n8n の AI Agent ノードを使えば、メールを読み、レコードを調べ、返信するアシスタントを簡単に作れます。同時に、予定以上にお金を使うのも簡単です。1 回の実行で最大 10 回モデルを呼び出し、そのたびにプロンプト全体を再送するからです。この記事では、低コストの OpenAI 互換モデルで AI Agent ワークフローを動かす方法、ツール利用に向いたモデルの選び方、トークンを減らす設定、そして 1 回の実行にかかるコストを説明します。認証情報とノードの設定そのものは、n8n 設定ガイドに沿って行ってください。
AI Agent を安いモデルにつなぐには?
- プロバイダーのキーと Base URL(例:
https://inference.broadnet.ai/v1)で OpenAI 認証情報を作成します。 - AI Agent ノードを追加し、その認証情報を使う OpenAI Chat Model サブノードを接続します。
- リストから選ぶのではなく、モデルを ID で入力します。例:
broadnet/qwen3.8-27b。 - プロバイダーが chat completions を提供している場合は(BroadNet はそうです)、Use Responses API をオフにします。
- ツールを 1 つ以上接続します。n8n のドキュメントには、AI Agent には少なくとも 1 つのツールサブノードを接続する必要があると書かれています。
OpenAI 以外の Base URL を設定すると、n8n は、すべてのモデルがツールや JSON のレスポンス形式に対応しているわけではないという注意を表示します。これは真剣に受け止めてください。モデル選びを左右するポイントです。
n8n のツールを扱える安いモデルはどれですか?
n8n のドキュメントによれば、AI Agent ノードは現在すべて Tools Agent として動きます。モデルがツール呼び出しを確実に出力できないと、エージェントはループしたり、ツールを使わずに回答したりします。
| BroadNet のモデル | ツール対応の掲載 | コンテキスト | n8n での最適な用途 |
|---|---|---|---|
| Qwen3.8 27B | あり | 262,144 | AI Agent の第一候補。画像入力、アラビア語でテスト済み |
| GLM 5.3 | あり | 1,048,576 | 長い文書を扱うエージェント |
| Gemma 4 VL 26B | 掲載なし | 32,768 | Basic LLM Chain:分類、抽出、振り分け |
| DeepSeek V4.1 Flash | 掲載なし | 1,048,576 | 長文書のチェーン、画像入力。エージェントに使う前にテストを |
ツール対応の 2 つのモデルのうち、入力が安いのは Qwen3.8 27B で、n8n のエージェントは入力中心です。まずこちらで始め、テストで GLM 5.3 のほうがツールをうまく扱えるとわかったら切り替えてください。2 つの比較は GLM 5.3 vs Qwen3.8 27B にあります。
n8n のエージェントはトークンをどこで使いますか?
各反復は、次のものを運ぶ個別のモデル呼び出しです。
- 自分で書いた System Message
- 接続されたすべてのツールの定義。All に設定した MCP Client Tool ノードのツールもすべて含みます
- Simple Memory のメモリウィンドウ
- ユーザーの入力と、この実行でのそれまでのツール呼び出しと結果
出力はたいてい短いものです。したがって請求額は、入力のサイズ × 反復回数で決まります。各部分の測り方はエージェントのトークン予算の記事で説明しています。
コスト削減に最も効く設定はどれですか?
- Max Iterations。 デフォルトは 10 です。サポート系のエージェントは、たいてい 2〜4 回で終わります。4 か 5 に設定して、混乱した実行が早めに止まるようにしてください。
- Simple Memory の Context Window Length。 過去のやり取りをいくつ保持するかを決めます。そのひとつひとつが反復のたびに再送されます。5 など、小さな値にしてください。
- ツールを減らす。 MCP Client Tool ノードでは、All ではなく Selected か All Except を使います。
- ツール出力を短く。 HTTP Request ツールには、API のレスポンス全体ではなく、エージェントが必要とするフィールドだけを返させます。
- Maximum Number of Tokens。 Qwen3.8 27B と GLM 5.3 は先に推論し、推論はこの上限に含まれます。デフォルトのままにするか、数千に設定してください。小さすぎると空の出力になります。
- エージェントの前で振り分ける。 前段に Gemma 4 VL 26B の Basic LLM Chain を置いてリクエストを分類します。ツールが必要なものだけがエージェントに届きます。
出力の形を固定したいなら、Require Specific Output Format をオンにして Structured Output Parser を接続してください。エージェントに整形し直させるより安く済みます。詳しくは構造化出力をご覧ください。
n8n のエージェントの 1 回の実行にはいくらかかりますか?
サポート用のエージェントで考えます。1 回の実行で 3 反復、1 反復あたり入力約 4,000 トークン、出力 300 トークンです。1 回の実行で入力 12,000、出力 900 トークンになります。月 10,000 回の実行では次のとおりです。
| 月間トークン | Qwen3.8 27B | GLM 5.3 |
|---|---|---|
| 入力 120M | 100 万トークンあたり $0.175 | 100 万トークンあたり $0.78 |
| 出力 9M | 100 万トークンあたり $2.17 | 100 万トークンあたり $3.46 |
掛けて足してください。2026-11-14 に同期した価格では、キャッシュ割引を考慮する前の段階で、このワークフローは GLM 5.3 のほうが Qwen3.8 27B より約 3 倍高くなります。どちらのモデルでも、反復回数を半分にすれば入力の行はおおよそ半分になります。メモリのウィンドウを短くすると、各プロンプトに占めるメモリの割合の分だけ減ります。
Gemma 4 VL 26B の振り分けステップの追加コストはわずかです。入力 800、出力 20 トークンの分類を 10,000 回行うと、入力 8M(100 万トークンあたり $0.10)と出力 0.2M(100 万トークンあたり $0.22)です。リクエストの 40% がエージェントに届かなくなれば、エージェントの行が 40% 減ります。Gemma で安定した大量の処理をするなら、BroadNet は 1 時間 $0.50 の定額の時間制キーも販売しています。毎分 120 リクエスト、1 ストリーム、毎分 300,000 トークンです。
ご自身の数字は LLM API コスト計算ツールで計算し、毎分 30 リクエストでどこまで回せるかはレート制限計算ツールで確認してください。
n8n で安いモデルを使うと何が壊れやすいですか?
- エージェントがツールを無視する。 そのモデルはツール対応として掲載されていません。Qwen3.8 27B か GLM 5.3 に切り替えてください。
- 「Bad request」。 たいていは Responses API の切り替えが原因です。対処法は設定ガイドにあります。
- バッチで 429 が出る。 従量課金のキーは毎分 30 リクエスト、同時 4 リクエストまでです。Loop Over Items と Wait ノードを使ってください。エラーと再試行をご覧ください。
- MCP のツール。 MCP Client Tool ノードを使うと、エージェントが外部の MCP サーバーを呼び出せます。まず OpenAI 互換モデルで MCP を使うをお読みください。
BroadNet Inference の位置づけ
BroadNet Inference なら、n8n に 1 つの OpenAI 互換認証情報を設定するだけで、ツール対応の Qwen3.8 27B と GLM 5.3、安い振り分け用の Gemma 4 VL 26B、そして安定したバッチ向けの $0.50 の Gemma 時間制キーが使えます。新規アカウントには $5 のクレジットが付き、Gemma 4 VL 26B に使えます。ツール対応のモデルにはチャージが必要です。Responses API の組み込みツールのような OpenAI 専用の機能が必要なワークフローには向きません。キーは inference.broadnet.ai で作成できます。
