Cómo crear tu primer agente de IA con n8n paso a paso
TL;DR
Guía para crear tu primer agente de IA en n8n desde cero: qué piezas componen un workflow, cómo configurar el trigger HTTP, el nodo AI Agent con su modelo y sus herramientas, la condición que decide el camino y la respuesta al webhook, con los costos, límites de ejecución y pruebas de verificación que debes conocer antes de escalar.

Por qué importa
Esta nota se enfoca en la decisión práctica para builders: qué cambia, qué riesgo agrega y cómo aplicarlo sin romper operación.
Tu primer agente con n8n no necesita ser un orquestador complejo. Necesita ser un flujo que reciba un mensaje, lo procese con un modelo de lenguaje y ejecute una acción real cuando corresponde. Eso es todo: un trigger, un nodo de agente y una salida. Esta guía te lleva de cero a un agente funcionando que responde y ejecuta una petición HTTP, con los límites y costos que debes conocer antes de escalarlo.
Qué vas a construir
Un workflow con cuatro piezas:
- Trigger HTTP Webhook: recibe la petición del exterior (tu web, Telegram, un formulario o un curl de prueba).
- Nodo AI Agent: el cerebro. Decide si responde con texto o si necesita llamar una herramienta.
- Herramienta HTTP Request: una acción concreta que el agente puede ejecutar (consultar una API, crear un ticket, guardar un registro).
- Nodo IF (condición): verifica el resultado y decide qué camino seguir, por ejemplo responder al webhook o avisar a un canal interno.

Paso a paso
1. Prepara el entorno
Necesitas una cuenta de n8n. Dos opciones reales:
- n8n Cloud: sin instalación, con plan gratuito limitado. Es la vía más rápida para probar.
- Self-hosted:
docker runde la imagen oficial de n8n, o instalación local. Te da control total de datos y ejecuciones, a cambio de mantener el servidor.
Para esta guía cualquiera sirve: los nodos son los mismos.
2. Crea el workflow y agrega el trigger
Crea un workflow nuevo y agrega el nodo Webhook (en la búsqueda: "Webhook"). Configúralo como POST y copia la URL de producción. Esa URL es la puerta de entrada de tu agente: cualquier sistema que la llame con un JSON activará el flujo.
Si aún no has trabajado con la lógica de nodos, la documentación de n8n explica la diferencia entre trigger, nodo y conexión: un trigger inicia, los nodos transforman, y la conexión define el orden. Todo el modelo mental de n8n se reduce a eso.
3. Agrega el nodo AI Agent
Busca el nodo AI Agent y conéctalo al Webhook. Este nodo es el corazón del agente: recibe un mensaje, lo procesa con un modelo y decide si necesita herramientas. Dentro de él configuras:
- Modelo (LLM): OpenAI, Anthropic, Gemini o el que uses. En n8n se conecta con tu API key; no hay costos ocultos de plataforma, pagas al proveedor del modelo directamente.
- Prompt del sistema: define el rol y las reglas (idioma, tono, límites). Es tu contrato de comportamiento: sé específico y corto.
- Herramientas: las acciones que el agente puede llamar. Sin herramientas, el agente solo conversa; con ellas, ejecuta.
4. Agrega una herramienta de acción
Conecta un nodo HTTP Request como herramienta del agente. Configúralo con:
- Método y URL del endpoint real que quieras tocar.
- Headers de autenticación (una API key con permisos mínimos, nunca la raíz).
- El body con variables de la conversación, como
{{ $json.message }}.
El punto clave: la herramienta define el contrato. El agente puede llamarla, pero no inventar endpoints: solo lo que está configurado. Si necesitas reglas más finas de permisos y validación de herramientas, la guía de function calling y herramientas para agentes confiables es la lectura obligatoria después de esta.
5. Agrega la condición y la respuesta
Conecta un nodo IF a la salida del agente. La condición típica: si la acción se ejecutó con éxito (status 2xx, o el campo success en true), responde con el resultado; si falló, devuelve un mensaje de error claro y registra qué pasó.
Finalmente, conecta la respuesta al nodo Respond to Webhook para que el llamador reciba el JSON con la respuesta del agente.
6. Activa y prueba
Activa el workflow (toggle Active). Prueba con curl:
curl -X POST https://tu-webhook.n8n.cloud/webhook/xxx \
-H "Content-Type: application/json" \
-d '{"message": "Crea un ticket de soporte urgente"}'
Verifica tres cosas: que el agente responda, que la herramienta se haya ejecutado (revisa la ejecución en el nodo HTTP Request) y que el IF haya tomado el camino correcto.
Costos y límites reales
| Componente | Cómo se cobra | Rango típico |
|---|---|---|
| n8n Cloud | Plan mensual según ejecuciones | Gratis (limitado) hasta planes de pago desde ~USD 24/mes |
| Modelo LLM | Por token de entrada y salida | Desde centavos hasta dólares por 1M de tokens según modelo |
| API que consume la herramienta | Según el proveedor | Variable; usa su plan gratuito para pruebas |
| Self-hosted | Infraestructura propia | Desde USD 0 si usas tu máquina |
Límites a conocer antes de escalar: el plan gratuito de n8n Cloud tiene un tope de ejecuciones mensuales; cada llamada al webhook cuenta como una ejecución, y un mismo flujo puede consumir varias si se repite. Cuando el agente crece, el costo dominante casi nunca es n8n: es el modelo. Por eso la decisión de modelo se vuelve una decisión de costos.
Verificación del agente
Antes de declararlo listo, ejecuta estas cinco comprobaciones:
- Respuesta correcta: el agente responde lo esperado con datos reales.
- Herramienta ejecutada: la ejecución del nodo HTTP Request muestra el request y response reales.
- Camino condicional: prueba el caso de éxito y el caso de error; el IF debe tomar rutas distintas.
- Error manejado: si la API falla, el usuario recibe un mensaje claro, no un JSON crudo.
- Costo por llamada: revisa cuántos tokens consumió una conversación real; ese número define tu presupuesto.

Un agente en n8n es un workflow con criterio. El criterio lo pones tú en el prompt, en las herramientas y en las condiciones; n8n solo garantiza que las piezas se conecten y se ejecuten. Cuando domines este patrón, el siguiente nivel es convertir ese flujo en un agente de producción con colas, memoria y observabilidad, y para eso está el resto de las guías del hub de construcción de agentes. Si además quieres entender el runtime completo detrás de un agente —modelo, herramientas, memoria y gobernanza—, el curso gratuito de instalación te da la base en menos de una hora.
Artículos relacionados
Sigue explorando Automatización y otras lecturas para builders.

Prompts para automatizar tareas de oficina: correos, reportes y CRM

Automatiza tareas repetitivas y administrativas con IA: 10 casos reales

n8n agente de ventas: cómo automatizar tu pipeline con IA
