---
title: "AI Agent n8n dengan LLM murah yang kompatibel OpenAI"
description: "Bangun workflow AI Agent n8n di model kompatibel OpenAI yang murah: model mana untuk tool, pengaturan yang menghemat token, dan hitungan biaya per 10.000 run."
url: https://broadrouter.com/id/blog/n8n-ai-agent-cheap-llm/
lang: id
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Diterjemahkan dari bahasa Inggris dengan bantuan AI. [Baca versi asli bahasa Inggris](https://broadrouter.com/blog/n8n-ai-agent-cheap-llm/) (diperbarui 2026-11-16).

# AI Agent n8n dengan LLM murah: setup, pilihan model, biaya per run

Oleh tim BroadNet Inference · 5 menit baca · Dipublikasikan 2026-11-14 · Diperbarui 2026-11-16

Arahkan credential OpenAI di n8n ke API kompatibel OpenAI yang murah, masukkan model berdasarkan ID, dan matikan Use Responses API. Beri AI Agent model dengan tool calling, seperti Qwen3.8 27B atau GLM 5.3. Jaga Max Iterations tetap rendah, memori pendek, dan tool sedikit, serta arahkan klasifikasi sederhana ke model yang lebih murah lebih dulu.

## Poin penting

-   AI Agent n8n kini selalu bekerja sebagai Tools Agent dan butuh setidaknya satu tool, jadi model harus bisa menangani tool call.
-   Biaya per run sebagian besar adalah input: system message, definisi tool, dan memori dikirim ulang di setiap iterasi.
-   Max Iterations default-nya 10. Turunkan, dan jaga Context Window Length di Simple Memory tetap pendek.
-   Dengan harga yang dipublikasikan, agen contoh kami sekitar 3 kali lebih mahal per run di GLM 5.3 dibanding di Qwen3.8 27B.
-   Arahkan langkah mudah ke Basic LLM Chain di Gemma 4 VL 26B, yang juga tersedia sebagai kunci per jam harga tetap $0.50.

**Di halaman ini**

1.  Bagaimana menghubungkan AI Agent ke model yang lebih murah?
2.  Model murah mana yang sanggup menangani tool n8n?
3.  Di mana agen n8n menghabiskan token?
4.  Pengaturan mana yang paling memangkas biaya?
5.  Berapa biaya satu run agen n8n?
6.  Apa yang sering rusak dengan model murah di n8n?
7.  Di mana posisi BroadNet Inference?

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](https://broadrouter.com/id/glossary/openai-compatible-api/) 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](https://broadrouter.com/id/guides/n8n-openai-compatible/) kami.

## Bagaimana menghubungkan AI Agent ke model yang lebih murah?

1.  **Buat credential OpenAI** dengan kunci dari penyedia Anda dan Base URL-nya, misalnya `https://inference.broadnet.ai/v1`.
2.  **Tambahkan node AI Agent** dan pasang sub-node **OpenAI Chat Model** dengan credential itu.
3.  **Masukkan model berdasarkan ID**, bukan dari daftar, misalnya `broadnet/qwen3.8-27b`.
4.  **Matikan Use Responses API** jika penyedia Anda menyajikan chat completions, seperti BroadNet.
5.  **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](https://broadrouter.com/id/glossary/tool-calling/) 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](https://broadrouter.com/id/models/qwen3.8-27b/) | Ya | 262.144 | Default untuk AI Agent; input gambar, bahasa Arab sudah diuji |
| [GLM 5.3](https://broadrouter.com/id/models/glm-5.3/) | Ya | 1.048.576 | Agen untuk dokumen panjang |
| [Gemma 4 VL 26B](https://broadrouter.com/id/models/gemma-4-vl-26b/) | Tidak dicantumkan | 32.768 | Basic LLM Chain: klasifikasi, ekstraksi, routing |
| [DeepSeek V4.1 Flash](https://broadrouter.com/id/models/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](https://broadrouter.com/compare/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](https://broadrouter.com/id/blog/agent-token-budget/) kami menunjukkan cara mengukur tiap bagian.

## Pengaturan mana yang paling memangkas biaya?

1.  **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.
2.  **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.
3.  **Lebih sedikit tool.** Di node MCP Client Tool, pakai **Selected** atau **All Except**, bukan All.
4.  **Output tool yang pendek.** Buat tool HTTP Request hanya mengembalikan field yang dibutuhkan agen, bukan respons API utuh.
5.  **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](https://broadrouter.com/id/guides/reasoning-tokens-empty-response/).
6.  **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](https://broadrouter.com/id/blog/structured-output-json-schema/).

## 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](https://broadrouter.com/tools/llm-api-cost-calculator/), dan cek seberapa jauh 30 permintaan per menit mencukupi dengan [kalkulator rate limit](https://broadrouter.com/tools/llm-rate-limit-calculator/).

## 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](https://broadrouter.com/id/guides/n8n-openai-compatible/) 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](https://broadrouter.com/id/guides/errors-and-retries/).
-   **Tool MCP.** Node MCP Client Tool membuat agen bisa memanggil server MCP eksternal. Baca dulu [MCP dengan model kompatibel OpenAI](https://broadrouter.com/id/blog/mcp-with-openai-compatible-models/).

## 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](https://inference.broadnet.ai/?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-blog-n8n-ai-agent-cheap-llm&utm_content=body).

Alat gratis untuk topik ini (bahasa Inggris)

-   [Agent run cost estimator](https://broadrouter.com/tools/agent-run-cost-estimator/) Context growth per step, total tokens and cost of one agent run, with a DeepSeek session comparison.
-   [LLM batch job planner](https://broadrouter.com/tools/llm-batch-job-planner/) Run time, binding limit, cost per model and the flat sessions needed to finish a big job by a deadline.
-   [Flat-rate vs per-token LLM cost calculator](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/) Break-even between an unlimited plan and paying per token, per agent.
-   [LLM rate limit and concurrency calculator](https://broadrouter.com/tools/llm-rate-limit-calculator/) Which limit binds first: RPM, TPM or concurrency, with Little's law.

[Alat gratis (bahasa Inggris)](https://broadrouter.com/tools/)

## Istilah dalam artikel ini

[Token](https://broadrouter.com/id/glossary/token/)

Token adalah satuan teks yang dibaca dan ditulis model bahasa: sebuah kata, bagian kata, tanda baca, atau urutan byte yang dihasilkan tokenizer model. API LLM menghitung, membatasi, dan biasanya menagih pemakaian dalam token.

[MCP (Model Context Protocol)](https://broadrouter.com/id/glossary/mcp/)

MCP (Model Context Protocol) adalah protokol terbuka berbasis JSON-RPC 2.0 yang menstandarkan cara aplikasi LLM terhubung ke tool dan data eksternal. Server MCP menyediakan tools, resources, dan prompts; client MCP di dalam aplikasi host menemukannya dan meneruskan tool call dari model ke server.

[Rate limit (batas laju)](https://broadrouter.com/id/glossary/rate-limit/)

Rate limit adalah batas yang diterapkan API pada seberapa banyak client boleh memakainya dalam rentang waktu tertentu, misalnya permintaan per menit atau token per menit. Permintaan yang melebihi batas ditolak, biasanya dengan HTTP 429 Too Many Requests, sampai pemakaian kembali di bawah batas.

[Agen AI (AI agent)](https://broadrouter.com/id/glossary/agent/)

Agen AI adalah sistem di mana model bahasa mengarahkan langkahnya sendiri menuju suatu tujuan: model memutuskan tool mana yang dipanggil, membaca hasilnya, dan mengulanginya sampai menghasilkan jawaban akhir atau mencapai batas. Skrip tetap yang memanggil model di titik-titik tertentu biasanya disebut workflow.

[Token input dan output](https://broadrouter.com/id/glossary/input-and-output-tokens/)

Token input adalah token yang dibaca model bahasa dalam sebuah permintaan, termasuk system prompt, riwayat percakapan, definisi tool, dan gambar. Token output adalah token yang dihasilkannya sebagai balasan, termasuk penalaran. API LLM biasanya menghargainya secara terpisah, dan output biasanya lebih mahal.

[Bayar sesuai pemakaian (pay-as-you-go)](https://broadrouter.com/id/glossary/pay-as-you-go/)

Bayar sesuai pemakaian (pay-as-you-go) adalah model harga di mana Anda hanya membayar yang Anda pakai, dihitung per satuan seperti token, permintaan, atau menit audio, tanpa langganan atau komitmen minimum. Sebagian besar API LLM menagih dengan cara ini, dari saldo prabayar atau tagihan berkala.

[Output terstruktur (structured output)](https://broadrouter.com/id/glossary/structured-output/)

Output terstruktur adalah fitur API LLM yang membatasi balasan model pada format yang ditentukan developer, biasanya JSON Schema, agar kode bisa mem-parse-nya dengan andal. Fitur ini lebih ketat daripada JSON mode, yang menjamin JSON valid tetapi tidak menjamin bentuk tertentu.

[Tool calling (function calling)](https://broadrouter.com/id/glossary/tool-calling/)

Tool calling, disebut juga function calling, adalah fitur API LLM di mana model mengembalikan permintaan terstruktur untuk menjalankan fungsi yang didefinisikan developer, lengkap dengan argumen JSON. Aplikasi yang menjalankan fungsi itu dan mengirim hasilnya kembali; model tidak pernah menjalankan kode sendiri.

## Pertanyaan umum

### Bisakah saya memakai LLM murah dengan node AI Agent n8n?

Bisa. Sub-node OpenAI Chat Model memakai credential OpenAI, yang punya field Base URL. Arahkan ke API kompatibel OpenAI mana pun, masukkan model berdasarkan ID, dan matikan Use Responses API jika penyedia Anda menyajikan chat completions.

### Model murah mana yang bisa dipakai dengan tool n8n?

Model yang mendukung tool calling, karena AI Agent selalu bekerja sebagai Tools Agent. Di BroadNet Inference, Qwen3.8 27B dan GLM 5.3 mencantumkan dukungan tool. Gemma 4 VL 26B lebih murah tetapi tidak dicantumkan dengan tool, jadi pakai di Basic LLM Chain saja.

### Kenapa AI Agent n8n saya mahal sekali?

Setiap iterasi mengirim ulang system message, setiap definisi tool, dan jendela memori. Agen yang berputar lima kali dengan sepuluh tool dan memori panjang membaca token berkali-kali lipat lebih banyak daripada yang diketik pengguna. Turunkan Max Iterations, pangkas tool, dan perpendek memori.

### Apa fungsi Max Iterations di AI Agent n8n?

Membatasi berapa kali model dijalankan untuk menghasilkan jawaban. Default-nya 10. Setiap iterasi adalah panggilan model terpisah yang ditagih sendiri-sendiri.

### Kenapa agen n8n saya terkena error 429?

Eksekusi paralel dan loop berbagi batas yang sama pada satu kunci. Kunci bayar sesuai pemakaian BroadNet mengizinkan 30 permintaan per menit dan 4 sekaligus. Atur laju batch dengan Loop Over Items dan node Wait.

## Baca juga

-   [OpenClaw dan Hermes Agent dengan model murah: setup dan hitungan token](https://broadrouter.com/id/blog/openclaw-hermes-agent-cheap-model/)
-   [Memakai server MCP dengan model kompatibel OpenAI (penyedia apa pun)](https://broadrouter.com/id/blog/mcp-with-openai-compatible-models/)
-   [Tool calling dengan model terbuka: skema, panggilan paralel, retry](https://broadrouter.com/id/blog/tool-calling-open-models/)
-   [JSON mode vs json\_schema: output terstruktur yang andal](https://broadrouter.com/id/blog/structured-output-json-schema/)
-   [Anggaran token agen: ke mana token loop agen pergi](https://broadrouter.com/id/blog/agent-token-budget/)
-   [Berapa biaya sekali jalan agen coding AI: langkah, konteks, caching](https://broadrouter.com/id/blog/ai-coding-agent-run-cost/)
-   [Claude Code dengan model terbuka: proxy, endpoint native, dan batasnya](https://broadrouter.com/id/blog/claude-code-with-openai-compatible-models/)
-   [Panduan: Memakai BroadNet Inference di n8n (kredensial OpenAI, Base URL)](https://broadrouter.com/id/guides/n8n-openai-compatible/)
-   [Panduan: Memakai LangChain dengan BroadNet Inference](https://broadrouter.com/id/guides/langchain-openai-base-url/)
-   [Panduan: Kode error BroadNet Inference dan kapan harus mencoba ulang](https://broadrouter.com/id/guides/errors-and-retries/)

Coba dengan beban kerja Anda yang sebenarnya. Akun baru mendapat kredit US$5 untuk Gemma dan transkripsi. DeepSeek, GLM, dan Qwen3.8 memerlukan top up.

[Mulai](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-blog-n8n-ai-agent-cheap-llm&utm_content=page-cta) ·

**Sumber**

-   [Dokumentasi n8n, node AI Agent (dicek 2026-11-14)](https://docs.n8n.io/integrations/builtin/cluster-nodes/root-nodes/n8n-nodes-langchain.agent/)
-   [Dokumentasi n8n, opsi Tools Agent (dicek 2026-11-14)](https://docs.n8n.io/integrations/builtin/cluster-nodes/root-nodes/n8n-nodes-langchain.agent/tools-agent/)
-   [Dokumentasi n8n, node OpenAI Chat Model (dicek 2026-11-14)](https://docs.n8n.io/integrations/builtin/cluster-nodes/sub-nodes/n8n-nodes-langchain.lmchatopenai/)
-   [Dokumentasi n8n, node Simple Memory (dicek 2026-11-14)](https://docs.n8n.io/integrations/builtin/cluster-nodes/sub-nodes/n8n-nodes-langchain.memorybufferwindow/)
-   [Dokumentasi n8n, node MCP Client Tool (dicek 2026-11-14)](https://docs.n8n.io/integrations/builtin/cluster-nodes/sub-nodes/n8n-nodes-langchain.toolmcp/)
-   [Harga BroadNet Inference yang dapat dibaca mesin (pricing.json) (bahasa Inggris)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-blog-n8n-ai-agent-cheap-llm&utm_content=sources)
-   [Referensi API BroadNet Inference, batas (bahasa Inggris)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-blog-n8n-ai-agent-cheap-llm&utm_content=sources#limits)
