Criando Agentes de IA no n8n com Tools, Memória no Postgres e Fallback de LLM

1. Arquitetura e pré-requisitos no ambiente

O nó AI Agent do n8n permite conectar modelos como GPT-4o, Claude 3.7 Sonnet e Gemini a ferramentas reais da sua empresa. Para atendimento em produção, a memória precisa ficar persistida no PostgreSQL ou Redis (e nunca na memória volátil do processo).

• Nó AI Agent (Tools Agent) conectado a um modelo principal.
• Banco PostgreSQL ou Redis para armazenar o histórico por sessionId (ex: número do WhatsApp do cliente).

2. Passo a passo de implementação e validação

1. Adicione o nó AI Agent e defina o System Prompt com regras claras de escopo, tom de voz e proibição de inventar preços.
2. Conecte o sub-nó Postgres Chat Memory (ou Redis Chat Memory) usando o telefone normalizado do lead como Session Key e Context Window Length = 12.
3. Adicione sub-nós Call n8n Workflow Tool com descrições objetivas dos parâmetros para o agente consultar estoque, criar agendamento ou buscar fatura.
4. Ative um modelo secundário ou fluxo de erro caso a API da OpenAI/Anthropic oscile.

3. Boas práticas de produção, segurança e escala

Limitar a janela de contexto entre 10 e 15 mensagens reduz em até 70% o gasto de tokens em conversas longas de WhatsApp.

• Sanitize entradas do usuário e valide parâmetros nos sub-workflows antes de executar queries SQL.
• Implemente um comando de reset (ex: #limpar) para limpar a sessão de teste durante o desenvolvimento.