---
title: "सस्ते OpenAI-compatible LLM के साथ n8n AI Agent | BroadRouter"
description: "कम लागत वाले OpenAI-कम्पैटिबल मॉडल पर n8n AI Agent वर्कफ़्लो बनाएँ: टूल के लिए कौन-सा मॉडल, कौन-सी सेटिंग टोकन घटाती हैं, और हर 10,000 रन का हिसाब।"
url: https://broadrouter.com/hi/blog/n8n-ai-agent-cheap-llm/
lang: hi
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

यह पेज अंग्रेज़ी से AI की मदद से अनुवाद किया गया है। [अंग्रेज़ी मूल पढ़ें](https://broadrouter.com/blog/n8n-ai-agent-cheap-llm/) (2026-11-16 को अपडेट किया गया).

# सस्ते LLM पर n8n AI Agent: सेटअप, मॉडल का चुनाव और प्रति रन लागत

BroadNet Inference टीम · 5 मिनट में पढ़ें · प्रकाशित 2026-11-14 · अपडेट किया गया 2026-11-16

n8n के OpenAI क्रेडेंशियल को कम लागत वाले OpenAI-कम्पैटिबल API पर पॉइंट करें, मॉडल को ID से डालें और Use Responses API बंद करें। AI Agent को टूल कॉलिंग वाला मॉडल दें, जैसे Qwen3.8 27B या GLM 5.3। Max Iterations कम, मेमरी छोटी और टूल गिने-चुने रखें, और सरल वर्गीकरण पहले किसी सस्ते मॉडल पर भेजें।

## मुख्य बातें

-   n8n का AI Agent अब हमेशा Tools Agent के रूप में काम करता है और उसे कम से कम एक टूल चाहिए, इसलिए मॉडल को टूल कॉल संभालने आने चाहिए।
-   प्रति रन लागत ज़्यादातर इनपुट है: सिस्टम संदेश, टूल परिभाषाएँ और मेमरी हर iteration पर दोबारा भेजी जाती हैं।
-   Max Iterations का डिफ़ॉल्ट 10 है। इसे घटाएँ, और Simple Memory की Context Window Length छोटी रखें।
-   प्रकाशित कीमतों पर हमारा उदाहरण एजेंट GLM 5.3 पर Qwen3.8 27B की तुलना में प्रति रन लगभग 3 गुना महँगा पड़ता है।
-   आसान स्टेप Gemma 4 VL 26B पर Basic LLM Chain में भेजें, जो $0.50 की फ़्लैट घंटे वाली key के रूप में भी उपलब्ध है।

**इस पेज पर**

1.  AI Agent को सस्ते मॉडल से कैसे जोड़ें?
2.  कौन-सा सस्ता मॉडल n8n टूल संभाल सकता है?
3.  n8n एजेंट टोकन कहाँ ख़र्च करता है?
4.  कौन-सी सेटिंग लागत सबसे ज़्यादा घटाती हैं?
5.  n8n एजेंट के एक रन की लागत कितनी है?
6.  n8n में सस्ते मॉडल के साथ क्या टूटता है?
7.  BroadNet Inference कहाँ फ़िट होता है

n8n का AI Agent नोड ऐसा असिस्टेंट बनाना आसान कर देता है जो ईमेल पढ़े, रिकॉर्ड खोजे और जवाब दे। साथ ही योजना से ज़्यादा ख़र्च करना भी आसान कर देता है, क्योंकि हर रन मॉडल को दस बार तक कॉल कर सकता है, और हर बार पूरा प्रॉम्प्ट दोबारा भेजता है। यह पोस्ट दिखाती है कि AI Agent वर्कफ़्लो को कम लागत वाले [OpenAI-कम्पैटिबल](https://broadrouter.com/hi/glossary/openai-compatible-api/) मॉडल पर कैसे चलाएँ, टूल उपयोग के लिए कौन-सा मॉडल चुनें, कौन-सी सेटिंग टोकन घटाती हैं, और एक रन कितने का पड़ता है। क्रेडेंशियल और नोड के सेटअप के लिए हमारा [n8n सेटअप गाइड](https://broadrouter.com/hi/guides/n8n-openai-compatible/) देखें।

## AI Agent को सस्ते मॉडल से कैसे जोड़ें?

1.  अपने प्रोवाइडर की key और उसके Base URL के साथ **एक OpenAI क्रेडेंशियल बनाएँ**, जैसे `https://inference.broadnet.ai/v1`।
2.  **एक AI Agent नोड जोड़ें** और उस क्रेडेंशियल के साथ एक **OpenAI Chat Model** सब-नोड लगाएँ।
3.  **मॉडल को ID से डालें**, सूची से नहीं, जैसे `broadnet/qwen3.8-27b`।
4.  अगर आपका प्रोवाइडर चैट कम्प्लीशन सर्व करता है, जैसा BroadNet करता है, तो **Use Responses API बंद करें**।
5.  **कम से कम एक टूल लगाएँ।** n8n के डॉक्स कहते हैं कि AI Agent से कम से कम एक टूल सब-नोड जोड़ना ज़रूरी है।

जब आप OpenAI से अलग कोई Base URL सेट करते हैं, तो n8n एक सूचना दिखाता है कि हर मॉडल टूल या JSON रिस्पॉन्स फ़ॉर्मैट सपोर्ट नहीं करता। इसे गंभीरता से लें: यही आपका मॉडल चुनाव तय करती है।

## कौन-सा सस्ता मॉडल n8n टूल संभाल सकता है?

n8n के डॉक्स कहते हैं कि सभी AI Agent नोड अब **Tools Agent** के रूप में काम करते हैं। मॉडल को भरोसेमंद ढंग से [टूल कॉल](https://broadrouter.com/hi/glossary/tool-calling/) भेजने आने चाहिए, वरना एजेंट लूप में घूमता है या आपके टूल इस्तेमाल किए बिना जवाब दे देता है।

| BroadNet पर मॉडल | टूल सूचीबद्ध | कॉन्टेक्स्ट | n8n में सबसे अच्छा उपयोग |
| --- | --- | --- | --- |
| [Qwen3.8 27B](https://broadrouter.com/hi/models/qwen3.8-27b/) | हाँ | 262,144 | AI Agent के लिए डिफ़ॉल्ट; इमेज इनपुट, अरबी पर परखा गया |
| [GLM 5.3](https://broadrouter.com/hi/models/glm-5.3/) | हाँ | 1,048,576 | लंबे दस्तावेज़ों पर एजेंट |
| [Gemma 4 VL 26B](https://broadrouter.com/hi/models/gemma-4-vl-26b/) | सूचीबद्ध नहीं | 32,768 | Basic LLM Chain: वर्गीकरण, निकालना, रूटिंग |
| [DeepSeek V4.1 Flash](https://broadrouter.com/hi/models/deepseek-v4.1-flash/) | सूचीबद्ध नहीं | 1,048,576 | लंबे दस्तावेज़ों वाली chain, इमेज इनपुट; एजेंट में इस्तेमाल से पहले परखें |

टूल-सक्षम दोनों मॉडल में Qwen3.8 27B इनपुट पर सस्ता है, और n8n एजेंट इनपुट-भारी होते हैं। वहीं से शुरू करें और अगर आपके टेस्ट दिखाएँ कि GLM 5.3 आपके टूल बेहतर संभालता है, तो उस पर जाएँ; [GLM 5.3 बनाम Qwen3.8 27B](https://broadrouter.com/compare/glm-5.3-vs-qwen3.8-27b/) दोनों की तुलना करता है।

## n8n एजेंट टोकन कहाँ ख़र्च करता है?

हर iteration एक अलग मॉडल कॉल है, जिसमें होता है:

-   आपका लिखा **System Message**,
-   **हर जुड़े हुए टूल की परिभाषा**, जिसमें All पर सेट MCP Client Tool नोड के सभी टूल शामिल हैं,
-   Simple Memory की **मेमरी विंडो**,
-   यूज़र का इनपुट, साथ में इस रन की पिछली टूल कॉल और नतीजे।

आउटपुट आम तौर पर छोटा होता है। इसलिए बिल इनपुट के आकार गुणा iteration से तय होता है। हमारी [एजेंट टोकन बजट](https://broadrouter.com/hi/blog/agent-token-budget/) पोस्ट हर हिस्से को मापने का तरीक़ा दिखाती है।

## कौन-सी सेटिंग लागत सबसे ज़्यादा घटाती हैं?

1.  **Max Iterations।** डिफ़ॉल्ट 10 है। ज़्यादातर सपोर्ट जैसे एजेंट 2 से 4 में पूरा कर लेते हैं। इसे 4 या 5 पर सेट करें ताकि उलझा हुआ रन जल्दी रुक जाए।
2.  **Simple Memory की Context Window Length।** यह तय करती है कि कितनी पिछली बातचीत रखी जाए। हर एक हर iteration पर दोबारा भेजी जाती है। इसे छोटा रखें, जैसे 5।
3.  **कम टूल।** MCP Client Tool नोड पर All के बजाय **Selected** या **All Except** इस्तेमाल करें।
4.  **छोटा टूल आउटपुट।** HTTP Request टूल से पूरे API जवाब नहीं, सिर्फ़ वे फ़ील्ड लौटवाएँ जो एजेंट को चाहिए।
5.  **Maximum Number of Tokens।** Qwen3.8 27B और GLM 5.3 पहले रीज़निंग करते हैं, और रीज़निंग इस सीमा में गिनी जाती है। इसे डिफ़ॉल्ट पर छोड़ें या कुछ हज़ार पर सेट करें। बहुत छोटी सीमा [ख़ाली आउटपुट](https://broadrouter.com/hi/guides/reasoning-tokens-empty-response/) देती है।
6.  **एजेंट से पहले रूट करें।** अनुरोधों का वर्गीकरण करने के लिए आगे Gemma 4 VL 26B पर एक Basic LLM Chain लगाएँ। सिर्फ़ वे अनुरोध एजेंट तक पहुँचें जिन्हें टूल चाहिए।

तय आउटपुट आकार के लिए **Require Specific Output Format** चालू करें और एक Structured Output Parser लगाएँ। यह एजेंट से दोबारा फ़ॉर्मैट करवाने से सस्ता है। ज़्यादा जानकारी [स्ट्रक्चर्ड आउटपुट](https://broadrouter.com/hi/blog/structured-output-json-schema/) में।

## n8n एजेंट के एक रन की लागत कितनी है?

एक सपोर्ट एजेंट लें: हर रन में 3 iteration, हर iteration में लगभग 4,000 इनपुट टोकन और 300 आउटपुट टोकन। यानी हर रन में 12,000 इनपुट और 900 आउटपुट टोकन। महीने में 10,000 रन पर:

| मासिक टोकन | Qwen3.8 27B | GLM 5.3 |
| --- | --- | --- |
| 120M इनपुट | प्रति 1M $0.175 | प्रति 1M $0.78 |
| 9M आउटपुट | प्रति 1M $2.17 | प्रति 1M $3.46 |

गुणा करें और जोड़ें। 2026-11-14 को सिंक हुई कीमतों पर इस वर्कफ़्लो के लिए GLM 5.3, Qwen3.8 27B से लगभग **3 गुना** महँगा पड़ता है, किसी भी कैश छूट से पहले। iteration आधे करने से दोनों मॉडल पर इनपुट की पंक्ति मोटे तौर पर आधी हो जाती है; छोटी मेमरी विंडो उसे उतना घटाती है जितना हर प्रॉम्प्ट में मेमरी का हिस्सा है।

Gemma 4 VL 26B वाला रूटिंग स्टेप बहुत कम जोड़ता है: 800 इनपुट और 20 आउटपुट टोकन पर 10,000 वर्गीकरण का मतलब है प्रति 1M $0.10 पर 8M इनपुट और प्रति 1M $0.22 पर 0.2M आउटपुट। अगर 40% अनुरोध एजेंट तक पहुँचते ही नहीं, तो इससे एजेंट वाली पंक्ति का 40% बचता है। Gemma पर स्थिर ऊँचे वॉल्यूम के लिए BroadNet $0.50 प्रति घंटा की फ़्लैट घंटे वाली key भी बेचता है: प्रति मिनट 120 अनुरोध, एक स्ट्रीम, प्रति मिनट 300,000 टोकन।

अपने आँकड़े [LLM API कॉस्ट कैलकुलेटर](https://broadrouter.com/tools/llm-api-cost-calculator/) में चलाएँ, और [रेट लिमिट कैलकुलेटर](https://broadrouter.com/tools/llm-rate-limit-calculator/) से जाँचें कि प्रति मिनट 30 अनुरोध कितनी दूर तक चलते हैं।

## n8n में सस्ते मॉडल के साथ क्या टूटता है?

-   **एजेंट टूल को अनदेखा करता है।** मॉडल टूल सपोर्ट के साथ सूचीबद्ध नहीं है। Qwen3.8 27B या GLM 5.3 पर जाएँ।
-   **“Bad request”।** आम तौर पर Responses API वाला टॉगल। [सेटअप गाइड](https://broadrouter.com/hi/guides/n8n-openai-compatible/) में इसके हल हैं।
-   **बैच में 429।** उपयोग के अनुसार भुगतान वाली key प्रति मिनट 30 अनुरोध और एक साथ 4 की अनुमति देती है। Wait नोड के साथ Loop Over Items इस्तेमाल करें। देखें [एरर और रीट्राई](https://broadrouter.com/hi/guides/errors-and-retries/)।
-   **MCP टूल।** MCP Client Tool नोड एजेंट को किसी बाहरी MCP सर्वर को कॉल करने देता है। पहले [OpenAI-कम्पैटिबल मॉडल के साथ MCP](https://broadrouter.com/hi/blog/mcp-with-openai-compatible-models/) पढ़ें।

## BroadNet Inference कहाँ फ़िट होता है

BroadNet Inference n8n को एक ही OpenAI-कम्पैटिबल क्रेडेंशियल देता है: टूल के साथ Qwen3.8 27B और GLM 5.3, सस्ती रूटिंग के लिए Gemma 4 VL 26B, और स्थिर बैच के लिए $0.50 की घंटे वाली Gemma key। नए अकाउंट को $5 का क्रेडिट मिलता है, जो Gemma 4 VL 26B को कवर करता है; टूल-सक्षम मॉडल के लिए टॉप-अप चाहिए। यह उन वर्कफ़्लो के लिए ठीक नहीं जिन्हें सिर्फ़ OpenAI वाले फ़ीचर चाहिए, जैसे Responses API के बिल्ट-इन टूल। key [inference.broadnet.ai](https://inference.broadnet.ai/?utm_source=broadrouter&utm_medium=referral&utm_campaign=hi-blog-n8n-ai-agent-cheap-llm&utm_content=body) पर बनाएँ।

इस विषय के मुफ़्त टूल (अंग्रेज़ी में)

-   [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.

[मुफ़्त टूल (अंग्रेज़ी में)](https://broadrouter.com/tools/)

## इस लेख के शब्द

[AI एजेंट (AI agent)](https://broadrouter.com/hi/glossary/agent/)

AI एजेंट ऐसा सिस्टम है जिसमें लैंग्वेज मॉडल किसी लक्ष्य की ओर अपने क़दम ख़ुद तय करता है: कौन-से टूल कॉल करने हैं, चुनता है, नतीजे पढ़ता है और अंतिम जवाब या किसी सीमा तक दोहराता रहता है। तय बिंदुओं पर मॉडल को कॉल करने वाली स्क्रिप्ट को आम तौर पर workflow कहते हैं।

[टोकन (token)](https://broadrouter.com/hi/glossary/token/)

टोकन टेक्स्ट की वह इकाई है जिसे लैंग्वेज मॉडल पढ़ता और लिखता है: कोई शब्द, शब्द का हिस्सा, विराम चिह्न या बाइट का क्रम, जो मॉडल का टोकनाइज़र बनाता है। LLM API इस्तेमाल को टोकन में गिनते हैं, उसी में लिमिट लगाते हैं और आम तौर पर बिल भी बनाते हैं।

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

MCP (Model Context Protocol) JSON-RPC 2.0 पर बना एक ओपन प्रोटोकॉल है, जो तय करता है कि LLM ऐप्लिकेशन बाहरी टूल और डेटा से कैसे जुड़ें। MCP सर्वर टूल, रिसोर्स और प्रॉम्प्ट उपलब्ध कराता है; होस्ट ऐप्लिकेशन के अंदर का MCP क्लाइंट उन्हें ढूँढता है और मॉडल की टूल कॉल सर्वर तक पहुँचाता है।

[रेट लिमिट (rate limit)](https://broadrouter.com/hi/glossary/rate-limit/)

रेट लिमिट वह सीमा है जो कोई API तय करता है कि एक क्लाइंट किसी समय-अवधि में उसका कितना इस्तेमाल कर सकता है, जैसे प्रति मिनट अनुरोध या प्रति मिनट टोकन। सीमा से ऊपर के अनुरोध ठुकरा दिए जाते हैं, आम तौर पर HTTP 429 Too Many Requests के साथ, जब तक इस्तेमाल फिर सीमा के नीचे न आ जाए।

[इनपुट और आउटपुट टोकन (input and output tokens)](https://broadrouter.com/hi/glossary/input-and-output-tokens/)

इनपुट टोकन वे टोकन हैं जिन्हें लैंग्वेज मॉडल किसी अनुरोध में पढ़ता है, जिनमें सिस्टम प्रॉम्प्ट, बातचीत का इतिहास, टूल डेफ़िनिशन और इमेज शामिल हैं। आउटपुट टोकन वे हैं जो वह जवाब में बनाता है, रीज़निंग समेत। LLM API आम तौर पर दोनों की कीमत अलग रखते हैं, और आउटपुट आम तौर पर महँगा होता है।

[उपयोग के अनुसार भुगतान (pay-as-you-go)](https://broadrouter.com/hi/glossary/pay-as-you-go/)

उपयोग के अनुसार भुगतान (pay-as-you-go) एक प्राइसिंग मॉडल है जिसमें आप सिर्फ़ उतना देते हैं जितना इस्तेमाल करते हैं, जिसे टोकन, अनुरोध या ऑडियो मिनट जैसी इकाइयों में मापा जाता है, बिना सब्सक्रिप्शन या न्यूनतम प्रतिबद्धता के। ज़्यादातर LLM API इसी तरह बिल बनाते हैं, प्रीपेड बैलेंस या समय-समय पर बनने वाले इनवॉइस से।

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

base URL किसी API का तय मूल पता है, जैसे https://api.example.com/v1, जिसे क्लाइंट /chat/completions जैसे हर एंडपॉइंट पाथ के आगे जोड़ता है। OpenAI-compatible SDK में base URL को API key और मॉडल ID के साथ बदलने से वही कोड किसी दूसरे प्रोवाइडर से जुड़ जाता है।

[टूल कॉलिंग (tool calling)](https://broadrouter.com/hi/glossary/tool-calling/)

टूल कॉलिंग, जिसे function calling भी कहते हैं, LLM API की वह सुविधा है जिसमें मॉडल डेवलपर के तय किए किसी फ़ंक्शन को चलाने का एक स्ट्रक्चर्ड अनुरोध, JSON आर्ग्युमेंट के साथ, लौटाता है। ऐप्लिकेशन फ़ंक्शन चलाकर नतीजा वापस भेजता है; मॉडल ख़ुद कभी कोड नहीं चलाता।

## अक्सर पूछे जाने वाले सवाल

### क्या मैं n8n AI Agent नोड के साथ सस्ता LLM इस्तेमाल कर सकता हूँ?

हाँ। OpenAI Chat Model सब-नोड OpenAI क्रेडेंशियल इस्तेमाल करता है, जिसमें Base URL फ़ील्ड होता है। उसे किसी भी OpenAI-कम्पैटिबल API पर पॉइंट करें, मॉडल को ID से डालें, और अगर आपका प्रोवाइडर चैट कम्प्लीशन सर्व करता है तो Use Responses API बंद करें।

### n8n टूल के साथ कौन-सा सस्ता मॉडल चलता है?

वह जो टूल कॉलिंग सपोर्ट करता हो, क्योंकि AI Agent हमेशा Tools Agent के रूप में काम करता है। BroadNet Inference पर Qwen3.8 27B और GLM 5.3 टूल सपोर्ट के साथ सूचीबद्ध हैं। Gemma 4 VL 26B सस्ता है लेकिन टूल के साथ सूचीबद्ध नहीं, इसलिए उसे Basic LLM Chain में इस्तेमाल करें।

### मेरा n8n AI Agent इतना महँगा क्यों पड़ता है?

हर iteration सिस्टम संदेश, हर टूल परिभाषा और मेमरी विंडो दोबारा भेजता है। दस टूल और लंबी मेमरी के साथ पाँच बार लूप करने वाला एजेंट यूज़र के टाइप किए हुए से कई गुना ज़्यादा टोकन पढ़ता है। Max Iterations घटाएँ, टूल कम करें और मेमरी छोटी करें।

### n8n AI Agent में Max Iterations क्या करता है?

यह सीमित करता है कि जवाब बनाने के लिए मॉडल कितनी बार चलेगा। डिफ़ॉल्ट 10 है। हर iteration एक अलग मॉडल कॉल है जिसका बिल अलग बनता है।

### मेरा n8n एजेंट 429 एरर से क्यों टकराता है?

पैरेलल execution और लूप key की सीमाएँ साझा करते हैं। BroadNet की उपयोग के अनुसार भुगतान वाली key प्रति मिनट 30 अनुरोध और एक साथ 4 की अनुमति देती है। Loop Over Items और Wait नोड से बैच की रफ़्तार नियंत्रित करें।

## आगे पढ़ें

-   [सस्ते मॉडल पर OpenClaw और Hermes Agent: सेटअप और टोकन का हिसाब](https://broadrouter.com/hi/blog/openclaw-hermes-agent-cheap-model/)
-   [OpenAI-कम्पैटिबल मॉडल के साथ MCP सर्वर (किसी भी प्रोवाइडर पर)](https://broadrouter.com/hi/blog/mcp-with-openai-compatible-models/)
-   [ओपन मॉडल के साथ टूल कॉलिंग: स्कीमा, पैरेलल कॉल, रीट्राई](https://broadrouter.com/hi/blog/tool-calling-open-models/)
-   [JSON mode बनाम json\_schema: भरोसेमंद स्ट्रक्चर्ड आउटपुट](https://broadrouter.com/hi/blog/structured-output-json-schema/)
-   [एजेंट टोकन बजट: एजेंट लूप के टोकन कहाँ जाते हैं](https://broadrouter.com/hi/blog/agent-token-budget/)
-   [AI कोडिंग एजेंट के एक रन की लागत: स्टेप, कॉन्टेक्स्ट और कैशिंग](https://broadrouter.com/hi/blog/ai-coding-agent-run-cost/)
-   [ओपन मॉडल के साथ Claude Code: प्रॉक्सी, नेटिव एंडपॉइंट और सीमाएँ](https://broadrouter.com/hi/blog/claude-code-with-openai-compatible-models/)
-   [गाइड: n8n में BroadNet Inference इस्तेमाल करें (OpenAI credential, Base URL)](https://broadrouter.com/hi/guides/n8n-openai-compatible/)
-   [गाइड: BroadNet Inference के साथ LangChain इस्तेमाल करें](https://broadrouter.com/hi/guides/langchain-openai-base-url/)
-   [गाइड: BroadNet Inference के एरर कोड और रीट्राई कब करें](https://broadrouter.com/hi/guides/errors-and-retries/)

इसे अपने असली वर्कलोड पर आज़माएँ। नए अकाउंट Gemma और ट्रांसक्रिप्शन के लिए US$5 के क्रेडिट से शुरू होते हैं। DeepSeek, GLM, और Qwen3.8 के लिए टॉप-अप ज़रूरी है।

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

**स्रोत**

-   [n8n डॉक्स, AI Agent नोड (2026-11-14 को जाँचा गया)](https://docs.n8n.io/integrations/builtin/cluster-nodes/root-nodes/n8n-nodes-langchain.agent/)
-   [n8n डॉक्स, Tools Agent के विकल्प (2026-11-14 को जाँचा गया)](https://docs.n8n.io/integrations/builtin/cluster-nodes/root-nodes/n8n-nodes-langchain.agent/tools-agent/)
-   [n8n डॉक्स, OpenAI Chat Model नोड (2026-11-14 को जाँचा गया)](https://docs.n8n.io/integrations/builtin/cluster-nodes/sub-nodes/n8n-nodes-langchain.lmchatopenai/)
-   [n8n डॉक्स, Simple Memory नोड (2026-11-14 को जाँचा गया)](https://docs.n8n.io/integrations/builtin/cluster-nodes/sub-nodes/n8n-nodes-langchain.memorybufferwindow/)
-   [n8n डॉक्स, MCP Client Tool नोड (2026-11-14 को जाँचा गया)](https://docs.n8n.io/integrations/builtin/cluster-nodes/sub-nodes/n8n-nodes-langchain.toolmcp/)
-   [BroadNet Inference की मशीन-पठनीय कीमतें (pricing.json) (अंग्रेज़ी में)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=hi-blog-n8n-ai-agent-cheap-llm&utm_content=sources)
-   [BroadNet Inference API रेफ़रंस, सीमाएँ (अंग्रेज़ी में)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=hi-blog-n8n-ai-agent-cheap-llm&utm_content=sources#limits)
