n8n добавил мультиагентные AI-воркфлоу: теперь один агент может вызывать другого прямо внутри сценария
Привет, на связи Ринат
Команда n8n представила одно из самых интересных обновлений года — возможность создавать мультиагентные AI-воркфлоу. Теперь внутри одного сценария вы можете использовать другой AI-агент как инструмент.
Раньше для этого приходилось создавать отдельные подпроцессы. Например, у вас есть аналитический агент, который делает запрос в Perplexity и выдаёт отчёт. Если нужно добавить второго — скажем, исследовательского агента, — приходилось вызывать другой воркфлоу через узел Sub-Workflow. Это работало, но создавалось два отдельных сценария, за которыми приходилось следить отдельно.
Теперь это решено элегантно: AI-агент можно встроить как инструмент прямо в текущий сценарий.
Как это работает
Представьте цепочку: у вас есть основной «аналитик» и подчинённый «исследователь». Первый отвечает за общий отчёт и интерпретацию, второй — за сбор данных и быстрые поиски.
Для теста использовал модель Claude Sonnet 4 для аналитика и более дешёвую GPT-4.1 Nano для исследователя. Такая комбинация позволяет разделить нагрузку по стоимости и качеству: тяжёлая модель выполняет рассуждения, лёгкая — массовую обработку данных.
Когда «аналитик» получает запрос, он обращается к «исследователю» как к инструменту, тот делает поисковые вызовы через Perplexity, суммирует результаты и передаёт короткое резюме обратно. Основной агент синтезирует вывод — быстро и с меньшими затратами.
Почему это важно
Во время тестов оказалось, что общее количество токенов в двух сценариях (с одним и двумя агентами) почти одинаковое — около 50 000. Но разница в цене ощутима, потому что большая часть токенов обрабатывается именно дешёвой моделью.
Получается, что теперь можно использовать разные модели под разные задачи — дорогую для мышления, дешёвую для сбора данных, специализированную для вызова инструментов. Это гибкая архитектура, которая раньше требовала сложной интеграции, а теперь доступна буквально «из коробки».
Глубина вложенности
В n8n мультиагентность работает на несколько уровней. Агент может вызывать другого, тот — третьего, и так далее. Команда уже протестировала сценарии с несколькими слоями, и существенной деградации производительности не обнаружено.
Это открывает путь к созданию иерархий агентов, где каждый отвечает за свой участок работы: один ищет данные, другой проверяет источники, третий пишет отчёт.
Где это применить
В первую очередь — в исследованиях, аналитике, мониторинге и любом процессе, где нужно обрабатывать большие объёмы информации. Дешёвые модели можно использовать для фильтрации и суммирования, а дорогие — для генерации финального вывода.
Например, агент-редактор может поручать агенту-исследователю собирать факты, агенту-фактчекеру — проверять источники, а сам заниматься только структурой и языком. Всё — в одном n8n-воркфлоу.
Новый стандарт работы с AI
Эта функция делает n8n полноценной платформой для сборки мультиагентных систем без кода.
Теперь не нужно строить сложные цепочки API или писать кастомный backend. Всё реализуется через визуальный интерфейс: один агент становится инструментом для другого, а пользователь получает прозрачные логи, где видно, кто что сделал и какие данные передал.
Что дальше?
Мультиагентные воркфлоу — следующий логичный шаг в развитии AI-инструментов.
Они позволяют комбинировать сильные стороны разных моделей и делить задачи по ролям, как в настоящей команде.
n8n сделал этот подход доступным любому пользователю — достаточно просто перетащить узел AI Agent Tool в схему.
Пока сообщество только начинает экспериментировать с этой возможностью, но очевидно одно: наступает время систем, где интеллект работает в команде — буквально.
Если всё, что прочитал, откликается — не останавливайся на этом.
В профиле есть разбор с примерами, как сегодня реально строят доходы через AI-ботов и зачем за этим направлением будущее.
Загляни в описание — там всё подробно.
Подробнее про рынок нейросетей рассказываю на своем YouTube канале 👇)