n8nでAIエージェントを作る手順｜AI Agentノードの設定、MCP・RAGのつなぎ方と業務での使いどころ

n8nのAIエージェントとは、ワークフローの中でAIが次に使うツールを自分で選ぶ仕組みです。AI Agentノードにチャットモデル（考える役）、メモリ（会話を覚える役）、ツール（外のシステムを動かす役）をつないで作ります。作り方の最初の一歩は、チャットで質問を受け、読み取りだけのツールを1つ持たせた最小の構成を動かすことです。

従来の自動化との違いは、1つの例で比べると分かります。「問い合わせに『請求書』とあれば経理へ、『パスワード』とあれば情シスへ回す」という自動化では、人が先に条件を書き、書いていない言い回しの問い合わせは取りこぼします。AIエージェントでは、「支払いの書類がまだ届かない」という問い合わせでも、AIが文面から経理の話だと読み取り、請求書の発行状況を調べるツールを自分で選んで呼び出します。人が決めるのは「使ってよいツール」と「振る舞いの決まり」で、どの順に何を使うかはAIが決めます。

この記事のノード名・画面の項目名は、2026年9月30日時点でn8nの公式ドキュメントで確かめた内容です。版が上がると名前が変わることがあるため、設定の前にはn8nの公式ドキュメントで最新の表記をご確認ください。

この記事の答え

• n8nのAIエージェントは、AI Agentノードにチャットモデル・メモリ・ツールをつなぎ、System Messageで振る舞いを決めて作る
• 社内文書を根拠に答えさせるならRAG、外のサービスの機能を使わせるならMCP Client Tool、n8nの処理を外のAIに使わせるならMCP Server Triggerを選ぶ
• 最初は読み取りだけのツールで試し、書き込みや社外への送信には人の承認を挟んでから本番に出す

n8nのAIエージェントとは｜AI Agentノードを支える3つの部品

n8nでAIエージェントを作るときの中心は、AI Agentノードです。このノードは単体では動かず、下側にある接続口へ部品をつないで使います。部品は次の3つで、「脳・記憶・道具」と言い換えるとつかみやすくなります。

3つのうち、AIエージェントらしさを決めるのはツールです。n8nの公式ドキュメントでは、AI Agentノードには少なくとも1つのツールをつなぐこととされています。ツールが無ければ、チャットモデルに質問を渡して答えを受け取るだけになり、普通の生成AIのチャットと変わりません。

メモリは、1回の質問で終わる使い方なら無くても動きます。ただ、「さっきの件、担当は誰？」のように前の発言を受けた質問に答えさせるには、メモリが要ります。

条件分岐の自動化とどちらを使うか

毎回同じ結果になるべき処理は、AIエージェントにせず、これまでどおりIFノードやSwitchノードの条件分岐で組みます。金額の計算や、決まった項目の転記がこれに当たります。AIエージェントに向くのは、入力の言い回しが毎回違い、条件を書き切れない処理です。1つのワークフローの中で、前半は条件分岐、文章を読む部分だけAIエージェント、という組み合わせもよく使います。

関連記事：AIエージェントにどこまで任せるか｜工程を通常のプログラム・AI・人の承認に仕分ける基準

n8nでAIエージェントを作る手順｜チャットで受ける最小の構成

ここでは例として、「社員がチャットで備品の在庫を聞くと、在庫表を調べて答える」AIエージェントを作ります。在庫表はGoogle Sheetsに置いてある前提です。ノーコードで組める範囲だけで作れます。

ワークフローを作り、チャットのトリガーとAI Agentノードを置く

1. 画面左上の作成ボタンから「Workflow」を選び、新しいワークフローを作る
2. 「Add first step…」を選び、検索欄に「chat」と入れて、チャットのトリガー（キャンバス上の名前は「When chat message received」）を置く
3. トリガーの右の「＋」を押し、「AI Agent」を検索して置く
4. AI Agentノードを開き、「Prompt」の項目が「Take from previous node automatically」になっているかを確かめる。この設定で、チャットに打ち込んだ文がそのままAIへの質問になる

AI Agentノードを置いた時点では、下側の「Chat Model」「Memory」「Tool」の接続口が空のままで、まだ動きません。次の手順で部品をつなぎます。

チャットモデル・メモリ・ツールをつなぐ

1. 「Chat Model」の接続口の「＋」を押し、使うAIモデルのノード（例: OpenAI Chat Model）を選ぶ
2. 認証情報（Credential）の欄で新しい認証情報を作り、AIモデルの提供元で発行したAPIキーを貼る。続けて使うモデルを選ぶ
3. 「Memory」の接続口の「＋」を押し、「Simple Memory」を選ぶ。「Context Window Length」には、何往復前までのやりとりを覚えさせるかを入れる
4. 「Tool」の接続口の「＋」を押し、「Google Sheets」を選ぶ。認証情報を登録し、読み込むシートを指定する。操作は行を読む操作だけにする
5. ツールのノードの説明欄に、「備品の在庫表。品名・在庫数・保管場所の列がある」のように、いつ使う道具かをAIが読んで分かる文を書く

5番の説明は見落としやすい設定です。AIはツールの名前と説明を読んで、使うかどうかを決めます。説明が空だったり「シート」とだけ書いてあったりすると、在庫を聞かれても表を読みに行かず、推測で答えることがあります。

Simple Memoryには注意点が1つあります。n8nの公式ドキュメントでは、n8nを複数の処理役に分けて動かす構成（キューモード）では、本番のワークフローでSimple Memoryが動かないとされています。試す段階ではSimple Memoryで足りますが、本番の構成によってはPostgres Chat Memoryのようにデータベースに会話を残すメモリへ替えます。

System Messageの書き方｜AIエージェントの振る舞いを決める

AI Agentノードの下部にある「Add Option」から「System Message」を足すと、AIに会話の前提を渡せます。System Messageが曖昧だと、ツールを使わずに推測で答えたり、聞かれていないことまで答えたりします。役割、使うツール、答えてはいけないこと、分からないときの返し方の4つを書きます。

あなたは社内の備品について答える担当です。

- 在庫や保管場所を聞かれたら、必ず「備品在庫表」のツールで調べてから答えてください。
- 在庫表に無い品名は「在庫表に登録がありません」と答え、推測で答えないでください。
- 発注の依頼を受けても、自分で発注はしないでください。総務の申請フォームを案内してください。
- 答えは3文以内にし、在庫数と保管場所を必ず含めてください。
- 備品以外の質問には「備品のこと以外はお答えできません」と返してください。

箇条書きの2行目と3行目のように、「やってはいけないこと」と「代わりに何をするか」を組で書くと、AIが判断に迷いにくくなります。

AIエージェントを動かして確かめる

キャンバスの下にあるチャット欄を開き、「A4のコピー用紙はどこにある？」のように実際の質問を打ち込みます。答えが返ったら、AI Agentノードとツールのノードをそれぞれ開き、AIがどのツールをどんな条件で呼んだかを確かめます。オプションの「Return Intermediate Steps」をオンにすると、途中の手順が出力に残るので、ツールを呼ばずに答えていないかを追いやすくなります。

確かめるときは、うまく答えられそうな質問だけでなく、在庫表に無い品名や備品と関係の無い質問も流します。System Messageで決めたとおりに断れるかどうかは、この種類の質問でしか確かめられません。オプションの「Max Iterations」は、AIがツールを呼んで考え直す回数の上限で、初期値は10です。

n8nのAIエージェントは無料で作れるか｜ソフトとAIモデルの料金を分けて考える

n8nのAIエージェントは、無料で試せます。ただし、無料になるのはn8nのソフトの部分だけで、AIモデルの利用料は別にかかります。費用は次の3つに分けて考えます。

見落としやすいのは、クラウド版の実行回数の数え方です。n8nの公式ドキュメントでは、チャットのトリガーはメッセージを1通受けるたびにワークフローを1回動かすとされており、10通やりとりした会話は10回分の実行になります。社内の多くの人に使ってもらう段階では、会話の数ではなくメッセージの数で実行回数を見積もります。

関連記事：n8n料金プランの比較｜クラウド版・セルフホストの費用と無料の範囲

n8nとMCPのつなぎ方｜MCP Client ToolとMCP Server Triggerの使い分け

MCP（Model Context Protocol）は、AIと外部の道具をつなぐための共通の規格です。n8nとMCPの関係には向きが2つあり、どちら向きかで使うノードが変わります。

MCP Client Toolで外のサービスの機能を使わせるとき

MCP Client Toolは、AI Agentノードの「Tool」の接続口につなぐ部品です。1つのMCPサーバーが公開している道具をまとめて取り込めるため、連携ノードを1つずつ並べる手間が省けます。n8nの登録済みの一覧にあるMCPサーバーなら、ノードの画面から認証情報を作らずにつなげます。

「Tools to Include」は「All」にせず、「Selected」で使わせる道具だけを選びます。MCPサーバーの中には、読み取りの道具と一緒に、削除や送信の道具を公開しているものがあります。「All Except」を選ぶと、指定した道具以外をすべて使わせる設定になります。

MCP Server Triggerでn8nの処理を外のAIに使わせるとき

MCP Server Triggerは、ワークフローの先頭に置くトリガーです。通常のトリガーと違い、後ろに普通のノードをつなぐのではなく、ツールのノードだけをつなぎます。作ってあるワークフローを道具として公開するときは「Custom n8n Workflow Tool」のノードでつなぎます。

発行されるURLはテスト用と本番用の2つです。本番用のURLは、ワークフローを「Publish」したときに初めて使えるようになります。認証を「None」にすると、URLを知っている誰でも道具を呼べるため、社外から届く場所に置くなら認証を必ず設定します。n8nをリバースプロキシの後ろで動かしている場合は、MCPの通信が途中で切れないよう、プロキシ側で応答をため込む設定（バッファリング）を外す必要があります。

インスタンス全体のMCPサーバーは、MCP Server Triggerとは別の仕組みで、n8nの公式ドキュメントでは「n8n MCP server」と呼ばれています。個別のトリガーを置かずに、公開済みのワークフローのうち許可したものを外のAIから呼べるようにします。対象になるのは、Webhook・フォーム・定時・チャットのいずれかのトリガーで始まるワークフローです。

n8nでRAGを組む｜取り込み用と質問用の2本のワークフロー

RAG（検索拡張生成）とは、社内文書から質問に関係する部分を探し出し、その部分を根拠にAIに答えさせる仕組みです。n8nでRAGを組むときは、文書をベクトルストアへ入れる取り込み用のワークフローと、質問を受けて検索する質問用のワークフローの2本に分けます。ベクトルストアとは、文章を意味の近さで探せる形（ベクトル）にして保存するデータベースです。

取り込み用のワークフロー

1. 文書を取ってくるノードを置く（例: 共有ドライブのフォルダから規程のファイルを読む）
2. ベクトルストアのノードを置き、操作に「Insert Documents」を選ぶ
3. ベクトルストアのノードに、文章をベクトルに変える埋め込みモデルのノードをつなぐ
4. 「Default Data Loader」のノードをつなぐ。文書を小さな塊に分ける役で、分け方は多くの場合「Recursive Character Text Splitter」が向く
5. 必要に応じて、塊ごとに文書名や改訂日などの付加情報（メタデータ）を付ける

5番の付加情報は、試す段階から付けておきます。答えの根拠になった文書名を示したり、古い版を検索から外したりするときに使います。

質問用のワークフロー

1. チャットのトリガーとAI Agentノードを、前半の手順と同じように置く
2. AI Agentノードの「Tool」の接続口に、取り込み用と同じベクトルストアのノードをつなぐ
3. ツールの説明欄に「社内規程を探す道具。休暇・経費・備品の規程が入っている」のように、いつ使うかを書く
4. 検索で返す塊の数（「Limit」）を決め、文書名を答えに添えさせるなら「Include Metadata」をオンにする
5. ベクトルストアのノードに、取り込み用と同じ埋め込みモデルをつなぐ

取り込み用と質問用で埋め込みモデルが違うと、意味の近い文章をうまく探し出せません。途中で埋め込みモデルを替えるときは、文書を取り込み直します。

試す段階と本番で替えるベクトルストア

n8nには、設定の要らない「Simple Vector Store」があります。ただし、n8nの公式ドキュメントでは開発用とされており、n8nを再起動すると保存したデータが消えます。さらに、同じn8nを使う利用者なら誰でも中身を読めるため、人事や給与の規程のような閲覧を限りたい文書は入れられません。本番では、PGVector、Qdrant、Pineconeのように、データを残せて、接続できる人をデータベース側で絞れるベクトルストアへ移します。

関連記事：社内RAGの回答精度が上がらないときに見る順番｜検索の当て外れと、元の文書側の直し方

業務で任せる範囲と、人が承認する箇所の決め方

n8nのAIエージェントを業務で使うときは、ツールごとに「AIだけで動かしてよいか」を決めます。判断の基準は、そのツールが何を変えるかです。

n8nでは、AI Agentノードの「Tool」の接続口から開くツールの一覧に「Human review」の欄があり、ここに置いたツールは、AIが使おうとした時点でワークフローが止まり、人の承認を待ちます。承認の依頼はSlack・Microsoft Teams・メールなどで受け取れ、承認すればAIが決めた内容でツールが動き、却下すれば動きません。

承認を付けたら、System Messageにも「このツールは承認が要る」「却下されたら利用者にその旨を伝える」と書きます。書いておかないと、却下されたあとのAIの返事が利用者に分かりにくくなります。

どの構成から試すかは、次の3つの問いに上から答えると決められます。

最初の1本は、図の最後の「読み取りのツールを1つつなぐ最小の構成」から始めると、失敗しても業務に影響が出ません。書き込みや社外への送信を足すのは、読み取りだけの構成で答えの正しさを確かめてからにします。

関連記事：AIエージェントの精度をどう評価するか｜合格ラインの決め方と、本番に出す前の確認手順

本番運用の前に決める4つのこと

画面で組めるのは試す段階までです。本番に出すには、n8nの画面の操作ではなく、次の4つの運用の決めごとが要ります。

関連記事：n8nセルフホストの手順｜Docker・Docker Composeでの構築と本番運用で決めること

まとめ：n8nのAIエージェントは最小の構成から試し、書き込みの前に承認を決める

• n8nのAIエージェントは、AI Agentノードにチャットモデル・メモリ・ツールをつないで作る。ツールの説明とSystem Messageの書き方で、AIが道具を正しく選べるかが決まる
• n8nのソフトは無料で試せるが、AIモデルの利用料は別にかかる。チャットのトリガーはメッセージ1通ごとに1回の実行になる
• 外のサービスの機能を使わせるならMCP Client Tool、n8nの処理を外のAIに使わせるならMCP Server Triggerを使う
• RAGは取り込み用と質問用の2本で組み、同じ埋め込みモデルを使う。本番ではデータを残せるベクトルストアへ移す
• 読むだけのツールはAIに任せ、社内の記録の書き換えや社外への送信には人の承認を挟む

Augueでは、n8nを使ったAIエージェントの構成の設計から、ツールごとの承認の置き方、本番運用の決めごとまでを、お客様の業務に合わせてご一緒に進めています。ご興味がある方は是非ご相談ください。

よくある質問

AIモデルのAPI料金は、月にどれくらいかかると見ておけばよいですか？

一律の金額は出せません。料金は、AIに渡す文字の量と返ってくる文字の量で決まり、質問の長さ、読ませる文書の量、ツールを呼ぶ回数で大きく変わるためです。見積もるには、試しの期間に代表的な質問を数十件流し、AIモデルの提供元の管理画面で1回あたりの利用量を確かめ、想定する月の質問数を掛けます。あわせて、提供元の管理画面で月の利用額の上限を設定しておくと、想定外の請求を防げます。

作ったAIエージェントを、n8nのアカウントを持たない社員にも使ってもらえますか？

使ってもらえます。チャットを受けるトリガーのノードで「Make Chat Publicly Available」をオンにすると、n8nが用意するチャット画面（Hosted Chat）のURLで使えるようになります。自社のサイトや社内ポータルに埋め込む方法もあります。社内向けなら、誰でも使える状態にせず、ノードの認証の設定でパスワードかn8nへのログインを求めるようにしておきます。

社外のAIモデルにデータを送らずに動かすことはできますか？

できます。n8nには、自社のサーバーで動かすAIモデルにつなぐためのOllama Chat Modelのノードがあり、セルフホストのn8nと組み合わせれば、質問や社内文書を社外へ送らずに済みます。ただし、手元で動かせるモデルは、クラウドで提供される大きなモデルに比べて、ツールを選ぶ判断や長い文書の読み取りで精度が落ちることがあります。どちらを使うかは、同じ質問を両方に流して答えを見比べてから決めます。

試しの段階から本番へ移すまで、どれくらいの期間を見ておけばよいですか？

最小の構成が動くまでは1日もかかりませんが、本番に出すまでの期間は業務によって変わるため、一律の日数は出せません。時間がかかるのは、つなぐ先のシステムで権限をもらう手続き、答えが正しいかを確かめる質問と正解の組を用意する作業、書き込みの承認の担当者を決める作業です。この3つにそれぞれどれだけかかるかを先に見積もると、全体の期間を読みやすくなります。

関連する記事

n8nとは？できること・料金・使い方と、業務自動化を本番で回す前に決めることn8nとは、ノードをつないで業務を自動化するツールです。無料で使える範囲、料金、使い方の手順、Dockerでの始め方、Zapier・Makeとの違い、商用利用、本番で回す前に決めることを解説します。n8nとDifyの違いと使い分け｜料金・無料の範囲と、2つを連携して業務に組み込む手順n8nとDifyの違いは、n8nがシステムをつなぐワークフロー自動化、DifyがLLMのアプリを作る基盤である点です。料金と無料の範囲、業務別の使い分け、2つを連携する手順を解説します。社内AI検索の閲覧権限をどう守るか｜部署ごとのアクセス権を保ったまま社内文書を横断検索する設計社内文書を横断して検索できるようにしたとき、限られた人だけが見られる資料が回答に混ざらないための権限設計を整理します。検索の前で絞る方式と回答後に伏せる方式の違い、漏れが起きる箇所、異動や退職で崩れる運用まで扱います。AIエージェント開発の進め方｜対象業務の選び方と4工程の全体像、次へ進む前に決めることAIエージェント開発を検証で終わらせないための進め方です。対象業務の選び方、4つの工程で次へ進む前に決めること、本番に乗せる判断、運用開始後に続く作業までを、順にたどれる形で整理しました。