---
title: "سستے OpenAI-compatible LLM کے ساتھ n8n AI Agent | BroadRouter"
description: "کم لاگت والے OpenAI-compatible ماڈل پر n8n AI Agent ورک فلوز بنائیں: ٹولز کے لیے کون سا ماڈل، کون سی سیٹنگز ٹوکن کم کرتی ہیں، اور ہر 10,000 رنز کا حساب۔"
url: https://broadrouter.com/ur/blog/n8n-ai-agent-cheap-llm/
lang: ur
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

یہ صفحہ انگریزی سے AI کی مدد سے ترجمہ کیا گیا ہے۔ [انگریزی اصل پڑھیں](https://broadrouter.com/blog/n8n-ai-agent-cheap-llm/) (اپ ڈیٹ: 2026-11-16).

# سستے LLM پر n8n AI Agent: سیٹ اپ، ماڈل کا انتخاب اور فی رن لاگت

BroadNet Inference ٹیم · 5 منٹ کی پڑھائی · شائع شدہ 2026-11-14 · اپ ڈیٹ 2026-11-16

n8n کے OpenAI کریڈینشل کو کم لاگت والے OpenAI-compatible API پر پوائنٹ کریں، ماڈل کو ID سے درج کریں اور Use Responses API بند کریں۔ AI Agent کو ٹول کالنگ والا ماڈل دیں، جیسے Qwen3.8 27B یا GLM 5.3۔ Max Iterations کم، میموری مختصر اور ٹولز گنے چنے رکھیں، اور سادہ درجہ بندی پہلے کسی سستے ماڈل پر بھیجیں۔

## اہم نکات

-   n8n کا AI Agent اب ہمیشہ Tools Agent کے طور پر کام کرتا ہے اور اسے کم از کم ایک ٹول چاہیے، اس لیے ماڈل کو ٹول کالز سنبھالنی آنی چاہییں۔
-   فی رن لاگت زیادہ تر ان پٹ ہے: سسٹم پیغام، ٹول کی تعریفیں اور میموری ہر iteration پر دوبارہ بھیجی جاتی ہیں۔
-   Max Iterations کا ڈیفالٹ 10 ہے۔ اسے کم کریں، اور Simple Memory کی Context Window Length مختصر رکھیں۔
-   شائع شدہ قیمتوں پر ہمارا مثالی ایجنٹ GLM 5.3 پر Qwen3.8 27B کے مقابلے میں فی رن تقریباً 3 گنا مہنگا پڑتا ہے۔
-   آسان مراحل Gemma 4 VL 26B پر Basic LLM Chain میں بھیجیں، جو $0.50 کی مقررہ گھنٹے والی کلید کے طور پر بھی دستیاب ہے۔

**اس صفحے پر**

1.  AI Agent کو سستے ماڈل سے کیسے جوڑیں؟
2.  کون سا سستا ماڈل n8n ٹولز سنبھال سکتا ہے؟
3.  n8n ایجنٹ ٹوکن کہاں خرچ کرتا ہے؟
4.  کون سی سیٹنگز لاگت سب سے زیادہ کم کرتی ہیں؟
5.  n8n ایجنٹ کے ایک رن کی لاگت کتنی ہے؟
6.  n8n میں سستے ماڈلز کے ساتھ کیا ٹوٹتا ہے؟
7.  BroadNet Inference کہاں فٹ ہوتا ہے

n8n کا AI Agent نوڈ ایسا اسسٹنٹ بنانا آسان کر دیتا ہے جو ای میل پڑھے، ریکارڈ تلاش کرے اور جواب دے۔ ساتھ ہی منصوبے سے زیادہ خرچ کرنا بھی آسان کر دیتا ہے، کیونکہ ہر رن ماڈل کو دس بار تک کال کر سکتا ہے، اور ہر بار پورا پرامپٹ دوبارہ بھیجتا ہے۔ یہ پوسٹ دکھاتی ہے کہ AI Agent ورک فلوز کو کم لاگت والے [OpenAI-compatible](https://broadrouter.com/ur/glossary/openai-compatible-api/) ماڈل پر کیسے چلائیں، ٹول کے استعمال کے لیے کون سا ماڈل چنیں، کون سی سیٹنگز ٹوکن کم کرتی ہیں، اور ایک رن کتنے کا پڑتا ہے۔ کریڈینشل اور نوڈ کے سیٹ اپ کے لیے ہمارا [n8n سیٹ اپ گائیڈ](https://broadrouter.com/ur/guides/n8n-openai-compatible/) دیکھیں۔

## AI Agent کو سستے ماڈل سے کیسے جوڑیں؟

1.  اپنے فراہم کنندہ کی کلید اور اس کے Base URL کے ساتھ **ایک OpenAI کریڈینشل بنائیں**، مثلاً `https://inference.broadnet.ai/v1`۔
2.  **ایک AI Agent نوڈ شامل کریں** اور اس کریڈینشل کے ساتھ ایک **OpenAI Chat Model** سب نوڈ لگائیں۔
3.  **ماڈل کو ID سے درج کریں**، فہرست سے نہیں، مثلاً `broadnet/qwen3.8-27b`۔
4.  اگر آپ کا فراہم کنندہ چیٹ کمپلیشنز فراہم کرتا ہے، جیسا BroadNet کرتا ہے، تو **Use Responses API بند کریں**۔
5.  **کم از کم ایک ٹول لگائیں۔** n8n کی ڈاکس کہتی ہیں کہ AI Agent سے کم از کم ایک ٹول سب نوڈ جوڑنا ضروری ہے۔

جب آپ OpenAI کے علاوہ کوئی Base URL سیٹ کرتے ہیں، تو n8n ایک اطلاع دکھاتا ہے کہ ہر ماڈل ٹولز یا JSON جواب کا فارمیٹ سپورٹ نہیں کرتا۔ اسے سنجیدگی سے لیں: یہی آپ کا ماڈل انتخاب طے کرتی ہے۔

## کون سا سستا ماڈل n8n ٹولز سنبھال سکتا ہے؟

n8n کی ڈاکس کہتی ہیں کہ تمام AI Agent نوڈز اب **Tools Agent** کے طور پر کام کرتے ہیں۔ ماڈل کو قابلِ اعتماد طریقے سے [ٹول کالز](https://broadrouter.com/ur/glossary/tool-calling/) بھیجنی آنی چاہییں، ورنہ ایجنٹ لوپ میں گھومتا ہے یا آپ کے ٹولز استعمال کیے بغیر جواب دے دیتا ہے۔

| BroadNet پر ماڈل | ٹولز درج | کانٹیکسٹ | n8n میں بہترین استعمال |
| --- | --- | --- | --- |
| [Qwen3.8 27B](https://broadrouter.com/ur/models/qwen3.8-27b/) | ہاں | 262,144 | AI Agent کے لیے ڈیفالٹ؛ تصویری ان پٹ، عربی پر آزمایا گیا |
| [GLM 5.3](https://broadrouter.com/ur/models/glm-5.3/) | ہاں | 1,048,576 | لمبی دستاویزات پر ایجنٹس |
| [Gemma 4 VL 26B](https://broadrouter.com/ur/models/gemma-4-vl-26b/) | درج نہیں | 32,768 | Basic LLM Chain: درجہ بندی، نکالنا، روٹنگ |
| [DeepSeek V4.1 Flash](https://broadrouter.com/ur/models/deepseek-v4.1-flash/) | درج نہیں | 1,048,576 | لمبی دستاویزات والی chains، تصویری ان پٹ؛ ایجنٹ میں استعمال سے پہلے آزمائیں |

ٹول کے قابل دونوں ماڈلز میں Qwen3.8 27B ان پٹ پر سستا ہے، اور n8n ایجنٹس ان پٹ سے بھرے ہوتے ہیں۔ وہیں سے شروع کریں اور اگر آپ کے ٹیسٹ دکھائیں کہ GLM 5.3 آپ کے ٹولز بہتر سنبھالتا ہے، تو اس پر جائیں؛ [GLM 5.3 بمقابلہ Qwen3.8 27B](https://broadrouter.com/compare/glm-5.3-vs-qwen3.8-27b/) دونوں کا موازنہ کرتا ہے۔

## n8n ایجنٹ ٹوکن کہاں خرچ کرتا ہے؟

ہر iteration ایک الگ ماڈل کال ہے، جس میں ہوتا ہے:

-   آپ کا لکھا **System Message**،
-   **ہر جڑے ہوئے ٹول کی تعریف**، جس میں All پر سیٹ MCP Client Tool نوڈ کے تمام ٹولز شامل ہیں،
-   Simple Memory کی **میموری ونڈو**،
-   صارف کا ان پٹ، ساتھ اس رن کی پچھلی ٹول کالز اور نتائج۔

آؤٹ پٹ عموماً مختصر ہوتا ہے۔ اس لیے بل ان پٹ کے سائز ضرب iterations سے طے ہوتا ہے۔ ہماری [ایجنٹ ٹوکن بجٹ](https://broadrouter.com/ur/blog/agent-token-budget/) پوسٹ ہر حصہ ناپنے کا طریقہ دکھاتی ہے۔

## کون سی سیٹنگز لاگت سب سے زیادہ کم کرتی ہیں؟

1.  **Max Iterations۔** ڈیفالٹ 10 ہے۔ زیادہ تر سپورٹ جیسے ایجنٹس 2 سے 4 میں مکمل کر لیتے ہیں۔ اسے 4 یا 5 پر سیٹ کریں تاکہ الجھا ہوا رن جلد رک جائے۔
2.  **Simple Memory کی Context Window Length۔** یہ طے کرتی ہے کہ کتنی پچھلی گفتگو رکھی جائے۔ ہر ایک ہر iteration پر دوبارہ بھیجی جاتی ہے۔ اسے چھوٹا رکھیں، مثلاً 5۔
3.  **کم ٹولز۔** MCP Client Tool نوڈ پر All کے بجائے **Selected** یا **All Except** استعمال کریں۔
4.  **مختصر ٹول آؤٹ پٹ۔** HTTP Request ٹولز سے پورے API جوابات نہیں، صرف وہ فیلڈز لوٹوائیں جو ایجنٹ کو چاہییں۔
5.  **Maximum Number of Tokens۔** Qwen3.8 27B اور GLM 5.3 پہلے ریزننگ کرتے ہیں، اور ریزننگ اس حد میں گنی جاتی ہے۔ اسے ڈیفالٹ پر چھوڑیں یا چند ہزار پر سیٹ کریں۔ بہت چھوٹی حد [خالی آؤٹ پٹ](https://broadrouter.com/ur/guides/reasoning-tokens-empty-response/) دیتی ہے۔
6.  **ایجنٹ سے پہلے روٹ کریں۔** درخواستوں کی درجہ بندی کے لیے آگے Gemma 4 VL 26B پر ایک Basic LLM Chain لگائیں۔ صرف وہ درخواستیں ایجنٹ تک پہنچیں جنہیں ٹولز چاہییں۔

مقررہ آؤٹ پٹ شکل کے لیے **Require Specific Output Format** آن کریں اور ایک Structured Output Parser لگائیں۔ یہ ایجنٹ سے دوبارہ فارمیٹ کروانے سے سستا ہے۔ مزید [اسٹرکچرڈ آؤٹ پٹ](https://broadrouter.com/ur/blog/structured-output-json-schema/) میں۔

## n8n ایجنٹ کے ایک رن کی لاگت کتنی ہے؟

ایک سپورٹ ایجنٹ لیں: ہر رن میں 3 iterations، ہر iteration میں تقریباً 4,000 ان پٹ ٹوکن اور 300 آؤٹ پٹ ٹوکن۔ یعنی ہر رن میں 12,000 ان پٹ اور 900 آؤٹ پٹ ٹوکن۔ ماہانہ 10,000 رنز پر:

| ماہانہ ٹوکن | Qwen3.8 27B | GLM 5.3 |
| --- | --- | --- |
| 120M ان پٹ | فی 1M $0.175 | فی 1M $0.78 |
| 9M آؤٹ پٹ | فی 1M $2.17 | فی 1M $3.46 |

ضرب دیں اور جمع کریں۔ 2026-11-14 کو سنک ہونے والی قیمتوں پر اس ورک فلو کے لیے GLM 5.3، Qwen3.8 27B سے تقریباً **3 گنا** مہنگا پڑتا ہے، کسی بھی کیش رعایت سے پہلے۔ iterations آدھی کرنے سے دونوں ماڈلز پر ان پٹ کی قطار موٹے طور پر آدھی ہو جاتی ہے؛ مختصر میموری ونڈو اسے اتنا کم کرتی ہے جتنا ہر پرامپٹ میں میموری کا حصہ ہے۔

Gemma 4 VL 26B والا روٹنگ مرحلہ بہت کم شامل کرتا ہے: 800 ان پٹ اور 20 آؤٹ پٹ ٹوکنز پر 10,000 درجہ بندیوں کا مطلب ہے فی 1M $0.10 پر 8M ان پٹ اور فی 1M $0.22 پر 0.2M آؤٹ پٹ۔ اگر 40% درخواستیں ایجنٹ تک پہنچتی ہی نہیں، تو اس سے ایجنٹ والی قطار کا 40% بچتا ہے۔ Gemma پر مستحکم اونچے حجم کے لیے BroadNet، $0.50 فی گھنٹہ کی مقررہ گھنٹے والی کلید بھی بیچتا ہے: فی منٹ 120 درخواستیں، ایک اسٹریم، فی منٹ 300,000 ٹوکن۔

اپنے اعداد [LLM API لاگت کیلکولیٹر](https://broadrouter.com/tools/llm-api-cost-calculator/) میں چلائیں، اور [ریٹ لمٹ کیلکولیٹر](https://broadrouter.com/tools/llm-rate-limit-calculator/) سے چیک کریں کہ فی منٹ 30 درخواستیں کتنی دور تک چلتی ہیں۔

## n8n میں سستے ماڈلز کے ساتھ کیا ٹوٹتا ہے؟

-   **ایجنٹ ٹولز کو نظر انداز کرتا ہے۔** ماڈل ٹول سپورٹ کے ساتھ درج نہیں۔ Qwen3.8 27B یا GLM 5.3 پر جائیں۔
-   **“Bad request”۔** عموماً Responses API والا ٹوگل۔ [سیٹ اپ گائیڈ](https://broadrouter.com/ur/guides/n8n-openai-compatible/) میں اس کے حل ہیں۔
-   **بیچز میں 429۔** استعمال کے مطابق ادائیگی والی کلید فی منٹ 30 درخواستوں اور ایک ساتھ 4 کی اجازت دیتی ہے۔ Wait نوڈ کے ساتھ Loop Over Items استعمال کریں۔ دیکھیں [ایررز اور دوبارہ کوششیں](https://broadrouter.com/ur/guides/errors-and-retries/)۔
-   **MCP ٹولز۔** MCP Client Tool نوڈ ایجنٹ کو کسی بیرونی MCP سرور کو کال کرنے دیتا ہے۔ پہلے [OpenAI-compatible ماڈلز کے ساتھ MCP](https://broadrouter.com/ur/blog/mcp-with-openai-compatible-models/) پڑھیں۔

## BroadNet Inference کہاں فٹ ہوتا ہے

BroadNet Inference، n8n کو ایک ہی OpenAI-compatible کریڈینشل دیتا ہے: ٹولز کے ساتھ Qwen3.8 27B اور GLM 5.3، سستی روٹنگ کے لیے Gemma 4 VL 26B، اور مستحکم بیچز کے لیے $0.50 کی گھنٹے والی Gemma کلید۔ نئے اکاؤنٹس کو $5 کا کریڈٹ ملتا ہے، جو Gemma 4 VL 26B کا احاطہ کرتا ہے؛ ٹول کے قابل ماڈلز کے لیے ٹاپ اپ چاہیے۔ یہ ان ورک فلوز کے لیے موزوں نہیں جنہیں صرف OpenAI والے فیچرز چاہییں، جیسے Responses API کے بلٹ اِن ٹولز۔ کلید [inference.broadnet.ai](https://inference.broadnet.ai/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ur-blog-n8n-ai-agent-cheap-llm&utm_content=body) پر بنائیں۔

اس موضوع کے مفت ٹولز (انگریزی میں)

-   [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.

[مفت ٹولز (انگریزی میں)](https://broadrouter.com/tools/)

## اس مضمون کی اصطلاحات

[AI ایجنٹ (AI agent)](https://broadrouter.com/ur/glossary/agent/)

AI ایجنٹ ایسا نظام ہے جس میں لینگویج ماڈل کسی ہدف کی طرف اپنے قدم خود طے کرتا ہے: کون سے ٹولز کال کرنے ہیں، یہ چنتا ہے، نتائج پڑھتا ہے اور حتمی جواب یا کسی حد تک دہراتا رہتا ہے۔ مقررہ مقامات پر ماڈل کو کال کرنے والی اسکرپٹ کو عموماً workflow کہا جاتا ہے۔

[ٹوکن (token)](https://broadrouter.com/ur/glossary/token/)

ٹوکن متن کی وہ اکائی ہے جسے لینگویج ماڈل پڑھتا اور لکھتا ہے: کوئی لفظ، لفظ کا حصہ، رموزِ اوقاف کی کوئی علامت یا بائٹس کا سلسلہ، جو ماڈل کا ٹوکنائزر بناتا ہے۔ LLM API استعمال کو ٹوکنز میں گنتے ہیں، انہی میں حدیں لگاتے ہیں اور عموماً بل بھی بناتے ہیں۔

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

MCP (Model Context Protocol)، JSON-RPC 2.0 پر بنا ایک اوپن پروٹوکول ہے جو طے کرتا ہے کہ LLM ایپلیکیشنز بیرونی ٹولز اور ڈیٹا سے کیسے جڑیں۔ MCP سرور ٹولز، ریسورسز اور پرامپٹس فراہم کرتا ہے؛ ہوسٹ ایپلیکیشن کے اندر کا MCP کلائنٹ انہیں تلاش کرتا ہے اور ماڈل کی ٹول کالز سرور تک پہنچاتا ہے۔

[ریٹ لمٹ (rate limit)](https://broadrouter.com/ur/glossary/rate-limit/)

ریٹ لمٹ وہ حد ہے جو کوئی API طے کرتا ہے کہ ایک کلائنٹ کسی مدت میں اسے کتنا استعمال کر سکتا ہے، جیسے فی منٹ درخواستیں یا فی منٹ ٹوکن۔ حد سے زیادہ درخواستیں رد کر دی جاتی ہیں، عموماً HTTP 429 Too Many Requests کے ساتھ، جب تک استعمال دوبارہ حد سے نیچے نہ آ جائے۔

[استعمال کے مطابق ادائیگی (pay-as-you-go)](https://broadrouter.com/ur/glossary/pay-as-you-go/)

استعمال کے مطابق ادائیگی (pay-as-you-go) قیمت طے کرنے کا ایک ماڈل ہے جس میں آپ صرف اتنا دیتے ہیں جتنا استعمال کرتے ہیں، ٹوکن، درخواستوں یا آڈیو منٹ جیسی اکائیوں میں ناپ کر، بغیر سبسکرپشن یا کم از کم وابستگی کے۔ زیادہ تر LLM API اسی طرح بل بناتے ہیں، پری پیڈ بیلنس یا وقتاً فوقتاً بننے والی انوائس سے۔

[base URL](https://broadrouter.com/ur/glossary/base-url/)

base URL کسی API کا مقررہ بنیادی پتہ ہے، جیسے https://api.example.com/v1، جسے کلائنٹ /chat/completions جیسے ہر اینڈپوائنٹ پاتھ کے آگے لگاتا ہے۔ OpenAI-compatible SDK میں base URL کو API کلید اور ماڈل ID کے ساتھ بدلنے سے وہی کوڈ کسی دوسرے فراہم کنندہ سے جڑ جاتا ہے۔

[اسٹرکچرڈ آؤٹ پٹ (structured output)](https://broadrouter.com/ur/glossary/structured-output/)

اسٹرکچرڈ آؤٹ پٹ LLM API کا ایک فیچر ہے جو ماڈل کے جواب کو ڈویلپر کے طے کردہ فارمیٹ، عموماً JSON Schema، تک محدود کرتا ہے، تاکہ کوڈ اسے قابلِ اعتماد طریقے سے پارس کر سکے۔ یہ JSON mode سے زیادہ سخت ہے، جو درست JSON کی ضمانت دیتا ہے، لیکن کسی خاص ساخت کی نہیں۔

[ان پٹ اور آؤٹ پٹ ٹوکن (input and output tokens)](https://broadrouter.com/ur/glossary/input-and-output-tokens/)

ان پٹ ٹوکن وہ ٹوکن ہیں جو لینگویج ماڈل کسی درخواست میں پڑھتا ہے، جن میں سسٹم پرامپٹ، گفتگو کی تاریخ، ٹول ڈیفینیشنز اور تصاویر شامل ہیں۔ آؤٹ پٹ ٹوکن وہ ہیں جو وہ جواب میں بناتا ہے، ریزننگ سمیت۔ LLM API عموماً دونوں کی قیمت الگ رکھتے ہیں، اور آؤٹ پٹ عموماً مہنگا ہوتا ہے۔

## عام سوالات

### کیا میں n8n AI Agent نوڈ کے ساتھ سستا LLM استعمال کر سکتا ہوں؟

جی ہاں۔ OpenAI Chat Model سب نوڈ OpenAI کریڈینشل استعمال کرتا ہے، جس میں Base URL فیلڈ ہوتا ہے۔ اسے کسی بھی OpenAI-compatible API پر پوائنٹ کریں، ماڈل کو ID سے درج کریں، اور اگر آپ کا فراہم کنندہ چیٹ کمپلیشنز فراہم کرتا ہے تو Use Responses API بند کریں۔

### n8n ٹولز کے ساتھ کون سا سستا ماڈل چلتا ہے؟

وہ جو ٹول کالنگ سپورٹ کرتا ہو، کیونکہ AI Agent ہمیشہ Tools Agent کے طور پر کام کرتا ہے۔ BroadNet Inference پر Qwen3.8 27B اور GLM 5.3 ٹول سپورٹ کے ساتھ درج ہیں۔ Gemma 4 VL 26B سستا ہے لیکن ٹولز کے ساتھ درج نہیں، اس لیے اسے Basic LLM Chain میں استعمال کریں۔

### میرا n8n AI Agent اتنا مہنگا کیوں پڑتا ہے؟

ہر iteration سسٹم پیغام، ہر ٹول کی تعریف اور میموری ونڈو دوبارہ بھیجتا ہے۔ دس ٹولز اور لمبی میموری کے ساتھ پانچ بار لوپ کرنے والا ایجنٹ صارف کے ٹائپ کیے سے کئی گنا زیادہ ٹوکن پڑھتا ہے۔ Max Iterations کم کریں، ٹولز گھٹائیں اور میموری مختصر کریں۔

### n8n AI Agent میں Max Iterations کیا کرتا ہے؟

یہ محدود کرتا ہے کہ جواب بنانے کے لیے ماڈل کتنی بار چلے گا۔ ڈیفالٹ 10 ہے۔ ہر iteration ایک الگ ماڈل کال ہے جس کا بل الگ بنتا ہے۔

### میرا n8n ایجنٹ 429 ایررز سے کیوں ٹکراتا ہے؟

متوازی executions اور لوپس کلید کی حدیں شیئر کرتے ہیں۔ BroadNet کی استعمال کے مطابق ادائیگی والی کلید فی منٹ 30 درخواستوں اور ایک ساتھ 4 کی اجازت دیتی ہے۔ Loop Over Items اور Wait نوڈ سے بیچز کی رفتار قابو میں رکھیں۔

## مزید پڑھیں

-   [سستے ماڈل پر OpenClaw اور Hermes Agent: سیٹ اپ اور ٹوکن کا حساب](https://broadrouter.com/ur/blog/openclaw-hermes-agent-cheap-model/)
-   [OpenAI سے مطابقت والے ماڈلز کے ساتھ MCP سرورز (کسی بھی فراہم کنندہ پر)](https://broadrouter.com/ur/blog/mcp-with-openai-compatible-models/)
-   [اوپن ماڈلز کے ساتھ ٹول کالنگ: اسکیما، متوازی کالز، دوبارہ کوشش](https://broadrouter.com/ur/blog/tool-calling-open-models/)
-   [JSON mode بمقابلہ json\_schema: قابل اعتماد اسٹرکچرڈ آؤٹ پٹ](https://broadrouter.com/ur/blog/structured-output-json-schema/)
-   [ایجنٹ ٹوکن بجٹ: ایجنٹ لوپ کے ٹوکن کہاں جاتے ہیں](https://broadrouter.com/ur/blog/agent-token-budget/)
-   [AI کوڈنگ ایجنٹ کے ایک رن کی لاگت: مراحل، کانٹیکسٹ اور کیشنگ](https://broadrouter.com/ur/blog/ai-coding-agent-run-cost/)
-   [اوپن ماڈلز کے ساتھ Claude Code: پراکسی، نیٹو اینڈپوائنٹس اور حدیں](https://broadrouter.com/ur/blog/claude-code-with-openai-compatible-models/)
-   [گائیڈ: n8n میں BroadNet Inference استعمال کریں (OpenAI credential، Base URL)](https://broadrouter.com/ur/guides/n8n-openai-compatible/)
-   [گائیڈ: BroadNet Inference کے ساتھ LangChain استعمال کریں](https://broadrouter.com/ur/guides/langchain-openai-base-url/)
-   [گائیڈ: BroadNet Inference کے ایرر کوڈز اور دوبارہ کوشش کب کریں](https://broadrouter.com/ur/guides/errors-and-retries/)

اسے اپنے اصل کام پر آزمائیں۔ نئے اکاؤنٹس Gemma اور ٹرانسکرپشن کے لیے US$5 کے کریڈٹ سے شروع ہوتے ہیں۔ DeepSeek، GLM، اور Qwen3.8 کے لیے ٹاپ اپ ضروری ہے۔

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

**ذرائع**

-   [n8n ڈاکس، AI Agent نوڈ (2026-11-14 کو چیک کیا گیا)](https://docs.n8n.io/integrations/builtin/cluster-nodes/root-nodes/n8n-nodes-langchain.agent/)
-   [n8n ڈاکس، Tools Agent کے آپشنز (2026-11-14 کو چیک کیا گیا)](https://docs.n8n.io/integrations/builtin/cluster-nodes/root-nodes/n8n-nodes-langchain.agent/tools-agent/)
-   [n8n ڈاکس، OpenAI Chat Model نوڈ (2026-11-14 کو چیک کیا گیا)](https://docs.n8n.io/integrations/builtin/cluster-nodes/sub-nodes/n8n-nodes-langchain.lmchatopenai/)
-   [n8n ڈاکس، Simple Memory نوڈ (2026-11-14 کو چیک کیا گیا)](https://docs.n8n.io/integrations/builtin/cluster-nodes/sub-nodes/n8n-nodes-langchain.memorybufferwindow/)
-   [n8n ڈاکس، MCP Client Tool نوڈ (2026-11-14 کو چیک کیا گیا)](https://docs.n8n.io/integrations/builtin/cluster-nodes/sub-nodes/n8n-nodes-langchain.toolmcp/)
-   [BroadNet Inference کی مشین سے پڑھی جانے والی قیمتیں (pricing.json) (انگریزی میں)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=ur-blog-n8n-ai-agent-cheap-llm&utm_content=sources)
-   [BroadNet Inference کا API ریفرنس، حدیں (انگریزی میں)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ur-blog-n8n-ai-agent-cheap-llm&utm_content=sources#limits)
