Artykuł 4 z serii Anatomia Agenta AI ← Jak agent pamięta — cztery typy pamięci i dlaczego to zmienia wszystko
Poprzednie trzy artykuły serii były konceptualne. Agent loop, ReAct, typy pamięci — solidny fundament. Ale w pewnym momencie trzeba przestać czytać i zacząć budować.
Barierą był kod. Python, LangChain, API keys w zmiennych środowiskowych, deployment. Dla developera — kwadrans pracy. Dla marketera, właściciela strony czy kogoś kto nie programuje zawodowo — zaporowy próg wejścia.
n8n ten próg likwiduje. Nie całkowicie i nie dla każdego use case — ale dla pierwszego agenta, dla automatyzacji które mają sens biznesowy, dla prototypu który chcesz pokazać klientowi jutro — n8n wystarczy.
Czym jest n8n i dlaczego nie Zapier
n8n to narzędzie do budowania automatyzacji przez przeciąganie i łączenie "klocków" (nodes) na wizualnym płótnie. Wygląda jak Zapier lub Make. Ale jest kilka różnic które robią z niego inne narzędzie.
Open source i self-hosting. n8n możesz uruchomić na własnym serwerze. Twoje dane nie przechodzą przez zewnętrzną infrastrukturę. Dla wielu use casów z danymi firmowymi — to decydujące.
Natywny AI Agent node. Zapier "integruje" z AI przez zewnętrzne wywołania. n8n ma dedykowany węzeł AI Agent który implementuje agent loop z narzędziami, pamięcią i obsługą błędów — wbudowany, bez zewnętrznych frameworków.
Natywna obsługa MCP. Od wersji 1.88 n8n obsługuje MCP jako klient — agent w n8n może korzystać z serwerów MCP bezpośrednio. To oznacza że cały ekosystem serwerów MCP (GitHub, Slack, Postgres, Webflux Słownik...) jest dostępny bez pisania własnych integracji.
Kod gdy potrzebujesz. Każdy node możesz rozszerzyć o własny JavaScript lub Python. Nie musisz — ale możesz, gdy no-code już nie wystarcza.
Jak myśleć o n8n: przepływy i agenty
W n8n budujesz dwie różne rzeczy i ważne żeby ich nie mylić.
Workflow to sekwencja deterministycznych kroków. Trigger → krok 1 → krok 2 → krok 3 → wynik. Każdy krok zawsze wykonuje to samo. To jest klasyczna automatyzacja — świetna dla powtarzalnych procesów bez wyjątków.
Agent to coś innego. Trigger → AI Agent → [agent sam decyduje jakich narzędzi użyć i ile razy] → wynik. Agent nie idzie przez z góry ustalony przepływ — ocenia sytuację, dobiera narzędzia, iteruje. To jest agentic workflow.
Dla pierwszego projektu: zacznij od workflow. Gdy workflow nie wystarczy bo zadanie wymaga decyzji i wyjątków — dodaj węzeł AI Agent.
Praktyczny przykład: agent monitorujący branżę
Budujesz stronę lub prowadzisz projekt contentowy. Chcesz wiedzieć co piszą konkurenci i co dzieje się w branży — bez ręcznego sprawdzania RSS feedów codziennie.
Zbudujemy agenta który:
- Co tydzień pobiera nowe artykuły z kilku RSS feedów
- Dla każdego artykułu klasyfikuje temat i ocenia relevantność
- Wysyła Ci podsumowanie tylko z tymi które naprawdę warto przeczytać
Oto jak to wygląda w n8n krok po kroku.
Krok 1: Trigger czasowy
Node: Schedule Trigger Ustawienie: każdy poniedziałek, 08:00.
Tyle. To jest pierwszy klocek — raz w tygodniu uruchamia cały przepływ.
Krok 2: Pobierz artykuły z RSS
Node: RSS Feed Read (powtórzony dla każdego źródła) Parametr: URL Twojego RSS feeda.
n8n obsługuje scalanie wielu źródeł RSS — możesz podłączyć 10 feedów i wyniki scalają się w jeden strumień.
Wynik: lista artykułów z ostatnich 7 dni — tytuł, URL, opis, data.
Krok 3: AI Agent klasyfikuje i ocenia
Node: AI Agent Model: GPT-4o mini (szybki, tani, wystarczający do klasyfikacji)
System prompt:
Jesteś ekspertem od contentu z branży [Twoja branża].
Analizujesz artykuły pod kątem ich relevantności dla właściciela
strony internetowej który buduje treści o [Twój temat].
Dla każdego artykułu zwróć JSON:
{
"relevancja": 1-5,
"temat": "jedna z kategorii: SEO/AI/WordPress/Narzędzia/Inne",
"powod": "jedno zdanie dlaczego warto przeczytać (lub nie)",
"warto": true/false
}Input: tytuł + opis artykułu z RSS.
Agent przechodzi przez każdy artykuł i klasyfikuje. To nie jest agent loop w pełnym sensie — to jeden krok z AI. Ale to jest AI jako część workflow.
Krok 4: Filtruj tylko relevantne
Node: Filter Warunek: warto == true AND relevancja >= 4
Odfiltrowujemy szum — zostają tylko artykuły które agent uznał za naprawdę warte uwagi.
Krok 5: Generuj podsumowanie
Node: AI (nie Agent — to jeden krok generowania) Model: GPT-4o mini
Prompt:
Na podstawie poniższych artykułów wygeneruj tygodniowe
podsumowanie branżowe w formie newsletter-owego intro
(3-4 zdania), a potem bullet-pointy z każdym artykułem
(tytuł + jedno zdanie dlaczego warto).Krok 6: Wyślij email lub zapisz w Notion
Node: Gmail / Slack / Notion
Gotowe podsumowanie trafia gdzie chcesz. Email, Slack channel, nowa strona w Notion.
Co właśnie zbudowałeś
Sześć klocków. Żadnej linii kodu. Agent który co tydzień monitoruje branżę za Ciebie.
Ale zwróć uwagę na coś ważnego: to nie jest autonomiczny agent. To workflow z krokiem AI w środku. Agent sam nie decyduje ile RSS feedów sprawdzić, nie szuka nowych źródeł, nie zmienia strategii gdy znajdzie coś nieoczekiwanego.
To jest właśnie granica między workflow a agentem. I to jest dobra granica na start — przewidywalne, tanie, łatwe do debugowania.
Gdy będziesz chciał żeby system sam szukał nowych źródeł, sam decydował o częstotliwości, sam reagował na trendy — wtedy potrzebujesz pełnego węzła AI Agent z narzędziami. n8n to umożliwia — ale to już kolejny poziom.
MCP w n8n — dlaczego to zmienia możliwości
Wróćmy do tematu MCP który pojawił się wcześniej w serii.
n8n od wersji 1.88 obsługuje MCP Client. Oznacza to że agent w n8n może korzystać bezpośrednio z serwerów MCP — bez ręcznego budowania integracji przez REST API.
Praktycznie: jeśli Twoja baza danych, CRM lub inny system ma serwer MCP — agent w n8n ma do niego dostęp przez jeden węzeł konfiguracyjny. Zamiast budować node z API credentials, nagłówkami i obsługą paginacji — podajesz URL serwera MCP i agent sam odkrywa dostępne narzędzia.
Dla stron na WordPress — Webflux Słownik ma serwer MCP. Agent w n8n może odpytywać słownik o definicje pojęć bezpośrednio. To jest dokładnie ten typ integracji który staje się banalnie prosty przez MCP.
Kiedy n8n nie wystarczy
n8n jest narzędziem, nie odpowiedzią na wszystko. Są przypadki gdzie potrzebujesz więcej:
Złożona logika agenta. Agent który musi dynamicznie planować wieloetapowe strategie, korygować swoje działanie na podstawie złożonych wyników, zarządzać wieloma subagentami równolegle — potrzebuje frameworka kodu (LangGraph, CrewAI) gdzie masz pełną kontrolę nad agent loop.
Produkcja z wymaganiami SLA. n8n cloud ma limity i dostępność na poziomie "good enough". Systemy krytyczne z wymaganiami 99.9% uptime i SLA — potrzebują własnej infrastruktury i własnego deployment.
Specyficzne wymagania bezpieczeństwa. Przetwarzasz dane medyczne, finansowe, prawne? Self-hosted n8n jest opcją, ale pełna kontrola wymaga własnego stosu.
Ale dla 80% use casów które chcesz przetestować, zbudować jako MVP, albo uruchomić dla siebie lub małego teamu — n8n jest właściwym narzędziem. A umiejętność szybkiego prototypowania w n8n jest bardziej wartościowa niż czekanie aż nauczysz się Pythona na poziomie który pozwoli Ci zbudować to samo od zera.
Jak zacząć
n8n cloud — darmowe konto na n8n.io. 14 dni trial z pełnymi możliwościami, potem darmowy tier z limitem 5 aktywnych workflows. Wystarczy żeby zacząć i zbudować przykład z artykułu.
Szablony — n8n ma galerię gotowych workflow na n8n.io/workflows. Wyszukaj "AI agent" albo "RSS" i znajdziesz dziesiątki gotowych punktów startowych. Lepiej zacząć od szablonu niż od pustego płótna.
Dokumentacja AI Agent — docs.n8n.io/advanced-ai ma dedykowany dział dla AI i agentów z przykładami.
W następnym artykule serii: teraz wiesz jak agent działa, jak pamięta i jak go zbudować. Ale co z system promptem który nim steruje? Prompt engineering dla agentów to coś fundamentalnie innego niż prompt do chatbota — i większość osób popełnia te same błędy.
Pojęcia ze słownika: Agentic workflow · Agent framework · MCP · Tool use · Agent loop · Human-in-the-loop
