BroadRouter

AI Agent n8n con un LLM economico: setup, modello e costo a esecuzione

A cura del team di BroadNet Inference · 5 min di lettura · Pubblicato · Aggiornato

Punta la credenziale OpenAI di n8n a un’API economica compatibile con OpenAI, inserisci il modello per ID e disattiva Use Responses API. Dai all’AI Agent un modello con tool calling, come Qwen3.8 27B o GLM 5.3. Tieni bassi Max Iterations, corta la memoria e pochi i tool, e manda prima le classificazioni semplici a un modello più economico.

Il nodo AI Agent di n8n rende facile costruire un assistente che legge le email, cerca record e risponde. Rende anche facile spendere più del previsto, perché ogni esecuzione può chiamare il modello fino a dieci volte, rinviando ogni volta il prompt completo. Questo articolo mostra come far girare i workflow con AI Agent su un modello economico compatibile con OpenAI, quale modello scegliere per l’uso dei tool, quali impostazioni tagliano token e quanto costa un’esecuzione. Per la configurazione della credenziale e dei nodi, segui la nostra guida alla configurazione di n8n.

Come colleghi l’AI Agent a un modello più economico?

  1. Crea una credenziale OpenAI con la chiave del tuo provider e il suo Base URL, per esempio https://inference.broadnet.ai/v1.
  2. Aggiungi un nodo AI Agent e collegagli un sotto-nodo OpenAI Chat Model con quella credenziale.
  3. Inserisci il modello per ID, non dall’elenco, per esempio broadnet/qwen3.8-27b.
  4. Disattiva Use Responses API se il tuo provider serve le chat completions, come fa BroadNet.
  5. Collega almeno un tool. La documentazione di n8n dice che a un AI Agent devi collegare almeno un sotto-nodo tool.

Quando imposti un Base URL diverso da OpenAI, n8n mostra un avviso: non tutti i modelli supportano i tool o il formato di risposta JSON. Prendilo sul serio: decide la tua scelta del modello.

Quale modello economico regge i tool di n8n?

La documentazione di n8n dice che tutti i nodi AI Agent ora funzionano come Tools Agent. Il modello deve emettere chiamate ai tool in modo affidabile, altrimenti l’agente gira a vuoto o risponde senza usare i tuoi tool.

Modello su BroadNet Tool indicati Contesto Uso migliore in n8n
Qwen3.8 27B Sì 262.144 Predefinito per AI Agent; input di immagini, testato in arabo
GLM 5.3 Sì 1.048.576 Agenti su documenti lunghi
Gemma 4 VL 26B Non indicati 32.768 Basic LLM Chain: classificare, estrarre, instradare
DeepSeek V4.1 Flash Non indicati 1.048.576 Chain su documenti lunghi, input di immagini; provalo prima di usarlo in un agente

Qwen3.8 27B è il più economico in input dei due modelli con tool, e gli agenti n8n sono pesanti in input. Parti da lì e passa a GLM 5.3 se i tuoi test mostrano che gestisce meglio i tuoi tool; GLM 5.3 vs Qwen3.8 27B confronta i due.

Dove spende token un agente n8n?

Ogni iterazione è una chiamata al modello separata che porta:

  • il System Message che hai scritto,
  • la definizione di ogni tool collegato, compresi tutti i tool di un nodo MCP Client Tool impostato su All,
  • la finestra di memoria di Simple Memory,
  • l’input dell’utente, più le chiamate ai tool e i risultati precedenti di questa esecuzione.

L’output di solito è breve. La fattura, quindi, dipende dalla dimensione dell’input moltiplicata per le iterazioni. Il nostro articolo sul budget di token di un agente mostra come misurare ogni parte.

Quali impostazioni tagliano di più il costo?

  1. Max Iterations. Il valore predefinito è 10. La maggior parte degli agenti di assistenza finisce in 2-4. Impostalo a 4 o 5, così un’esecuzione confusa si ferma presto.
  2. Context Window Length di Simple Memory. Stabilisce quante interazioni precedenti vengono conservate. Ognuna viene rinviata a ogni iterazione. Tienilo basso, per esempio 5.
  3. Meno tool. Su un nodo MCP Client Tool, usa Selected o All Except invece di All.
  4. Output dei tool breve. Fai restituire ai tool HTTP Request solo i campi che servono all’agente, non intere risposte API.
  5. Maximum Number of Tokens. Qwen3.8 27B e GLM 5.3 ragionano prima, e il ragionamento conta nel limite. Lascialo al valore predefinito o imposta qualche migliaio. Un valore troppo basso dà un output vuoto.
  6. Instrada prima dell’agente. Metti davanti una Basic LLM Chain su Gemma 4 VL 26B per classificare le richieste. Solo quelle che richiedono tool arrivano all’agente.

Per una forma di output fissa, attiva Require Specific Output Format e collega uno Structured Output Parser. Costa meno che chiedere all’agente di riformattare. Approfondisci in output strutturato.

Quanto costa un’esecuzione di un agente n8n?

Prendi un agente di assistenza: 3 iterazioni per esecuzione, circa 4.000 token di input e 300 di output per iterazione. Fanno 12.000 token di input e 900 di output per esecuzione. Con 10.000 esecuzioni al mese:

Token mensili Qwen3.8 27B GLM 5.3
120M di input $0.175 per 1M $0.78 per 1M
9M di output $2.17 per 1M $3.46 per 1M

Moltiplica e somma. Ai prezzi sincronizzati il 2026-11-14, per questo workflow GLM 5.3 costa circa 3 volte più di Qwen3.8 27B, prima di qualsiasi sconto per la cache. Dimezzare le iterazioni dimezza all’incirca la riga dell’input su entrambi i modelli; una finestra di memoria più corta la riduce della quota di ogni prompt occupata dalla memoria.

Un passo di instradamento su Gemma 4 VL 26B aggiunge poco: 10.000 classificazioni da 800 token di input e 20 di output fanno 8M di input a $0.10 per 1M e 0,2M di output a $0.22 per 1M. Se il 40% delle richieste non arriva mai all’agente, risparmi il 40% della riga dell’agente. Per volumi alti e costanti su Gemma, BroadNet vende anche una chiave oraria flat a $0.50 l’ora: 120 richieste al minuto, uno stream, 300,000 token al minuto.

Fai i tuoi conti nel calcolatore dei costi delle API LLM e verifica fin dove arrivano 30 richieste al minuto con il calcolatore dei rate limit.

Cosa si rompe con i modelli economici in n8n?

  • L’agente ignora i tool. Il modello non è indicato con il supporto ai tool. Passa a Qwen3.8 27B o GLM 5.3.
  • «Bad request». Di solito è l’interruttore della Responses API. La guida alla configurazione ha le soluzioni.
  • 429 nei batch. Una chiave a consumo permette 30 richieste al minuto e 4 in contemporanea. Usa Loop Over Items con un nodo Wait. Vedi errori e retry.
  • Tool MCP. Il nodo MCP Client Tool permette all’agente di chiamare un server MCP esterno. Prima leggi MCP con modelli compatibili con OpenAI.

Dove si inserisce BroadNet Inference

BroadNet Inference offre a n8n un’unica credenziale compatibile con OpenAI per Qwen3.8 27B e GLM 5.3 con i tool, Gemma 4 VL 26B per un instradamento economico e una chiave oraria Gemma da $0.50 per i batch costanti. I nuovi account ricevono $5 di credito, che copre Gemma 4 VL 26B; i modelli con tool richiedono una ricarica. Non è adatto ai workflow che richiedono funzionalità solo di OpenAI, come i tool integrati della Responses API. Crea una chiave su inference.broadnet.ai.

Domande frequenti

Posso usare un LLM economico con il nodo AI Agent di n8n?

Sì. Il sotto-nodo OpenAI Chat Model usa la credenziale OpenAI, che ha un campo Base URL. Puntalo a qualsiasi API compatibile con OpenAI, inserisci il modello per ID e disattiva Use Responses API se il tuo provider serve le chat completions.

Quale modello economico funziona con i tool di n8n?

Uno che supporti il tool calling, perché l’AI Agent funziona sempre come Tools Agent. Su BroadNet Inference, Qwen3.8 27B e GLM 5.3 indicano il supporto ai tool. Gemma 4 VL 26B costa meno ma non è indicato con i tool, quindi usalo invece in una Basic LLM Chain.

Perché il mio AI Agent di n8n costa così tanto?

Ogni iterazione rinvia il system message, ogni definizione di tool e la finestra di memoria. Un agente che gira cinque volte con dieci tool e una memoria lunga legge molte volte più token di quelli scritti dall’utente. Abbassa Max Iterations, riduci i tool e accorcia la memoria.

A cosa serve Max Iterations nell’AI Agent di n8n?

Limita quante volte il modello viene eseguito per produrre una risposta. Il valore predefinito è 10. Ogni iterazione è una chiamata al modello separata, fatturata a sé.

Perché il mio agente n8n riceve errori 429?

Le esecuzioni in parallelo e i loop condividono i limiti della chiave. Una chiave a consumo di BroadNet permette 30 richieste al minuto e 4 in contemporanea. Distribuisci i batch con Loop Over Items e un nodo Wait.

Leggi in MarkdownChiedi a ChatGPTChiedi a ClaudeChiedi a Perplexity