Cómo crear un agente de IA con n8n totalmente gratis: la guía más completa y visual paso a paso

Problema real: Tienes un negocio o proyecto que recibe preguntas repetitivas por email, formularios de contacto o chat. Responder manualmente consume horas valiosas. Podrías contratar un chatbot basado en la nube, pero pierdes el control de los datos y pagas una suscripción mensual. La solución profesional es crear tu propio agente de IA con n8n, un orquestador de automatizaciones de código abierto que puedes ejecutar localmente con Docker, conectado a modelos de lenguaje gratuitos como los que ofrece Ollama. En esta guía te llevo paso a paso para que levantes un asistente inteligente, con memoria y herramientas, sin gastar un solo euro.

Requisitos previos

Docker Desktop instalado y funcionando (descargar).
Ollama instalado (descargar).
8 GB de RAM como mínimo; 16 GB recomendados si quieres usar modelos de IA más potentes.
Git Bash (solo en Windows) para facilitar los comandos de terminal.
Navegador web moderno (Chrome, Edge, Firefox).
Opcional: una cuenta gratuita en SerpAPI si deseas añadir búsquedas en internet (tiene capa gratuita de 100 búsquedas al mes).

1. Preparación del entorno

Vamos a levantar n8n en local con Docker y asegurarnos de que pueda comunicarse con Ollama.

1.1 Iniciar n8n con acceso a Ollama

Abre una terminal (PowerShell, Git Bash, etc.) y ejecuta:

docker run -it --rm --name n8n -p 5678:5678 --add-host=host.docker.internal:host-gateway -v n8n_data:/home/node/.n8n n8nio/n8n

El parámetro --add-host=host.docker.internal:host-gateway es el que permite que n8n, que corre dentro de un contenedor, llegue a Ollama, que está en tu sistema operativo anfitrión.

Cuando veas el mensaje n8n ready on ::, port 5678, abre tu navegador en http://localhost:5678 y sigue las instrucciones para crear tu cuenta local.

1.2 Descargar un modelo de lenguaje en Ollama

En otra terminal (sin cerrar la de n8n) descarga un modelo pequeño pero efectivo:

ollama run qwen2.5:1.5b

Una vez descargado, escribe "Hola" para verificar que responde. Sal con /bye.

Si tu equipo tiene más RAM, puedes escoger modelos más potentes como mistral:7b o phi3:mini. Los más grandes consumen más recursos pero ofrecen razonamientos más avanzados.

2. Construcción del flujo del agente

Ahora que todo está corriendo, vamos a construir el flujo que dará vida al agente.

2.1 Importar plantilla base (opcional pero recomendado)

Para acelerar, puedes importar una plantilla que ya contiene los nodos esenciales. Puedes encontrar ejemplos en la comunidad de n8n. Si prefieres crearlo desde cero, sigue los pasos manualmente.

2.2 Configurar el cerebro: nodo Ollama Chat Model

En el lienzo de n8n, arrastra un nodo Ollama Chat Model.
Configúralo así:
- Base URL: http://host.docker.internal:11434
- Model: qwen2.5:1.5b (el nombre exacto que descargaste)
- Temperature: 0.7 (ajústala para más o menos creatividad)
Conecta este nodo al nodo AI Agent (si no existe, créalo desde la paleta de nodos).

2.3 Darle memoria a la conversación

Arrastra un nodo Window Buffer Memory y conéctalo al nodo AI Agent. Esto permite que el agente recuerde el historial de la conversación mientras dura la sesión.

2.4 Definir la personalidad y el comportamiento

Selecciona el nodo AI Agent y en el campo System Message escribe instrucciones claras. Por ejemplo:

Eres un asistente amable para una tienda online de tecnología.
Tu función es ayudar a los clientes con información sobre productos, políticas de envío y devoluciones.
Si no sabes la respuesta, ofrece buscar más información o pasar la consulta a un agente humano.

Este prompt definirá el tono y los límites del agente.

2.5 Añadir herramientas (tools)

Las herramientas permiten al agente interactuar con servicios externos. Añade algunas útiles:

Búsqueda en Internet: usa el nodo SerpAPI (necesitarás una clave gratuita de serpapi.com) o un nodo HTTP Request para conectar con la API de búsqueda de tu preferencia.
Base de datos: para consultar si un cliente ya existe, conecta el nodo Google Sheets o un nodo de base de datos SQL. Si usas Google Sheets, configura las credenciales OAuth de Google Cloud (gratuitas).
Envío de correos: el nodo Gmail o SMTP permite notificar al equipo.

Cada herramienta se conecta al nodo AI Agent como un parámetro de entrada adicional. El agente decidirá cuándo usar cada una según la conversación.

2.6 Configurar el disparador: Chat Trigger

Para que tu agente sea accesible, usa el nodo Chat Trigger. Este nodo proporciona una interfaz de chat pública. Simplemente conéctalo al nodo AI Agent y activa el workflow con el interruptor de la esquina superior derecha.

3. Prueba y activación

Haz clic en el botón Open Chat (o Chat) en la parte inferior de la pantalla.
Escribe un mensaje de prueba: "Hola, ¿qué productos tienen en oferta?".
Observa cómo los nodos se iluminan y la respuesta llega al chat.
Si todo funciona, el flujo está listo para producción local. Puedes compartir la URL del chat o incrustarlo en una web.

4. Errores frecuentes y soluciones

Error	Causa	Solución
"Connection Refused" al intentar conectar con Ollama	El parámetro `--add-host` no se incluyó al lanzar n8n con Docker	Detén n8n y vuelve a ejecutar el comando completo con `--add-host=host.docker.internal:host-gateway`.
El agente no utiliza las herramientas	El modelo base es demasiado simple o el prompt no menciona las herramientas explícitamente	Usa un modelo más potente (ej. `mistral:7b`) y detalla en el System Message que "debes usar las herramientas disponibles para responder".
"Out of Memory" al ejecutar el modelo	El modelo es demasiado grande para tu RAM	Cambia a un modelo más pequeño (ej. `qwen2.5:1.5b` o `phi3:mini`).
Fallo al importar un workflow	Incompatibilidad de versiones o archivo corrupto	Reconstruye el flujo manualmente siguiendo los pasos aquí descritos.
El Chat Trigger no aparece	No se activó el workflow tras añadir el nodo	Asegúrate de que el flujo esté activo (interruptor verde).
La conversación se olvida al recargar	La memoria por defecto es de sesión (Window Buffer)	Para persistencia, usa un nodo de memoria persistente como Postgres Chat Memory.

5. Casos prácticos de uso

Soporte al cliente en ecommerce: el agente responde preguntas sobre disponibilidad, plazos de envío y devoluciones, consultando una base de datos de productos o Google Sheets.
Asistente interno de RRHH: conectado a un manual del empleado, responde dudas sobre políticas de vacaciones, beneficios o procedimientos.
Chatbot de documentación técnica: indexa la documentación de tu API y permite a los desarrolladores hacer preguntas en lenguaje natural, usando una herramienta de búsqueda personalizada.

6. Buenas prácticas

Guarda las credenciales de forma segura usando el gestor de credenciales de n8n. Nunca las incrustes directamente en los nodos.
Prueba el flujo en modo "Test" antes de activarlo definitivamente. Así ves los datos que pasan entre nodos.
Ajusta el timeout de los nodos de IA según la complejidad del modelo: 60 segundos suele ser suficiente.
Mantén n8n actualizado para disponer de los últimos nodos de IA; revisa periódicamente la versión estable en Docker Hub.
Diseña prompts de sistema claros y con ejemplos. Un buen System Message reduce drásticamente los errores y las alucinaciones.

7. Cierre con idea clave

Un agente de IA no es un lujo exclusivo de las grandes tecnológicas. Con herramientas gratuitas como n8n y Ollama puedes construir asistentes inteligentes que automaticen interacciones reales con clientes y empleados, manteniendo tus datos bajo tu control. Lo único que necesitas es este paso a paso y un poco de curiosidad para empezar a liberar horas de trabajo repetitivo.