n8n ve LangChain ile Yapay Zeka İş Akışları Oluşturma
n8n ve LangChain, çoğu ekibin er ya da geç karşılaştığı bir sorunu birlikte çözer: gerçek verilere bağlanan ve gerçek eylemler tetikleyen yapay zeka agent'ları istiyorsunuz, ancak Python'da LangChain entegrasyonu tüm bir uygulama yığınını yönetmek anlamına geliyor. n8n'nin yerel LangChain node'ları, agent'ları, zincirleri, belleği ve vektör depolarını görsel iş akışlarına sürükle-bırak yöntemiyle eklemenizi sağlar; ardından SDK kodu yazmadan 400'den fazla entegrasyona bağlayabilirsiniz.
Ne Elde Edersiniz: n8n'nin LangChain Node Kütüphanesi
n8n, LangChain kavramlarını görsel yapı taşları olarak uygulayan 70'ten fazla yapay zeka node'u ile birlikte gelir. Python'da langchain içe aktarıp modülleri birbirine bağlamak yerine, bir tuval üzerinde node'ları bağlarsınız. İşte tam dökümü:
| Node Kategorisi | Ne Yapar | Önemli Node'lar |
|---|---|---|
| Root Nodes | Temel yapay zeka mantığı (beyni) | AI Agent, Basic LLM Chain, Q&A Chain, Summarization Chain |
| Chat Models | LLM bağlantıları | OpenAI, Anthropic Claude, Google Gemini, Ollama, Groq, Mistral, DeepSeek |
| Memory | Konuşma kalıcılığı | Simple Memory, Redis, Postgres, MongoDB, Zep |
| Vector Stores | Belge depolama ve geri alma | Pinecone, Qdrant, Supabase, Chroma, Weaviate, PGVector, In-Memory |
| Embeddings | Metinden vektöre dönüşüm | OpenAI, Cohere, HuggingFace, Ollama, AWS Bedrock |
| Tools | Agent'lar için harici yetenekler | Calculator, SerpAPI, Wikipedia, Custom Code, MCP Client, Workflow Tool |
| Output Parsers | Yapılandırılmış yanıt biçimlendirme | Auto-fixing, Structured, Item List |
| Text Splitters | Belge parçalama | Character, Recursive Character, Token |
Mimari, n8n'nin küme node'ları olarak adlandırdığı yapıyı kullanır — bir kök node (AI Agent gibi), yeteneklerini genişleten alt node'lara (chat model, memory, tools) bağlanır. Bunu LangChain'in modül sistemi olarak düşünün, yalnızca görsel.
n8n'nin LangChain Kavramlarını Nasıl Eşlediği
LangChain'i kodda kullandıysanız, n8n'nin eşleştirmesi anlaşılır:
| LangChain Kavramı | n8n Karşılığı | Ne Zaman Kullanılır |
|---|---|---|
ChatOpenAI() | OpenAI Chat Model sub-node | LLM gerektiren her iş akışı |
ConversationBufferMemory() | Simple Memory / Redis Memory | Çok turlu konuşmalar |
RetrievalQA.from_chain_type() | Q&A Chain + Vector Store Retriever | Belge soru-cevap |
AgentExecutor araçlarla | AI Agent node (Tools Agent tipi) | Dinamik araç seçimi |
RecursiveCharacterTextSplitter() | Recursive Character Text Splitter sub-node | RAG için belge bölme |
FAISS.from_documents() | Simple Vector Store (Insert Documents) | Embedding'leri yerel olarak depolama |
Kritik fark? Kodda bunları bir araya getirmek için 50–100 satır yazarsınız. n8n'de bir tuval üzerinde 4–6 node bağlar ve bunları açılır menüler aracılığıyla yapılandırırsınız.
Belge Q&A Pipeline'ı Oluşturma (RAG)
Gerçek bir şey oluşturalım. Bu iş akışı PDF belgelerini alır, bunları bir vektör veritabanında depolar ve içerikleri hakkındaki soruları yanıtlar. Bu klasik bir RAG (Retrieval-Augmented Generation) deseni — iş ekipleri için en kullanışlı LangChain iş akışı.
Adım 1: Veri Alma İş Akışını Kurma
Belgeler yüklemek için yeni bir iş akışı oluşturun. Bunu yeni belgeleriniz olduğunda bir kez çalıştıracaksınız.
Eklenecek Node'lar:
- Manual Trigger — Almayı başlatmak için tıklama
- Google Drive node (veya HTTP Request, Read Binary File) — Kaynak belgelerinizi getirir
- Simple Vector Store — İşlemi Insert Documents olarak ayarlayın
- OpenAI Embeddings sub-node — Vector Store'a bağlanır, metni vektörlere dönüştürür
- Default Data Loader sub-node — Belge içeriğini parçalara ayrıştırır
- Recursive Character Text Splitter sub-node — İçeriği 50 token örtüşmeyle ~500 token'lık parçalara böler
Vector Store için Yapılandırma Ayrıntıları:
- İşlem:
Insert Documents - Memory Key:
company-docsgibi açıklayıcı bir ad verin (buna daha sonra bu şekilde başvuracaksınız) - Data Loader bir alt node olarak bağlanır ve PDF/metin ayrıştırmayı otomatik olarak işler
Text Splitter için Yapılandırma:
- Parça Boyutu: 500 (token)
- Parça Örtüşmesi: 50 (sınırlarda bağlamın kaybolmadığını sağlar)
- Bölme yöntemi: Recursive Character (Markdown, HTML ve düz metni akıllıca işler)
Adım 2: Q&A Agent İş Akışını Oluşturma
Şimdi ikinci bir iş akışı oluşturun — bu, kullanıcıların etkileşime girdiği iş akışıdır.
Eklenecek Node'lar:
- Chat Trigger — Sorular için sohbet arayüzü sağlar
- AI Agent (Tools Agent tipi) — Ne yapacağına karar veren beyin
- OpenAI Chat Model sub-node — GPT-4o veya GPT-4o-mini'yi bağlayın
- Simple Memory sub-node — Konuşma bağlamını hatırlar
- Vector Store Tool sub-node — Agent'a belgelerinize erişim sağlar
AI Agent Node için Yapılandırma:
- Agent Tipi: Tools Agent (en esnek seçenek — araçları ne zaman ve nasıl kullanacağına karar verir)
- System Prompt:
Şirket belgelerimize dayanarak soruları yanıtlayan yardımcı bir asistansınız. Her zaman cevabı hangi belgede bulduğunuzu belirtin. Bilgi belgelerde yoksa bunu açıkça söyleyin.
Vector Store Tool için Yapılandırma:
- Ad:
search_documents - Açıklama:
İlgili bilgiler için şirket bilgi tabanını arar. Kullanıcı şirket politikaları, prosedürleri veya belgeleri hakkında soru sorduğunda bu aracı kullanın. - Vector Store: Simple Vector Store'unuzu seçin
- Gömme modeli: Alma sırasında kullandığınız OpenAI Embeddings modeli
- Top K: 4 (alınacak ilgili parça sayısı)
Bu açıklama düşündüğünüzden daha önemli. Agent, bunu kullanarak kendi bilgisinden yanıt vermeye karşı aracı ne zaman çağıracağına karar verir. Spesifik olun.
Adım 3: Test Etme ve İyileştirme
n8n'nin yerleşik sohbet arayüzünü açmak için alt panelde Chat'e tıklayın. Belgeleriniz hakkında bir soru sorun. Yürütme izini izleyin — n8n size tam olarak hangi node'ların tetiklendiğini, agent'ın muhakemesinin ne olduğunu ve hangi belge parçalarının alındığını gösterir.
Bu aşamadaki yaygın sorunlar:
- Agent aracı kullanmıyor: Araç açıklamanız çok belirsiz. Aracın hangi bilgiyi içerdiği konusunda spesifik yapın.
- İlgisiz parçalar alıyor: Parça örtüşmesini artırın veya parça boyutunu azaltın. 100 örtüşmeyle 300 token deneyin.
- Yavaş yanıtlar: Sohbet modeli için GPT-4o-mini'ye geçin. 10 kat daha ucuz ve çoğu Q&A görevi için yeterince hızlı.
Araç Çağıran Agent Oluşturma
Yukarıdaki Q&A pipeline'ı belgeler için harika. Peki ya web'i arayabilen, hesaplamalar yapabilen, veritabanlarını sorgulayabilen VE belgelerden yanıt verebilen bir agent? Tools Agent tam da burada parlıyor.
İş Akışı Kurulumu
- Chat Trigger — Kullanıcı girişi
- AI Agent (Tools Agent) — Doğru araca yönlendirir
- OpenAI Chat Model — Karmaşık muhakeme için GPT-4o
- Simple Memory — Konuşma geçmişi
- Birden fazla bağlı araç:
- SerpAPI Tool — Web arama özelliği
- Calculator Tool — Matematiksel işlemler
- Vector Store Tool — Belge bilgi tabanınız
- Custom Code Tool — Yazdığınız herhangi bir JavaScript fonksiyonu
- Workflow Tool — Başka bir n8n iş akışını araç olarak tetikler
Workflow Tool, n8n'nin gizli silahıdır. Agent'ın çağırabileceği bir araç olarak herhangi bir n8n iş akışını paketlemenizi sağlar. Envanteri kontrol eden bir iş akışınız mı var? Bunu bir araç yapın. Slack mesajları gönderen biri? Araç. CRM'inizi sorgulayan biri? Araç. İşte bu şekilde n8n'nin 400'den fazla entegrasyon node'u yapay zeka agent'ınız için kullanılabilir hale gelir.
Çoklu Araç Agent'ları için System Prompt
System prompt'unuzun agent'a yeteneklerini anlatması gerekiyor:
You are a research assistant with access to the following tools:
- search_documents: Search our internal knowledge base
- web_search: Search the internet for current information
- calculator: Perform mathematical calculations
- send_notification: Send a Slack message to the team
For factual questions about our company, always check search_documents first.
For current events or external data, use web_search.
Show your reasoning before giving a final answer.Bu prompt deseni, agent'ın araçlar arasında nasıl yönleneceğini doğrudan kontrol eder. Belirsiz prompt'lar, agent'ların önce belgelerinizi kontrol etmesi gerekirken web araması kullanmasına yol açar.
Doğru Agent Tipini Seçme
n8n, altı agent tipi sunmaktadır. Her birinin ne zaman seçileceği:
| Agent Tipi | En İyi Kullanım | Araçları Destekliyor mu? | Notlar |
|---|---|---|---|
| Tools Agent | Çoğu kullanım durumu | Evet | Varsayılan seçim — esnek, güvenilir |
| Conversational Agent | Basit sohbet botları | Evet | Daha az yetenekli ama daha hafif |
| ReAct Agent | Karmaşık muhakeme zincirleri | Evet | Açık muhakeme adımlarını gösterir |
| OpenAI Functions Agent | OpenAI'ye özgü özellikler | Evet | OpenAI'nin function calling API'sini kullanır |
| Plan and Execute Agent | Çok adımlı görevler | Evet | Önce planlar, sonra yürütür — karmaşık iş akışları için iyi |
| SQL Agent | Veritabanı sorguları | Sınırlı | Veritabanınıza karşı SQL üretir ve çalıştırır |
Çoğu ekip için Tools Agent doğru başlangıç noktasıdır. Çoklu araç yönlendirmesini iyi yönetir, herhangi bir LLM sağlayıcısıyla çalışır ve her zaman sonradan geçiş yapabilirsiniz. Bunu LangGraph veya CrewAI gibi framework'lerle kodda agent oluşturmayla karşılaştırırsanız, buradaki avantaj sıfır dağıtım yüküdür — agent'ınız n8n'nin altyapısı içinde çalışır.
Kalıcı Bellek Ekleme
Varsayılan olarak, Simple Memory sub-node konuşma geçmişini bellekte tutar — iş akışı yeniden başlatıldığında kaybolur. Üretim kullanımı için kalıcı belleğe ihtiyacınız olacak.
Seçenekleriniz:
| Bellek Tipi | Kalıcılık | Kurulum Çabası | En İyi Kullanım |
|---|---|---|---|
| Simple Memory | Yalnızca oturum | Hiçbir | Test etme, prototipleme |
| Redis Chat Memory | Kalıcı, hızlı | Orta (Redis gerektirir) | Üretim sohbet botları |
| Postgres Chat Memory | Kalıcı, sorgulanabilir | Orta (Postgres gerektirir) | Konuşmaları analiz etmek istediğinizde |
| MongoDB Chat Memory | Kalıcı, esnek | Orta (MongoDB gerektirir) | Belge odaklı depolama |
| Zep Memory | Kalıcı + özetleme | Orta (Zep gerektirir) | Bağlam pencerelerini aşan uzun konuşmalar |
Uzun konuşma geçmişleriyle bir şey oluşturuyorsanız Zep'i özellikle öneriyoruz. Eski mesajları otomatik olarak özetler, böylece agent'ınız bir konuşmanın 50. turunda bağlam penceresini aşmaz.
Kalıcı bellek eklemek için Simple Memory sub-node'unu Redis/Postgres/Zep ile değiştirmeniz yeterli. İş akışınızın geri kalanı aynı kalır.
Farklı LLM Sağlayıcılara Bağlanma
LLM gerektiren her kök node, bir Chat Model sub-node'u kabul eder. Sağlayıcı değiştirmek tek node değişikliğidir:
| Sağlayıcı | Node Adı | Kullanılabilir Modeller | Notlar |
|---|---|---|---|
| OpenAI | OpenAI Chat Model | GPT-4o, GPT-4o-mini, o1, o3-mini | n8n ile en çok test edilen |
| Anthropic | Anthropic Chat Model | Claude 3.5 Sonnet, Claude 3 Opus | Analiz ve uzun bağlam için güçlü |
| Google Gemini Chat Model | Gemini 1.5 Pro, Gemini Flash | İyi ücretsiz katman | |
| Ollama | Ollama Chat Model | Llama 3, Mistral, Phi-3 | Tam yerel, API maliyeti yok |
| Groq | Groq Chat Model | Llama 3, Mixtral | Son derece hızlı çıkarım |
| AWS Bedrock | AWS Bedrock Chat Model | Claude, Titan, Llama | Kurumsal AWS entegrasyonu |
Yerel geliştirme ve test için Ollama sıfır maliyetli seçenektir — makinenizde modeller çalıştırın ve n8n'yi localhost:11434'e bağlayın. Üretimde, çoğu ekip göreve bağlı olarak OpenAI veya Anthropic kullanır.
Gerçek Dünya İş Akışı Tarifleri
İşte 30 dakikadan kısa sürede oluşturabileceğiniz üretime hazır üç desen:
Tarif 1: Otomatik Destek Bileti Sınıflandırma
Tetikleyici: Yeni e-posta gelir (Gmail/Outlook node) Chain: Sınıflandırma prompt'uyla Basic LLM Chain Çıktı: Kategoriye göre farklı Slack kanallarına yönlendirir
Prompt ağır işi yapar: Classify this support email into exactly one category: billing, technical, feature_request, or other. Respond with only the category name.
Tarif 2: Haftalık İçerik Özeti
Tetikleyici: Zamanlama (her Pazartesi saat 9'da) Agent: SerpAPI + Custom Code Tool ile Tools Agent Bellek: Gerekmez (tek seferlik görev) Çıktı: Slack/E-posta'ya gönderilen özetlenmiş rapor
Agent sektör haberlerini arar, en iyi 5 makaleyi özetler ve bir özet biçimlendirir. Custom Code Tool, bir prompt'tan JavaScript'te daha kolay olan biçimlendirme mantığını yönetir.
Tarif 3: Belge Tabanlı Slack Botu
Tetikleyici: Belirli bir kanaldaki Slack mesajı Agent: Vector Store Tool ile Tools Agent Bellek: Redis Chat Memory (Slack thread ID'sine göre anahtarlanmış) Çıktı: Slack thread'ine yanıt
Bu, daha önce bahsedilen Q&A pipeline'ının aynısı, ancak sohbet arayüzü yerine Slack tarafından tetikleniyor. Thread tabanlı bellek anahtarı, her Slack konuşmasının kendi bağlamını alması anlamına gelir.
n8n'nin yanı sıra hangi RAG araçlarını kullanacaklarını araştıran ekipler için vektör deposu seçimi, parçalama stratejinizden daha az önemlidir. Prototipleme için Simple (In-Memory) Vector Store ile başlayın, ardından üretim için Pinecone veya Qdrant'a geçin.
Yaygın Hatalar ve Bunlardan Nasıl Kaçınılır
Düzinelerce n8n yapay zeka iş akışı oluşturduktan sonra, insanların tökezlediği tuzaklar bunlar:
1. System prompt'u atlamak. AI Agent node'u, system prompt olmadan çalışır ama kötü çalışır. Her zaman agent'ın rolünü, kullanılabilir araçları ve tercih edilen davranışı tanımlayın. Prompt üzerinde geçirilen on dakika, garip yanıtlarda hata ayıklamanın saatlerini kurtarır.
2. Tek bir devasa iş akışı kullanmak. Alma ve sorgulamayı ayrı iş akışlarına bölün. Alma iş akışı zaman zaman çalışır (yeni belgeler geldiğinde). Sorgulama iş akışı sürekli çalışır. Bunları karıştırmak yürütme çatışmalarına yol açar.
3. Yanlış parça boyutunu seçmek. Varsayılan parçalama (1000 karakter) genel içerik için işe yarar. Teknik belgeler için 300–500 token'a düşürün. Hukuki belgeler için daha yüksek örtüşmeyle 800–1000 token'a çıkarın. Evrensel olarak "doğru" bir parça boyutu yoktur — gerçek belgelerinizle test edin.
4. Yürütme günlüğünü görmezden gelmek. n8n, her iş akışı çalışması için eksiksiz yürütme izini gösterir. Bir agent yanlış yanıt verdiğinde, hangi aracı çağırdığını (veya çağırmadığını), hangi parçaların alındığını ve ne tür bir muhakeme gösterdiğini kontrol edin. Günlük, işlerin tam olarak nerede ters gittiğini söyler.
5. İhtiyaç duymadığınızda GPT-4o için ödeme yapmak. Sınıflandırma, özetleme ve basit Q&A için GPT-4o-mini, maliyetin %10'unda %90 kadar iyidir. GPT-4o veya Claude'u karmaşık çok adımlı muhakeme için saklayın.
Techsy n8n Yapay Zeka Otomasyonuna Nasıl Yaklaşıyor
3 kişilik girişimlerden kurumsal ekiplere kadar farklı müşteriler için n8n yapay zeka iş akışları oluşturduk. Sürecimiz:
- Karar akışını haritalamak — n8n'yi açmadan önce her karar noktasını ve veri kaynağını çizeriz
- Simple Vector Store ile prototip yapmak — Çekirdek mantığı bellek içi depolamayla çalışır hale getiririz
- Gerçek verilerle erken test etmek — Sentetik test verileri, parçalama ve alma sorunlarını gizler
- Bellek ve kalıcılık eklemek — Yalnızca çekirdek Q&A veya agent mantığı doğrulandıktan sonra
- İzlemek ve yinelemek — Hangi araç çağrılarının başarılı olduğunu, hangi parçaların alındığını ve kullanıcıların nerede hayal kırıklığına uğradığını takip ederiz
İş akışları için yapay zeka agent'ları oluşturuyor ve mimariyi tasarlamak için yardım istiyorsanız, ücretsiz bir danışma için bize ulaşın.
Sıkça Sorulan Sorular
n8n'nin yapay zeka node'larını kullanmak için LangChain bilmem gerekiyor mu?
Hayır. n8n, LangChain'i açılır menü yapılandırmalarıyla görsel node'lara soyutlar. LangChain kavramlarını (agent'lar, zincirler, bellek, retriever'lar) anlamak daha iyi tasarım kararları almanıza yardımcı olur, ancak LangChain Code node'unu kullanmayı seçmediğiniz sürece hiçbir zaman LangChain kodu yazmazsınız.
n8n ile OpenAI yerine yerel LLM'ler kullanabilir miyim?
Evet. Ollama Chat Model sub-node'unu makinenizde çalışan herhangi bir modele (Llama 3, Mistral, Phi-3, vb.) bağlayın. http://localhost:11434'e yöneltin ve tamamen özel, sıfır maliyetli bir yapay zeka iş akışına sahip olursunuz. Groq, kendi donanımınızı yönetmeden hızlı çıkarım için başka bir seçenektir.
n8n'de Chain ve Agent arasındaki fark nedir?
Bir chain sabit bir sırayı takip eder — giriş A adımından, ardından B'den, ardından C'den geçer. Agent, girişe göre hangi araçları çağıracağına dinamik olarak karar verir. Öngörülebilir görevler için chain'leri (özetleme, sınıflandırma) kullanın. İş akışının ne yapacağına dair kararlar alması gerektiğinde agent'ları kullanın.
Simple Vector Store kaç belgeyi işleyebilir?
Simple (In-Memory) Vector Store, birkaç yüz belgeyle prototipleme için iyi çalışır. Binlerce belgeyle üretim için Pinecone, Qdrant, Supabase veya Chroma'ya geçin. İş akışı aynı kalır — yalnızca vektör deposu node'unu değiştirirsiniz.
n8n yapay zeka iş akışlarını harici uygulamalardan tetikleyebilir miyim?
Evet. Yapay zeka iş akışınızı bir API uç noktası olarak göstermek için Webhook Trigger node'unu kullanın. HTTP istekleri gönderebilen herhangi bir uygulama, agent'ınıza veri gönderebilir ve yanıt alabilir. n8n yapay zeka iş akışlarını mevcut ürünlere böyle entegre edersiniz.
n8n yapay zeka iş akışları için ücretsiz mi?
n8n Community Edition tamamen açık kaynaklı ve öz barındırma için ücretsizdir. Tüm LangChain node'ları dahildir. Altyapıyı yönetmek istemiyorsanız Cloud planları aylık 24 $'dan başlar. LLM API maliyetleri (OpenAI, Anthropic, vb.) ayrıdır ve sağlayıcı tarafından faturalandırılır.
n8n, yapay zeka agent iş akışlarındaki hataları nasıl ele alıyor?
n8n, node düzeyinde yerleşik hata işlemeye sahiptir. Yeniden deneme mantığı, geri dönüş yolları ve hata iş akışları ayarlayabilirsiniz. Yapay zekaya özgü sorunlar için (LLM zaman aşımları veya hız limitleri gibi), Chat Model sub-node'una üstel geri çekilmeli bir yeniden deneme ekleyin. Yürütme günlüğü, hataların tam olarak nerede oluştuğunu gösterir.
n8n'nin yapay zeka iş akışlarını kendi API anahtarlarımla kullanabilir miyim?
Evet. Her LLM node'u, kendi API anahtarınızla bir kimlik bilgisi oluşturmanızı gerektirir. n8n kimlik bilgilerini şifrelenmiş olarak depolar. Öz barındırıyorsanız, anahtarlar hiçbir zaman altyapınızdan çıkmaz.
LangChain Code node'u ne için kullanılır?
LangChain Code node'u, LangChain modüllerini doğrudan kullanan özel JavaScript yazmanıza olanak tanır. n8n'nin görsel node'larının tam kullanım durumunuzu karşılamadığı durumlar için bir kaçış kapısıdır — belki özel bir retriever'a, belirli bir prompt şablonuna veya n8n'nin henüz sarmadığı bir LangChain modülüne ihtiyacınız vardır.
n8n yapay zeka iş akışlarını ekibimle nasıl paylaşırım?
İş akışını JSON olarak dışa aktarın (Ctrl+Shift+E) ve dosyayı paylaşın. Herkes onu kendi n8n örneğine aktarabilir. Ekip işbirliği için n8n Cloud, sürüm geçmişiyle paylaşılan çalışma alanları içerir. Sürüm kontrolü için iş akışı JSON dosyalarını da Git'e ekleyebilirsiniz.