Cómo crear tu primer agente de IA con n8n paso a paso

n8n es una de las mejores plataformas para construir agentes de IA sin programar desde cero. En este tutorial construirás un agente de soporte con memoria que consulta una base de conocimiento y puede buscar en internet — todo en n8n, sin código.

Qué vamos a construir

Un agente de soporte al cliente que:

Recibe preguntas por webhook (desde tu web, Slack, WhatsApp, etc.)
Busca en una base de conocimiento de documentos
Si no encuentra respuesta, busca en internet
Responde al usuario
Guarda el historial de conversación para contexto futuro

Tiempo estimado: 2-3 horas para la primera versión funcional.

Prerequisitos

Cuenta en n8n (cloud en n8n.io o self-hosted)
API key de OpenAI o Anthropic
Opcionalmente: cuenta en Pinecone u otro vector store

Paso 1: Configurar el trigger

El trigger define cómo empieza el flujo. Para nuestro agente usaremos un webhook.

En n8n:

Crea un nuevo workflow
Añade un nodo Webhook
Configura el método como POST
Copia la URL del webhook — la usarás para enviar mensajes al agente

El body del request debe tener esta estructura:

{
  "message": "¿Cuál es la política de devoluciones?",
  "session_id": "usuario_123"
}

El session_id es importante: permite al agente recordar conversaciones anteriores del mismo usuario.

Paso 2: Configurar el modelo de lenguaje

Añade un nodo de AI Agent (en n8n está bajo "Advanced AI"):

En "Chat Model", selecciona OpenAI Chat Model o Anthropic Claude
Configura tu API key en las credenciales
Elige el modelo: gpt-4o-mini (barato y bueno para soporte) o claude-haiku-3-5

Paso 3: Añadir memoria

La memoria permite al agente recordar lo que se habló anteriormente en la misma sesión.

En el nodo AI Agent, haz clic en "Add Memory"
Selecciona Window Buffer Memory para conversaciones simples (guarda los últimos N mensajes en memoria)
Configura la ventana de memoria: 10 mensajes es suficiente para la mayoría de casos
Para el Session Key, usa la expresión: {{ $json.session_id }} — esto asegura que cada usuario tenga su propia memoria

Paso 4: Añadir herramientas

Las herramientas son las capacidades del agente. Añadiremos dos:

Herramienta 1: Búsqueda en base de conocimiento

Si tienes documentos de producto, FAQs o políticas en un Google Drive, Notion o como archivos:

Añade un nodo Vector Store Tool
Configura tu vector store (Pinecone, Qdrant, o el In-Memory Vector Store de n8n para empezar)
Dale un nombre descriptivo: "buscar_documentos_empresa"
Descripción: "Busca información en la base de conocimiento de la empresa sobre productos, políticas y procedimientos"

La descripción es clave — el agente la usa para decidir cuándo usar esta herramienta.

Herramienta 2: Búsqueda en internet

Para preguntas que no están en tu base de conocimiento:

Añade un nodo SerpAPI o Tavily como herramienta
Nombre: "buscar_internet"
Descripción: "Busca información actualizada en internet cuando no está disponible en la base de conocimiento"

Conectar las herramientas al agente

En el nodo AI Agent, las herramientas aparecen como conexiones en la parte inferior del nodo. Conecta ambas herramientas al agente.

Paso 5: Configurar el System Prompt

El system prompt define el comportamiento del agente. Añádelo en el nodo AI Agent bajo "System Message":

Eres un asistente de soporte de [Nombre de tu empresa]. Tu función es ayudar a los clientes con preguntas sobre nuestros productos y servicios.

Instrucciones:
- Responde siempre en el idioma del cliente
- Basa tus respuestas en la información de la base de conocimiento cuando esté disponible
- Si no tienes información suficiente, indícalo claramente y ofrece alternativas
- Nunca inventes información sobre precios, plazos o políticas
- Si la consulta requiere intervención humana, indícalo y pide al cliente que contacte con [email de soporte]

Tono: amable, conciso y profesional.

Paso 6: Configurar la respuesta

Añade un nodo Respond to Webhook al final del flujo para devolver la respuesta al usuario:

{
  "response": "{{ $json.output }}",
  "session_id": "{{ $('Webhook').item.json.session_id }}"
}

Paso 7: Cargar documentos en la base de conocimiento (opcional pero recomendado)

Si usas el Vector Store de n8n:

Crea un workflow separado para indexar documentos
Añade un trigger manual o programado
Lee los documentos (nodo Google Drive, Notion, o HTTP Request para PDFs)
Usa el nodo Embeddings OpenAI para crear los embeddings
Guárdalos en el Vector Store

Para actualizar los documentos, simplemente ejecuta este workflow de indexación de nuevo.

Paso 8: Probar el agente

Antes de conectarlo a tus canales, pruébalo desde n8n:

Haz clic en "Test Workflow"
Envía un mensaje de prueba al webhook
Observa el flujo de ejecución en tiempo real
Revisa qué herramienta usó el agente para cada pregunta

Prueba al menos estos casos:

Pregunta que está en la base de conocimiento
Pregunta que no está en la base de conocimiento
Pregunta ambigua o mal formulada
Intento de que el agente haga algo que no debe

Paso 9: Conectar a tus canales

Una vez que el agente funciona correctamente, conéctalo donde viven tus usuarios:

WhatsApp: usa la integración con Twilio o 360dialog + el trigger de n8n Slack: nodo Slack en n8n con trigger de mensajes directos Email: nodo Gmail/IMAP como trigger, respuesta vía Send Email Web: llama al webhook desde tu formulario de contacto Telegram: nodo Telegram Trigger

Errores frecuentes y cómo resolverlos

El agente no usa la base de conocimiento: verifica que la descripción de la herramienta sea específica. "Busca información" es muy genérico. "Busca en la documentación técnica de los productos de [empresa]" es mejor.

Las respuestas no tienen el tono correcto: ajusta el system prompt. Añade 2-3 ejemplos de respuestas buenas directamente en el prompt.

El agente "alucina" información: añade explícitamente al system prompt: "Si no encuentras la información en las herramientas disponibles, di que no tienes esa información y pide al cliente que contacte con soporte."

Problemas con la memoria entre sesiones: verifica que el session_id está siendo pasado correctamente en cada request y que la expresión en el nodo de memoria lo referencia bien.

Próximos pasos después del primer agente

Una vez que tienes el agente básico funcionando:

Añade analytics: conecta un nodo para guardar cada conversación en una hoja de cálculo o base de datos para analizar las preguntas más frecuentes
Implementa escalado humano: cuando el agente no puede resolver algo, crea automáticamente un ticket en tu sistema de soporte
Añade rate limiting: evita que usuarios abusivos saturen el agente con muchas peticiones
Monitoriza los costes: configura alertas en tu cuenta de OpenAI/Anthropic para controlar el gasto

El primer agente siempre lleva más tiempo del esperado — pero el segundo y el tercero se construyen en horas.