n8n’in AI Agent düğümü, e-posta okuyan, kayıt arayan ve yanıt veren bir asistan kurmayı kolaylaştırır. Planladığınızdan fazla harcamayı da kolaylaştırır, çünkü her çalıştırma modeli on kereye kadar çağırabilir ve her seferinde istemin tamamını yeniden gönderir. Bu yazı AI Agent iş akışlarını düşük maliyetli, OpenAI uyumlu bir modelde nasıl çalıştıracağınızı, araç kullanımı için hangi modeli seçeceğinizi, hangi ayarların token’ı azalttığını ve bir çalıştırmanın ne kadar tuttuğunu gösteriyor. Kimlik bilgisi ve düğüm kurulumunun kendisi için n8n kurulum rehberimizi izleyin.
AI Agent daha ucuz bir modele nasıl bağlanır?
- Sağlayıcınızın anahtarı ve Base URL’siyle (örneğin
https://inference.broadnet.ai/v1) bir OpenAI kimlik bilgisi oluşturun. - Bir AI Agent düğümü ekleyin ve bu kimlik bilgisiyle bir OpenAI Chat Model alt düğümü bağlayın.
- Modeli listeden değil, kimliğiyle girin; örneğin
broadnet/qwen3.8-27b. - Sağlayıcınız BroadNet gibi chat completions sunuyorsa Use Responses API seçeneğini kapatın.
- En az bir araç bağlayın. n8n’in belgeleri bir AI Agent’a en az bir araç alt düğümü bağlamanız gerektiğini söylüyor.
OpenAI dışı bir Base URL ayarladığınızda n8n, her modelin araçları veya JSON yanıt biçimini desteklemediğine dair bir uyarı gösterir. Bunu ciddiye alın: model seçiminizi o belirler.
Hangi ucuz model n8n araçlarıyla başa çıkabilir?
n8n’in belgeleri, tüm AI Agent düğümlerinin artık bir Tools Agent olarak çalıştığını söylüyor. Modelin araç çağrılarını güvenilir şekilde üretmesi gerekir; aksi halde ajan döngüye girer ya da araçlarınızı kullanmadan yanıt verir.
| BroadNet’teki model | Araçlar listelenmiş | Bağlam | En iyi n8n kullanımı |
|---|---|---|---|
| Qwen3.8 27B | Evet | 262.144 | AI Agent için varsayılan; görsel girdi, Arapça test edildi |
| GLM 5.3 | Evet | 1.048.576 | Uzun belgeler üzerinde çalışan ajanlar |
| Gemma 4 VL 26B | Listelenmemiş | 32.768 | Basic LLM Chain: sınıflandırma, çıkarma, yönlendirme |
| DeepSeek V4.1 Flash | Listelenmemiş | 1.048.576 | Uzun belge zincirleri, görsel girdi; ajan kullanımından önce test edin |
Araç destekli iki model arasında Qwen3.8 27B girdi tarafında daha ucuz olanıdır ve n8n ajanları girdi ağırlıklıdır. Oradan başlayın; testleriniz GLM 5.3’ün araçlarınızı daha iyi yönettiğini gösterirse ona geçin. İkisini GLM 5.3 ve Qwen3.8 27B karşılaştırması karşılaştırıyor.
Bir n8n ajanı token’ları nerede harcar?
Her yineleme, şunları taşıyan ayrı bir model çağrısıdır:
- yazdığınız System Message,
- All olarak ayarlanmış bir MCP Client Tool düğümünden gelen tüm araçlar dahil, bağlı her aracın tanımı,
- Simple Memory’den gelen bellek penceresi,
- kullanıcı girdisi, artı bu çalıştırmadaki önceki araç çağrıları ve sonuçları.
Çıktı genellikle kısadır. Yani faturayı girdi boyutu çarpı yineleme sayısı belirler. Ajan token bütçesi yazımız her parçanın nasıl ölçüleceğini gösteriyor.
Maliyeti en çok hangi ayarlar düşürür?
- Max Iterations. Varsayılan değeri 10’dur. Destek türündeki ajanların çoğu 2 ila 4 yinelemede biter. Kafası karışan bir çalıştırma erken dursun diye 4 veya 5 yapın.
- Simple Memory’nin Context Window Length değeri. Kaç önceki etkileşimin tutulacağını belirler. Her biri her yinelemede yeniden gönderilir. Küçük tutun, örneğin 5.
- Daha az araç. Bir MCP Client Tool düğümünde All yerine Selected veya All Except kullanın.
- Kısa araç çıktısı. HTTP Request araçlarının API yanıtlarının tamamını değil, yalnızca ajanın ihtiyaç duyduğu alanları döndürmesini sağlayın.
- Maximum Number of Tokens. Qwen3.8 27B ve GLM 5.3 önce akıl yürütür ve akıl yürütme bu sınıra sayılır. Varsayılanda bırakın veya birkaç bin yapın. Çok küçük bir değer boş çıktı verir.
- Ajandan önce yönlendirin. İstekleri sınıflandırmak için öne Gemma 4 VL 26B üzerinde bir Basic LLM Chain koyun. Ajana yalnızca araç gerektirenler ulaşır.
Sabit bir çıktı yapısı için Require Specific Output Format seçeneğini açın ve bir Structured Output Parser bağlayın. Bu, ajandan yeniden biçimlendirmesini istemekten daha ucuzdur. Ayrıntılar yapılandırılmış çıktı yazısında.
Bir n8n ajanı çalıştırması ne kadar tutar?
Bir destek ajanını ele alın: çalıştırma başına 3 yineleme, yineleme başına yaklaşık 4.000 girdi ve 300 çıktı token’ı. Bu, çalıştırma başına 12.000 girdi ve 900 çıktı token’ı eder. Ayda 10.000 çalıştırmada:
| Aylık token | Qwen3.8 27B | GLM 5.3 |
|---|---|---|
| 120M girdi | 1M başına $0.175 | 1M başına $0.78 |
| 9M çıktı | 1M başına $2.17 | 1M başına $3.46 |
Çarpın ve toplayın. 2026-11-14 tarihinde eşitlenen fiyatlarla bu iş akışı için GLM 5.3, herhangi bir önbellek indirimi öncesinde Qwen3.8 27B’den yaklaşık 3 kat daha pahalı. Yinelemeleri yarıya indirmek her iki modelde de girdi satırını kabaca yarıya indirir; daha kısa bir bellek penceresi ise onu, belleğin her istemde kapladığı pay kadar azaltır.
Bir Gemma 4 VL 26B yönlendirme adımı az şey ekler: 800 girdi ve 20 çıktı token’lık 10.000 sınıflandırma, 1M başına $0.10 fiyatından 8M girdi ve 1M başına $0.22 fiyatından 0,2M çıktı eder. İsteklerin %40’ı ajana hiç ulaşmıyorsa bu, ajan satırının %40’ını kurtarır. Gemma’da sürekli yüksek hacim için BroadNet ayrıca saatte $0.50 karşılığında sabit bir saatlik anahtar satıyor: dakikada 120 istek, tek akış, dakikada 300,000 token.
Kendi rakamlarınızı LLM API maliyet hesaplayıcısında hesaplayın ve dakikada 30 isteğin ne kadar yeteceğini hız sınırı hesaplayıcısıyla kontrol edin.
n8n’de ucuz modellerle ne bozulur?
- Ajan araçları yok sayıyor. Model araç desteğiyle listelenmemiştir. Qwen3.8 27B veya GLM 5.3’e geçin.
- “Bad request”. Genellikle Responses API anahtarıdır. Düzeltmeler kurulum rehberinde.
- Toplu işlerde 429. Bir kullandıkça öde anahtarı dakikada 30 isteğe ve aynı anda 4 isteğe izin verir. Bir Wait düğümüyle Loop Over Items kullanın. Bkz. hatalar ve yeniden denemeler.
- MCP araçları. MCP Client Tool düğümü, ajanın harici bir MCP sunucusunu çağırmasını sağlar. Önce OpenAI uyumlu modellerle MCP yazısını okuyun.
BroadNet Inference nereye oturuyor?
BroadNet Inference, n8n’e tek bir OpenAI uyumlu kimlik bilgisiyle araç destekli Qwen3.8 27B ve GLM 5.3’ü, ucuz yönlendirme için Gemma 4 VL 26B’yi ve sürekli toplu işler için $0.50 karşılığındaki saatlik Gemma anahtarını sunar. Yeni hesaplar $5 kredi alır; bu kredi Gemma 4 VL 26B’yi kapsar, araç destekli modeller ise bakiye yükleme gerektirir. Responses API’nin yerleşik araçları gibi yalnızca OpenAI’da bulunan özelliklere ihtiyaç duyan iş akışlarına uymaz. inference.broadnet.ai adresinde bir anahtar oluşturun.
