První workflow v n8n jsem si postavil za dvacet minut. Druhé mi zabralo tři hodiny, protože jsem nepochopil rozdíl mezi uzlem a takzvaným pod-uzlem a marně jsem hledal, kam se připojuje jazykový model.

Ten rozdíl je přitom celé tajemství n8n. Kdo ho pochopí v první půlhodině, ušetří si těch mých tři hodiny. Začneme proto u něj, ještě dřív, než na cokoliv kliknete.

Co je n8n a komu sedne

n8n je platforma, ve které skládáte automatizované postupy z krabiček propojených čárami. Krabičce se říká uzel (node), celému postupu workflow a každému spuštění execution. Jedna krabička přijde na řadu, něco udělá, pošle výsledek do další. Proti konkurenci má dvě odlišnosti. Za prvé jde provozovat na vlastním serveru, takže data nemusí opustit vaši firmu. Za druhé se v cloudu účtuje po celých spuštěních workflow, ne po jednotlivých krocích, takže vás nebolí stavět dlouhé postupy. Podrobnější srovnání s Make a Zapierem najdete v průvodci AI agenti a automatizace, tenhle článek zůstane u n8n.

Nesedne každému. Když chcete jen propojit formulář s tabulkou a nikdy se k tomu nevrátit, je n8n zbytečně upovídané. Vyplatí se ve chvíli, kdy tušíte, že postup poroste, bude mít větvení a někdo ho bude muset za rok upravovat.

Uzly, pod-uzly a proč se to plete

Klasický uzel stojí na hlavní trati. Data do něj přitečou zleva a odtečou doprava. Uzel Schedule Trigger spustí workflow podle času, uzel If pošle data doleva nebo doprava podle podmínky, uzel HTTP Request zavolá cizí rozhraní.

Pak jsou tu takzvané cluster nodes, tedy skupinové uzly. Ty se skládají z hlavního uzlu a k němu připojených pod-uzlů (sub nodes). Pod-uzel na hlavní trati nestojí. Visí pod hlavním uzlem a dodává mu nějakou schopnost. Model, paměť, nástroj.

Přesně tady jsem tehdy zabloudil. Hledal jsem, kam v hlavní trati zapojit jazykový model, jenže model se nezapojuje do trati. Věší se zespodu na uzel, který ho má používat. Jakmile tohle víte, dává celé plátno smysl. Zbývají dva pojmy, které budete potřebovat hned. Credential je uložené přihlášení k nějaké službě, ukládá se zvlášť od workflow a dá se použít ve víc uzlech naráz. A data pinning je dočasné zmrazení výstupu uzlu při vývoji, aby při každém pokusu neběžel skutečný dotaz do cizí služby. n8n v dokumentaci upozorňuje, že v ostrém provozu se zmrazená data ignorují a workflow si vždycky vyžádá čerstvá.

Cloud, nebo vlastní server

Rozdíl je u n8n větší než u konkurence, tak si ho projděte dřív, než se rozhodnete.

Cloudová verze je hotová služba. Tarify k srpnu 2026 začínají na 20 eurech měsíčně za Starter a 50 eurech za Pro při roční platbě, obojí se dá vyzkoušet bezplatně a bez zadání karty. Účtuje se po spuštěních workflow.

Verze pro vlastní server se jmenuje Community Edition a je zdarma, bez licenčního klíče a bez časového omezení. Nedostanete v ní ale přihlašování přes firemní účet (SSO), projekty pro rozdělení workflow mezi týmy, prostředí, správu tajemství, verzování přes Git ani streamování logů. Když se zdarma zaregistrujete e-mailem, n8n podle své dokumentace odemkne navíc složky, ladicí režim v editoru a vlastní metadata u spuštění.

Pro první pokusy stačí Docker. Oficiální dokumentace uvádí tenhle postup:

docker volume create n8n_data

docker run -it --rm --name n8n -p 5678:5678 \
  -e GENERIC_TIMEZONE="Europe/Prague" \
  -e TZ="Europe/Prague" \
  -e N8N_ENFORCE_SETTINGS_FILE_PERMISSIONS=true \
  -e N8N_RUNNERS_ENABLED=true \
  -v n8n_data:/home/node/.n8n \
  docker.n8n.io/n8nio/n8n

Pak otevřete http://localhost:5678 a jste uvnitř. Ten vytvořený svazek n8n_data je podstatný, drží vaše workflow a přihlášení i po restartu kontejneru. Bez něj přijdete po vypnutí o všechno. n8n si data ukládá do SQLite databáze, takže žádný další server nepotřebujete. Jedna věc, na kterou lidi narazí až později: n8n běžící na vašem notebooku funguje jen tehdy, když notebook běží. Workflow, které se má spouštět ve tři ráno, potřebuje server, který ve tři ráno nespí.

Než postavíte agenta, postavte něco hloupého

Vím, že chcete rovnou agenta. Půl hodiny strávená obyčejným workflow bez umělé inteligence se ale vrátí, protože se naučíte pracovat s daty, a to je u n8n devadesát procent práce.

Vezměte Schedule Trigger, za něj HTTP Request na nějaké veřejné rozhraní a za něj uzel, který výsledek někam zapíše. Spusťte to tlačítkem pro ruční spuštění a prohlédněte si, co který uzel vrátil. n8n mezi uzly posílá seznam položek a každá položka má svoje pole. Když pochopíte, jak se na tahle pole odkazuje pomocí výrazů (expressions, což je kus JavaScriptu v parametru uzlu), zbytek už je jen skládání. Většina problémů, které začátečníkům shodí workflow, není v logice. Je v tom, že uzel dostal jednu položku a čekal seznam, nebo naopak.

Za tuhle vlastnost n8n spousta lidí nadává a stojí za to jí rozumět. Když uzel dostane pět položek, spustí se pětkrát. Když je dostane zabalené v jednom poli uvnitř jedné položky, spustí se jednou a zbytek si nevšimne. Rozdíl mezi „pět e-mailů“ a „jeden záznam obsahující pět e-mailů“ v n8n rozhoduje o tom, jestli odejde pět zpráv, nebo jedna podivná. Uzly pro rozdělení a slučování položek jsou proto v praxi nejpoužívanější krabičky na plátně, i když je žádný návod nedává na titulní obrázek.

Když si nejste jistí, co uzlu přiteklo, spusťte workflow a rozklikněte jeho vstup. n8n ukazuje data ve třech podobách: jako tabulku, jako JSON a jako schéma. Tabulka se čte nejrychleji, ale JSON vám prozradí i pole, která tabulka schová.

Šablony jsou zkratka, ne opisování

n8n má veřejnou knihovnu hotových workflow a je pořádná, k srpnu 2026 v ní bylo přes jedenáct tisíc šablon roztříděných podle oborů. Import do vlastní instance je otázka pár vteřin. Doporučuju z ní čerpat, ale jinak, než většina lidí čeká. Neberte šablonu jako hotovou věc, kterou zapnete. Berte ji jako ukázku, jak někdo vyřešil konkrétní problém, hlavně u datových kroků, které trápí každého začátečníka.

Dvě věci u šablon kontrolujte vždycky.

Jaké uzly volají placené služby, protože ty vám budou tikat na účtu. A jestli šablona nesahá do ostrých dat rovnou, bez jakéhokoliv mezikroku ke kontrole. Autor ji psal pro svoje prostředí, ne pro vaše.

Uzel AI Agent a co k němu musíte připojit

Teď to hlavní. Uzel se jmenuje AI Agent a je to hlavní uzel skupiny. Sám o sobě nefunguje, dokud mu zespodu nepřipojíte pod-uzly.

Chat model. Rozhodovací část agenta. Pod-uzel se jmenuje podle poskytovatele, například OpenAI Chat Model. Potřebuje credential s vaším přístupovým klíčem a ten klíč platíte zvlášť u dodavatele modelu, tarif n8n ho nezahrnuje. Na tuhle položku v rozpočtu se často zapomíná.

Nástroj. Dokumentace n8n říká výslovně, že k uzlu AI Agent musíte připojit aspoň jeden pod-uzel typu nástroj. Bez něj agent nemá čím jednat. Na výběr jsou desítky, nejčastěji použijete HTTP Request Tool pro volání cizího rozhraní, Call n8n Workflow Tool pro spuštění vašeho vlastního workflow jako nástroje, nebo Vector Store Tool pro dohledávání ve vlastních dokumentech.

Paměť. Nepovinná, ale bez ní agent nepozná, co jste mu psali před minutou. Nejjednodušší je pod-uzel Simple Memory, který si drží posledních několik výměn. Má dva parametry, které stojí za pozornost: Session Key určuje, komu ta historie patří, a Context Window Length kolik předchozích výměn se má brát v úvahu. Dokumentace n8n zároveň varuje, že Simple Memory se nehodí do provozu s víc pracovními procesy, protože nezaručí, že další zpráva dorazí na stejný proces. Pro ostré nasazení se používají paměťové uzly napojené na databázi, třeba na Postgres nebo Redis.

Ještě jedna poznámka k historii. Ve starších verzích si člověk u uzlu AI Agent vybíral typ agenta z několika variant. Podle dokumentace n8n od verze 1.82.0 všechny uzly AI Agent fungují jako takzvaný Tools Agent a volba z rozhraní zmizela.

Když narazíte na starší návod, který vám radí typ agenta přepnout, hledáte tlačítko, které tam už není.

Postavíme prvního agenta

Nejrychlejší způsob, jak agenta rozchodit a hlavně ho vidět pracovat, je začít u chatu.

Krok 1. Na prázdné plátno přidejte uzel Chat Trigger. Ten dá workflow chatovací okno přímo v n8n. Podle dokumentace umí dva režimy, hostovaný chat s hotovým rozhraním od n8n a vložený chat pro vlastní stránku. Při vývoji nechte volbu pro veřejnou dostupnost chatu vypnutou, budete si s agentem povídat jen vy v editoru.

Krok 2. Za Chat Trigger připojte uzel AI Agent. Do jeho instrukcí napište, kdo agent je a co má a nemá dělat. Tohle je ta část, kterou lidi odbudou nejvíc, a pak se diví. Instrukce typu „buď nápomocný“ nikam nevedou, agent potřebuje hranice: co má udělat, když informaci nenajde, kdy má práci předat člověku, co nesmí slíbit. Jak se zadání píše, aby z modelu lezlo něco použitelného, jsem rozebíral v článku o promptech.

Krok 3. Pod uzel AI Agent připojte chat model a vytvořte k němu credential s vaším klíčem od dodavatele modelu.

Krok 4. Připojte aspoň jeden nástroj. Pro první pokus se hodí něco, co nic nerozbije, třeba vyhledávací nástroj nebo HTTP Request Tool mířící na veřejné rozhraní. Pojmenujte ho srozumitelně a do popisu napište, k čemu slouží a kdy se nemá použít. Model si nástroj vybírá právě podle popisu, takže tenhle text není formalita.

Krok 5. Připojte Simple Memory, ať si agent pamatuje předchozí zprávy.

Krok 6. Otevřete chatovací panel a napište agentovi první úkol. Sledujte přitom plátno, protože n8n během běhu barevně ukazuje, které uzly se rozsvítily a kolikrát.

Krok 7. Rozklikněte si výstup uzlu AI Agent a projděte jednotlivé kroky. Uvidíte, který nástroj si vybral, s jakými parametry ho zavolal a co mu z něj přišlo zpátky. Tenhle záznam je při ladění agentů nejcennější věc, kterou máte. Jak se ta smyčka chová a proč se občas zasekne v kolečku, rozebírám v článku Co je AI agent a z čeho se skládá.

Z hračky do provozu

Chat je na vyzkoušení. Užitek přijde, až agent běží bez vás.

Vyměňte Chat Trigger za spouštěč, který sedí k úloze. Schedule Trigger pro pravidelný běh, webhook pro reakci na událost z cizího systému, poštovní spouštěč pro nový e-mail. Zbytek workflow zůstane skoro stejný. Workflow pak musíte zveřejnit, respektive aktivovat. V novějším rozhraní se tlačítko jmenuje Publish, ve starším Activate. Dokud to neuděláte, běží workflow jen tehdy, když ho spustíte ručně, a spouštěč podle času se neprobudí.

Nezapomeňte na chybové scénáře. n8n umí u jednotlivých uzlů nastavit, co se má stát při chybě, a umí spustit samostatné workflow, které chybu ohlásí. Automatizace, o jejímž pádu se nedozvíte, je horší než žádná, protože v ni budete dál věřit. A dejte agentovi strop na počet kroků. Zacyklený agent, který v noci šestkrát za minutu volá placený model, umí do rána spořádat měsíční rozpočet.

Kdy uzel AI Agent nepoužít

Poslední rada zní pro článek s tímhle názvem trochu divně, ale ušetří vám peníze i nervy.

Agenta potřebujete jen tam, kde dopředu nevíte, kolik kroků bude úloha mít a v jakém pořadí. Když ten postup znáte, postavte ho z obyčejných uzlů. Běží rychleji, stojí zlomek toho, co agent, a hlavně dělá pokaždé totéž. Typický příklad: „vezmi příchozí e-mail, urči, jestli je to objednávka nebo dotaz, a podle toho ho pošli dvěma různými cestami.“ Tady agenta nechcete. Chcete jeden uzel s jazykovým modelem, který vrátí jedno slovo, a za ním uzel If. Model rozhodne, workflow jede po pevné trati. Kdy se vyplatí nechat model vracet přesně tvarovanou odpověď, kterou pak umí zpracovat další uzel, rozebírám v článku o strukturovaném výstupu.

Agenta vezměte, až když se v zadání objeví slovo „podle potřeby“. Dohledej informaci, a když ji nenajdeš v prvním zdroji, zkus druhý. Tam si pevnou trať nepostavíte, protože nevíte, kolik zdrojů bude potřeba.

Na co si dát pozor

Nedávejte agentovi nástroj, který něco odesílá nebo maže, dokud si měsíc neodběhá verzi jen pro čtení. Uzel, který v seznamu nástrojů není, agent nepoužije, a to je nejspolehlivější obrana, jakou máte. Hlídejte, co posíláte do modelu. n8n na vlastním serveru neznamená, že data zůstanou u vás. Ve chvíli, kdy připojíte cloudový chat model, odchází obsah k jeho dodavateli. Když je tohle důvod, proč jste si n8n vybrali, potřebujete i model, který běží u vás.

Zálohujte. Workflow se dají vyexportovat do JSON souboru a u Community Edition bez verzování přes Git je export jediná pojistka proti tomu, že si omylem přepíšete fungující postup. A počítejte s údržbou. Cizí rozhraní mění formáty, modely se ruší a nahrazují novějšími, n8n vydává nové verze. Automatizace, kterou nikdo rok neotevřel, obvykle nefunguje o něco jinak, než si její autor pamatuje.

Tři hodiny, které nemusíte mít

Kdybych se měl vrátit k tomu svému druhému workflow, ušetřil bych si ty tři hodiny jedinou větou: model se nezapojuje do trati, věší se pod uzel, který ho používá. Zbytek n8n je pak už jen trpělivost. Přidat uzel, spustit, podívat se na výstup, opravit. Ta smyčka je mimochodem dost podobná té, ve které pracuje samotný agent. Rozdíl je v tom, že vy si na rozdíl od něj pamatujete, co jste zkoušeli před dvěma hodinami.