كيفية إعداد وكيل ذكاء اصطناعي باستخدام n8n: دليل خطوة بخطوة
n8n AI Agent تجمع عقدة n8n AI Agent نموذجاً لغوياً وأدواتٍ ومكوّنات ذاكرة في حلقة ReAct، مما يُتيح بناء وكلاء ذكاء اصطناعي على مستوى مؤسسي دون كتابة أي كود. يقدّم هذا الدليل خارطة طريق كاملة لإعداد وكيل يعمل من الصفر.
ما هو وكيل الذكاء الاصطناعي في n8n؟
عقدة n8n AI Agent هي عقدة سير عمل متخصصة تجمع نموذجاً لغوياً كبيراً وقائمة أدوات ومكوّن ذاكرة اختيارياً. يُشغّل الوكيل تلقائياً حلقة الاستعلام-استدعاء الأداة حتى يصل إلى الهدف أو يبلغ حدّ الخطوات المحدد.
على عكس أدوات الأتمتة التقليدية التي تتبع تسلسلاً ثابتاً من القواعد، تستخدم عقدة n8n AI Agent آلية اتخاذ قرار ديناميكية. تمرّر العقدةُ مدخلَ المستخدم إلى النموذج اللغوي؛ يقرر النموذج أي أداة يستدعي، يستقبل مخرجات الأداة، ويكرر الحلقة عند الحاجة. يُعرف هذا النمط في الأدبيات التقنية بـ ReAct (Reasoning and Acting) أو function-calling.
للاطلاع على منظور أشمل حول إمكانات أتمتة سير العمل المؤسسي في n8n، يُنصح بفهم البنية الأساسية للمنصة أولاً. تتكامل عقدة AI Agent تماماً مع النظام البيئي القياسي لعقد n8n: يمكن أن يكون المشغّل Chat Trigger أو Webhook أو أي مصدر بيانات.
تحدّد أربعة مكوّنات رئيسية سلوك الوكيل: نموذج الدردشة (LLM) وقائمة الأدوات والذاكرة وموجّه النظام. يؤثر التكوين الصحيح لهذه المكوّنات مباشرةً على وظائف الوكيل وموثوقيته.
المكوّنات المطلوبة: LLM والأدوات والذاكرة ومخزن المتجهات
يتطلب وكيل n8n AI Agent العامل أربعة مكوّنات على الأقل: بيانات اعتماد مزوّد النموذج اللغوي وتعريف أداة واحدة على الأقل وعقدة ذاكرة اختيارية وموجّه نظام موجّه نحو الهدف. يُضاف مخزن المتجهات مكوّناً إضافياً لسيناريوهات RAG.
اختيار مزوّد النموذج اللغوي هو القرار الأكثر أهمية، إذ يؤثر في أداء الوكيل والتكاليف التشغيلية معاً. يلخّص الجدول أدناه المزوّدين المدعومين في n8n اعتباراً من مايو 2026 وخصائصهم الرئيسية.
| المزوّد | أمثلة على النماذج | الاستضافة | ملاحظات تشغيلية |
|---|---|---|---|
| OpenAI | GPT-4o, GPT-4.1, o3 | السحابة (API) | دعم واسع للأدوات؛ وضع JSON مستقر |
| Anthropic | Claude Sonnet 4, Claude Opus 4 | السحابة (API) | سياق طويل؛ تركيز على أمان المؤسسات |
| Mistral AI | Mistral Large, Codestral | السحابة / Self-hosted | سيادة البيانات الأوروبية؛ ميزة التكلفة |
| Google Vertex AI | Gemini 2.5 Pro, Gemini Flash | السحابة (GCP) | تكامل قوي مع GCP؛ متعدد الوسائط |
| Ollama | Llama 3.3, Mistral, Phi-4 | محلي / On-premise | أقصى خصوصية للبيانات؛ يتطلب GPU |
| نقطة نهاية متوافقة مع OpenAI | أي نموذج LM Studio أو vLLM | Self-hosted | مرونة للنماذج المضبوطة مسبقاً |
تُمكّن الأدوات الوكيلَ من تنفيذ إجراءات في العالم الحقيقي تتجاوز ما يولّده النموذج اللغوي وحده. يمكن أن تكون الأداة سير عمل فرعي في n8n أو عقدة HTTP Request أو استعلام قاعدة بيانات. تخزّن عقدة الذاكرة الرسائل السابقة كسياق للنموذج اللغوي في محادثات متعددة الأدوار، مما يُتيح للوكيل التذكّر. عند دمج مخزن المتجهات، يحصل الوكيل على أداة للبحث الدلالي في قاعدة المعرفة (RAG).
خطوة بخطوة: بناء أول وكيل ذكاء اصطناعي
يتكوّن سير عمل n8n AI Agent من عقدة مشغّل وعقدة AI Agent واتصال نموذج دردشة وتعريف أداة واحدة على الأقل. يمكن تكوين جميع المكوّنات في واجهة n8n بالسحب والإفلات في غضون دقائق.
الخطوة 1: اختر مشغّلاً. استخدم عقدة Chat Trigger للاختبار عبر واجهة الدردشة. في بيئة الإنتاج، قد يكون Webhook Trigger أو Cron Trigger المجدوَل مناسباً أيضاً. يُفعّل Chat Trigger واجهة الدردشة المدمجة في n8n وهو مثالي للنمذجة الأولية السريعة.
الخطوة 2: أضف عقدة AI Agent. ابحث عن 'AI Agent' في لوحة العقد واسحبها إلى سير العمل. تحتوي هذه العقدة على ثلاث نقاط اتصال فرعية: Chat Model (مطلوبة) وMemory (اختيارية) وTools (اختيارية لكن موصى بها).
الخطوة 3: اربط نموذج الدردشة. اربط عقدة OpenAI Chat Model أو عقدة المزوّد المفضّل بمدخل Chat Model في عقدة AI Agent. يجب تعريف بيانات اعتمادك (مفتاح API) مسبقاً في لوحة Credentials في n8n.
الخطوة 4: اكتب موجّه النظام. عبئ حقل 'System Message' في تكوين عقدة AI Agent. يحدّد هذا الحقل دور الوكيل وأي الأدوات يستخدم ومتى وتنسيق الردود. مثال: 'أنت مساعد دعم عملاء Sora Software. استخدم أداة قاعدة البيانات لاستعلامات الطلبات فقط.'
الخطوة 5: أضف أداة واحدة على الأقل. اربط 'Calculator' (المدمجة) أو عقدة Sub-workflow مخصصة بنقطة اتصال Tools. يجب أن يحمل كل أداة اسماً وصفاً واضحَين؛ يقرأ النموذج اللغوي هذه الأوصاف ليقرر أي أداة يختار.
الخطوة 6: اختبر. انقر زر 'Chat' لفتح واجهة الدردشة المدمجة في n8n وأدخل سؤالاً. يُظهر سجل التنفيذ الأدواتِ التي استدعاها النموذج ومرات الاستدعاء والبيانات التي استخدمها في كل خطوة.
| الخطوة | العقدة / المكوّن | مطلوب؟ | الوصف |
|---|---|---|---|
| 1 | Chat Trigger / Webhook | نعم | يستقبل مدخل المستخدم |
| 2 | AI Agent | نعم | عقدة الوكيل المركزية؛ تدير حلقة ReAct |
| 3 | Chat Model (مثلاً OpenAI) | نعم | يُنشئ الاتصال بالنموذج اللغوي |
| 4 | System Message | موصى به | يحدّد دور الوكيل وقيوده |
| 5 | Tool (Sub-workflow, HTTP...) | موصى به | يمنح الوكيل قدرات في العالم الحقيقي |
| 6 | Memory Node | لا (نعم للمتعدد الأدوار) | يحفظ تاريخ المحادثة |
استخدام الأدوات: Sub-Workflow وHTTP Request وقواعد البيانات
لإضافة أدوات إلى وكيل n8n AI Agent، يمكن ربط أي عقدة n8n أو سير عمل فرعي بنقطة اتصال Tools. يقرر النموذج اللغوي باستقلالية أي أداة يستدعي ومتى، استناداً إلى موجّه النظام وأوصاف الأدوات.
تُعدّ أدوات Sub-Workflow أقوى خيارات التكوين. عند تعريف سير عمل n8n منفصل كأداة عبر عقدة Execute Workflow، تجعل كامل منطق ذلك السير (الشروط والحلقات واستدعاءات API المتعددة) متاحاً للوكيل كأداة واحدة. هذا الأسلوب هو أنظف طريقة لفتح العمليات التجارية المعقدة أمام الوكيل.
يمكنك الاتصال بالأنظمة الخارجية باستخدام عقدة HTTP Request لتكامل Webhook وAPI. على سبيل المثال، يمكن تعريف عقد HTTP Request التي تجلب بيانات العملاء من CRM API أو تنشئ فاتورة في نظام محاسبي أو تغلق تذكرة دعم كأدوات. أبقِ حقل 'description' لكل أداة واضحاً ودقيقاً — يقرأه النموذج اللغوي ليقرر متى يستخدم الأداة.
لأدوات قواعد البيانات، يمكنك ربط عقد Postgres أو MySQL أو MongoDB مباشرةً كأدوات. أفضل ممارسات الأمان تقتضي تعيين مستخدم قاعدة بيانات للقراءة فقط لعقد الأدوات ومنح أذونات الكتابة فقط بعد خطوة موافقة منفصلة. حالات استخدام n8n المؤسسية تشمل في الغالب مثل هذه سير العمل الهجينة بين الوكيل وقاعدة البيانات.
يؤثر تسمية الأدوات مباشرةً في الأداء: الأسماء الواضحة الموجّهة نحو الإجراء مثل 'get_customer_orders' تُنتج قرارات نموذج أفضل بكثير مقارنةً بأسماء مبهمة مثل 'tool1'. في وصف كل أداة، حدّد المدخل المتوقع والمخرج الذي سيُعاد.
إدارة الذاكرة والسياق
تتم إدارة الذاكرة في وكيل n8n AI Agent عبر Memory Node. تخزّن هذه العقدة تاريخ المحادثة وتمرّره إلى النموذج اللغوي في كل دور جديد، مما يُمكّن الوكيل من الحفاظ على السياق وإنتاج ردود متسقة في محادثة متعددة الأدوار.
أنواع الذاكرة المدعومة في n8n تشمل Window Buffer Memory (يحتفظ بآخر N رسالة) وToken Buffer Memory (يبقى ضمن حدّ التوكنات) وخيارات الذاكرة المستندة إلى مخازن خارجية (Redis أو Postgres). تُنصح البيئات المؤسسية بالمخازن الخارجية كي يُحفظ تاريخ المحادثة عند إعادة تشغيل الوكيل.
عند تكوين Memory Node، انتبه إلى حقل 'Session ID'. يضمن هذا الحقل الفصل بين مستخدمين مختلفين أو محادثات مختلفة. أكثر الممارسات شيوعاً في المحادثات المُشغَّلة عبر Webhook هو استخدام معرّف المستخدم (مثل البريد الإلكتروني أو رمز الجلسة) كـ Session ID.
يُعدّ تحديد حدّ للتوكنات أمراً بالغ الأهمية لمنع امتلاء نافذة السياق في المحادثات الطويلة. رغم أن نماذج مثل OpenAI GPT-4o تدعم سياقاً بحجم 128 ألف توكن، فإن كل توكن ينعكس على تكاليف المعالجة. الاحتفاظ بآخر 10-20 رسالة باستخدام Window Buffer Memory يكفي لمعظم سيناريوهات الاستخدام المؤسسي ويُبقي التكاليف قابلة للتنبؤ.
وكيل الذكاء الاصطناعي المُعزَّز بـ RAG
بإضافة أداة مخزن المتجهات إلى وكيل n8n AI Agent، يمكن تطبيق بنية Retrieval-Augmented Generation (RAG). في هذه البنية، يبحث الوكيل أولاً في قاعدة البيانات المتجهة عن سؤال المستخدم، ويسترجع المستندات ذات الصلة، ويمرّر هذا السياق إلى النموذج اللغوي لتوليد ردود مستندة إلى مصادر.
يتوفر دليل شامل حول بناء روبوت دردشة ذكاء اصطناعي مستند إلى RAG باستخدام n8n بشكل منفصل. نركّز هنا على نقطة التكامل الرئيسية: عند ربط عقدة Pinecone أو Qdrant أو PGVector بمدخل 'Vector Store Retriever' في عقدة AI Agent، يحصل الوكيل على أداة للبحث الدلالي في قاعدة المعرفة تلك.
اكتب وصف أداة RAG بعناية عند إضافتها إلى قائمة الأدوات. وصف من قبيل 'يبحث في قاعدة الوثائق الداخلية؛ يوفر الوصول إلى أدلة المنتجات والوثائق الإجرائية ومحتوى الأسئلة الشائعة' يضمن استدعاء النموذج لهذه الأداة في السياق الصحيح.
في تطبيقات RAG المؤسسية، يُنصح أيضاً بأتمتة عملية تحديث الوثائق. بإنشاء سير عمل منفصل لـ 'Document Ingest' في n8n، يمكن تحويل الوثائق الجديدة تلقائياً إلى تضمينات (Embeddings) وكتابتها في قاعدة البيانات المتجهة. يمكن تشغيل هذا السير من SharePoint أو Confluence أو خادم ملفات داخلي.
السيناريوهات المؤسسية وتقييم وكلاء الذكاء الاصطناعي
تُستخدم وكلاء n8n AI في سيناريوهات مؤسسية تشمل أتمتة دعم العملاء وإدارة العمليات الداخلية ومساعدي تحليل البيانات وسير عمل الموافقة متعددة الخطوات. تُتيح ميزة AI Evaluations قياس أداء الوكيل وRAG بمنهجية مقارنةً بمجموعة بيانات اختبار.
وكلاء دعم العملاء هم أكثر سيناريوهات الاستخدام المؤسسي شيوعاً. يُصنّف الوكيل طلب الدعم الوارد، ويستعلم عن تاريخ العميل من CRM، ويبحث في قاعدة الوثائق عن حلّ، ويُصعّد الأمر إلى ممثل بشري عند الضرورة. يمكن نمذجة كل هذه الخطوات كسير عمل واحد في n8n.
تعمل وكلاء العمليات الداخلية على أتمتة العمليات التجارية المتكررة كموافقات الشراء وطلبات الإجازة وتحديثات حالة المشاريع. في هذه السيناريوهات، يقرأ الوكيل بيانات النظام ذات الصلة (ERP وبرامج الموارد البشرية)، ويتحقق من مصفوفة الموافقة، ويُرسل الإشعارات اللازمة.
تقارن ميزة AI Evaluations في n8n ردود الوكيل بالإجابات الصحيحة المحددة مسبقاً وتحسب الدقة والاستدعاء ودرجة F1. هذه الميزة بالغة الأهمية لاختبار سلوك الوكيل قبل النشر الإنتاجي وقياس تأثير تغييرات النماذج على الأداء.
| السيناريو | المشغّل | الأدوات المستخدمة | الفائدة المتوقعة |
|---|---|---|---|
| وكيل دعم العملاء | Chat / Email Webhook | استعلام CRM، RAG، إنشاء تذكرة | تقليل وقت الاستجابة الأولى بنسبة 60% |
| وكيل الموافقة الداخلية | Form Webhook | قراءة ERP، مصفوفة الموافقة، البريد الإلكتروني | إزالة خطوات الموافقة اليدوية |
| مساعد تحليل البيانات | Chat Trigger | استعلام SQL، إنشاء مخططات، RAG | تحليلات ذاتية الخدمة؛ خفض تكاليف BI |
| وكيل معالجة الوثائق | Webhook رفع الملفات | OCR، NLP، كتابة قاعدة البيانات | أتمتة إدخال البيانات اليدوي |
في البيئات المؤسسية، يُوصى بشدة بالتحقق باستخدام AI Evaluations على مجموعة اختبار تضم 50-100 مثال على الأقل قبل الإطلاق الإنتاجي. استناداً إلى التجارب الميدانية لـ Sora Software، فإن المشاريع التي تتخطى هذه الخطوة لديها احتمالية أعلى بكثير للمواجهة بسلوكيات غير متوقعة من الوكيل في الإنتاج.
الأسئلة الشائعة
ما هي عقدة n8n AI Agent بالضبط؟
عقدة n8n AI Agent هي عقدة سير عمل متخصصة تجمع نموذجاً لغوياً كبيراً (LLM) وقائمة أدوات ومكوّنات ذاكرة ومخزن متجهات اختيارية. تتخذ قرارات مستقلة عبر حلقة ReAct أو function-calling حتى الوصول إلى الهدف.
أي مزوّدي LLM يدعمهم وكيل n8n AI؟
اعتباراً من مايو 2026، يُدعم OpenAI وAnthropic وMistral AI وGoogle Vertex AI وOllama (محلياً) وأي نقطة نهاية متوافقة مع OpenAI. يمكنك الاتصال أيضاً إذا كنت تُشغّل LM Studio أو vLLM على خادمك الخاص.
هل أحتاج إلى مهارات برمجة لإعداد وكيل n8n AI؟
لا تُلزمك مهارات برمجية لبناء وكيل أساسي؛ تُكوَّن جميع المكوّنات عبر واجهة السحب والإفلات. لكن المعرفة التقنية مفيدة لمنطق الأداة المخصص والموجّهات المتقدمة أو استخدام عقد كود JavaScript/Python.
ما معنى 'الأداة' في سياق وكيل n8n AI؟
الأداة هي مكوّن n8n يُمكّن الوكيل من تنفيذ إجراءات في العالم الحقيقي تتجاوز ما يُولّده النموذج اللغوي. يمكن تسجيل عقدة HTTP Request واستعلام قاعدة بيانات وسير عمل فرعي وأدوات مدمجة كالحاسبة كأدوات.
كيف يتذكر الوكيل السياق عبر أدوار محادثة متعددة؟
تخزّن عقدة الذاكرة (Window Buffer Memory أو Token Buffer Memory أو الذاكرة الخارجية المدعومة بـ Redis/Postgres) تاريخ المحادثة وتمرّره إلى النموذج في كل دور جديد. يفصل Session ID تاريخ المستخدمين المختلفين.
هل يمكن استخدام نموذج محلي عبر Ollama؟
نعم. بتثبيت Ollama وإضافة عقدة Ollama Chat Model إلى n8n، يمكن تشغيل نماذج مثل Llama 3.3 وMistral وPhi-4 في بيئة محلية كاملاً. هذا الأسلوب مثالي للبيئات المؤسسية التي تُعطي أولوية لخصوصية البيانات، لكنه يستلزم GPU.
كيف تُحسب التكاليف التشغيلية لوكيل n8n AI؟
تعتمد التكاليف على تسعير التوكنات للمزوّد المختار وعدد التوكنات المستهلكة لكل تشغيل للوكيل. النماذج المحلية مثل Ollama لا تُولّد تكاليف API؛ عند مزوّدي السحابة يجب مراعاة استهلاك التوكنات الإضافي لكل استدعاء أداة.
الخلاصة
تُقدّم عقدة n8n AI Agent أحد أعملي الطرق لدمج قدرات الذكاء الاصطناعي في مشاريع الأتمتة المؤسسية دون كتابة أي كود. من اختيار النموذج اللغوي وتعريف الأدوات إلى إدارة الذاكرة وتكامل RAG وقياس الأداء بـ AI Evaluations، يمكن إدارة جميع المكوّنات على منصة واحدة.
هل أنت مستعد لبناء بنية تحتية لوكلاء n8n AI الخاصة بك؟ فريق وكلاء الذكاء الاصطناعي لدى Sora يُقدّم جلسة اكتشاف مجانية تشمل تصميم بنية الوكيل المخصصة واختيار النموذج اللغوي والتكامل المؤسسي.