מוצר חדש

הכרזת n8n Agents: שילוב סוכני AI עצמאיים לצד תהליכי עבודה

הפלטפורמה מאפשרת להגדיר מטרות בשפה חופשית, להשתמש בתהליכי עבודה ככלים ולשלב סוכנים ישירות בתהליכים קיימים

4 דקות קריאה
EN
הכרזת n8n Agents: שילוב סוכני AI עצמאיים לצד תהליכי עבודה
מבוסס על כתבה שלn8n ↗תרגום וסיכום באמצעות מערכת חדשות בליווי AIאיך אנחנו עובדים

תקציר מנהלים

מה חשוב לדעת

  1. n8n השיקה את רכיב הסוכנים (Agents) בגרסת Preview עבור n8n Cloud והתקנות עצמאיות.

  2. סוכנים יכולים להשתמש בתהליכי עבודה (Workflows), שרתי MCP ואינטגרציות מובנות ככלים לביצוע משימות.

  3. הצומת Message an Agent מאפשר לקרוא לסוכנים ישירות מתוך תהליכי עבודה קיימים.

  4. סבב שיחה אחד מול סוכן נספר כהרצה בודדת במכסת ההרצות של המערכת.

בפוסט רשמי בבלוג החברה, הכריזה פלטפורמת n8n על השקת Agents (סוכנים). לפי ההכרזה, משתמשים יכולים להגדיר מה הסוכן אמור לבצע, לספק לו מודל, כלים ותהליכי עבודה (Workflows), והסוכן קובע בעצמו את הצעדים הנדרשים לביצוע המשימה. ניתן לתקשר עם הסוכן ב-Slack, להריץ אותו לפי תזמון מוגדר מראש, או לקרוא לו מתוך כל תהליך עבודה, כאשר מדובר באותו סוכן בכל נקודות הגישה הללו. ב-n8n מציינים כי סוכנים נועדו להקל על טיפול במשימות פתוחות או תהליכי שיחה מרובי שלבים שעלולים להיות מורכבים לבנייה כתהליך עבודה קבוע, וניתן לבנות סוכן גם ללא ידע מוקדם באופן שבו תהליכי עבודה פועלים.

הסוכנים פועלים לצד תהליכי העבודה הקיימים במערכת, ושני הרכיבים נבנו לפעול יחד. סוכן יכול להשתמש בתהליכי עבודה ככלים, ובכך המשתמש קובע מה מותר לסוכן לבצע במערכות השונות. כאשר תהליך עבודה זקוק לסוכן באחד משלביו, צומת חדש בשם Message an Agent מאפשר לקרוא לו ישירות מתוך התהליך. ב-n8n מדגישים כי עבור משתמשים שכבר עושים שימוש בצומת הקיים AI Agent, דבר לא השתנה וכל מה שנבנה באמצעותו ממשיך לעבוד.

מדוע הושקו הסוכנים כעת

לפי n8n, מאז הקמת הפלטפורמה, אוטומציה התבססה על הגדרת שלבים מדויקת והוספתם למשטח העבודה (Canvas). החברה מציינת כי זו עדיין הגישה המתאימה למשימות מוגדרות רבות, כגון תהליך שבו ליד נכנס למערכת, מועשר במידע, מקבל ניקוד ומנותב ליעדו. ככל שרצף הפעולות קבוע יותר, תהליך עבודה מובנה מתאים יותר, גם אם אחד השלבים כולל מודל שמקבל החלטה.

עם זאת, שני שינויים מרכזיים הובילו להשקת הסוכנים:

  1. מודלים מסוגלים כעת להבין כיצד לפעול: כאשר מספקים למודל עדכני יעד ואת הכלים המתאימים, הוא מסוגל לחשב את הצעדים הנדרשים להשגת היעד.
  2. אנשים מצפים לבקש תוצאה סופית: משתמשים מעוניינים להגדיר יעד ולקבל פתרון במקום לתכנן מראש את כל שלבי התהליך.

הדבר משמעותי במיוחד במשימות שבהן הקלט שונה בכל פעם. לדוגמה, כאשר חבר צוות שואל ב-Slack מדוע היקף השימוש של לקוח ירד בחודש שעבר, המענה דורש מספר סבבים: משיכת נתוני החשבון, בירור לאיזה קו מוצרים הכוונה, בדיקת היסטוריית התמיכה, וחזרה עם סיכום ושאלת המשך. מכיוון שהצעד הבא תלוי בתשובה לשלב הקודם, לא ניתן להגדיר את התהליך מראש במדויק. דוגמאות דומות כוללות הודעות דוא"ל של תמיכה, דיווחי בעיות חדשים ב-GitHub או בקשות שבהן התחום ידוע אך המשימה הספציפית אינה ידועה מראש. עד כה, טיפול במקרים כאלה ב-n8n דרש התאמה של שיחה פתוחה לתוך תהליך עבודה מובנה, דבר שדרש עבודה לבנייתו.

מה כולל כל סוכן במערכת

n8n משווה את הסוכנים החדשים למחשב שנרכש מורכב מראש לעומת מחשב שנבנה מחלקים בודדים. בעבר ניתן היה לחבר טריגר שיחה, צומת זיכרון וצומת AI Agent עם כלים, אך הסוכנים החדשים מגיעים עם רכיבים מובנים: זיכרון, ניהול הפעלות (Sessions), ערוצים, גרסאות ואישורים.

הגדרת סוכן כוללת מספר מרכיבים:

  • מודל: כל מודל שלמשתמש יש מפתחות גישה אליו, או שימוש בקרדיטים של n8n Gateway.
  • הוראות (Instructions): תפקיד הסוכן, הטון שלו, מה מותר ומה אסור לו לעשות, ובאילו כלים להעדיף להשתמש.
  • ערוצים וטריגרים: חיבור לפלטפורמות כגון Slack, Telegram, Linear, Discord או הרצה לפי לוח זמנים.
  • כלים (Tools): אינטגרציות מובנות של n8n, שרתי MCP וכל תהליך עבודה במערכת.
  • מיומנויות (Skills): הוראות וקובצי עזר לשימוש חוזר שהסוכן טוען בעת הצורך, הניתנים לשיתוף בין סוכנים שונים.
  • סוכני משנה (Sub-agents): יכולת של סוכן אחד לקרוא לסוכן אחר.
  • ידע (Knowledge): העלאת קבצים מסוג csv, pdf, markdown או txt לביסוס תשובות הסוכן (זמין ב-n8n Cloud), וכן שימוש במאגרי וקטורים (Vector stores).
  • זיכרון (Memory): שמירת תוכן השיחה של ההפעלה כברירת מחדל, עם אפשרות לזכור מידע גם בין הפעלות שונות.
  • הפעלות (Sessions): כל שיחה נשמרת, ניתנת לבדיקה וניתן להמשיך אותה מאוחר יותר. יומני ההפעלה מציגים כל צעד שהסוכן ביצע, באילו כלים קרא, ומה היו הקלט והפלט של כל קריאה.

שימוש בתהליכי עבודה ככלים ומנגנוני בקרה

סוכן ב-n8n יכול להשתמש בשלושה סוגי כלים לבחירת המשתמש:

  1. שרתי MCP: חיבור שירות המעניק לסוכן גישה לכל כלי השירות בבת אחת, עם אפשרות להחריג כלים ספציפיים.
  2. כלי וצומתי n8n: שימוש באינטגרציות המוגדרות לפעולה מסוימת עם פרמטרים נבחרים, המאפשרים שליטה ממוקדת.
  3. תהליכי עבודה (Workflows): תהליך שלם שנבנה מראש ורץ בדיוק כפי שהוגדר, ללא צורך בביצוע שינויים בתהליך המקורי.

לדוגמה, סוכן תמיכה המטפל בפניות נכנסות יכול להשתמש בשלושה תהליכי עבודה ככלים: משיכת נתוני חשבון מה-CRM ובדיקת חוזה, הוספת הערה לחשבון, והתראת כונן (Page on-call) בערוץ ייעודי. הסוכן מחליט מתי להפעיל כל תהליך עבודה, אך מה שמתרחש בתוך התהליך נשאר קבוע לפי ההגדרה שנבנתה. באמצעות גישה זו, הסוכן אינו מקבל הרשאות כתיבה ישירות ל-CRM אלא רק גישה לתהליך עבודה שמוסיף הערה ותו לא.

סביב פעילות הסוכנים קיימים מנגנוני בקרה:

  • אישורים (Approvals): סימון כלי כרגיש גורם לסוכן להמתין לאישור או דחייה של אדם (Approve/Reject) לפני השימוש בו.
  • הרשאות ייעודיות לכל כלי (Per-tool credentials): כל כלי רץ עם פרטי הגישה שהוגדרו עבורו, והסוכן אינו מחזיק במפתחות הגישה למופע כולו.
  • הרשאות עריכה ופרסום: הגישה לסוכן מנוהלת לפי תפקידי המשתמשים (Roles) המוגדרים ב-n8n.

שילוב סוכנים בתוך תהליכי עבודה וניהול גרסאות

הסוכנים פועלים גם בכיוון ההפוך: כאשר תהליך עבודה זקוק לסוכן באחד משלביו, ניתן להוסיף את הצומת Message an Agent. הצומת שולח לסוכן הודעה המבוססת על נתוני התהליך ומעביר את תשובת הסוכן לצומת הבא. הסוכן מביא עמו את ההוראות, הכלים והזיכרון שהוגדרו לו. כאשר מעדכנים את הגדרות הסוכן ומפרסמים אותן, כל תהליך עבודה שקורא לו מקבל את העדכון באופן אוטומטי.

לניהול הפעילות בצוותים, המערכת מאפשרת:

  • שימוש באותו סוכן במספר מקומות (חיבור ל-Slack, תזמון קבוע או קריאה מתוך תהליך עבודה), כאשר שינוי הוראות ופרסומן משפיע על כל החיבורים.
  • טיוטות וגרסאות מפורסמות (Drafts and published versions): עריכה ותצוגה מקדימה של טיוטה בזמן שהצוות ממשיך להשתמש בגרסה המפורסמת, עם אפשרות שחזור, החזרה לגרסה קודמת או ביטול פרסום.
  • יומני הפעלה מפורטים לפי סשן הכוללים קלטים, קריאות לכלים, פלטים ושגיאות.

זמינות, תמחור והתחלת עבודה

ניתן ליצור סוכן דרך לשונית Agents בלחיצה על Create Agent, או באמצעות תיאור המשימה ל-n8n Assistant, אשר בוחר האם לבנות תהליך עבודה או סוכן ומכין טיוטה של ההוראות, הכלים והערוצים. באמצעות קרדיטים של Gateway ניתן להתחיל לעבוד ולבחור מודל ללא צורך במפתח API מספק בינה מלאכותית חיצוני.

מבחינת זמינות ועלויות:

  • זמינות: הסוכנים זמינים ב-n8n Cloud לכל המשתמשים בגרסה היציבה העדכנית, ובהתקנה עצמאית (Self-hosted) עם הגדרות נוספות. תמיכה בגרסאות Enterprise צפויה להתווסף בקרוב.
  • עלות: סבב שיחה אחד מול סוכן (Turn) נחשב כהרצה אחת (Execution). קריאות לכלי עבודה או לסוכני משנה אינן נספרות כהרצות נפרדות, והסוכנים חולקים את מכסת ההרצות הכללית של תהליכי העבודה. בניית סוכן באמצעות n8n Assistant עושה שימוש בקרדיטי AI.
  • סטטוס: הפיצ'ר נמצא כעת בסטטוס Preview, והחברה ממליצה לבצע בדיקות לפני פרסום ולהגדיר אישורים על פעולות רגישות.

האם זה היה שימושי לעסק שלכם?

שאלות ותשובות

שאלות נפוצות

הכתבה הוכנה באמצעות מערכת בליווי בינה מלאכותית לתרגום, סיכום ובקרות איכות אוטומטיות מתוך פרסום מקורי של n8n. קראו על תהליך העריכה שלנו. קישור למקור המקורי.

קבלו עדכוני AI שימושיים למייל

תקציר ממוקד ממערכת החדשות שלנו.

שליחת חוזים לחתימה דיגיטלית ב-n8n עם TurboDocx ו-Slack
מדריך
4 דקות
מ־n8n

שליחת חוזים לחתימה דיגיטלית ב-n8n עם TurboDocx ו-Slack

פוסט אורח בבלוג של n8n מאת ניקולס פריי, מנכ"ל TurboDocx, מציג מדריך מפורט לבניית תהליך עבודה אוטומטי המטפל בכל שלבי הפקת החוזה והחתימה עליו. התהליך משתמש ברכיב המאומת של TurboDocx וכולל סריקה של שורות ב-Excel בסטטוס Ready to send, הפקת מסמך חוזה מתבנית Word, שליחת בקשת אישור למנהל בערוץ Slack, והעברת החוזה לחתימה אלקטרונית מול הלקוח. לאחר שהלקוח חותם מכל מכשיר, קובץ ה-PDF החתום נשמר ישירות בתיקייה ייעודית ב-SharePoint, שורת הנתונים ב-Excel מתעדכנת ל-Signed והצוות מקבל הודעה ב-Slack. המדריך מפרט גם אפשרויות להחלפת הכלים במערכות CRM, טיפול בתקלות נפוצות, ומגבלות קיימות כגון תמיכה בחותם יחיד.

קרא עוד
הכרזת n8n 3.0 בטא: שינויי תשתית, אבטחה ודוח הגירה לקראת דצמבר
מוצר חדש
4 דקות
מ־n8n

הכרזת n8n 3.0 בטא: שינויי תשתית, אבטחה ודוח הגירה לקראת דצמבר

חברת n8n הודיעה על שחרור גרסת n8n 3.0.0 בטא, לקראת השקת הגרסה היציבה בתחילת דצמבר. העדכון מתמקד בשיפורי תשתית, אמינות ואבטחה, וכולל שינויים שוברים כמו הסרת מצב נתונים בינאריים בזיכרון, הרצת הפעלות ידניות על שרתי עיבוד במצב תור, קיצור ברירת המחדל של הפסקת הזמן בצומת הקוד לדקה אחת, והגבלת התקנה עצמית ל-Docker בלבד. משתמשים מגרסה 2.39 ואילך יכולים לבדוק את התאמת המערכת באמצעות דוח הגירה מובנה.

קרא עוד
ניהול מצב בסוכני AI: הבדלים בין ארכיטקטורה בעלת מצב לחסרת מצב
מדריך
4 דקות
מ־n8n

ניהול מצב בסוכני AI: הבדלים בין ארכיטקטורה בעלת מצב לחסרת מצב

בפוסט של n8n מוסבר כי state הוא המידע שסוכן AI נושא בין משימות, החל מהיסטוריית שיחה ועד לזיכרון לטווח ארוך ולפרופילי משתמשים. ההבדל בין ארכיטקטורה בעלת מצב (stateful) לארכיטקטורה חסרת מצב (stateless) מתמקד בשאלה האם המערכת משמרת נתונים מאינטראקציות קודמות או מתחילה כל בקשה כדף חלק. יישומים בעלי מצב מעניקים המשכיות אך דורשים תשתית לאחסון ולניהול מצב, בעוד יישומים חסרי מצב מפשטים חלוקת עומסים ועמידות לתקלות. מודלי LLM אינם שומרים שיחות באופן אוטומטי, ולכן סוכני AI מתנהגים באופן בעל מצב באמצעות שמירה ושליפה של נתונים מחוץ למודל. ב-n8n מוצע לשמור על הרצה חסרת מצב כברירת מחדל, ולהוסיף צומתי זיכרון לסשנים ומאגרי מצב משותפים רק היכן שנדרשת המשכיות.

קרא עוד
בדיקת פרומפטים ליישומי LLM: מדריך n8n לזיהוי רגרסיות
מדריך
4 דקות
מ־n8n

בדיקת פרומפטים ליישומי LLM: מדריך n8n לזיהוי רגרסיות

מדריך שפורסם על ידי n8n מפרט כיצד מסגרות עבודה לבדיקת פרומפטים מאפשרות לאתר רגרסיות ביישומי LLM לפני עלייתם לסביבת הייצור. בשל האופי הבלתי-דטרמיניסטי של מודלי שפה, בדיקות התאמה מדויקת מסורתיות אינן מספקות. המדריך סוקר כלים נפוצים בתחום, מבחין בין שיטות הערכה דטרמיניסטיות לבין שימוש ב-LLM כשופט, ומציג כיצד לבצע בדיקות והשוואות מול קו בסיס ישירות בתוך פלטפורמת n8n.

קרא עוד

עוד כתבות שיעניינו אותך

לכל הכתבות
סיילספורס השיקה את AI Skills ב-Agentforce Coworker
מוצר חדש
4 דקות
מ־Salesforce Blog

סיילספורס השיקה את AI Skills ב-Agentforce Coworker

סיילספורס הודיעה על זמינות כללית של AI Skills בתוך Agentforce Coworker. מיומנויות אלו מאפשרות למשתמשים להגדיר בשפה פשוטה סט הוראות לשימוש חוזר עבור משימות שחוזרות על עצמן, כך שהסוכן יוכל לבצע אותן בעקביות. Coworker, המתאם בין סוכני Agentforce ב-Salesforce, ב-Microsoft Teams ובמובייל, הוא הסוכן הראשון שכולל יכולת זו. בניגוד לתבניות הנחיה המפיקות פלטי טקסט בלבד, מיומנות מתארת משימה שלמה ומאפשרת לסוכן לנקוט פעולות על פי הרשאות המשתמש ולאחר קבלת אישור לעדכון רשומות.

קרא עוד
LinearB מציגה את Agentic Studio כדי להאיץ אספקת תוכנה בעזרת הקשר
מוצר חדש
4 דקות
מ־SiliconANGLE AI

LinearB מציגה את Agentic Studio כדי להאיץ אספקת תוכנה בעזרת הקשר

חברת LinearB Inc. הכריזה על השקת Agentic Studio, כלי שנועד להקל על העומסים בצינורות אספקת התוכנה שנוצרו בעקבות השימוש הגובר בכלי בינה מלאכותית לכתיבת קוד. לפי דוח מדדי התוכנה של החברה, ארגונים המסתמכים על כלי קידוד מבוססי AI כמעט הכפילו את כמות שינויי הקוד שמוזגו, אך בקשות המשיכה הללו גדולות בשיעור של כמעט פי 2.6 וממתינות פי חמישה יותר לסקירה. הפלטפורמה החדשה מאחדת נתונים ותובנות ממאגרי Git ומכלי מעקב לכדי שכבת הקשר אחידה, המאפשרת למהנדסים לקבל המלצות ולתשאל את המערכת בשפה פשוטה. בנוסף, באמצעות אינטגרציה דרך Model Context Protocol, המערכת מזינה סוכני קידוד אוטונומיים בהקשר היסטורי כדי למנוע שינויים עיוורים בקוד.

קרא עוד
Data 360 ו-Snowflake: הרחבת שיתוף הפעולה במודל Zero Copy
מוצר חדש
4 דקות
מ־Salesforce Blog

Data 360 ו-Snowflake: הרחבת שיתוף הפעולה במודל Zero Copy

לפי הודעת סיילספורס, שיתוף הפעולה במודל Zero Copy עם חברת סנואופלייק מורחב במטרה להפוך נתונים ארגוניים מבוזרים להקשר מאוחד עבור סוכני בינה מלאכותית ובני אדם. השותפות מתמקדת בחיבור הנתונים מהמקום שבו הם מאוחסנים, ללא צורך בהעתקתם או בהפעלת תהליכי ETL מסורתיים. במרכז המהלך עומד מנוע ההקשר לסוכנים (Agent Context Engine - ACE) של Data 360, המשלב נתונים מובנים, תוכן לא מובנה, גרפי ידע וזיכרון סוכנים לשכבת הקשר אחת. החיבור מאפשר הרצת סוכנים על גבי נתוני לקוחות מעודכנים, הרחבת השימוש באמצעות פלטפורמת נתוני לקוחות סוכנותית ו-Data 360 Headless, וקישור ישיר בין פלטפורמות דרך פורמט הטבלאות Apache Iceberg ופרוטוקול Model Context Protocol (MCP).

קרא עוד
מודל הרובוטיקה Gemini Robotics ER 2 זמין ב-Google Cloud
מוצר חדש
4 דקות
מ־Google Cloud AI

מודל הרובוטיקה Gemini Robotics ER 2 זמין ב-Google Cloud

חברת גוגל הודיעה על השקת Gemini Robotics Embodied Reasoning 2 (או ER 2) בתצוגה מקדימה ציבורית בפלטפורמת Gemini ב-Google Cloud. המודל, שפותח על ידי Google DeepMind, משמש כשכבת בינה וכמוח ברמה גבוהה עבור רובוטים במגוון תצורות — מזרועות נייחות ועד רובוטים דמויי אדם. המערכת משלבת הבנת וידאו מרחבית וזמנית, תכנון ארוך טווח ומנגנוני בטיחות מובנים, ומאפשרת לרובוטים להבין משימות, לתקן שגיאות בזמן אמת ולתזמר ממשקי בקרה באמצעות פקודות בשפה טבעית. בנוסף, המודל מאפשר שיתוף פעולה בין רובוטים שונים ומסוגל לקרוא מכשירי מדידה מגוונים. השילוב ב-Google Cloud מאפשר לארגונים לפתח, לדמות ולפרוס סוכנים פיזיים בקנה מידה רחב באמצעות תשתיות הענן של גוגל.

קרא עוד