Node AI Agent của n8n giúp dễ dàng xây một trợ lý đọc email, tra cứu bản ghi và trả lời. Nó cũng khiến bạn dễ tiêu nhiều hơn dự định, vì mỗi lần chạy có thể gọi model tới mười lần, mỗi lần gửi lại toàn bộ prompt. Bài này chỉ cách chạy workflow AI Agent trên một model tương thích OpenAI giá thấp, chọn model nào để dùng tool, thiết lập nào giảm token, và một lần chạy tốn bao nhiêu. Phần thiết lập credential và node, hãy làm theo hướng dẫn thiết lập n8n.
Nối AI Agent với model rẻ hơn thế nào?
- Tạo một credential OpenAI với key của nhà cung cấp và Base URL của họ, ví dụ
https://inference.broadnet.ai/v1. - Thêm một node AI Agent và gắn một sub-node OpenAI Chat Model dùng credential đó.
- Nhập model theo ID, không chọn từ danh sách, ví dụ
broadnet/qwen3.8-27b. - Tắt Use Responses API nếu nhà cung cấp phục vụ chat completions, như BroadNet.
- Gắn ít nhất một tool. Tài liệu n8n nói bạn phải nối ít nhất một sub-node tool vào AI Agent.
Khi bạn đặt một Base URL không phải của OpenAI, n8n hiện thông báo rằng không phải model nào cũng hỗ trợ tool hoặc định dạng phản hồi JSON. Hãy coi trọng điều đó: nó quyết định lựa chọn model của bạn.
Model giá rẻ nào xử lý được tool của n8n?
Tài liệu n8n nói mọi node AI Agent nay đều hoạt động như Tools Agent. Model phải phát ra tool call một cách ổn định, nếu không agent sẽ lặp vòng hoặc trả lời mà không dùng tool của bạn.
| Model trên BroadNet | Ghi hỗ trợ tool | Context | Cách dùng tốt nhất trong n8n |
|---|---|---|---|
| Qwen3.8 27B | Có | 262.144 | Mặc định cho AI Agent; nhận ảnh đầu vào, đã thử với tiếng Ả Rập |
| GLM 5.3 | Có | 1.048.576 | Agent làm việc trên tài liệu dài |
| Gemma 4 VL 26B | Không ghi | 32.768 | Basic LLM Chain: phân loại, trích xuất, định tuyến |
| DeepSeek V4.1 Flash | Không ghi | 1.048.576 | Chain cho tài liệu dài, nhận ảnh đầu vào; cần thử trước khi dùng cho agent |
Qwen3.8 27B là model rẻ hơn về đầu vào trong hai model hỗ trợ tool, và agent n8n nặng về đầu vào. Hãy bắt đầu với nó và chuyển sang GLM 5.3 nếu bài thử cho thấy GLM xử lý tool của bạn tốt hơn; GLM 5.3 và Qwen3.8 27B so sánh hai model.
Agent n8n tiêu token vào đâu?
Mỗi vòng lặp là một lần gọi model riêng, mang theo:
- System Message bạn đã viết,
- định nghĩa của mọi tool được nối, kể cả mọi tool từ một node MCP Client Tool đặt ở All,
- cửa sổ memory từ Simple Memory,
- đầu vào của người dùng, cộng các tool call và kết quả trước đó trong lần chạy này.
Đầu ra thường ngắn. Vì vậy hóa đơn do kích thước đầu vào nhân số vòng lặp quyết định. Bài ngân sách token của agent chỉ cách đo từng phần.
Thiết lập nào giảm chi phí nhiều nhất?
- Max Iterations. Mặc định là 10. Phần lớn agent kiểu hỗ trợ khách hàng xong trong 2 đến 4. Đặt 4 hoặc 5 để một lần chạy bị rối dừng sớm.
- Context Window Length của Simple Memory. Nó quy định giữ lại bao nhiêu tương tác trước đó. Mỗi tương tác đều được gửi lại ở mọi vòng lặp. Hãy giữ nhỏ, ví dụ 5.
- Ít tool hơn. Trên node MCP Client Tool, dùng Selected hoặc All Except thay vì All.
- Output tool ngắn. Cho các tool HTTP Request chỉ trả về những field agent cần, không phải toàn bộ response API.
- Maximum Number of Tokens. Qwen3.8 27B và GLM 5.3 suy luận trước, và suy luận tính vào giới hạn. Hãy để mặc định hoặc đặt vài nghìn. Quá nhỏ sẽ cho output rỗng.
- Định tuyến trước agent. Đặt một Basic LLM Chain trên Gemma 4 VL 26B ở phía trước để phân loại request. Chỉ những request cần tool mới tới agent.
Với output có hình dạng cố định, hãy bật Require Specific Output Format và gắn một Structured Output Parser. Cách này rẻ hơn yêu cầu agent định dạng lại. Xem thêm structured output.
Một lần chạy agent n8n tốn bao nhiêu?
Lấy một agent hỗ trợ: 3 vòng lặp mỗi lần chạy, khoảng 4.000 token đầu vào và 300 token đầu ra mỗi vòng lặp. Tức là 12.000 token đầu vào và 900 token đầu ra mỗi lần chạy. Với 10.000 lần chạy mỗi tháng:
| Token hằng tháng | Qwen3.8 27B | GLM 5.3 |
|---|---|---|
| 120M đầu vào | $0.175 mỗi 1M | $0.78 mỗi 1M |
| 9M đầu ra | $2.17 mỗi 1M | $3.46 mỗi 1M |
Nhân rồi cộng lại. Theo giá đồng bộ ngày 2026-11-14, GLM 5.3 tốn gấp khoảng 3 lần Qwen3.8 27B cho workflow này, trước mọi khoản giảm giá từ cache. Giảm một nửa số vòng lặp sẽ giảm khoảng một nửa dòng đầu vào trên cả hai model; cửa sổ memory ngắn hơn cắt dòng đó theo tỷ lệ phần memory chiếm trong mỗi prompt.
Một bước định tuyến bằng Gemma 4 VL 26B tốn rất ít: 10.000 lần phân loại với 800 token đầu vào và 20 token đầu ra là 8M đầu vào với giá $0.10 mỗi 1M và 0,2M đầu ra với giá $0.22 mỗi 1M. Nếu 40% request không bao giờ tới agent, bạn tiết kiệm 40% dòng chi phí của agent. Với khối lượng cao và đều trên Gemma, BroadNet còn bán key theo giờ giá cố định $0.50 mỗi giờ: 120 request mỗi phút, một stream, 300,000 token mỗi phút.
Hãy tính với số liệu của bạn trong công cụ tính chi phí API LLM, và kiểm tra 30 request mỗi phút đáp ứng được tới đâu bằng công cụ tính rate limit.
Model giá rẻ trong n8n hay gặp lỗi gì?
- Agent bỏ qua tool. Model không được ghi hỗ trợ tool. Chuyển sang Qwen3.8 27B hoặc GLM 5.3.
- “Bad request”. Thường do công tắc Responses API. Hướng dẫn thiết lập có cách sửa.
- 429 khi chạy batch. Key trả theo mức dùng cho phép 30 request mỗi phút và 4 request cùng lúc. Dùng Loop Over Items với một node Wait. Xem lỗi và retry.
- Tool MCP. Node MCP Client Tool cho phép agent gọi một MCP server bên ngoài. Hãy đọc MCP với model tương thích OpenAI trước.
BroadNet Inference phù hợp ở đâu
BroadNet Inference cho n8n một credential tương thích OpenAI duy nhất để dùng Qwen3.8 27B và GLM 5.3 có tool, Gemma 4 VL 26B cho định tuyến giá rẻ, và key Gemma theo giờ $0.50 cho các batch đều đặn. Tài khoản mới nhận $5 tín dụng, dùng được cho Gemma 4 VL 26B; các model hỗ trợ tool cần nạp tiền. BroadNet không hợp với workflow cần tính năng chỉ OpenAI có, như các tool tích hợp sẵn của Responses API. Tạo key tại inference.broadnet.ai.
