n8n com IA: Como Construir Agentes Operacionais de Automação em 2026
Guia prático para construir agentes de IA com n8n — do nó AI Agent básico até um agente SDR completo com memória, ferramentas e integração com CRM. Inclui templates prontos.
n8n não é só automação — é infraestrutura de agentes
Quando a maioria das pessoas pensa em n8n, pensa em automações: “se receber um e-mail, crie uma tarefa no Notion”. Isso ainda é verdade, mas é só metade da história.
A partir da versão 1.0, o n8n se tornou uma plataforma séria para construir agentes de IA operacionais — sistemas que tomam decisões, usam ferramentas, mantêm memória e executam tarefas complexas com supervisão mínima.
A diferença crucial em relação a plataformas como LangGraph ou CrewAI: o n8n conecta seu agente a 600+ integrações prontas — Gmail, Slack, HubSpot, Notion, Google Sheets, Stripe, Salesforce — sem uma linha de código extra.
Referências: n8n.io | docs.n8n.io/advanced-ai
O nó AI Agent no n8n — anatomia
O nó central para agentes no n8n é o AI Agent. Ele tem quatro entradas configuráveis:
[Chat Trigger] ──→ [AI Agent]
│
┌───────────┼───────────────┐
▼ ▼ ▼
[Chat Model] [Memory] [Tools (1-n)]
(GPT-4o, (Buffer, (Gmail, Slack,
Claude) Redis...) Calculator...)Configurando o AI Agent básico
- Trigger: “Chat Trigger” (para conversa) ou qualquer nó (e-mail, webhook, schedule)
- Chat Model: configure OpenAI, Anthropic ou Google Gemini com sua API key
- System Prompt: o comportamento e persona do agente
- Memory: persistência do histórico de conversa
- Tools: o que o agente pode fazer no mundo
System Prompt efetivo
Você é um assistente comercial especializado para [EMPRESA].
Seu objetivo: qualificar leads, responder dúvidas sobre produtos e agendar demonstrações.
Regras:
- Sempre responda em português do Brasil
- Se não souber a resposta, diga explicitamente e ofereça transferir para um humano
- Nunca invente preços ou prazos — consulte as ferramentas disponíveis
- Se o lead demonstrar interesse claro, ofereça agendamento imediato
Ferramentas disponíveis: busca de produtos, verificação de disponibilidade, agendamento de reuniões.Construindo um Agente SDR Completo
Um agente SDR (Sales Development Representative) que:
- Recebe leads por webhook
- Pesquisa a empresa no LinkedIn/web
- Qualifica com base no ICP
- Envia e-mail personalizado
- Registra tudo no HubSpot
Estrutura do workflow
[Webhook: Lead Novo]
│
[AI Agent: Qualificador]
├─ Tool: HTTP Request (pesquisa empresa via SerpAPI)
├─ Tool: HTTP Request (LinkedIn via Proxycurl API)
└─ Tool: Code (scoring de ICP)
│
[If: Score >= 7]
├─ YES → [AI Agent: Redator de E-mail]
│ ├─ Tool: Gmail (busca histórico)
│ └─ Tool: Gmail (envia e-mail personalizado)
│ → [HubSpot: Criar/Atualizar Contato]
└─ NO → [HubSpot: Marcar como Baixo Fit]Nó 1: Webhook de entrada
Configure o webhook para receber:
{
"nome": "João Silva",
"empresa": "TechCorp",
"cargo": "CEO",
"email": "joao@techcorp.com.br",
"origem": "formulário-site"
}Nó 2: AI Agent Qualificador
System Prompt:
Você é um analista de qualificação de leads B2B.
Analise o lead fornecido e faça:
1. Pesquise a empresa usando a ferramenta de busca
2. Identifique: setor, tamanho, tecnologias usadas, momento atual
3. Avalie o fit com nosso ICP (empresas 10-200 funcionários, setor tech/services, Brasil)
4. Retorne um JSON com: score (1-10), razão, próximos_passos
Seja preciso. Use apenas dados reais das pesquisas.Ferramentas conectadas:
- HTTP Request → SerpAPI:
https://serpapi.com/search?q={{empresa}}&gl=br&hl=pt - HTTP Request → LinkedIn (se tiver acesso)
- Code Node: scoring baseado em regras
Nó 3: AI Agent Redator
System Prompt:
Você é um especialista em cold email B2B.
Com base no perfil do lead e na pesquisa realizada:
1. Escreva um e-mail de prospecção personalizado (máx 150 palavras)
2. Referencie algo específico da empresa pesquisada
3. Inclua um CTA claro para uma call de 20 minutos
4. Tom: profissional mas conversacional, sem jargões
5. Nunca mencione que é automatizado
Assunto: máximo 50 caracteres, direto ao ponto, sem emoji.Nó 4: Integração HubSpot
Use o nó nativo do HubSpot para:
// Criar contato com todos os dados enriquecidos
{
"email": "{{$json.email}}",
"firstname": "{{$json.nome}}",
"company": "{{$json.empresa}}",
"jobtitle": "{{$json.cargo}}",
// Propriedades customizadas:
"iq_score": "{{$json.score}}",
"iq_razao": "{{$json.razao}}",
"iq_data": "{{$now}}",
"lead_source": "{{$json.origem}}"
}Memória: mantendo contexto entre conversas
O n8n oferece três opções de memória para agentes:
1. Window Buffer Memory (in-memory)
Mantém as últimas N mensagens. Bom para desenvolvimento.
Configuração: Window Size = 10 mensagens
Limitação: perdida ao reiniciar o n8n2. Redis Chat Memory (recomendado para produção)
Configuração:
- Host: seu-redis.servidor.com
- Port: 6379
- Session Key: {{ $json.userId }} // identificador único por usuário
- TTL: 86400 (24h)3. Postgres Chat History
Persiste todas as conversas em banco de dados para auditoria e análise posterior.
Templates prontos de agentes n8n
A comunidade n8n mantém uma biblioteca de workflows prontos em n8n.io/workflows. Os mais úteis para agentes:
| Template | Descrição | Link |
|---|---|---|
| AI Customer Support | Chatbot com RAG sobre docs | #3765 |
| AI SDR Agent | Qualificação e outreach automatizado | #3892 |
| Social Media Agent | Cria e posta conteúdo automaticamente | #3201 |
| Document Analyzer | Extrai dados estruturados de PDFs | #2987 |
| Meeting Prep Agent | Pesquisa e brief antes de reunião | #4102 |
Para usar: acesse n8n → Import → paste o ID do template.
n8n Self-Hosted vs. Cloud
| Critério | Self-Hosted | n8n Cloud |
|---|---|---|
| Custo | Infra (VPS ~$10-20/mês) | $20-50/mês/usuário |
| Execuções | Ilimitadas | 2.500-50.000/mês |
| Controle de dados | Total | Compartilhado |
| Setup | 30 min (Docker) | Imediato |
| Atualizações | Manual | Automático |
| Suporte | Comunidade | Email/Chat |
Recomendação: Para agentes que processam dados sensíveis de clientes, self-hosted. Para times pequenos que querem velocidade, Cloud.
Docker self-hosted em 5 minutos:
docker run -it --rm \
--name n8n \
-p 5678:5678 \
-v ~/.n8n:/home/node/.n8n \
-e N8N_BASIC_AUTH_ACTIVE=true \
-e N8N_BASIC_AUTH_USER=admin \
-e N8N_BASIC_AUTH_PASSWORD=senha_segura \
-e WEBHOOK_URL=https://seu-dominio.com \
n8nio/n8nn8n vs. Make para Agentes
| Critério | n8n | Make |
|---|---|---|
| Interface | Mais técnica | Mais visual |
| Open Source | ✅ | ❌ |
| Self-hosted | ✅ | ❌ |
| Agente nativo | ✅ AI Agent node | ⚠️ HTTP + IA manual |
| Memória nativa | ✅ | ❌ (via HTTP) |
| Preço execuções | Self: ilimitado | $0.001-0.004/op |
| Curva | Mais íngreme | Mais suave |
| Integrações | 600+ | 1.800+ |
Conclusão: n8n é superior para agentes complexos e volumes altos. Make é melhor para automações simples com muitas integrações prontas.
Recursos essenciais
- Documentação AI: docs.n8n.io/advanced-ai
- Templates de agentes: n8n.io/workflows
- Blog de agentes: n8n.io/blog/ai-agents
- Comunidade: community.n8n.io
- GitHub: github.com/n8n-io/n8n (50k+ ⭐)
- Curso oficial: n8n.io/academy
O n8n é hoje a ferramenta mais completa para quem quer agentes operacionais sem precisar escrever código Python do zero — especialmente quando o agente precisa se conectar ao ecossistema de ferramentas que sua empresa já usa.
