---
title: "AI Agent di n8n con un LLM economico compatibile OpenAI"
description: "Workflow con l’AI Agent di n8n su un modello economico compatibile con OpenAI: quale modello per i tool, le impostazioni che tagliano token e i conti su 10.000 run."
url: https://broadrouter.com/it/blog/n8n-ai-agent-cheap-llm/
lang: it
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Tradotto dall’inglese con l’aiuto dell’IA. [Leggi l’originale in inglese](https://broadrouter.com/blog/n8n-ai-agent-cheap-llm/) (aggiornato il 2026-11-16).

# 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 2026-11-14 · Aggiornato 2026-11-16

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.

## Punti chiave

-   L’AI Agent di n8n ora funziona sempre come Tools Agent e richiede almeno un tool, quindi il modello deve gestire le chiamate ai tool.
-   Il costo per esecuzione è soprattutto input: system message, definizioni dei tool e memoria vengono rinviati a ogni iterazione.
-   Max Iterations vale 10 di default. Abbassalo e tieni corto il Context Window Length di Simple Memory.
-   Ai prezzi pubblicati, il nostro agente d’esempio costa circa 3 volte di più per esecuzione su GLM 5.3 che su Qwen3.8 27B.
-   Manda i passi facili a una Basic LLM Chain su Gemma 4 VL 26B, disponibile anche come chiave oraria flat da $0.50.

**In questa pagina**

1.  Come colleghi l’AI Agent a un modello più economico?
2.  Quale modello economico regge i tool di n8n?
3.  Dove spende token un agente n8n?
4.  Quali impostazioni tagliano di più il costo?
5.  Quanto costa un’esecuzione di un agente n8n?
6.  Cosa si rompe con i modelli economici in n8n?
7.  Dove si inserisce BroadNet Inference

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

## 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](https://broadrouter.com/it/glossary/tool-calling/) 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](https://broadrouter.com/it/models/qwen3.8-27b/) | Sì | 262.144 | Predefinito per AI Agent; input di immagini, testato in arabo |
| [GLM 5.3](https://broadrouter.com/it/models/glm-5.3/) | Sì | 1.048.576 | Agenti su documenti lunghi |
| [Gemma 4 VL 26B](https://broadrouter.com/it/models/gemma-4-vl-26b/) | Non indicati | 32.768 | Basic LLM Chain: classificare, estrarre, instradare |
| [DeepSeek V4.1 Flash](https://broadrouter.com/it/models/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](https://broadrouter.com/compare/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](https://broadrouter.com/it/blog/agent-token-budget/) 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](https://broadrouter.com/it/guides/reasoning-tokens-empty-response/).
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](https://broadrouter.com/it/blog/structured-output-json-schema/).

## 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](https://broadrouter.com/tools/llm-api-cost-calculator/) e verifica fin dove arrivano 30 richieste al minuto con il [calcolatore dei rate limit](https://broadrouter.com/tools/llm-rate-limit-calculator/).

## 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](https://broadrouter.com/it/guides/n8n-openai-compatible/) 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](https://broadrouter.com/it/guides/errors-and-retries/).
-   **Tool MCP.** Il nodo MCP Client Tool permette all’agente di chiamare un server MCP esterno. Prima leggi [MCP con modelli compatibili con OpenAI](https://broadrouter.com/it/blog/mcp-with-openai-compatible-models/).

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

Strumenti gratuiti sul tema (in inglese)

-   [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.

[Strumenti gratuiti (in inglese)](https://broadrouter.com/tools/)

## Termini in questo articolo

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

Un token è l’unità di testo che un modello linguistico legge e scrive: una parola, una parte di parola, un segno di punteggiatura o una sequenza di byte prodotta dal tokenizer del modello. Le API LLM contano, limitano e di solito fatturano l’uso in token.

[Rate limit (limite di frequenza)](https://broadrouter.com/it/glossary/rate-limit/)

Un rate limit è un tetto che un’API pone a quanto un client può usarla in un intervallo di tempo, per esempio richieste al minuto o token al minuto. Le richieste oltre il limite vengono rifiutate, di solito con HTTP 429 Too Many Requests, finché l’uso non torna sotto la soglia.

[Agente AI (AI agent)](https://broadrouter.com/it/glossary/agent/)

Un agente AI è un sistema in cui un modello linguistico dirige da solo i propri passi verso un obiettivo: decide quali strumenti chiamare, legge i risultati e ripete finché produce una risposta finale o raggiunge un limite. Uno script fisso che chiama un modello in punti prestabiliti di solito si chiama invece workflow.

[Base URL (URL di base)](https://broadrouter.com/it/glossary/base-url/)

La base URL è l’indirizzo radice fisso di un’API, come https://api.example.com/v1, che un client antepone a ogni percorso di endpoint, come /chat/completions. Negli SDK compatibili con OpenAI, cambiare la base URL, insieme alla chiave API e all’ID del modello, punta lo stesso codice verso un altro provider.

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

L’MCP (Model Context Protocol) è un protocollo aperto, basato su JSON-RPC 2.0, che standardizza il modo in cui le applicazioni LLM si collegano a strumenti e dati esterni. Un server MCP espone strumenti, risorse e prompt; un client MCP dentro l’applicazione host li scopre e inoltra al server le chiamate agli strumenti fatte dal modello.

[Pagamento a consumo (pay-as-you-go)](https://broadrouter.com/it/glossary/pay-as-you-go/)

Il pagamento a consumo è un modello di prezzo in cui paghi solo ciò che usi, misurato per unità come token, richieste o minuti di audio, senza abbonamento né impegno minimo. La maggior parte delle API LLM fattura così, da un saldo prepagato o con una fattura periodica.

[Output strutturato (structured output)](https://broadrouter.com/it/glossary/structured-output/)

L’output strutturato è una funzionalità delle API LLM che vincola la risposta di un modello a un formato indicato dallo sviluppatore, di solito un JSON Schema, così il codice può interpretarla in modo affidabile. È più rigoroso della JSON mode, che garantisce un JSON valido ma non una struttura precisa.

[Token di input e di output](https://broadrouter.com/it/glossary/input-and-output-tokens/)

I token di input sono quelli che un modello linguistico legge in una richiesta: system prompt, cronologia, definizioni degli strumenti e immagini. I token di output sono quelli che genera in risposta, ragionamento compreso. Le API LLM di solito li prezzano separatamente, e l’output costa di più.

## 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.

## Continua a leggere

-   [OpenClaw e Hermes Agent con un modello economico: setup e costi](https://broadrouter.com/it/blog/openclaw-hermes-agent-cheap-model/)
-   [Server MCP con modelli compatibili con OpenAI, di qualsiasi provider](https://broadrouter.com/it/blog/mcp-with-openai-compatible-models/)
-   [Tool calling con modelli aperti: schemi, chiamate parallele, retry](https://broadrouter.com/it/blog/tool-calling-open-models/)
-   [JSON mode o json\_schema: output strutturato che regge in produzione](https://broadrouter.com/it/blog/structured-output-json-schema/)
-   [Budget di token di un agente: dove vanno i token di un ciclo](https://broadrouter.com/it/blog/agent-token-budget/)
-   [Costo di un’esecuzione di un agente di coding: passi, contesto, cache](https://broadrouter.com/it/blog/ai-coding-agent-run-cost/)
-   [Claude Code con modelli open-weight: proxy, endpoint nativi e limiti](https://broadrouter.com/it/blog/claude-code-with-openai-compatible-models/)
-   [Guida: Usare BroadNet Inference in n8n (credenziale OpenAI, Base URL)](https://broadrouter.com/it/guides/n8n-openai-compatible/)
-   [Guida: Usare LangChain con BroadNet Inference](https://broadrouter.com/it/guides/langchain-openai-base-url/)
-   [Guida: Codici di errore di BroadNet Inference e quando ritentare](https://broadrouter.com/it/guides/errors-and-retries/)

Provalo sul tuo carico di lavoro reale. I nuovi account partono con USD 5 di credito per Gemma e trascrizione. DeepSeek, GLM e Qwen3.8 richiedono una ricarica.

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

**Fonti**

-   [Documentazione di n8n, nodo AI Agent (verificata il 2026-11-14)](https://docs.n8n.io/integrations/builtin/cluster-nodes/root-nodes/n8n-nodes-langchain.agent/)
-   [Documentazione di n8n, opzioni del Tools Agent (verificata il 2026-11-14)](https://docs.n8n.io/integrations/builtin/cluster-nodes/root-nodes/n8n-nodes-langchain.agent/tools-agent/)
-   [Documentazione di n8n, nodo OpenAI Chat Model (verificata il 2026-11-14)](https://docs.n8n.io/integrations/builtin/cluster-nodes/sub-nodes/n8n-nodes-langchain.lmchatopenai/)
-   [Documentazione di n8n, nodo Simple Memory (verificata il 2026-11-14)](https://docs.n8n.io/integrations/builtin/cluster-nodes/sub-nodes/n8n-nodes-langchain.memorybufferwindow/)
-   [Documentazione di n8n, nodo MCP Client Tool (verificata il 2026-11-14)](https://docs.n8n.io/integrations/builtin/cluster-nodes/sub-nodes/n8n-nodes-langchain.toolmcp/)
-   [Prezzi di BroadNet Inference in formato leggibile dalle macchine (pricing.json) (in inglese)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-blog-n8n-ai-agent-cheap-llm&utm_content=sources)
-   [Riferimento API di BroadNet Inference, limiti (in inglese)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-blog-n8n-ai-agent-cheap-llm&utm_content=sources#limits)
