Automatizzare compiti ripetitivi con l'intelligenza artificiale non richiede piu' saper programmare da zero. Con n8n, uno strumento di automazione open source basato su nodi visuali, puoi costruire un vero agente IA che legge email, riassume documenti, risponde a messaggi o smista richieste, collegando modelli come GPT o Claude — oppure un modello locale gratuito — al resto dei tuoi strumenti. Questa guida ti porta dall'installazione al primo agente funzionante.

A chi serve, cosa otterrai e prerequisiti

Questa guida e' pensata per chi ha una minima dimestichezza con il terminale ma non e' uno sviluppatore esperto: freelance, piccole imprese, professionisti che vogliono automazioni su misura senza pagare abbonamenti a servizi chiusi. Al termine avrai un'istanza n8n installata sul tuo computer o server e un agente IA che riceve un testo, lo elabora con un modello linguistico e restituisce una risposta o compie un'azione.

Ti servono: un computer con Windows, macOS o Linux; Docker Desktop installato (il modo piu' pulito per far girare n8n); e, a scelta, una chiave API di OpenAI (o Anthropic) oppure Ollama per usare un modello locale e gratuito. Circa 8 GB di RAM sono sufficienti; per i modelli locali piu' grandi ne servono di piu'.

Quale motore IA scegliere per l'agente

La prima decisione riguarda il "cervello" dell'agente. Ecco le opzioni e i loro compromessi:

  • OpenAI (GPT-5.5 / GPT-4o) o Anthropic (Claude Sonnet 5): qualita' massima, integrazione semplice, ma si paga a consumo e i dati transitano dai server del fornitore. Prima scelta se conta il risultato e i volumi sono contenuti.
  • Ollama con un modello locale (es. Llama, Qwen, Mistral): completamente gratuito e privato, i dati non escono dal tuo computer, ma serve hardware adeguato e la qualita' dipende dal modello. Prima scelta se conta la privacy o vuoi costi zero.
  • Modelli via API a basso costo (DeepSeek, Mistral): compromesso tra costo e qualita' per volumi medi.

Consiglio: parti con OpenAI per far funzionare velocemente il flusso, poi valuta Ollama per abbattere i costi una volta capito cosa ti serve.

In n8n ogni riquadro e' un nodo: si collegano trascinando, senza scrivere codice.

Passo 1: installare n8n con Docker

Apri il terminale e avvia n8n con un solo comando. Questo crea un volume per conservare i dati (workflow e credenziali) anche dopo un riavvio:

docker volume create n8n_data

docker run -it --rm \
  --name n8n \
  -p 5678:5678 \
  -v n8n_data:/home/node/.n8n \
  docker.n8n.io/n8nio/n8n

Attendi il messaggio di avvio, poi apri il browser su http://localhost:5678. Alla prima apertura, n8n ti chiede di creare un account proprietario (email e password): resta tutto in locale. Per un uso stabile su un server, sostituisci --rm con -d (esecuzione in background) e imposta le variabili d'ambiente per l'autenticazione, come descritto nella documentazione ufficiale.

Passo 2: creare il workflow e il trigger

Dentro n8n, crea un nuovo workflow. Ogni automazione parte da un trigger, il nodo che la fa scattare. Per un agente interrogabile da altre applicazioni, scegli il nodo Webhook:

  1. Aggiungi il nodo Webhook, imposta il metodo su POST e definisci un percorso, ad esempio agente.
  2. n8n genera un URL di test: sara' l'indirizzo a cui inviare le richieste.
  3. In alternativa, per iniziare a mano, usa il trigger Manual ("Execute workflow") che lancia il flusso con un clic.

Passo 3: aggiungere il nodo AI Agent

Qui sta il cuore dell'automazione. n8n offre un nodo AI Agent che collega un modello linguistico a strumenti e memoria:

  1. Aggiungi il nodo AI Agent e collegalo in uscita dal trigger.
  2. Nel sotto-nodo Chat Model, scegli il provider. Per OpenAI, seleziona "OpenAI Chat Model", inserisci la tua chiave API nelle credenziali e scegli il modello (es. gpt-4o). Per un modello locale, scegli "Ollama Chat Model" e punta all'indirizzo del tuo server Ollama (tipicamente http://host.docker.internal:11434).
  3. Nel campo del system prompt, definisci il compito dell'agente. Esempio:
"Sei un assistente che riceve il testo di una email di un cliente. Classifica la richiesta in una di queste categorie: assistenza, vendite, reclamo, altro. Poi scrivi una bozza di risposta cortese e professionale in italiano. Rispondi in formato JSON con i campi categoria e risposta."

Se usi Ollama, ricorda di scaricare prima un modello dal terminale, ad esempio:

ollama pull qwen3
ollama run qwen3 "Ciao, sei pronto?"

Passo 4: gestire l'output e collegare le azioni

L'agente restituisce testo (o JSON, se glielo hai chiesto). Ora decidi cosa farne. Puoi aggiungere nodi successivi per:

  • Inviare la risposta via email (nodo Gmail/SMTP) o su Slack/Telegram.
  • Scrivere una riga su Google Sheets o su un database per tenere traccia delle richieste.
  • Rispondere direttamente alla chiamata webhook con il nodo Respond to Webhook, cosi' l'applicazione che ha interrogato l'agente riceve subito il risultato.

Per estrarre un campo dal JSON prodotto dall'agente, usa un nodo Set o un'espressione come {{ $json.output.categoria }}. Collega infine tutti i nodi trascinando le connessioni e premi "Execute workflow" per un test.

Passo 5: dare memoria e strumenti all'agente

Un agente diventa davvero utile quando ricorda e agisce. Nel nodo AI Agent puoi collegare due sotto-nodi:

  • Memory (es. "Window Buffer Memory"): mantiene il contesto tra piu' messaggi della stessa conversazione, indispensabile per un chatbot.
  • Tool: dai all'agente la capacita' di compiere azioni, ad esempio interrogare un'API, fare una ricerca o leggere un foglio di calcolo. L'agente decide da solo quando usarli in base alla richiesta.

Con memoria e strumenti, il tuo workflow passa da semplice "chiama il modello" a vero agente che ragiona e agisce in autonomia.

Errori comuni e come risolverli

  • "ECONNREFUSED" verso Ollama: n8n gira in Docker e non "vede" localhost. Usa http://host.docker.internal:11434 come indirizzo del server Ollama, non http://localhost.
  • "401 Unauthorized" da OpenAI: la chiave API e' errata o scaduta, oppure il credito e' esaurito. Rigenera la chiave dal portale del fornitore e controlla il saldo.
  • Il webhook non risponde: verifica di usare l'URL di produzione (non di test) dopo aver attivato il workflow con l'interruttore in alto a destra; l'URL di test funziona solo mentre premi "Listen".
  • Risposta non in JSON valido: rafforza il system prompt ("rispondi SOLO con JSON valido, senza testo prima o dopo") e aggiungi un nodo che valida l'output prima di usarlo.

Varianti, alternative e prossimi passi

Una volta padroneggiato il flusso base, puoi costruire automazioni piu' ambiziose: un agente che riassume ogni mattina le email non lette, uno che monitora un feed RSS e pubblica sui social, uno che risponde alle FAQ leggendo i tuoi documenti (RAG). Se n8n ti sembra troppo, esistono alternative come Make o Zapier (piu' semplici ma a pagamento e chiuse); se invece vuoi piu' controllo, puoi scrivere lo stesso agente in Python con le librerie ufficiali dei fornitori. Il vantaggio di n8n self-hosted resta la combinazione difficile da battere: gratuito, privato e senza limiti di esecuzioni. Da qui, la galleria di template ufficiale e' il posto migliore per trovare workflow pronti da adattare.