よくある誤解：n8nでAIエージェントを作るには、最初からMCPサーバーが必要だと思われがちです。実際にはMCPは必須ではありません。
2026年10月5日時点の直答：n8n ai agentの基本構成は、Chat TriggerからAI Agentノードへ入力を渡し、AI Agentの専用コネクタにChat Modelと少なくとも1つのToolを接続する形です。会話を継続したい場合だけMemoryを追加します。初回は認証不要のCalculatorをToolにすれば、MCPなしで動作の仕組みを確認できます。
- 必須：AI Agent、Chat Model、少なくとも1つのTool
- チャット入力：初級者はChat Triggerを使うと構成を理解しやすい
- 任意：Memory、Output Parser、ストリーミング、人間による承認
もう1つ、2026年10月には用語の混同にも注意が必要です。n8nは2026年9月25日の公式ブログで新しい「Agents」機能を紹介しましたが、同記事は既存のAI Agentノードについて「何も変わらず、構築済みのものは動き続ける」と説明しています。ここで扱うのはワークフローのキャンバスに置くAI Agentノードです。新しいAgentsタブやMCP連携まで一度に広げず、まずノードの役割、最小構成、MemoryとToolの付け方に絞ります。
AI Agentノードは「回答する箱」ではなく「道具を選ぶ判断役」
AI Agentノードを理解する近道は、普通のLLM呼び出しとの違いを見ることです。n8n公式の「What agents do」では、決められた順序をたどるChainに対し、Agentは言語モデルを使って次の行動を決めるものと説明されています。入力を一度モデルへ渡して文章を返すだけではなく、必要なToolを選び、Toolの結果を受け取り、その内容を踏まえて次の行動や最終回答を決めます。
Chainとの違い
- Chain：あらかじめ組んだ順番で処理する
- AI Agent：入力に応じて使うToolと進め方を判断する
- 通常のワークフロー：分岐条件や実行順を作成者が明示する
たとえば「金額を計算して」という依頼ではCalculatorを使い、「役割を説明して」という依頼ではToolを使わずに返答する、といった選択ができます。ただし、Agentの判断は常に正しいとは限りません。Toolを接続しただけで精度や安全性が保証されるわけではなく、System Message、Toolの説明、テスト入力、安全な権限設計が必要です。
現行版ではAgent Typeを選ばない
古い解説では「Tools Agentを選択する」という手順が出てくることがあります。現行のAI Agent公式ドキュメントによると、Agent Type設定はn8n 1.82.0から非推奨で、現在のAI AgentノードはすべてTools Agentとして動作します。Agent Type設定を持つ旧v1ノードはn8n 3.0で削除予定です。新規ワークフローで古い選択画面を探す必要はありません。
AI Agentノードと新しいAgentsは別の入口
| 名称 | 置き場所 | 今回の扱い |
|---|---|---|
| AI Agentノード | ワークフローのキャンバス | 基本構成を詳しく扱う |
| Agents | Agentsタブのエージェント作成画面 | 別機能として区別する |
| MCP | 外部のTool群を接続する選択肢 | 応用編へ分ける |
設計から本番運用までの全体像を先に確認したい場合は、AIエージェント実装5フェーズも参考になります。この記事では、その前段にある「まず1本、正しく動かす」部分に集中します。
完成形は4要素、会話を続けるならMemoryを足す
チャット型の最小構成は、メイン接続とAI専用接続を分けて考えると迷いません。Chat TriggerとAI Agentは通常の線でつなぎます。Chat Model、Tool、MemoryはAI Agentの下側にある専用コネクタへ接続します。
| 要素 | 必須性 | 接続先 | 役割 |
|---|---|---|---|
| Chat Trigger | チャット型では使用 | AI Agentのメイン入力 | 利用者のメッセージを受け取る |
| AI Agent | 必須 | ワークフロー本線 | モデルとToolを使って次の行動を判断する |
| Chat Model | 必須 | Chat Modelコネクタ | 入力の解釈、Tool選択、回答生成を担う |
| Calculator | Toolとして使用 | Toolコネクタ | 計算を実行する |
| Simple Memory | 任意 | Memoryコネクタ | 同じセッションの会話履歴を保持する |
必須と任意を見分ける
- Chat Model：未接続ではAI Agentを実行できない
- Tool：公開中の公式ドキュメントは最低1つの接続を求めている
- Memory：一問一答なら付けず、前の発言を参照したい場合に追加する
- Output Parser：後続ノードへ決まった形式で渡す場合に検討する
線の種類を間違えない
Chat ModelやCalculatorをAI Agentの左側に通常ノードとして直列接続しても、AI AgentのモデルやToolにはなりません。AI Agentを開いたときに表示される「Chat Model」「Memory」「Tool」の各追加ボタン、または閉じたノードの専用コネクタから追加してください。エディタ上で接続線の色や位置が通常のメイン接続と異なることを確認します。
入力元はChat Trigger以外でもよい
AI Agentはフォーム、Webhook、別ノードの出力なども処理できます。ただし初回はChat Triggerのほうが、入力と返答を1画面で試せます。Chat Trigger公式ドキュメントでは、Chat TriggerをAgentまたはChainのルートノードへ接続すること、利用者のメッセージごとにワークフローが1回実行されることが説明されています。
5ステップでMCPなしの最小エージェントを作る
ここでは、計算が必要な質問だけCalculatorを使うチャットを作ります。外部サービスへの書き込みやメッセージ送信は行わないため、AI Agentの判断とTool呼び出しを安全に観察しやすい構成です。
ステップ1：Chat Triggerを置く
新しいワークフローを開き、「Chat Trigger」を追加します。構築中はMake Chat Publicly Availableをオフにして、n8n内の手動チャットで確認します。公開設定は動作確認と認証設計が終わってから行います。
- 入力：利用者が送るチャットメッセージ
- 開発中：公開をオフにして手動テスト
- 公開時：Hosted ChatまたはEmbedded Chatと認証を選ぶ
ステップ2：AI Agentを通常接続する
Chat Triggerの出力からAI Agentへ通常の接続線を引きます。AI AgentのPromptは、Chat Triggerから自動取得する設定を選びます。現行のTools Agentドキュメントでは、自動取得時に前段のchatInputフィールドを期待すると説明されています。
注意：本番環境で使用する前に、必ずテスト環境で動作確認してください。
Prompt: Take from previous node automatically
Expected input field: chatInputChat Trigger以外から入力する場合は「Define below」を選び、上流ノードに実在する値を式で参照します。存在しないフィールドを参照してnullになると、公式のCommon issuesにある「400 Invalid value for content」が発生する可能性があります。
ステップ3：Chat Modelを接続する
AI Agentの「Chat Model」から、利用できる対応Chat Modelを選び、認証情報とモデルを設定します。モデル名や提供条件は変わるため、特定の名称を固定して覚えるより、現在のn8n画面と利用するモデル提供元の公式情報を確認してください。
- 認証：APIキーなどはCredentialとして保存し、本文やSystem Messageへ書かない
- 対応：Tool callingを利用できるモデルを選ぶ
- 確認：保存後にCredentialの接続テストを通す
ステップ4：CalculatorをToolとして付ける
AI Agentの「Tool」からCalculatorを追加します。Calculator公式ドキュメントは、このノードをAgentが数学計算を実行するためのToolと説明しています。外部アカウントを接続せずにTool選択を試せるため、最初の1本に向いています。
ステップ5：2種類の質問で実行を確認する
Toolが必要な質問と、Toolが不要な質問を分けて試します。返答が自然かどうかだけでなく、実行履歴でCalculatorが呼ばれたかを確認してください。
注意：本番環境で使用する前に、必ずテスト環境で動作確認してください。
1,200円の商品を3個購入し、合計から10%値引きした金額をCalculatorで計算してください。注意：本番環境で使用する前に、必ずテスト環境で動作確認してください。
こんにちは。あなたの役割を1文で答えてください。計算は不要です。1つ目ではCalculatorのTool callが見えること、2つ目では不要な計算を実行しないことを確認します。モデルによって挙動は変わるため、期待どおりでなければSystem MessageとToolの説明を調整します。
Promptは「依頼」と「行動ルール」を分けて書く
AI Agentでは、利用者が毎回送る内容と、Agentが守る行動ルールを混ぜないことが大切です。Promptは利用者の依頼、System Messageは役割・Tool利用条件・禁止事項・出力方針に分けます。公式ドキュメントもSystem MessageをAgentの意思決定を導くための設定として案内しています。
User Messageに置くもの
- 今回の目的：何を知りたいか、何を処理したいか
- 対象データ：入力文、フォーム値、前段ノードの出力
- 今回だけの条件：回答形式、範囲、優先順位
System Messageに置くもの
- 役割：何を支援するAgentか
- Tool利用：どの条件で何を使うか
- 禁止事項：推測、無断送信、削除、更新など
- 失敗時：不足情報を質問するか、確認不能と返すか
注意：本番環境で使用する前に、必ずテスト環境で動作確認してください。
役割: 社内FAQの下書き担当
目的: 接続済みのToolで確認できた範囲だけ回答する
ルール:
- 計算が必要ならCalculatorを使う
- 確認できない事実を推測しない
- 送信・更新・削除は実行しない
- 不足している情報があれば、最初に質問する
出力:
- 日本語で簡潔に答える
- 根拠を確認できなかった場合は、その旨を明記する「使える」と「実行してよい」を分ける
Toolを接続すると、Agentはその機能を選べるようになります。しかし、技術的に呼べることと、無条件で実行してよいことは同じではありません。読み取りToolと書き込みToolを分け、送信・更新・削除を伴うToolには承認を付ける設計が安全です。
Memoryは前の会話が必要になってから追加する
MemoryはAI Agentの必須部品ではありません。一問一答の計算や分類なら、Memoryなしのほうが構成と原因調査が単純です。「さっきの条件で続けて」「前に挙げた候補のうち2番目」のような会話を扱う段階で追加します。
Simple Memoryが保持するもの
n8n公式のMemory解説では、Simple Memoryを現在のセッションのチャット履歴を指定した長さだけ保持する、最も始めやすい選択肢としています。主な設定は次の2つです。
- Session Key：どの会話の履歴かを識別するキー
- Context Window Length：文脈として参照する過去のやり取り数
- 接続先：AI AgentのMemory専用コネクタ
過去セッションを読み込む場合の接続
Chat TriggerのLoad Previous SessionをOff以外にする場合、公式ドキュメントはChat TriggerとAI Agentの両方をMemoryへ接続するよう案内しています。同じMemory sub-nodeを使い、履歴の参照元を1つにすることが推奨されています。Session Keyが利用者間で衝突すると会話が混ざるおそれがあるため、固定値を全利用者で共有しないよう設計してください。
Simple Memoryを本番で使えない構成
Simple Memory公式ドキュメントは、queue modeのアクティブな本番ワークフローではSimple Memoryを使わないよう明記しています。毎回同じworkerへ処理が届く保証がないためです。該当する環境ではRedis Chat MemoryやPostgres Chat Memoryなど、構成に合う永続先を検討します。
Simple Memory以外の選択肢、セッション設計、永続化の考え方は、AIエージェントのメモリ実装入門で詳しく整理しています。
Toolを増やす前に権限と承認の境界を決める
ToolはAgentが外部の情報や機能へアクセスする入口です。n8n公式のTool解説では、Calculatorに加えて、HTTP Request、Call n8n Workflow、Custom Code、各種アプリノードなどが挙げられています。MCPは利用可能な接続方法の1つですが、基本構成の条件ではありません。
| Toolの種類 | 最初の扱い | 確認事項 |
|---|---|---|
| Calculator | そのままテストしやすい | 必要な質問でTool callが発生するか |
| 検索・参照 | 読み取り範囲を限定する | 参照元、認証、取得データの扱い |
| メッセージ送信 | 人間の承認を付ける | 宛先、本文、重複送信、送信者 |
| 更新・削除 | 自動実行させない | 対象、権限、復旧手段、監査ログ |
高リスクToolにはHuman-in-the-loopを付ける
Human-in-the-loop公式ガイドでは、送信、レコード変更、削除、購入などのToolを実行する前に人間の承認を要求できます。承認されればAIが指定した入力で実行し、拒否されればその操作は中止されます。最終回答を人が読むだけではなく、副作用が起きる直前に止めるのがポイントです。
公開チャットは認証とOriginを確認する
- Authentication：Noneは誰でも利用できるため、用途に応じてBasic Authまたはn8n User Authを選ぶ
- 実行権限：n8n User Authではワークフローの実行権限も要求できる
- Allowed Origin：公開時は必要なOriginへ絞る
- Credential：APIキーをPrompt、コード例、実行結果へ直接書かない
MCPへ進むタイミング
複数の外部Toolをまとめて提供したい、別クライアントから同じTool群を使いたい、といった要件が出たらMCPを検討します。MCP ClientやMCP Serverを含む応用構成は、既刊のn8n × MCP × AIエージェント実装完全ガイド2026へ分けています。基本編を動かすためだけにMCPを先に導入する必要はありません。
正常動作は返答文ではなく実行履歴で確かめる
もっとも危険な確認方法は、「正しい答えが返ったからToolも正しく動いた」と判断することです。モデルが自力で計算したり、もっともらしい値を推測したりする可能性があります。実行履歴を開き、どのノードが動いたか、Toolへ何が渡り、何が返ったかを確認します。
最低限のテストケース
| テスト | 入力の狙い | 見る場所 |
|---|---|---|
| Tool利用 | 明確な計算を依頼する | Calculatorの実行と入出力 |
| Tool不要 | 挨拶や役割説明を依頼する | 不要なTool callがないか |
| 情報不足 | 接続されていないデータを尋ねる | 推測せず確認不能と返すか |
| 空入力 | Promptの参照値を欠損させる | エラーを検知して止まるか |
注意：本番環境で使用する前に、必ずテスト環境で動作確認してください。
接続されていない在庫データは推測しないでください。
商品Aの現在庫を確認し、確認できない場合はその理由を答えてください。デバッグに使えるAI Agentの設定
- Return Intermediate Steps：途中の手順を最終出力へ含め、Tool選択の確認に使う
- Max Iterations：公式ドキュメントの既定値は10。原因を調べずに増やさない
- Enable Streaming：既定で有効。Chat Trigger側もResponse ModeをStreamingに合わせる
- Require Specific Output Format：有効にした場合はOutput Parserを接続する
Toolを使わないときの追加設定
まずSystem MessageとToolの説明を見直します。それでもTool calling対応モデルが最初のTool呼び出しを飛ばす場合、n8n 2.40で追加された「Force Tool Call on First Iteration」を検討できます。n8n 2.40公式リリースノートによると、この設定は初回応答だけTool callを要求し、その後の反復は制限しません。既定はオフです。挨拶にも必ずToolを使わせる設定ではないため、必要性をテストしてから有効にしてください。
つまずきやすい失敗と直し方
失敗1：古い記事どおりにAgent Typeを探す
❌ 「Conversational Agent」「ReAct Agent」「Tools Agent」の選択欄が見つからず、手順が進まない。
⭕ 現行AI AgentはTools Agentとして動作します。Agent Typeを探さず、Chat ModelとToolの接続へ進みます。
失敗2：Chat Modelを通常の線でつなぐ
❌ Chat Modelを前後の通常ノードとして置き、「A Chat Model sub-node must be connected」が出る。
⭕ AI AgentのChat Model専用コネクタから追加します。AI AgentのCommon issuesも、AI Agentを開いた状態の追加ボタン、または閉じた状態の専用コネクタから選ぶよう案内しています。
失敗3：Promptがnullになっている
❌ 「Define below」の式が存在しないフィールドを参照する、またはchatInputにnullが入る。
⭕ AI Agent直前のINPUTを開き、実在する文字列が入っているか確認します。空値を除外し、Chat Trigger以外の入力ではPromptを「Define below」に切り替えます。
失敗4：Memoryを付ければ別セッションでも続くと思う
❌ Session Keyを意識せず、履歴が混ざる、または新しいセッションで消えたように見える。
⭕ Memoryはセッションを識別して使います。Chat Triggerの過去セッション読込を使う場合は、TriggerとAgentを同じMemoryへ接続します。
失敗5：最初から送信・削除Toolを自動実行させる
❌ テスト用チャットから外部メッセージやデータ変更が実行できる状態にする。
⭕ Calculatorや読み取り専用Toolから始めます。送信、更新、削除にはHuman-in-the-loopを付け、対象と入力を承認画面で確認します。
失敗6：Simple Memoryをqueue modeで使う
❌ queue modeの本番ワークフローでSimple Memoryに依存する。
⭕ Redis Chat MemoryやPostgres Chat Memoryなど、複数workerを前提にできる構成を検討します。利用中のn8n運用方式とMemoryの保存先を分けて確認してください。
ネイティブ基本編とMCP応用編はここで分ける
| 観点 | この記事の基本構成 | MCP連携の応用構成 |
|---|---|---|
| 目的 | AI Agentノードの判断とTool callを理解する | 外部のTool群へ接続する |
| Tool | Calculatorなどn8n内のTool | MCP ClientやMCP Server経由のTool |
| Memory | 必要ならSimple Memory | 用途に応じた永続MemoryやRAGも検討 |
| 対象 | 初めてAI Agentを組む人 | 基本構成を動かした後に拡張する人 |
まずはChat Trigger、AI Agent、Chat Model、Calculatorの組み合わせで、AgentがToolを選ぶ流れを確認してください。次に会話の継続が必要ならMemoryを足します。その後に外部Toolの統合要件が出た時点で、n8nとMCPの実装手順へ進むと、原因を切り分けやすくなります。
よくある質問
n8n ai agentとは何ですか？
n8nのAI Agentノードは、接続したChat Modelを使って入力を解釈し、必要なToolを選んでタスクを進めるルートノードです。固定順の処理だけでなく、入力に応じたTool選択を行う点が特徴です。
n8nでAIエージェントを作るのにMCPは必要ですか？
必要ありません。AI AgentへChat ModelとCalculatorなどのToolを直接接続すれば基本動作を確認できます。MCPは外部Tool群へ接続するための応用手段です。
AI Agentノードと新しいAgents機能は同じですか？
同じではありません。AI Agentノードはワークフローのキャンバスで使う部品です。2026年9月に紹介されたAgentsは、モデル、Tool、チャネル、Memoryなどをまとめて設定する別の作成入口です。n8n公式ブログ「Introducing n8n Agents」は、既存AI Agentノードの動作は変わらないと説明しています。
Toolは本当に必要ですか？
現行の公開AI Agentドキュメントは、少なくとも1つのTool sub-nodeを接続するよう案内しています。初級者はCalculatorを付け、公式ドキュメントに沿った構成で始めるのが安全です。
Memoryは最初から必要ですか？
一問一答なら不要です。前の発言や条件を引き継ぐ会話が必要になったらSimple Memoryを追加します。queue modeのアクティブな本番ワークフローではSimple Memoryを使わないでください。
n8n AI Agentは無料で使えますか？
費用は一律ではありません。n8nの利用形態、選ぶプラン、Chat Model提供元、外部APIやToolによって変わります。AI Agentノードだけを見て無料・有料を断定せず、n8nと各提供元の当日版料金ページを確認してください。
n8nはオープンソースですか？
n8n公式ドキュメントはn8nを「fair-code licensed workflow automation tool」と説明しています。利用や再配布の条件を確認せず、一般的な意味のオープンソースと同一視しないほうが正確です。
AI AgentがToolを使わないときはどうしますか？
Toolの説明、System Message、モデルのTool calling対応、接続先を順に確認します。必要な場合だけ「Force Tool Call on First Iteration」を試し、実行履歴で実際のTool callを確認します。
JSON形式で出力できますか？
できます。AI Agentの「Require Specific Output Format」を有効にし、Structured Output Parserなど対応するOutput Parserを接続します。ただし、基本のTool選択を確認してから追加すると、エラー原因を切り分けやすくなります。
公開前に何を確認すべきですか？
認証、Allowed Origin、Credential、Toolの権限、Human-in-the-loop、異常系入力、実行履歴を確認します。とくに外部送信・更新・削除は、Agentの最終回答ではなくTool実行前に承認を挟んでください。
運営元 Uravation よりAIエージェントを構想から本番運用まで進める順番と、体制・KPIの決め方をまとめた資料を無料で公開しています。 AIエージェント導入ロードマップを受け取る（無料）
参考・出典
- AI Agent node documentation — n8n公式ドキュメント（参照日: 2026年10月5日）
- Tools Agent node documentation — n8n公式ドキュメント（参照日: 2026年10月5日）
- Chat Trigger node documentation — n8n公式ドキュメント（参照日: 2026年10月5日）
- Simple Memory node documentation — n8n公式ドキュメント（参照日: 2026年10月5日）
- How tools work — n8n公式ドキュメント（参照日: 2026年10月5日）
- Human-in-the-loop for tools — n8n公式ドキュメント（参照日: 2026年10月5日）
- n8n 2.40 release notes — n8n公式リリースノート、2026年9月15日公開（参照日: 2026年10月5日）
- Introducing n8n Agents — n8n公式ブログ、2026年9月25日公開（参照日: 2026年10月5日）
結論：最初はCalculatorまで、拡張は動作確認の後
n8n ai agentを初めて作るなら、Chat TriggerからAI Agentへ入力を渡し、Chat ModelとCalculatorを専用コネクタに接続してください。これでMCPを導入せずに、Agentが必要に応じてToolを選ぶ基本動作を確認できます。
- 最初の完成条件：計算質問でCalculatorが実際に呼ばれる
- 次の拡張：会話継続が必要ならSimple Memoryを追加する
- 安全条件：送信・更新・削除Toolには人間の承認を付ける
- 応用への入口：外部Tool群が必要になってからMCPへ進む
あわせて読みたい：
- n8n × MCP × AIエージェント実装完全ガイド2026 — MCP連携を含む応用構成
- AIエージェントのメモリ実装入門 — Memoryの種類と永続化
- AIエージェント実装5フェーズ — 設計から本番運用までの全体像
この記事を読んで導入イメージが固まってきた方へ
UravationではAIエージェント導入の研修・コンサルを行っています。
