Node AI Agent di n8n memudahkan Anda membangun asisten yang membaca email, mencari data, dan membalas. Node ini juga memudahkan Anda menghabiskan lebih dari yang direncanakan, karena setiap run bisa memanggil model hingga sepuluh kali, dan setiap kali mengirim ulang prompt lengkap. Tulisan ini menunjukkan cara menjalankan workflow AI Agent di model kompatibel OpenAI yang murah, model mana yang dipilih untuk pemakaian tool, pengaturan mana yang menghemat token, dan berapa biaya satu run. Untuk setup credential dan node-nya sendiri, ikuti panduan setup n8n kami.
Bagaimana menghubungkan AI Agent ke model yang lebih murah?
- Buat credential OpenAI dengan kunci dari penyedia Anda dan Base URL-nya, misalnya
https://inference.broadnet.ai/v1. - Tambahkan node AI Agent dan pasang sub-node OpenAI Chat Model dengan credential itu.
- Masukkan model berdasarkan ID, bukan dari daftar, misalnya
broadnet/qwen3.8-27b. - Matikan Use Responses API jika penyedia Anda menyajikan chat completions, seperti BroadNet.
- Pasang setidaknya satu tool. Dokumentasi n8n menyebut Anda wajib menghubungkan setidaknya satu sub-node tool ke AI Agent.
Saat Anda mengisi Base URL selain milik OpenAI, n8n menampilkan pemberitahuan bahwa tidak semua model mendukung tool atau format respons JSON. Anggap serius: pemberitahuan itu menentukan pilihan model Anda.
Model murah mana yang sanggup menangani tool n8n?
Dokumentasi n8n menyebut semua node AI Agent kini bekerja sebagai Tools Agent. Model harus menghasilkan tool call dengan andal; kalau tidak, agen akan berputar-putar atau menjawab tanpa memakai tool Anda.
| Model di BroadNet | Tool dicantumkan | Konteks | Pemakaian terbaik di n8n |
|---|---|---|---|
| Qwen3.8 27B | Ya | 262.144 | Default untuk AI Agent; input gambar, bahasa Arab sudah diuji |
| GLM 5.3 | Ya | 1.048.576 | Agen untuk dokumen panjang |
| Gemma 4 VL 26B | Tidak dicantumkan | 32.768 | Basic LLM Chain: klasifikasi, ekstraksi, routing |
| DeepSeek V4.1 Flash | Tidak dicantumkan | 1.048.576 | Chain dokumen panjang, input gambar; uji dulu sebelum dipakai sebagai agen |
Dari dua model yang mendukung tool, Qwen3.8 27B lebih murah di sisi input, dan agen n8n berat di input. Mulailah dari situ, lalu pindah ke GLM 5.3 jika tes Anda menunjukkan model itu lebih baik menangani tool Anda; GLM 5.3 vs Qwen3.8 27B membandingkan keduanya.
Di mana agen n8n menghabiskan token?
Setiap iterasi adalah panggilan model terpisah yang membawa:
- System Message yang Anda tulis,
- definisi setiap tool yang terhubung, termasuk semua tool dari node MCP Client Tool yang diset ke All,
- jendela memori dari Simple Memory,
- input pengguna, plus tool call dan hasil sebelumnya di run ini.
Output biasanya pendek. Jadi tagihan ditentukan oleh ukuran input dikali jumlah iterasi. Tulisan anggaran token agen kami menunjukkan cara mengukur tiap bagian.
Pengaturan mana yang paling memangkas biaya?
- Max Iterations. Default-nya 10. Kebanyakan agen bergaya customer support selesai dalam 2 sampai 4. Set ke 4 atau 5 agar run yang kebingungan berhenti lebih awal.
- Context Window Length di Simple Memory. Pengaturan ini menentukan berapa interaksi sebelumnya yang disimpan. Setiap interaksi dikirim ulang di setiap iterasi. Jaga tetap kecil, misalnya 5.
- Lebih sedikit tool. Di node MCP Client Tool, pakai Selected atau All Except, bukan All.
- Output tool yang pendek. Buat tool HTTP Request hanya mengembalikan field yang dibutuhkan agen, bukan respons API utuh.
- Maximum Number of Tokens. Qwen3.8 27B dan GLM 5.3 bernalar lebih dulu, dan penalaran dihitung ke batas ini. Biarkan di default atau set beberapa ribu. Terlalu kecil akan menghasilkan output kosong.
- Routing sebelum agen. Pasang Basic LLM Chain di Gemma 4 VL 26B di depan untuk mengklasifikasi permintaan. Hanya yang butuh tool yang sampai ke agen.
Untuk bentuk output yang tetap, aktifkan Require Specific Output Format dan pasang Structured Output Parser. Ini lebih murah daripada meminta agen memformat ulang. Selengkapnya di output terstruktur.
Berapa biaya satu run agen n8n?
Ambil contoh agen customer support: 3 iterasi per run, sekitar 4.000 token input dan 300 token output per iterasi. Totalnya 12.000 token input dan 900 token output per run. Pada 10.000 run per bulan:
| Token bulanan | Qwen3.8 27B | GLM 5.3 |
|---|---|---|
| 120 juta input | $0.175 per 1 juta | $0.78 per 1 juta |
| 9 juta output | $2.17 per 1 juta | $3.46 per 1 juta |
Kalikan lalu jumlahkan. Dengan harga yang disinkronkan pada 2026-11-14, GLM 5.3 sekitar 3 kali lebih mahal daripada Qwen3.8 27B untuk workflow ini, sebelum diskon cache apa pun. Memangkas iterasi menjadi separuh kira-kira memangkas baris input menjadi separuh di kedua model; jendela memori yang lebih pendek memangkasnya sebesar porsi memori dalam setiap prompt.
Langkah routing di Gemma 4 VL 26B hanya menambah sedikit: 10.000 klasifikasi dengan 800 token input dan 20 token output berarti 8 juta input dengan harga $0.10 per 1 juta dan 0,2 juta output dengan harga $0.22 per 1 juta. Jika 40% permintaan tidak pernah sampai ke agen, itu menghemat 40% dari baris agen. Untuk volume tinggi yang stabil di Gemma, BroadNet juga menjual kunci per jam harga tetap seharga $0.50 per jam: 120 permintaan per menit, satu stream, 300,000 token per menit.
Hitung angka Anda sendiri di kalkulator biaya API LLM, dan cek seberapa jauh 30 permintaan per menit mencukupi dengan kalkulator rate limit.
Apa yang sering rusak dengan model murah di n8n?
- Agen mengabaikan tool. Model tidak dicantumkan dengan dukungan tool. Ganti ke Qwen3.8 27B atau GLM 5.3.
- “Bad request”. Biasanya karena toggle Responses API. Panduan setup memuat perbaikannya.
- 429 saat batch. Kunci bayar sesuai pemakaian mengizinkan 30 permintaan per menit dan 4 sekaligus. Pakai Loop Over Items dengan node Wait. Lihat error dan retry.
- Tool MCP. Node MCP Client Tool membuat agen bisa memanggil server MCP eksternal. Baca dulu MCP dengan model kompatibel OpenAI.
Di mana posisi BroadNet Inference?
BroadNet Inference memberi n8n satu credential kompatibel OpenAI untuk Qwen3.8 27B dan GLM 5.3 dengan tool, Gemma 4 VL 26B untuk routing murah, dan kunci Gemma per jam seharga $0.50 untuk batch yang stabil. Akun baru mendapat kredit $5, yang mencakup Gemma 4 VL 26B; model yang mendukung tool butuh top up. BroadNet tidak cocok untuk workflow yang butuh fitur khusus OpenAI seperti tool bawaan Responses API. Buat kunci di inference.broadnet.ai.
