Соберите своего первого ИИ-агента в n8n: рабочий процесс триажа лидов от начала до конца
Полный разбор того, как собрать настоящего ИИ-агента в n8n — такого, что принимает входящих лидов, обогащает их, оценивает и маршрутизирует. Каждый узел, каждый промпт, каждая подводная мель.
Outcome: Спроектировать агента для триажа лидов с явными инструментами, схемами, правилами маршрутизации, логированием и человеческой проверкой.
Самая недооценённая возможность n8n — нода AI Agent. Она превращает статичный рабочий процесс («когда происходит X, делай Y») в нечто более гибкое: процесс, где ИИ-модель сама решает, какие действия предпринять, исходя из ситуации.
В этой статье мы соберём настоящего рабочего агента от начала до конца: систему триажа лидов, которая принимает новых лидов, обогащает их данными, оценивает, формирует персонализированный ответ и отправляет в нужное место. К концу вы поймёте и механику n8n-агентов, и те паттерны проектирования, которые отличают полезного агента от раздражающего.
Мы предполагаем, что n8n у вас уже установлен (на собственном сервере или через n8n.cloud) и есть рабочий API-ключ к Claude или OpenAI. Если вы новичок в n8n — сначала пройдите их базовый туториал.
Не позволяйте первой версии автоматически отвечать реальным лидам. Отправляйте черновики на проверку человеком, пока у вас нет логов, идемпотентности, порогов оценки и достаточного числа проверенных запусков, чтобы понимать поведение процесса на грязных входах.
Что именно мы строим
Рабочий процесс:
- Новый лид приходит через вебхук (из формы, события, CRM и т. д.).
- Агент обогащает лид информацией о компании (через веб-поиск).
- Оценивает лид по трём измерениям: соответствие, намерение, срочность.
- Готовит персонализированный ответ.
- На основании оценки делает одно из: - Автоматически отвечает и создаёт запись в CRM (для уверенных совпадений с высоким fit), - Готовит ответ для проверки человеком и шлёт уведомление в Slack (для средних лидов), - Или просто логирует и уведомляет, ничего не отвечая (для лидов с низким соответствием).
Этот паттерн обобщается. Замените «триаж лидов» на «триаж саппорт-тикетов», «скрининг кандидатов», «обработка запросов от прессы», «маршрутизация фидбэка клиентов» — структура та же самая.
Сопутствующая JSON-схема из этой статьи описывает входную полезную нагрузку. Используйте её, чтобы валидировать вход вебхука до того, как его увидит нода агента.
Добавьте валидационный шлюз перед агентом
Вебхук не должен передавать произвольные данные формы прямо агенту. Поставьте шаг валидации между триггером и агентом:
| Поле | Правило | Поведение при ошибке | | --- | --- | --- | | email | Обязательное, валидный email, нормализован в нижний регистр | Отклонить и уведомить владельца | | message | Обязательное, непустое, с максимальной длиной | Отклонить или отправить на ручную проверку | | source | Обязательный enum, например website-form, event, crm | Отклонить неизвестный источник | | timestamp | Обязательная ISO-метка времени или созданная вебхуком | Использовать время получения и пометить | | lead_id | Обязательный стабильный ID или созданный ключ идемпотентности | Дедуплицировать до обработки |
Этот шлюз защищает процесс от некорректных отправок, повторов вебхука и инъекций в промпт, спрятанных в полях формы. Агент всё ещё может прочитать сообщение, но рабочий процесс решает, достаточно ли запись корректна для обработки.
Ментальная модель: агент = LLM + инструменты + цикл
Прежде чем строить, разберёмся с концепцией.
«Агент» в 2026 году означает LLM, которая умеет пользоваться инструментами. Вместо того чтобы выдать один ответ, модель сама решает, какие действия (которые называются «tools») вызывать. После каждого вызова инструмента модель видит результат и решает, что делать дальше — ещё один инструмент, ещё один шаг или финальный ответ.
Нода AI Agent в n8n реализует этот цикл. Модели вы даёте:
- Системный промпт (её инструкции и характер).
- Пользовательский промпт (вход для конкретного запуска).
- Набор инструментов (другие ноды n8n или подворкфлоу, которые модель может вызывать).
Модель сама решает, какие инструменты вызывать, в каком порядке и с какими аргументами. После каждого вызова она пересматривает план. Когда сочтёт, что сделала достаточно, выдаёт финальный ответ.
Это принципиально отличается от статичного воркфлоу, потому что порядок шагов определяет модель, а не вы. Мастерство проектирования агента состоит в:
- Выдаче модели правильных инструментов (не слишком мало, не слишком много).
- Написании системного промпта, который ограничивает поведение.
- Добавлении ограничителей, чтобы агент не съезжал с рельсов.
- Проектировании выхода так, чтобы следующие ноды могли надёжно его использовать.
Шаг 1: триггер
Откройте n8n и создайте новый воркфлоу. Триггер:
- Node: Webhook
- HTTP Method: POST
- Response Mode: "When last node finishes"
- Path: что-то вроде
/lead-triage
Этот вебхук будет принимать заявки от лидов. n8n даёт вам URL, который можно подставить в качестве адресата для отправки форм или исходящего вебхука вашей CRM.
Для теста сохраните рабочий процесс один раз, чтобы URL вебхука стал активным, и подготовьте пример полезной нагрузки. Типичная полезная нагрузка для лида может выглядеть так:
{
"name": "Anna Lehtinen",
"email": "anna@somecompany.fi",
"company": "Some Company OÜ",
"role": "Head of Marketing",
"message": "Interested in your AI consulting services. We have a team of 10 and need help with prompt engineering training.",
"source": "website-form",
"timestamp": "2026-05-15T14:30:00Z"
}Нажмите «Test step» и отправьте тестовую полезную нагрузку, чтобы увидеть, как данные приходят внутрь.
Шаг 2: нода AI Agent
После вебхука добавьте ноду AI Agent. Настройте её:
- Agent Type: Conversational (или «Tools Agent» в более новых версиях — выбирайте тот вариант, что поддерживает вызов инструментов).
- Chat Model: Claude (Anthropic) или OpenAI. Для агентного рабочего процесса хорошим дефолтом будут Claude Sonnet 4.5 или GPT-5. Reasoning-модели работают, но они медленнее в агентных циклах.
- Memory: None для stateless-триажа (каждый лид независим). Для многоходовых диалогов агента используйте memory-ноду.
- System Message: здесь живёт поведение агента. Используйте шаблон ниже.
- User Message: подтяните данные лида из вебхука.
Системное сообщение:
You are a lead-triage agent for [Your Company Name], an AI consulting firm.
Your job is to process incoming leads and produce a structured triage decision.
For each lead, you must:
1. Use the `enrich_lead` tool to gather context about the company.
2. Score the lead on three dimensions:
- Fit: does the lead match our ideal customer profile?
- Companies of 10-200 people in B2B, manufacturing, or professional services.
- Roles in marketing, operations, engineering leadership, or executive.
- Intent: how serious is the inquiry?
- "Just curious" vs "actively evaluating" vs "ready to buy."
- Urgency: is there a stated or implied timeline?
3. Use the `score_lead` tool to record the scores.
4. Use the `draft_response` tool to produce a personalised reply.
5. Use the `route_lead` tool with one of: "auto_reply", "human_review", "log_only".
Routing rules:
- "auto_reply" if Fit >= 7/10 AND Intent >= 7/10. The reply will be sent automatically.
- "human_review" if Fit >= 5/10 OR Intent >= 5/10. A human will check before sending.
- "log_only" if Fit < 5/10 AND Intent < 5/10. We just track and move on.
Never invent information. If something is unclear, mark [unclear] in your scoring rationale.
Always end by returning a JSON object with:
{
"fit_score": <1-10>,
"intent_score": <1-10>,
"urgency_score": <1-10>,
"reasoning": "<2-3 sentences>",
"drafted_response": "<the email body>",
"routing": "<auto_reply|human_review|log_only>"
}Обратите внимание на структуру. Здесь есть:
- Чёткое описание задачи.
- Явный процесс (шаги 1–5).
- Явные критерии оценки.
- Явная логика маршрутизации.
- Обязательный формат вывода.
Агент не всегда будет следовать этому идеально. Но чем конкретнее системное сообщение, тем стабильнее он выдаёт одну и ту же форму ответа.
Одного JSON-объекта недостаточно. Добавьте шаг валидации после ноды агента и отклоняйте запуски, где отсутствуют оценки, routing вне разрешённого enum или черновик ответа пустой.Шаг 3: инструменты
Агенту нужны инструменты для вызовов. В n8n инструменты настраиваются под нодой агента и могут быть:
- Подворкфлоу.
- HTTP-запросами.
- Встроенными tool-нодами.
Соберём для нашего агента четыре инструмента.
Инструмент 1: enrich_lead
Подворкфлоу, который:
- Принимает на вход название компании и домен email.
- Через HTTP-ноду вызывает API веб-поиска (Perplexity, Serper, Brave Search, Tavily) по компании.
- Возвращает резюме из трёх предложений: чем компания занимается, её приблизительный размер, заметные свежие новости.
Описание инструмента (его агент читает, чтобы решить, когда вызывать):
Enriches a lead by looking up the company. Input: the company name and email domain. Output: a short summary of what the company does, its rough size, and any notable recent context.
Инструмент 2: score_lead
Простой инструмент, который принимает оценки агента и куда-то их записывает. Это может быть:
- Строка в Google Sheets.
- Insert в базу данных.
- Вызов CRM API.
Для тестов проще всего append в Google Sheets. Описание инструмента:
Records the lead scores. Input: fit_score, intent_score, urgency_score, reasoning. Output: confirmation.
Инструмент 3: draft_response
Подпроцесс, который берёт контекст лида и оценки и выдаёт персонализированный черновик письма. Внутри этот подпроцесс вызывает ещё одну ИИ-ноду со специальным промптом для черновиков:
Draft a personalised response to a B2B inquiry. Inputs: the original lead message, the company enrichment summary, the fit/intent/urgency scores.
>
Voice: warm, direct, no corporate filler. Acknowledge the specific request. Reference something from the company enrichment (not generically). End with a concrete next step (e.g., "would 15 minutes next week work?").
>
Length: 80-120 words.
Описание инструмента:
Drafts a personalised email reply to the lead. Input: the lead message, enrichment summary, and scores. Output: an email draft.
Инструмент 4: route_lead
Финальное действие маршрутизации. На основании аргумента route этот инструмент делает одно из:
- Отправляет письмо и создаёт запись в CRM (auto_reply).
- Сохраняет черновик и шлёт уведомление в Slack (human_review).
- Просто логирует и создаёт запись в CRM (log_only).
Реализуется как подворкфлоу со switch-нодой, которая направляет в одну из трёх веток в зависимости от аргумента.
Описание инструмента:
Routes the lead based on the triage decision. Input: routing decision ("auto_reply", "human_review", "log_only") and the drafted response. Output: confirmation.
Шаг 4: тестируем агента
С настроенным агентом и четырьмя инструментами запустите тест на образце полезной нагрузки.
Что вы должны увидеть в execution view в n8n:
- Вебхук принимает полезную нагрузку.
- Нода AI Agent стартует.
- Агент вызывает
enrich_lead— вы видите, как инструмент выполняется и возвращает результат. - Агент рассуждает (это может быть видно или нет — зависит от модели и настроек).
- Агент вызывает
score_lead. - Агент вызывает
draft_response. - Агент вызывает
route_leadс одним из трёх вариантов маршрутизации. - Агент возвращает финальный JSON.
Если что-то пошло не так, debug-панель n8n показывает сообщения между агентом и его инструментами. Самые типичные проблемы:
- Описание инструмента недостаточно конкретное. Агент не понимает, когда его вызывать. Сделайте описания конкретнее.
- Несовпадение схемы input/output у инструмента. Агент не может передать правильные аргументы. Опишите схему явно.
- Агент крутится в цикле бесконечно. Он вызывает инструменты, но не приходит к развязке. Установите лимит итераций и пересмотрите системный промпт.
Шаг 5: добавляем ограничители
Голый агент в продакшене небезопасен. Пять ограничителей, которые стоит добавить до того, как доверять ему реальный трафик:
1. Максимум итераций. Установите для агента разумное число итераций (10–20). Это предотвращает runaway-циклы, в которых агент бесконечно дёргает инструменты, не доводя дело до конца.
2. Шлюз согласования для auto_reply. Даже если агент решает «auto_reply», первые несколько недель пропускайте всё через очередь человеческого подтверждения. Убедитесь, что решения агента про auto-reply действительно хорошие, прежде чем выпускать их клиентам без проверки.
3. Allowlist для исходящих действий. Настройте инструменты CRM и почты так, чтобы они работали только с записями, соответствующими ожидаемому шаблону. Это предотвратит отправку письма не туда или создание записей по нелидам.
4. Логирование. Логируйте каждый запуск агента — вход, все вызовы инструментов, финальный вывод. Используйте встроенные execution-логи n8n или шлите в отдельный logging-сервис. Когда что-то идёт не так, логи — это то, чем вы будете дебажить.
5. Лимиты по стоимости. Установите дневной бюджет токенов. ИИ-агенты умеют идти вразнос — неправильно настроенный цикл за один плохой запуск может сжечь $50 на API-вызовах. В n8n cloud это есть из коробки; на собственном сервере мониторьте расход вашего API-ключа.
Шаг 6: подготовка к продакшену
Несколько паттернов, которые превращают рабочий прототип во что-то, чему можно доверять:
Идемпотентность. Убедитесь, что если один и тот же лид обработан дважды (из-за повторной попытки вебхука или ручного перезапуска), дубликаты записей не возникают. Добавьте в начало рабочего процесса проверку: «этот лид уже обрабатывался?»
Обработка ошибок. Оберните каждый вызов инструмента в обработку ошибок. Если API обогащения упал, агент не должен крашиться — он должен продолжить работу с урезанной информацией и пометить недостающие данные.
Наблюдаемость. Отслеживайте ключевые метрики: среднее время запуска, частота вызовов инструментов, процент маршрутизации по каждому пути. Аномалии — это сигналы.
Kill switch. Должен быть способ выключить агента без передеплоя. Простая env-переменная или toggle в воркфлоу, который агент проверяет в начале. Полезно, когда вы заметили плохое решение в продакшене и хотите поставить на паузу.
Самое важное решение в дизайне: какие инструменты дать агенту
Качество агента больше всего определяется набором инструментов. Две режима провала:
Слишком мало инструментов. Агент не может выполнять свою работу. Он пытается выкрутиться, обходя недостающие возможности, — часто через галлюцинации.
Слишком много инструментов. Агент путается, выбирает не тот инструмент или тратит итерации на разведку. Качество просаживается.
Хорошее правило: начинайте с минимально жизнеспособного набора инструментов и добавляйте новые, только когда агенту они доказуемо нужны.
Для триажа лидов выбранные нами четыре инструмента — примерно то, что нужно. Можно ещё добавить:
- Инструмент «lookup_existing_customer», чтобы проверить, не является ли лид уже клиентом.
- Инструмент «schedule_meeting», интегрированный с вашим календарём.
- Инструмент «translate», если лиды приходят на нескольких языках.
Но каждый новый инструмент — это новое решение, которое агенту приходится принимать. Каждый должен честно заслужить своё место.
Паттерны, которые обобщаются
То, что вы собрали для триажа лидов, работает и для многих других сценариев:
Триаж саппорт-тикетов. Замените обогащение на «lookup_customer_history», а маршрутизацию — на «auto_solve / escalate / categorise».
Скрининг кандидатов на вакансии. Замените обогащение на «parse_cv», оценку — на критерии fit для роли, а маршрутизацию — на «interview / reject / flag for human review».
Обработка запросов от прессы. Замените обогащение на «lookup_publication», а маршрутизацию — на ответы по приоритету.
Маршрутизация фидбэка клиентов. Замените обогащение на анализ тональности и категоризацию по продуктам.
Заявки на закупки. Замените обогащение на поиск по поставщикам, оценку — на соответствие политике, маршрутизацию — на потоки согласований.
Базовый паттерн всегда один и тот же: входящее событие → обогащение → оценка/классификация → черновик ответа → маршрутизация. Агент принимает решения; инструменты их исполняют.
Когда НЕ стоит использовать агента
Некоторые рабочие процессы от агента не выигрывают. Если логика полностью детерминирована — «всегда делай A, потом B, потом C» — обычный процесс n8n без агента работает быстрее, дешевле и надёжнее.
Агент оправдывает себя, когда:
- Возможных путей много.
- Правильный путь зависит от суждения, а не от строгих правил.
- Часть решений требует синтеза информации из нескольких источников.
Если ваше дерево решений — это несколько if-then-else, просто используйте if-then-else-ноды. Агента приберегите для случаев, когда if-then-else становится неуправляемым.
Что в итоге
ИИ-агент в n8n — это рабочий процесс, в котором модель решает, какие действия предпринять и в каком порядке, имея набор инструментов. Хорошо сделанный, он берёт на себя многошаговую работу, требующую суждений, для которой раньше был нужен человек в петле.
Рабочий процесс для триажа лидов, который мы собрали, — это примерно два часа работы для новичка в агентах n8n, плюс несколько недель настройки на реальных данных. Отдача: каждый входящий лид в течение нескольких минут обогащается, оценивается, получает черновик ответа и маршрутизируется, а человеческая проверка остаётся только там, где она реально что-то добавляет.
Соберите такого агента один раз на реальном процессе, который вам важен. Следующий агент займёт половину времени, а третий будет ощущаться рутиной. Паттерн проектирования агентов — один из самых высокорычажных навыков в работе с ИИ в 2026 году.