Construir un agente en n8n se vuelve sencillo cuando diseñaste antes de programar. La misma especificación de una página que usaste para Google Colab sirve para levantar el flujo completo en n8n: cambia la herramienta, pero las decisiones de qué escalón, qué herramientas, qué controles y qué tono se mantienen idénticas. Si estás creando sistemas de atención al cliente automatizados, aquí verás cómo pasar del plano a un flujo funcional.

Por qué el mismo diseño sirve para Colab y para n8n

La idea central es que el plano manda. El documento de arquitectura que decidiste al inicio del curso no cambia porque cambies de herramienta.

Todo arranca con un prompt a Claude. Le pides que actúe como experto en n8n, le adjuntas la arquitectura del agente y le solicitas tres entregables concretos:

• Un diagrama de flujo que describe cómo organizar la implementación.
• Una tabla con todos los nodos y la configuración de cada uno.
• Una explicación para alguien que nunca ha usado n8n.

Esa tercera parte es clave si todavía no dominas la herramienta: Claude te genera una guía explicativa que te orienta en la implementación [00:50].

¿Qué le pido a Claude para armar un flujo en n8n? Que actúe como experto en n8n, use tu documento de arquitectura y construya el flujo sin escribir código salvo dentro de los nodos de control de código. Pide diagrama, tabla de nodos y configuración de cada uno.

Cuáles son las dos condiciones que no puedes romper

Hay dos reglas de diseño que sostienen todo el sistema y evitan que el agente haga cosas que no debería.

La primera: un clasificador envía cada mensaje a su escalón y solo los reclamos llegan al agente [01:08]. No todo tiene que pasar por razonamiento costoso.

La segunda: los controles viven dentro del código de cada herramienta, no en el prompt [01:14]. Así el comportamiento no depende de que el modelo "recuerde" seguir las reglas.

El plano que devuelve Claude ya trae las tres soluciones del sistema de Tienda Andina: la automatización con reglas fijas, la ruta fija y el agente [01:56].

Cómo paso del plano al flujo real en n8n

Con el documento de implementación listo, le pides a Claude que genere un archivo JSON con el flujo propuesto. Ese JSON es lo que convierte el plano en algo ejecutable.

El proceso es directo:

1. Copia el archivo JSON que genera Claude.
2. Abre el canvas para crear un nuevo flujo en n8n y presiona Control V para pegarlo.
3. Organiza los nodos que quedaron amontonados y audita de izquierda a derecha, de arriba a abajo.

Al pegar el JSON aparece el sistema completo, listo para revisar nodo por nodo [03:49].

¿Cómo importo un flujo a n8n? Copias el código JSON del flujo y lo pegas con Control V dentro del canvas, o lo importas desde el menú de flujos. Luego revisas cada nodo para confirmar que corre bien.

Qué hace cada nodo del flujo de Tienda Andina

Leyendo de izquierda a derecha, el recorrido empieza en un nodo de chat por donde entra el mensaje del cliente. Después un nodo de código define la base simulada de datos y prepara la sesión.

Luego aparece un router que verifica si el caso de reclamo está cerrado. Si lo está, lanza un aviso de reclamo cerrado y avisa que el caso ya pasó a una persona encargada [04:20].

Del otro lado está el clasificador, que tiene un system prompt pidiendo al modelo que clasifique el texto de entrada entre las categorías definidas. El modelo de lenguaje para esta clasificación es Haiku, y es clave configurar las credenciales con tu API key de Anthropic [04:55].

Cada opción del clasificador tiene su destino:

• Estado del pedido: se maneja desde código y genera la respuesta al cliente.
• Cobro duplicado y pregunta de políticas: un asistente de posventa responde con base en una política que pasas por parámetro.
• Reclamos complejos: se dirigen al agente, que conserva el modelo como unidad de razonamiento, la memoria y las herramientas de código.

Cómo validar que el agente responde como esperas

La prueba es la que te dice si el diseño funciona. Para no armar el flujo nodo por nodo, lo importas desde el JSON de los recursos, creas tu credencial de Anthropic y la seleccionas en los dos nodos de modelo: el clasificador y el agente.

En el experimento, un cliente escribe que su pedido lleva días retenido sin respuesta. El clasificador lo manda al agente, que almacena el razonamiento en memoria y consulta varias herramientas antes de responder.

El resultado cumple con el diseño: el agente explica que la transportadora tiene el pedido retenido en aduana desde hace 14 días, propone un cupón de $28.900 equivalente al 10% del valor del pedido, aclara que no está confirmado y recuerda que él no puede cancelar ni modificar el pedido [07:00]. Comportamiento deseado, sin promesas que no puede cumplir.

En los logs ves cada iteración del agente. El caso consumió 5.781 tokens: cerca de 5.300 en entradas y 450 en salidas, muy cerca de la estimación de clases anteriores [07:38].

Google Colab o n8n: cuál conviene según tu caso

La respuesta honesta es que depende para qué. No hay un ganador universal.

• Colab: es código que escribe Claude, ideal si quieres entender y probar todo con pruebas automáticas en variantes.
• n8n: son nodos visuales, ideal para equipos que van a operar el flujo con conectores reales y ejecución continua.

Los controles están presentes en ambos, solo que en lugares distintos. Y aquí viene lo importante que no sale en ninguna tabla comparativa: el diseño sigue siendo el mismo y la especificación de una página sirvió para las dos implementaciones [08:30]. Esa capacidad de diseñar antes de construir es la habilidad real que te llevas.

¿Con cuál de las dos te quedarías tú para tu próximo proyecto? Cuéntame en los comentarios.