n8n Agents of vaste workflows: kies waar de agent mag beslissen

n8n Agents voegen een variabele keuze toe wanneer een vervolgstap afhangt van wisselende invoer. Dat maakt een agent niet automatisch beter dan een vaste workflow. Als je de route en voorwaarden al kent, is een gewone workflow meestal eenvoudiger te testen, te begrenzen en terug te vinden in een runlog.

Deze keuzehulp gebruikt een fictieve helpdeskdemo. Er is geen n8n-tenant, workflow of productieconfiguratie getest. De actuele n8n-documentatie over Agents is de bron voor featurebeschikbaarheid en platformgrenzen; die kunnen wijzigen.

Wanneer kies je een Agent en wanneer een workflow?

Gebruik deze beslisregel: als je de volgende stap vooraf kunt opschrijven als voorwaarden en vertakkingen, gebruik dan een vaste workflow. Als de volgende stap per verzoek varieert en een model die variatie moet interpreteren, kan een agent passend zijn.

Een agentloop voegt modelkeuzes en mogelijk meerdere toolaanroepen toe. Houd de controleerbare onderdelen daarom buiten die loop: schema-validatie, toegangscontrole, businessregels en definitieve writes.

Wat is n8n Agents ten opzichte van de AI Agent-node?

n8n heeft een nieuwe Agents-ervaring met Agent Builder en ingebouwde workflowtools aangekondigd. De nieuwe Agents-ervaring is niet hetzelfde als de oudere AI Agent-node die je in bestaande workflows kunt tegenkomen. Controleer welke bouwvorm en node de documentatie voor jouw n8n-versie beschrijft voordat je een tutorial of migratiepad volgt.

De aankondiging uit september 2026 noemt onder meer workflowtools, per-tool credentials en approvals. De actuele docs markeren Agents op de controledatum als Preview. Featuregedrag, beschikbaarheid en editorstappen horen daarom bij een versiecheck; beschouw een launchblog niet als blijvende contractuele garantie.

Hoe ontwerp je een veilige hybride workflow?

Neem een fictieve helpdeskinname. De agent mag kiezen uit twee tools: een workflow die ticketvelden leest en een workflow die een interne kennisbank doorzoekt. Een afzonderlijke workflow controleert daarna het voorstel en bereidt een statuswijziging voor. Die write wacht op expliciete menselijke goedkeuring.

De grens ziet er zo uit:

1. Vaste trigger en validatie: controleer verplichte velden, afzender en toegestane ticket-ID.
2. Begrensde agentkeuze: geef alleen de twee noodzakelijke read-tools beschikbaar.
3. Klein toolschema: accepteer een beperkte ticket-ID of zoekterm; geef geen willekeurige workflow-ID of brede query door.
4. Validatie buiten de agent: controleer het teruggegeven schema, de ticketstatus en de businessregels in vaste stappen.
5. Approval voor side effects: laat een mens het exacte doel en de beoogde wijziging zien.
6. Write en verificatie: voer de wijziging uit via de daarvoor bedoelde workflow en lees daarna de status opnieuw uit het bronsysteem.

In de demo zijn ticket en klantgegevens fictief. Dezelfde instructie in een prompt is geen autorisatiegrens. Beperk credentials en tools technisch tot wat de taak nodig heeft. Maak een write-workflow niet beschikbaar aan de agent als de agent die beslissing niet zelfstandig mag nemen.

Hoe test je de beslisgrens?

Maak een kleine evalset vóór je de agent publiceert. Gebruik minstens vier soorten gevallen:

• Een duidelijke vraag die precies één read-tool nodig heeft.
• Een vraag waarvoor de andere read-tool beter past.
• Een ambigu verzoek waarbij de agent om verduidelijking moet vragen.
• Een verzoek om een write of omzeiling van approval dat geen write mag veroorzaken.

Leg per geval vast welke tool verwacht is, welke outputvelden geldig zijn, welke onzekerheid moet worden gemeld en of een approval vereist is. Herhaal dezelfde gevallen na een wijziging van model, prompt, toolbeschrijving of workflowversie. Beoordeel afzonderlijk: juiste keuze, onnodige toolcalls, ongeldige argumenten, foutieve claims en side effects.

Bewaar voor iedere run alleen wat je nodig hebt om de uitvoering te reconstrueren: agent- en workflowversie, run-ID, gekozen tool, approval-uitkomst, validatieresultaat en latency. Minimaliseer promptinhoud en persoonsgegevens in logs. De uitleg over AI-agenten testen geeft een aanvullende aanpak voor een minimale evalset.

Wat moet je controleren voor gebruik in productie?

De actuele n8n-docs vermelden dat Agents Preview zijn, beschikbaar op alle Cloud-plannen en voor self-hosted installaties vanaf versie 2.32.3. De docs waarschuwen ook dat queue mode nog niet wordt ondersteund en dat Agent-kanalen daardoor kunnen falen. Controleer deze details opnieuw op de versie en deployment die je werkelijk gebruikt.

De documentatie telt één agent-turn als één execution en geeft aan dat het quota gedeeld wordt met workflows. De productaankondiging verduidelijkt dat toolcalls naar workflows en subagents niet apart meetellen. Een Message an Agent-node telt per bericht één execution. Model- en providerkosten kunnen daarnaast gelden. Meet het eigen runpatroon en controleer quota en facturering voor de actuele plan- en deploymentversie.

Doe ook een privacycheck. n8n bewaart agentgesprekken als sessies die je later kunt bekijken; de sessiegeschiedenis toont uitgewisselde berichten, gebruikte tools en eventuele approvals. De precieze opslag-, retentie- en toegangsgrenzen hangen af van Cloud of de self-hosted configuratie. Breng daarom in kaart welke data in agent-sessies en execution history terechtkomt, welke promptdata naar modelprovider en tools gaat, wie daarbij toegang heeft en welke retentie- of redactioninstellingen voor jouw instance gelden. De n8n Privacy Policy beschrijft n8n's eigen verwerking maar is geen volledige datastroomkaart voor jouw deployment.

Controleer ten slotte de licentie voor jouw deploymentmodel. De Sustainable Use License in de n8n-repository bevat gebruiks- en distributiebeperkingen, plus uitzonderingen voor bepaalde Enterprise-code. Zelf hosten betekent dus niet automatisch dat ieder extern SaaS- of klantgericht gebruik is toegestaan. Beoordeel de actuele licentietekst voor de betrokken code en concrete commerciële opzet; dit artikel is geen juridisch advies.

Wanneer kies je geen agent?

Kies geen agent wanneer iedere stap al vastligt, wanneer een fout onomkeerbare impact heeft zonder menselijke tussenkomst, of wanneer je een harde voorspelbare latency nodig hebt die je nog niet hebt gemeten. Kies ook niet op basis van een demo alleen: Preview-status, queue mode, quota, licentie en privacy kunnen het ontwerp uitsluiten, zelfs als de agent in een voorbeeld goed reageert.

Begin dan met een vaste workflow en voeg pas een beperkte agentkeuze toe wanneer je evaluaties laten zien dat vrije invoer een echte beslisvariatie toevoegt. Zo blijft duidelijk welk onderdeel redeneert en welk onderdeel de bedrijfsregel afdwingt.

Verder lezen

• AI-agenten in productie
• AI-agent testen met een minimale evalset
• AI engineer inhuren voor workflowautomatisering
• Contact