Saltar al contenido
ROXEX Labs
IA & Automatización

Agentes de IA: n8n o código propio, cómo decidir

Cuándo montar un agente de IA en n8n y cuándo programarlo: siete criterios, patrones para cada opción, un enfoque híbrido y una ruta de migración.

Por Levi Olivare · ROXEX Labs14 min de lectura
Agentes IAn8nAutomatizaciónSoftware a medidaArquitectura
IA & Automatización

Si ya has decidido que un proceso necesita un agente de IA, la siguiente pregunta llega enseguida: ¿lo montamos en n8n o lo programamos? Las dos opciones funcionan. n8n trae un nodo de agente al que conectas un modelo y unas herramientas, y en una tarde tienes algo que responde. El código propio te da control sobre el bucle del agente, los permisos y el registro, a cambio de más trabajo de ingeniería. La elección equivocada no se nota en la demo: se nota a los tres meses, cuando una integración falla un sábado, cuando nadie sabe explicar por qué el agente hizo lo que hizo o cuando cada cambio pequeño cuesta una semana.

En esta guía tienes siete criterios para decidir (complejidad, manejo de errores, observabilidad, coste, dependencia del proveedor, habilidades del equipo y seguridad), los patrones que encajan en cada opción, un enfoque híbrido que a menudo es el más sensato y una ruta para pasar de n8n a código sin reescribirlo todo de golpe. Los ejemplos son hipotéticos y lo que se afirma sobre n8n y sobre los proveedores de modelos sale de su documentación oficial, enlazada en cada punto.

Antes de elegir herramienta: ¿agente o flujo?

Anthropic distingue entre workflows, sistemas en los que los modelos y las herramientas se orquestan mediante rutas de código predefinidas, y agentes, en los que el modelo dirige de forma dinámica su propio proceso y el uso de herramientas (Anthropic, Building effective agents). Su recomendación es buscar la solución más simple posible y añadir complejidad solo cuando haga falta: los sistemas agénticos suelen cambiar más latencia y más coste por un mejor resultado en la tarea, y su autonomía abre la puerta a errores que se encadenan.

Esto importa aquí porque n8n es, ante todo, una herramienta de flujos. Si tu proceso es «llega un correo, la IA lo clasifica en una de cinco categorías y se crea una tarea», eso es un flujo con un paso de IA, no un agente, y n8n lo resuelve bien (lo explicamos paso a paso en cómo automatizar procesos con n8n). Si todavía no tienes claro qué es un agente y qué no, empieza por la guía de agentes de IA para empresas. El resto de este artículo supone que sí necesitas que el modelo decida qué herramienta usar y en qué orden.

Las dos opciones, en concreto

Un agente en n8n. El nodo AI Agent conecta un modelo de chat con una o varias herramientas, y es el agente quien decide qué herramienta llamar para completar la tarea; la documentación exige conectar al menos una herramienta (n8n Docs, AI Agent node). Las herramientas pueden ser nodos de integración, peticiones HTTP o incluso otro flujo de n8n, gracias al nodo Call n8n Workflow Tool, que permite al agente ejecutar otro flujo y recoger su salida (n8n Docs, Call n8n Workflow Tool). Todo vive en el editor visual y se guarda como un flujo más.

Un agente en código propio. Escribes tú el bucle. Con la API de Claude, por ejemplo, defines cada herramienta con su esquema; el modelo responde con stop_reason: "tool_use" y uno o varios bloques tool_use, tu código ejecuta la operación y devuelve el resultado en un bloque tool_result (Anthropic, Tool use). Puedes escribir ese bucle a mano o apoyarte en un SDK de agentes, como el Agents SDK de OpenAI, que añade trazas y guardarraíles (OpenAI Agents SDK, Tracing). En ambos casos el agente es código de tu repositorio: se revisa, se prueba y se despliega como el resto de tu software.

Siete criterios para decidir

1. Complejidad de la lógica

n8n brilla cuando la lógica es sobre todo «conectar A con B» y el agente tiene pocas herramientas con entradas sencillas. Para lo que no cubren los nodos existe el nodo Code, que admite JavaScript y Python, con un límite que conviene conocer: en n8n Cloud no puedes importar módulos externos de npm (solo están disponibles crypto y moment) y el Python nativo no puede importar librerías; en una instalación propia sí puedes habilitarlos (n8n Docs, Code node).

El síntoma típico de que el agente ha crecido demasiado para un lienzo visual es que el flujo se llena de nodos Code. En ese punto tienes código, pero sin las herramientas habituales del código: tipos, pruebas unitarias, revisión en un pull request, refactorizaciones seguras. En código propio, en cambio, el estado entre sesiones, las conversaciones largas, las reglas de negocio que cambian por cliente y los reintentos con condiciones son programación normal.

Señal: si más de la mitad de la lógica acaba en nodos Code, o si necesitas probar reglas de negocio con pruebas unitarias, el agente está pidiendo ser código.

2. Manejo de errores

n8n trae bastante de serie. Cada nodo puede reintentarse si falla (Retry On Fail) y decidir qué pasa ante un error: parar el flujo, continuar con los últimos datos válidos o continuar por una salida de error que pasa la información del fallo al siguiente nodo (n8n Docs, Nodes). Además puedes asignar a cada flujo un flujo de errores que empieza con el nodo Error Trigger, recibe el identificador de la ejecución, el mensaje de error y el último nodo ejecutado, y se lanza cuando una ejecución falla; el nodo Stop and Error fuerza ese fallo en las condiciones que tú elijas (n8n Docs, Error handling).

Lo que n8n no decide por ti es el diseño del error. ¿Qué pasa si se reintenta un paso que ya envió un correo? ¿Qué se deshace si el agente escribió en el CRM pero falló al actualizar el ERP? ¿Qué hace el modelo cuando una herramienta devuelve un error a mitad del bucle? En código esas preguntas se responden con claves de idempotencia, tiempos máximos por herramienta, límites de pasos y errores que se devuelven al modelo como resultado para que decida; la documentación de Anthropic dedica una sección a cómo señalar errores de herramienta al modelo (Anthropic, Handle tool calls). Se puede hacer algo parecido en n8n, pero cada caso se convierte en ramas del lienzo.

Señal: si un fallo a mitad de camino puede dejar datos a medias en dos sistemas, necesitas diseñar el error, no solo capturarlo.

3. Observabilidad

En un agente no basta con saber si la ejecución terminó en verde. Necesitas ver qué recibió, qué herramientas llamó y con qué argumentos, qué decidió, cuántos pasos dio y cuánto costó. n8n guarda los datos de cada ejecución y los muestra en la pestaña Executions del flujo (n8n Docs, Webhook node), lo que para depurar un caso concreto está muy bien. Enviar esos eventos a tus propias herramientas de registro y alertas (syslog, un webhook genérico o Sentry) es log streaming, una función del plan Enterprise, tanto en la nube como autoalojado (n8n Docs, Log streaming).

En código, la traza la instrumentas tú, o te la da el SDK. El Agents SDK de OpenAI, por ejemplo, tiene el trazado activado por defecto y registra llamadas al modelo, llamadas a herramientas, traspasos entre agentes y comprobaciones de guardarraíles; ojo, no está disponible para organizaciones que usan la API de OpenAI con retención cero de datos (OpenAI Agents SDK, Tracing). Si prefieres no depender de la consola de un proveedor, puedes escribir la traza en tu propio sistema de registros. Qué medir y cómo montar la evaluación lo tienes en cómo evaluar y operar una app con LLM en producción.

Señal: si alguien te va a preguntar «¿por qué el agente hizo esto el martes?» y la respuesta exige cruzar datos con tu aplicación, la traza tiene que vivir donde viven tus registros.

4. Coste

Hay tres partidas: plataforma, modelo y personas.

  • •Plataforma. n8n Cloud factura por ejecuciones de flujo al mes, y una ejecución es una pasada completa del flujo, con independencia de cuántos pasos tenga o cuántos datos procese (precios de n8n). Para un agente, que puede dar muchos pasos dentro de una sola ejecución, ese modelo es favorable; si usas subflujos como herramientas, comprueba cómo cuentan en tu plan. Autoalojado pagas servidor y tiempo de mantenimiento, y si el volumen crece tendrás que pasar al modo cola, con una instancia principal que recibe disparadores, trabajadores que ejecutan y Redis como intermediario (n8n Docs, Queue mode). En código pagas el alojamiento de tu servicio, que a menudo ya existe.
  • •Modelo. Los tokens cuestan lo mismo los lances desde n8n o desde tu código. Lo que cambia la factura es cuántos pasos da el agente y cuánto contexto arrastra. Ten en cuenta que las definiciones de herramientas también cuentan como tokens de entrada y que la API añade un prompt de sistema para el uso de herramientas (Anthropic, Tool use, Pricing). En código es más fácil medir y recortar cada paso: elegir un modelo más pequeño para clasificar, resumir el historial o limitar herramientas por tarea.
  • •Personas. n8n es más barato de empezar. El código es más barato de cambiar cuando la lógica es compleja. La cifra que importa es el coste de mantener aquello durante un año, no el de la primera semana.

Señal: haz la cuenta con tu volumen previsto de ejecuciones y con quién mantendrá el agente dentro de un año. Si no puedes nombrar a esa persona, ya tienes un problema, elijas lo que elijas.

5. Dependencia del proveedor

Hay dos dependencias distintas: la de la plataforma y la del modelo.

Con n8n, tus flujos se exportan en JSON (n8n Docs, Export and import), pero ese JSON solo sirve dentro de n8n. Además, su licencia, la Sustainable Use License, permite usarlo solo para los fines empresariales internos propios o para uso no comercial o personal (licencia de n8n). Para automatizar tus procesos internos encaja; si el agente va a formar parte de un producto que vendes a terceros, revisa la licencia con calma antes de construir encima. Autoalojar reduce la dependencia de n8n Cloud, pero no la del formato.

En código la dependencia está en el framework y en el proveedor del modelo. Anthropic advierte de que los frameworks suelen añadir capas de abstracción que ocultan los prompts y las respuestas, y recomienda empezar llamando directamente a las API de los modelos y, si usas un framework, entender el código que hay debajo (Anthropic, Building effective agents). Para poder cambiar de modelo, aísla las llamadas en un adaptador fino; los criterios para elegir entre API comercial y modelo abierto están en esta comparativa.

Señal: si el agente es parte de lo que vendes, o si poder cambiar de proveedor de modelo es un requisito, te conviene que el núcleo sea código tuyo.

6. Habilidades del equipo

La pregunta práctica es quién lo va a mantener. Un flujo de n8n lo puede depurar una persona de operaciones que entiende el proceso, porque el editor muestra los datos que entran y salen de cada nodo. Un agente en código necesita a alguien que conozca el repositorio, las pruebas y el despliegue. Un agente en código que nadie de la empresa sabe tocar es peor que un flujo de n8n que alguien entiende.

También cuenta cómo se controlan los cambios. n8n ofrece control de versiones basado en Git y entornos respaldados por ramas en los planes Business y Enterprise (n8n Docs, Source control and environments); sin ellos, saber qué cambió en un flujo y volver atrás depende de exportaciones manuales. En código, el historial de Git, la revisión y la integración continua vienen de serie.

Señal: elige lo que tu equipo pueda depurar un viernes por la tarde sin llamar a nadie de fuera.

7. Seguridad y permisos

Un agente actúa sobre datos reales, así que necesita permisos mínimos y aprobación humana en las acciones irreversibles. n8n permite exigir revisión humana antes de que el agente ejecute una herramienta: el flujo se pausa, una persona ve qué herramienta quiere usar y con qué parámetros, y la aprueba o la deniega desde el chat de n8n, Slack, Microsoft Teams, Gmail, WhatsApp Business Cloud u otros canales (n8n Docs, Human-in-the-loop for AI tool calls). Es una de las razones de peso para empezar en n8n.

Hay otros puntos que vigilar. El nodo Webhook admite autenticación básica, por cabecera, JWT, usuarios de n8n o ninguna (n8n Docs, Webhook node): en producción, «ninguna» no es una opción. Conectar n8n con un gestor de secretos externo (HashiCorp Vault, AWS Secrets Manager, Azure Key Vault, GCP Secrets Manager y otros) es una función Enterprise (n8n Docs, External secrets). Y los flujos exportados incluyen nombres e identificadores de credenciales, que la documentación pide quitar antes de compartirlos (n8n Docs, Export and import).

En código, los permisos pueden depender de quién es el usuario final, algo esencial si el agente atiende a varios clientes y cada uno solo debe ver lo suyo. Puedes validar los argumentos de cada herramienta contra su esquema (con Claude, añadir strict: true a la definición garantiza que las llamadas cumplen el esquema exacto, según su documentación de tool use) o usar guardarraíles de herramienta, que en el SDK de OpenAI validan o bloquean cada llamada antes y después de ejecutarse (OpenAI Agents SDK, Guardrails). Para la parte de datos personales y RGPD, ver seguridad y privacidad en IA.

Señal: si los permisos dependen del usuario final, el control fino es mucho más fácil en código.

Resumen de los criterios

CriterioInclina a n8nInclina a código propio
ComplejidadPocas herramientas, lógica de integraciónEstado, reglas por cliente, muchos nodos Code
ErroresReintentos y flujo de errores bastanIdempotencia, compensaciones, errores dentro del bucle
ObservabilidadDepurar caso a caso en ExecutionsTraza unida a los registros de tu aplicación
CosteVolumen moderado, arranque rápidoVolumen alto, control fino de tokens por paso
DependenciaUso interno, integraciones estándarProducto que vendes, cambio de modelo como requisito
EquipoOperaciones mantiene flujos visualesHay desarrolladores con repositorio y despliegue
SeguridadAprobación humana por herramienta, un único tipo de usuarioPermisos por usuario final, validación estricta

No hace falta que todos los criterios apunten al mismo lado. Si cuatro o cinco empujan hacia el código, probablemente toca código o híbrido; si casi todos señalan a n8n, empieza en n8n y vigila las señales.

Patrones que encajan en cada opción

Encajan bien en n8n:

  • •Triaje de entrada con propuesta de acción. Llega un correo o un formulario, el agente consulta dos o tres sistemas y deja un borrador o una tarea; el envío pasa por aprobación humana.
  • •Asistente interno de consulta. Un agente para el equipo que mira pedidos, stock o fichas de cliente con herramientas de solo lectura.
  • •Flujo de integraciones con un paso agéntico. El grueso es mover datos entre aplicaciones y el agente es un nodo más.
  • •Prototipos. Validar en días si un agente aporta antes de invertir en desarrollo.

Encajan mejor en código propio:

  • •Agente dentro de tu producto, usado por clientes externos, con permisos por cuenta.
  • •Procesos largos con estado, que duran horas o días y deben poder reanudarse.
  • •Volumen alto o latencia ajustada, donde cada paso y cada token cuentan.
  • •Requisitos de auditoría: evaluaciones en cada despliegue y trazas conservadas junto al resto del sistema.
  • •Herramientas que son tu propia lógica de negocio: cálculos, tarifas o reglas que ya viven en tu código.

El enfoque híbrido

Muchas veces la respuesta sensata es dejar que cada pieza haga lo que mejor sabe hacer. Tres formas de combinarlas:

  1. 1.Agente en código, integraciones en n8n. Las herramientas del agente son llamadas a webhooks de n8n protegidos con autenticación por cabecera o JWT. El equipo de operaciones sigue ajustando las integraciones (CRM, correo, hojas de cálculo) sin tocar el agente, y el código conserva el bucle, los permisos y la traza.
  2. 2.n8n orquesta, el agente es un servicio. El flujo recibe el disparador, llama a tu agente por HTTP, recibe una respuesta en JSON y sigue: aprobación, escritura en el CRM, aviso. Encaja cuando el flujo ya existe y funciona.
  3. 3.Agente en n8n, herramientas complejas fuera. El agente sigue en el lienzo, pero las herramientas delicadas son subflujos (Call n8n Workflow Tool) o llamadas HTTP a una API tuya que aplica validaciones y permisos.

Sea cual sea la combinación, define el contrato entre las dos partes como si fueran equipos distintos: entrada y salida en JSON con un esquema, una clave de idempotencia por acción, un tiempo máximo y un error explícito cuando se supera, y un identificador de correlación que aparezca tanto en la ejecución de n8n como en tus registros. Nada de secretos en el cuerpo de las peticiones.

Ejemplo hipotético: de n8n a híbrido

Ejemplo hipotético. No describe a ningún cliente ni muestra resultados reales; sirve para ver cómo se aplican los criterios.

Una distribuidora ficticia de material eléctrico recibe por correo preguntas de clientes sobre el estado de sus pedidos.

Fase 1, en n8n. Un flujo se dispara con cada correo nuevo. El nodo AI Agent tiene tres herramientas de solo lectura: pedidos del ERP, seguimiento del transportista y ficha del cliente. El agente redacta un borrador; enviarlo requiere aprobación humana por Slack. Un flujo de errores avisa a la responsable de operaciones si algo falla. Encaja: pocas herramientas, solo lectura, un tipo de usuario y un equipo que mantiene flujos visuales.

Lo que cambia. Meses después, la empresa quiere ofrecer el mismo asistente en el área de clientes de su web, donde cada cliente solo debe ver sus pedidos, y dirección pide poder explicar cualquier respuesta. Ahora pesan tres criterios: complejidad (sesiones y estado), observabilidad (traza unida a la aplicación) y seguridad (permisos por usuario final).

Fase 2, híbrido. El bucle del agente pasa a TypeScript dentro de la aplicación web, con permisos por cuenta y traza propia. Las consultas al ERP y al transportista siguen en n8n como webhooks con autenticación por cabecera. El canal de correo también sigue en n8n, que ahora llama al mismo servicio de agente. No se reescribe nada que funcionaba.

Ruta de migración de n8n a código, sin big bang

  1. 1.Inventario. Exporta los flujos en JSON y quita los nombres e identificadores de credenciales antes de compartirlos. Anota herramientas, prompts, modelos, puntos de aprobación y flujos de error.
  2. 2.Conjunto de evaluación antes de tocar nada. Reúne casos reales a partir de las ejecuciones. n8n tiene evaluaciones que pasan un conjunto de casos de prueba, cada uno con su entrada y, a menudo, su salida esperada, primero de forma ligera y después con métricas (n8n Docs, Evaluations). Esos mismos casos juzgarán la versión nueva.
  3. 3.Saca primero el bucle del agente. Deja las integraciones como webhooks en n8n (el primer patrón híbrido) y sustituye una pieza cada vez.
  4. 4.Modo sombra. Ejecuta las dos versiones con la misma entrada; la nueva no actúa, solo registra. Compara contra el conjunto de evaluación y contra lo que hizo la versión en producción.
  5. 5.Corte por rutas. Pasa un canal o un tipo de caso cada vez. Mantén el flujo de n8n desactivado pero disponible durante un periodo acordado para volver atrás.
  6. 6.Limpieza. Retira flujos duplicados, unifica los prompts en un solo sitio y actualiza el manual de operación.

La migración no va solo en una dirección. Si un agente en código resulta ser una secuencia fija de pasos, quizá estaba mejor como flujo de n8n: menos código que mantener.

Errores frecuentes

  • •Elegir por la demo. Lo que se monta más rápido no es lo que mejor se mantiene. Decide con los siete criterios, no con la primera tarde.
  • •Convertir n8n en un editor de código. Muchos nodos Code son la señal de que la lógica pide un repositorio.
  • •Webhooks sin autenticación. Cualquiera que conozca la URL puede disparar el agente.
  • •Sin límites de pasos ni de gasto. Un bucle mal cerrado consume presupuesto sin que nadie lo vea.
  • •Medir solo si «funciona». Sin un conjunto de evaluación no sabrás si un cambio de prompt o de modelo empeoró algo.
  • •Migrar todo de golpe. La ruta por fases permite volver atrás; el big bang, no.

Cómo lo decidimos en ROXEX Labs

En los agentes que desarrollamos, la orquestación va en TypeScript o Python, y usamos n8n cuando el flujo lo permite; en las automatizaciones trabajamos con n8n, Make o código propio, desplegados en tus cuentas o en una instancia a tu nombre. La tecnología se elige por tu caso y la justificamos en la propuesta. Cada agente se entrega con un mapa de herramientas y permisos, un conjunto de evaluación, el registro de cada ejecución, límites de gasto y de pasos, y un canal de aprobación humana. Así trabajamos en desarrollo de agentes de IA para empresas y en automatización de procesos con IA.

En precios, la implantación entra en «Automatización integral con IA», de 5.000 a 15.000 € con un plazo de 4 a 10 semanas, y el mantenimiento y la mejora en «Automatización IA continua», de 1.500 a 4.000 € al mes.

Preguntas frecuentes

¿Puede un agente en n8n ir a producción? Sí, si lo tratas como software en producción: flujo de errores, webhooks autenticados, aprobación humana en las acciones irreversibles, límites de gasto y alguien responsable. Lo que cambia con la escala es el coste de mantenerlo, no si es posible.

¿n8n Cloud o autoalojado para un agente? Depende de dónde deben estar los datos y de qué funciones necesitas. Autoalojado te da control del servidor y permite importar librerías en el nodo Code; algunas funciones, como el log streaming o los gestores de secretos externos, son del plan Enterprise en ambos casos.

Si voy a código, ¿qué framework uso? Empieza por la API del proveedor directamente, como recomienda Anthropic, y adopta un SDK cuando te aporte algo concreto (trazas, guardarraíles) y entiendas lo que hace por debajo.

¿Se puede pasar de n8n a código sin parar el servicio? Sí, con la ruta por fases: evaluación primero, el bucle del agente después, modo sombra y corte por rutas, manteniendo n8n para volver atrás.

¿Y Make o Zapier? Este artículo compara n8n con código propio. Si dudas entre plataformas, tienes la guía n8n vs Make vs Zapier.

Fuentes

  • •Anthropic. Building effective agents. https://www.anthropic.com/engineering/building-effective-agents
  • •Anthropic. Tool use with Claude. https://platform.claude.com/docs/en/agents-and-tools/tool-use/overview
  • •Anthropic. Handle tool calls. https://platform.claude.com/docs/en/agents-and-tools/tool-use/handle-tool-calls
  • •OpenAI. Agents SDK, Tracing. https://openai.github.io/openai-agents-python/tracing/
  • •OpenAI. Agents SDK, Guardrails. https://openai.github.io/openai-agents-python/guardrails/
  • •n8n Docs. AI Agent node. https://docs.n8n.io/integrations/builtin/cluster-nodes/root-nodes/n8n-nodes-langchain.agent/
  • •n8n Docs. Call n8n Workflow Tool node. https://docs.n8n.io/integrations/builtin/cluster-nodes/sub-nodes/n8n-nodes-langchain.toolworkflow/
  • •n8n Docs. Human-in-the-loop for AI tool calls. https://docs.n8n.io/advanced-ai/human-in-the-loop-tools/
  • •n8n Docs. Error handling. https://docs.n8n.io/flow-logic/error-handling/
  • •n8n Docs. Nodes (node settings). https://docs.n8n.io/workflows/components/nodes/
  • •n8n Docs. Code node. https://docs.n8n.io/code/code-node/
  • •n8n Docs. Log streaming. https://docs.n8n.io/log-streaming/
  • •n8n Docs. Source control and environments. https://docs.n8n.io/source-control-environments/
  • •n8n Docs. External secrets. https://docs.n8n.io/external-secrets/
  • •n8n Docs. Export and import workflows. https://docs.n8n.io/workflows/export-import/
  • •n8n Docs. Webhook node. https://docs.n8n.io/integrations/builtin/core-nodes/n8n-nodes-base.webhook/
  • •n8n Docs. Queue mode. https://docs.n8n.io/hosting/scaling/queue-mode/
  • •n8n Docs. Evaluations. https://docs.n8n.io/advanced-ai/evaluations/overview/
  • •n8n. Precios. https://n8n.io/pricing/
  • •n8n. Sustainable Use License (LICENSE.md). https://github.com/n8n-io/n8n/blob/master/LICENSE.md

¿Tienes un agente en n8n que se está quedando pequeño, o dudas por dónde empezar? Empezamos con una llamada gratuita de 30 minutos en la que elegimos un flujo concreto para empezar. Así trabajamos: agentes de IA para empresas.

¿Hablamos de tu proyecto?

Una llamada de 30 minutos, gratis y sin compromiso, con quien escribiría el código.