n8n零代码搭建首个AI Agent：记忆与工具调用实战

为什么选择 n8n 搭建 AI Agent

n8n 是一个无代码（no-code）自动化平台，让不懂编程的人也能构建属于自己的 AI 智能体并自动化大量重复任务。这正是它吸引新手的核心价值——你不需要写一行代码，只需在可视化界面中拖拽节点、连接模块，就能跑通一个具备对话能力的 AI Agent。

对于首次注册的用户，n8n 提供约 14 天的免费试用期，期间可以自由测试创建自动化流程和 AI 代理，无需付费即可完整体验平台能力。这段试用窗口足够你把一个基础 Agent 从零搭建并调试到可用状态。

创建工作流（Workflow）时，平台提供两种起步方式：从头创建（From scratch）和用 AI 辅助创建。虽然 AI 辅助更省事，但对初学者而言，手动从零构建的学习价值更高——你会在过程中真正理解 API 密钥、触发器和记忆模块各自的作用，而不是被自动生成的结果掩盖了底层逻辑。

核心步骤一：触发器与 AI Agent 节点

搭建任何 Agent 的第一步都是选择触发器（Trigger）。本教程构建的是一个基于聊天的 AI 代理，因此选用「聊天触发器」（Chat Trigger）节点，让用户的对话输入成为整个流程的起点。

设置好触发器后，通过「+」号添加 AI Agent 节点，并将它与聊天触发器连接起来。在 AI Agent 节点内部，你可以配置系统消息（System Message），给代理一个明确的任务定义，告诉它应该扮演什么角色、完成什么工作。本教程中作为最基础的演示，并未对系统消息做复杂设定，仅验证流程能否跑通——事实证明，连接完成后聊天触发器确实能正常工作。

核心步骤二：接入 Gemini API 密钥

光有 Agent 框架还不够，它需要一个真正的大语言模型来生成回答。这就是**聊天模型（Chat Model）**节点的作用。n8n 支持 Anthropic、Google Gemini 等多种模型，本教程推荐使用 Google Gemini，因为其 API 密钥可以免费获取。

获取密钥的方法是前往 Google AI Studio（即视频中提到的 Google Studio 网站）。在该页面点击「创建 API 密钥」（Create API Key），即可生成一串 Gemini API Key。复制这串密钥后，回到 n8n 的聊天模型节点，选择「创建新凭据」（Create New Credential），把密钥粘贴进去完成绑定。

配置前，向 Agent 发送消息会发现聊天模型并未真正响应——原因正是缺少 API 密钥。绑定成功后再提问「什么是 AI」，Gemini 便会正常给出完整答案。这一步是整个 Agent 从「空壳」变为「可用」的关键转折。

API 密钥（API Key）本质上是一串唯一的字符串，充当你的身份凭证，让服务提供商（此处为 Google）能够识别是谁在调用接口，并据此计费或限流。与用户名/密码不同，API 密钥通常由系统自动生成，且不应公开分享——一旦泄露，他人可以以你的名义消耗你的配额乃至产生费用。在 n8n 中，密钥以「凭据（Credential）」的形式加密存储，工作流运行时自动取用，你无需在每次请求时手动粘贴。Google Gemini 目前对个人开发者提供有限度的免费调用额度，对于学习和轻量使用场景已经足够。

核心步骤三：添加记忆让 Agent 记住对话

一个只会单轮问答的 Agent 体验很差。教程中有一个很直观的演示：当用户告诉 Agent「我叫 Mohit」，紧接着再问「我叫什么名字」，Agent 却回答「抱歉，我不知道你的名字」。

问题出在缺少记忆（Memory）模块。没有记忆，Agent 无法保留上一轮的对话上下文。解决方法是为 Agent 添加「简单记忆」（Simple Memory）节点。接入后再次测试，Agent 就能准确记住并回答「你叫 Mohit」。

在简单记忆节点中，有一个重要参数叫上下文窗口长度（Context Window Length），用于控制 Agent 记住多少轮历史对话。教程中将其设置为 5，意味着代理会保留最近 5 轮聊天记录。这个数值可以根据实际需求调整——越大则记忆越长，但也会消耗更多上下文资源。

大语言模型本身是无状态的——每次 API 调用在模型看来都是一次全新的对话，它不会自动记住上一轮说了什么。要实现「连续对话」的效果，必须在每次请求时把历史消息一并发送给模型，这段历史内容就是「上下文（Context）」。上下文窗口长度（Context Window Length）决定了携带多少轮历史：设为 5 意味着每次请求会附带最近 5 轮的用户与 AI 对话记录。上下文越长，模型对话越连贯，但同时也会消耗更多 Token（计费单位），并可能触及模型的最大输入长度限制。n8n 的「简单记忆」节点在本地维护这段历史，是实现有状态对话最轻量的方案。

核心步骤四：工具调用——以计算器为例

AI Agent 的强大之处在于能够调用**工具（Tool）**完成模型自身不擅长的任务。n8n 内置了丰富的工具节点，包括 Google 相关服务等。本教程选用最简单的 计算器（Calculator） 工具作为演示。

计算器工具几乎无需额外配置，连接到 Agent 后即可自动生效。当用户输入一个数学运算（例如一道算式），Agent 会自动识别这是计算类任务，并触发计算器节点来完成精确运算，返回类似「1359」这样的结果。这种「按需调用工具」的机制，正是 AI Agent 区别于普通聊天机器人的核心特征。

作者也提到，更复杂的工具（如 Google 相关服务）包含大量操作选项，适合在掌握基础后进一步探索。

工具调用（Tool Use / Function Calling）是现代 AI Agent 架构的核心能力之一。其工作原理是：模型在生成回复前，先判断当前任务是否需要借助外部工具；若需要，则输出一段结构化的「调用指令」（而非直接回答），由 Agent 框架执行对应工具并将结果返回给模型，模型再据此生成最终答案。这个机制赋予了 Agent 超越纯语言生成的能力——它可以查询实时数据、精确计算、操作文件，甚至触发其他自动化流程。纯语言模型在算术上容易出错，正是因为它依赖概率预测而非真正的数值运算；接入计算器工具后，这类任务被转交给确定性程序处理，结果准确率大幅提升。

总结：一个最小可用 Agent 的完整拼图

把以上四块拼在一起，就构成了一个最小可用（MVP）的 AI Agent：

• 聊天触发器 负责接收用户输入
• AI Agent 节点 作为调度中枢
• Gemini 聊天模型 提供语言理解与生成能力
• 简单记忆 让对话具备上下文连贯性
• 计算器工具 演示了工具调用的扩展能力

这个案例虽然规模很小，但它完整覆盖了构建 AI Agent 的核心概念：触发器、模型接入、API 密钥管理、记忆机制与工具调用。理解了这套最小结构，再往上叠加更复杂的工具和业务逻辑就水到渠成。对于想入门 AI 自动化却畏惧编程的人来说，n8n + Gemini 的组合提供了一条低门槛的实践路径。