---
title: "n8n AI Agent 接入低价 OpenAI 兼容大模型 | BroadRouter"
description: "用低成本的 OpenAI 兼容模型构建 n8n AI Agent 工作流：工具调用该选哪个模型、能减少 token 的设置，以及每 10,000 次运行的成本算法。"
url: https://broadrouter.com/zh/blog/n8n-ai-agent-cheap-llm/
lang: zh-Hans
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

本页由英文原文借助 AI 翻译。[阅读英文原文](https://broadrouter.com/blog/n8n-ai-agent-cheap-llm/)（2026-11-16 更新）。

# n8n AI Agent 接入低价大模型：配置、模型选择与单次运行成本

BroadNet Inference 团队 · 阅读约 5 分钟 · 发布于 2026-11-14 · 更新于 2026-11-16

把 n8n 的 OpenAI 凭据指向一个低成本的 OpenAI 兼容 API，按 ID 填写模型，并关闭 Use Responses API。给 AI Agent 配一个支持工具调用的模型，例如 Qwen3.8 27B 或 GLM 5.3。把 Max Iterations 调低、记忆保持简短、工具保持精简，并先把简单的分类交给更便宜的模型。

## 要点

-   n8n 的 AI Agent 现在一律以 Tools Agent 方式工作，至少需要一个工具，所以模型必须能处理工具调用。
-   单次运行的成本主要来自输入：系统消息、工具定义和记忆在每次迭代中都会重发。
-   Max Iterations 默认为 10。把它调低，并让 Simple Memory 的 Context Window Length 保持简短。
-   按公布的价格，我们的示例智能体在 GLM 5.3 上的单次运行成本约为 Qwen3.8 27B 的 3 倍。
-   把简单步骤交给运行在 Gemma 4 VL 26B 上的 Basic LLM Chain，该模型也提供 $0.50 的固定价格按小时密钥。

**本页内容**

1.  怎样把 AI Agent 接到更便宜的模型上？
2.  哪个便宜模型能胜任 n8n 的工具？
3.  n8n 智能体的 token 花在哪里？
4.  哪些设置最能降低成本？
5.  一次 n8n 智能体运行要花多少钱？
6.  在 n8n 里用便宜模型，容易出什么问题？
7.  BroadNet Inference 适合什么场景

n8n 的 AI Agent 节点让你很容易就能搭出一个读邮件、查记录、自动回复的助手。它也让你很容易花超预算，因为每次运行最多可能调用模型十次，每次都重发完整的提示词。本文介绍如何在低成本的 [OpenAI 兼容](https://broadrouter.com/zh/glossary/openai-compatible-api/)模型上运行 AI Agent 工作流、工具调用该选哪个模型、哪些设置能减少 token，以及一次运行要花多少钱。凭据和节点本身的配置，请按照我们的 [n8n 配置指南](https://broadrouter.com/zh/guides/n8n-openai-compatible/)操作。

## 怎样把 AI Agent 接到更便宜的模型上？

1.  **创建一个 OpenAI 凭据**，填入服务商的密钥和 Base URL，例如 `https://inference.broadnet.ai/v1`。
2.  **添加一个 AI Agent 节点**，并挂上使用该凭据的 **OpenAI Chat Model** 子节点。
3.  **按 ID 填写模型**，而不是从列表中选择，例如 `broadnet/qwen3.8-27b`。
4.  如果你的服务商提供的是 chat completions（BroadNet 就是如此），**关闭 Use Responses API**。
5.  **至少挂上一个工具。** n8n 的文档说，AI Agent 必须至少连接一个工具子节点。

当你设置了非 OpenAI 的 Base URL 时，n8n 会提示：并非所有模型都支持工具或 JSON 响应格式。请认真对待这条提示，它决定了你的模型选择。

## 哪个便宜模型能胜任 n8n 的工具？

n8n 的文档说，所有 AI Agent 节点现在都以 **Tools Agent** 方式工作。模型必须稳定地输出[工具调用](https://broadrouter.com/zh/glossary/tool-calling/)，否则智能体会陷入循环，或者不使用你的工具就直接回答。

| BroadNet 上的模型 | 列明支持工具 | 上下文 | 在 n8n 中的最佳用途 |
| --- | --- | --- | --- |
| [Qwen3.8 27B](https://broadrouter.com/zh/models/qwen3.8-27b/) | 是 | 262,144 | AI Agent 的默认选择；支持图像输入，已测试阿拉伯语 |
| [GLM 5.3](https://broadrouter.com/zh/models/glm-5.3/) | 是 | 1,048,576 | 处理长文档的智能体 |
| [Gemma 4 VL 26B](https://broadrouter.com/zh/models/gemma-4-vl-26b/) | 未列明 | 32,768 | Basic LLM Chain：分类、提取、分流 |
| [DeepSeek V4.1 Flash](https://broadrouter.com/zh/models/deepseek-v4.1-flash/) | 未列明 | 1,048,576 | 长文档链、图像输入；用于智能体前请先测试 |

在两个支持工具的模型中，Qwen3.8 27B 的输入更便宜，而 n8n 智能体以输入为主。从它开始；如果测试表明 GLM 5.3 更能处理好你的工具，再换过去。两者的对比见 [GLM 5.3 vs Qwen3.8 27B](https://broadrouter.com/compare/glm-5.3-vs-qwen3.8-27b/)。

## n8n 智能体的 token 花在哪里？

每次迭代都是一次单独的模型调用，携带：

-   你写的 **System Message**，
-   **每一个已连接工具的定义**，包括设为 All 的 MCP Client Tool 节点中的全部工具，
-   来自 Simple Memory 的**记忆窗口**，
-   用户输入，以及本次运行中之前的工具调用和结果。

输出通常很短。所以账单由输入大小乘以迭代次数决定。我们的[智能体 token 预算](https://broadrouter.com/zh/blog/agent-token-budget/)一文介绍了如何测量每一部分。

## 哪些设置最能降低成本？

1.  **Max Iterations。** 默认为 10。大多数客服类智能体 2 到 4 次就能完成。设为 4 或 5，让陷入混乱的运行尽早停止。
2.  **Simple Memory 的 Context Window Length。** 它决定保留多少条之前的交互。每一条都会在每次迭代中重发。保持较小的值，例如 5。
3.  **更少的工具。** 在 MCP Client Tool 节点上，用 **Selected** 或 **All Except**，而不是 All。
4.  **简短的工具输出。** 让 HTTP Request 工具只返回智能体需要的字段，而不是完整的 API 响应。
5.  **Maximum Number of Tokens。** Qwen3.8 27B 和 GLM 5.3 会先思考，而思考计入这个上限。保持默认值，或设为几千。设得太小会导致[空输出](https://broadrouter.com/zh/guides/reasoning-tokens-empty-response/)。
6.  **在智能体之前先分流。** 在前面放一个运行在 Gemma 4 VL 26B 上的 Basic LLM Chain 来给请求分类。只有需要工具的请求才会到达智能体。

如果需要固定的输出结构，打开 **Require Specific Output Format** 并挂上 Structured Output Parser。这比让智能体重新排版更便宜。更多内容见[结构化输出](https://broadrouter.com/zh/blog/structured-output-json-schema/)。

## 一次 n8n 智能体运行要花多少钱？

以一个客服智能体为例：每次运行 3 次迭代，每次迭代约 4,000 个输入 token 和 300 个输出 token。也就是每次运行 12,000 个输入 token 和 900 个输出 token。按每月 10,000 次运行计算：

| 每月 token | Qwen3.8 27B | GLM 5.3 |
| --- | --- | --- |
| 120M 输入 | 每 1M $0.175 | 每 1M $0.78 |
| 9M 输出 | 每 1M $2.17 | 每 1M $3.46 |

相乘再相加即可。按 2026-11-14 同步的价格，在不计任何缓存折扣的情况下，这个工作流在 GLM 5.3 上的成本约为 Qwen3.8 27B 的 **3 倍**。无论用哪个模型，迭代次数减半，输入这一项大致也会减半；缩短记忆窗口，减少的比例等于记忆在每个提示词中所占的份额。

加一个 Gemma 4 VL 26B 分流步骤的成本很低：10,000 次分类，每次 800 个输入 token、20 个输出 token，就是 8M 输入（每 1M $0.10）和 0.2M 输出（每 1M $0.22）。如果 40% 的请求根本不会到达智能体，智能体这一项就能省下 40%。对于 Gemma 上稳定的大流量，BroadNet 还出售每小时 $0.50 的固定价格按小时密钥：每分钟 120 个请求，一路流，每分钟 300,000 个 token。

在 [LLM API 成本计算器](https://broadrouter.com/tools/llm-api-cost-calculator/)中算一算你自己的数字，并用[速率限制计算器](https://broadrouter.com/tools/llm-rate-limit-calculator/)看看每分钟 30 个请求够用到什么程度。

## 在 n8n 里用便宜模型，容易出什么问题？

-   **智能体不使用工具。** 该模型没有被列为支持工具。换成 Qwen3.8 27B 或 GLM 5.3。
-   **“Bad request”。** 通常是 Responses API 开关的问题。[配置指南](https://broadrouter.com/zh/guides/n8n-openai-compatible/)里有修复方法。
-   **批处理时出现 429。** 按量付费密钥允许每分钟 30 个请求、同时 4 个。使用 Loop Over Items 加 Wait 节点。参见[错误与重试](https://broadrouter.com/zh/guides/errors-and-retries/)。
-   **MCP 工具。** MCP Client Tool 节点让智能体调用外部 MCP 服务器。请先阅读[在 OpenAI 兼容模型上使用 MCP](https://broadrouter.com/zh/blog/mcp-with-openai-compatible-models/)。

## BroadNet Inference 适合什么场景

BroadNet Inference 为 n8n 提供一个 OpenAI 兼容凭据，即可使用支持工具的 Qwen3.8 27B 和 GLM 5.3、用于低成本分流的 Gemma 4 VL 26B，以及适合稳定批处理的 $0.50 Gemma 按小时密钥。新账户可获得 $5 的额度，可用于 Gemma 4 VL 26B；支持工具的模型需要充值。它不适合需要 OpenAI 独有功能（例如 Responses API 内置工具）的工作流。在 [inference.broadnet.ai](https://inference.broadnet.ai/?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-n8n-ai-agent-cheap-llm&utm_content=body) 创建密钥。

相关免费工具（英文）

-   [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.

[免费工具（英文）](https://broadrouter.com/tools/)

## 本文涉及的术语

[AI 智能体（AI agent）](https://broadrouter.com/zh/glossary/agent/)

AI 智能体是由语言模型自主决定步骤、朝目标推进的系统：它决定调用哪些工具、读取结果，然后重复，直到给出最终回答或触及上限。在固定位置调用模型的固定脚本，通常称为工作流（workflow）。

[Token（词元）](https://broadrouter.com/zh/glossary/token/)

token（词元）是大语言模型读写文本的基本单位：由模型的分词器切分出的一个词、词的一部分、一个标点或一段字节序列。大模型 API 按 token 计数、设定限制，通常也按 token 计费。

[输入 token 与输出 token](https://broadrouter.com/zh/glossary/input-and-output-tokens/)

输入 token 是语言模型在一次请求中读取的 token，包括系统提示词、对话历史、工具定义和图片。输出 token 是模型生成回复的 token，包括思考内容。大模型 API 通常分别计价，输出一般更贵。

[速率限制（rate limit）](https://broadrouter.com/zh/glossary/rate-limit/)

速率限制是 API 对客户端在一个时间窗口内的使用量设定的上限，例如每分钟请求数或每分钟 token 数。超出限制的请求会被拒绝，通常返回 HTTP 429 Too Many Requests，直到用量回落到限制以下。

[MCP（模型上下文协议，Model Context Protocol）](https://broadrouter.com/zh/glossary/mcp/)

MCP（模型上下文协议）是一个基于 JSON-RPC 2.0 的开放协议，规范了大模型应用连接外部工具和数据的方式。MCP 服务器提供工具、资源和提示词；宿主应用中的 MCP 客户端发现它们，并把模型发出的工具调用转交给服务器。

[Base URL（base\_url）](https://broadrouter.com/zh/glossary/base-url/)

base URL 是 API 固定的根地址，例如 https://api.example.com/v1，客户端会把它加在每个端点路径（例如 /chat/completions）前面。在 OpenAI 兼容 SDK 中，修改 base URL，再配合 API 密钥和模型 ID，就能让同一份代码改用另一家服务商。

[按量付费（pay-as-you-go）](https://broadrouter.com/zh/glossary/pay-as-you-go/)

按量付费是一种计价模式：你只为实际用量付费，按 token、请求次数或音频分钟等单位计量，没有订阅费，也没有最低消费承诺。大多数大模型 API 都这样计费，从预付余额中扣减或定期开具账单。

[工具调用（tool calling / function calling）](https://broadrouter.com/zh/glossary/tool-calling/)

工具调用（也叫函数调用，function calling）是大模型 API 的一项功能：模型返回一个结构化请求，要求执行开发者定义的某个函数，并附上 JSON 参数。应用执行该函数并把结果发回；模型自己从不执行代码。

## 常见问题

### n8n 的 AI Agent 节点能用便宜的大模型吗？

能。OpenAI Chat Model 子节点使用 OpenAI 凭据，而这个凭据有 Base URL 字段。把它指向任意 OpenAI 兼容 API，按 ID 填写模型；如果你的服务商提供的是 chat completions，就关闭 Use Responses API。

### 哪个便宜模型能配合 n8n 的工具使用？

支持工具调用的模型，因为 AI Agent 一律以 Tools Agent 方式工作。在 BroadNet Inference 上，Qwen3.8 27B 和 GLM 5.3 列明支持工具。Gemma 4 VL 26B 更便宜，但没有被列为支持工具，所以请把它用在 Basic LLM Chain 中。

### 为什么我的 n8n AI Agent 这么贵？

每次迭代都会重发系统消息、每一个工具定义和记忆窗口。一个带十个工具、记忆很长、循环五次的智能体，读取的 token 是用户输入的许多倍。调低 Max Iterations，精简工具，缩短记忆。

### n8n AI Agent 里的 Max Iterations 是做什么的？

它限制模型为生成一个回答最多运行多少次。默认值为 10。每次迭代都是一次单独计费的模型调用。

### 为什么我的 n8n 智能体会遇到 429 错误？

并行执行和循环共享同一个密钥的限制。BroadNet 按量付费密钥允许每分钟 30 个请求、同时 4 个。用 Loop Over Items 和 Wait 节点控制批处理的节奏。

## 继续阅读

-   [OpenClaw 和 Hermes Agent 接便宜模型：配置与 token 账](https://broadrouter.com/zh/blog/openclaw-hermes-agent-cheap-model/)
-   [用 OpenAI 兼容模型接入 MCP 服务器（任意服务商）](https://broadrouter.com/zh/blog/mcp-with-openai-compatible-models/)
-   [开源模型的工具调用：schema、并行调用与重试](https://broadrouter.com/zh/blog/tool-calling-open-models/)
-   [JSON 模式与 json\_schema：靠得住的结构化输出](https://broadrouter.com/zh/blog/structured-output-json-schema/)
-   [智能体 token 预算：智能体循环的 token 都花在哪里](https://broadrouter.com/zh/blog/agent-token-budget/)
-   [AI 编程智能体跑一次要花多少钱：步数、上下文增长与缓存](https://broadrouter.com/zh/blog/ai-coding-agent-run-cost/)
-   [Claude Code 接入开源模型：代理、原生端点与限制](https://broadrouter.com/zh/blog/claude-code-with-openai-compatible-models/)
-   [指南：在 n8n 中使用 BroadNet Inference（OpenAI 凭据与 Base URL）](https://broadrouter.com/zh/guides/n8n-openai-compatible/)
-   [指南：在 LangChain 中调用 BroadNet Inference](https://broadrouter.com/zh/guides/langchain-openai-base-url/)
-   [指南：BroadNet Inference 错误码，以及什么时候该重试](https://broadrouter.com/zh/guides/errors-and-retries/)

用你的真实业务负载试一试。新账户可获得 US$5 初始额度，用于 Gemma和转写。DeepSeek、GLM和Qwen3.8 需要先充值。

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

**来源**

-   [n8n 文档：AI Agent 节点（2026-11-14 核实）](https://docs.n8n.io/integrations/builtin/cluster-nodes/root-nodes/n8n-nodes-langchain.agent/)
-   [n8n 文档：Tools Agent 选项（2026-11-14 核实）](https://docs.n8n.io/integrations/builtin/cluster-nodes/root-nodes/n8n-nodes-langchain.agent/tools-agent/)
-   [n8n 文档：OpenAI Chat Model 节点（2026-11-14 核实）](https://docs.n8n.io/integrations/builtin/cluster-nodes/sub-nodes/n8n-nodes-langchain.lmchatopenai/)
-   [n8n 文档：Simple Memory 节点（2026-11-14 核实）](https://docs.n8n.io/integrations/builtin/cluster-nodes/sub-nodes/n8n-nodes-langchain.memorybufferwindow/)
-   [n8n 文档：MCP Client Tool 节点（2026-11-14 核实）](https://docs.n8n.io/integrations/builtin/cluster-nodes/sub-nodes/n8n-nodes-langchain.toolmcp/)
-   [BroadNet Inference 机器可读价格（pricing.json）（英文）](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-n8n-ai-agent-cheap-llm&utm_content=sources)
-   [BroadNet Inference API 参考：限制（英文）](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-n8n-ai-agent-cheap-llm&utm_content=sources#limits)
