzystasz z n8n, warto się nią zainteresować.
Podsumowanie
Przed chwilą zobaczyłeś asystenta AI, który pomógł mi krok po kroku przygotować gotowego agenta — od mojego pomysłu do gotowej wiadomości na Telegramie. I co najlepsze, ten agent działa u ciebie na serwerze, więc jest po prostu twój. Masz teraz dedykowaną przestrzeń w n8n do budowy własnych agentów, a nie tylko pojedynczy węzeł wciśnięty w środek automatyzacji. Wiesz już też, jakiej zmiennej potrzebujesz na własnym serwerze, żeby w ogóle odblokować te funkcjonalności, a całą instrukcję krok po kroku masz w opisie — wklejasz ją swojemu agentowi AI albo robisz to ręcznie.
Daj znać w komentarzu, czy chcesz więcej materiałów o n8n w podobnym formacie, czy wolisz, żebym skupił się wyłącznie na Claude Code i Codeksie. Wasze głosy realnie wpływają na to, co pojawia się na tym kanale.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Agenci w n8n to teraz osobny byt, nie węzeł w workflow
Na czym polega: Zakładka „Agents (Preview)” obok Workflows daje agentowi własną przestrzeń z kanałami, narzędziami, skillami, harmonogramami i bazą wiedzy. Agenta można potem wstawić do zwykłego workflow modułem „Message an Agent”.
Jak stosować: Traktuj agenta jako trwałą jednostkę, do której podpinasz kilka workflowów i kanałów, zamiast klonować węzeł AI w każdej automatyzacji z osobna. Zacznij od jednego agenta pełniącego jedną rolę.
Na co uważać: To wciąż tryb preview — interfejs i nazwy pól mogą się zmienić między wersjami, więc nie buduj na tym krytycznych procesów produkcyjnych.
2.Na self-hosted nowe funkcje są ukryte za zmienną środowiskową
Na czym polega: Po aktualizacji do wersji co najmniej 2.32.3 nadal nie zobaczysz ani asystenta, ani panelu agentów, dopóki nie dodasz zmiennej włączającej moduły instance-ai i agents i nie wdrożysz kontenera na nowo.
Jak stosować: Najpierw sprawdź wersję w „Help → About n8n”, zaktualizuj obraz Dockera, dopiero potem dodaj zmienną w sekcji environment i wdróż zmiany. Wymagany jest też tryb kolejkowy (queue mode).
Na co uważać: Autor podaje nazwę zmiennej ze słuchu — zweryfikuj dokładny zapis w dokumentacji dla swojej wersji. Zmiana zmiennej resetuje kontener, więc rób to poza godzinami, w których działają twoje automatyzacje.
3.Skille przenoszą wzorzec znany z Claude Code do n8n
Na czym polega: Agent może mieć skille z nazwą, opisem „kiedy użyć”, instrukcjami i listą narzędzi. Można je wpisać ręcznie albo wgrać jako plik lub cały folder z dysku.
Jak stosować: Jeśli masz już skille napisane pod Claude Code lub Codeksa, spróbuj wgrać je bezpośrednio zamiast pisać od zera. Kluczowy jest opis — to on decyduje, czy agent w ogóle sięgnie po skilla.
Na co uważać: Zbyt ogólny opis sprawi, że agent będzie odpalał skilla zawsze albo nigdy. Trzymaj jeden skill = jedno zadanie.
4.Wbudowany asystent buduje agenta z opisu w języku naturalnym
Na czym polega: Boczny panel AI Assistant przyjmuje opis w stylu „chcę agenta, który przez Apify zbierze posty z X i wyśle mi streszczenie na Telegram”, po czym sam tworzy konfigurację, skille i harmonogram, pytając o brakujące dane.
Jak stosować: Pisz prompt konkretnie: źródło danych, narzędzie, kryterium selekcji, format wyjścia, kanał i porę wysyłki. Potem przejrzyj wygenerowany system prompt i skille i popraw je ręcznie.
Na co uważać: Asystent podstawia własne domysły (np. które profile monitorować) — zweryfikuj każdą decyzję, zanim opublikujesz agenta.
5.Praca asystenta w pętli to realny koszt tokenów
Na czym polega: Asystent wykonuje zadanie iteracyjnie, a każdy krok zużywa tokeny. Przy drogich modelach rachunek rośnie szybko — dlatego autor świadomie zszedł z rekomendowanego Opusa 5 na tańszy model o zbliżonych parametrach.
Jak stosować: Do eksperymentów i budowania agenta wybieraj tańszy model, a mocny podpinaj dopiero tam, gdzie jakość rozumowania faktycznie decyduje o wyniku. Ustaw limit max iterations niżej niż domyślne maksimum 200.
Na co uważać: Ustaw limity wydatków po stronie dostawcy API (OpenRouter, Anthropic) zanim zaczniesz testować — pętla, która się zapętli, nie zapyta cię o zgodę.
6.Custom model routing pozwala mieszać modele w jednym agencie
Na czym polega: W ustawieniach agenta można włączyć automatyczny dobór modelu do trudności zadania: proste kroki idą do taniego i szybkiego modelu, złożone do mocniejszego.
Jak stosować: Włącz to w agentach, które wykonują mieszankę prostych operacji (formatowanie, filtrowanie) i trudnych (selekcja, streszczanie). To najprostsza dźwignia obniżenia kosztu bez utraty jakości tam, gdzie ona się liczy.
Na co uważać: Ocena „proste/trudne” jest heurystyką — jeśli jakość wyników spadnie, przypnij konkretny model na sztywno zamiast zgadywać, gdzie routing się pomylił.
7.Kanały robią z agenta narzędzie zespołowe
Na czym polega: Agenta podpinasz do Slacka, Telegrama, Lineara lub Discorda i rozmawiasz z nim tam, gdzie już pracujesz. Ten sam agent może obsługiwać ciebie i twoich współpracowników.
Jak stosować: Do zastosowań osobistych wystarczy Telegram, do zespołowych — dedykowany kanał na Slacku lub Discordzie, żeby historia interakcji była wspólna i przeszukiwalna.
Na co uważać: Przy Telegramie ustaw access mode na „private” i ogranicz dostęp do konkretnego user ID. Token bota to sekret — nie pokazuj go i skasuj bota testowego po eksperymentach.
8.Asystent wymaga trzech składników, zanim w ogóle ruszy
Na czym polega: Potrzebny jest klucz API do modelu, działający sandbox na serwerze (w którym asystent wykonuje operacje) oraz dostęp do web search — przez płatne Brave Search API albo darmowe SearXNG uruchomione jako własny kontener.
Jak stosować: Skompletuj wszystkie trzy przed budowaniem czegokolwiek. OpenRouter jest wygodny, bo jednym kluczem obejmuje wiele modeli i pozwala je zmieniać bez przekonfigurowywania.
Na co uważać: Sandbox to dodatkowy kontener, czyli dodatkowe zużycie zasobów VPS-a. SearXNG jest darmowy, ale wymaga własnej instalacji i utrzymania — Brave kosztuje mniej pracy, ale wymaga wpłaty.
9.Delegowanie technicznego setupu agentowi z dostępem SSH
Na czym polega: Autor nie konfigurował sandboksa ani wyszukiwarki ręcznie — przesłał dokumentację agentowi w Claude Code, który ma dostęp do jego VPS-a przez SSH, i ten wykonał kroki samodzielnie.
Jak stosować: To realna ścieżka dla osób mniej technicznych: daj agentowi konkretną dokumentację jako źródło i poproś o przeprowadzenie krok po kroku, z wdrażaniem tego, co może zrobić sam.
Na co uważać: Agent z dostępem SSH do serwera produkcyjnego może też coś zepsuć. Rób snapshot serwera przed sesją i przeglądaj polecenia, zamiast akceptować je w ciemno.
10.Transparentność procesu jest atutem, ale weryfikacja nadal na tobie
Na czym polega: Widać na żywo, jakie skille asystent odpala i jak rozumuje — to już nie czarna skrzynka. Zakładka Sessions przechowuje pełny zapis interakcji z agentem.
Jak stosować: Po każdym uruchomieniu przejrzyj sesję, żeby zrozumieć, gdzie agent zgadywał, a gdzie faktycznie sięgnął po dane. To najszybsza droga do poprawienia system promptu i skilli.
Na co uważać: Podgląd rozumowania buduje fałszywe poczucie kontroli — to, że widzisz kroki, nie znaczy, że wynik jest poprawny. W trybie preview część funkcji (jak wysyłka na kanał) może nie działać, więc test końcowy rób dopiero na opublikowanym agencie.