Supabase con n8n: base de datos, autenticacion y Vector Store en uno

Supabase se puede usar en n8n de tres maneras: como base de datos Postgres clasica a traves del node de Supabase, como Vector Store para aplicaciones de IA como chatbots RAG, e indirectamente como backend de autenticacion cuando aplicaciones propias acceden a la misma instancia de Supabase. Para una empresa, esto significa una sola base de datos para datos maestros y para embeddings, en lugar de mantener dos servicios separados. Actualizado: agosto de 2026.

Como se integra Supabase como base de datos normal en n8n?

El node de Supabase habitual cubre las operaciones basicas sobre una tabla: crear una fila, eliminar, leer, obtener varias filas y actualizar. Funciona por defecto en el esquema `public`, pero se puede configurar para otros esquemas. Si la funcionalidad no es suficiente para un caso de uso, las mismas credenciales tambien se pueden reutilizar en un node HTTP Request para llamadas directas a la API.

Como se configuran correctamente las credenciales?

Para las credenciales de Supabase en n8n se necesitan dos datos: el host como URL del proyecto en el formato `https://tu_proyecto.supabase.co` sin la ruta `/rest/v1`, y una secret key de la configuracion del proyecto. Importante para los workflows existentes: segun la documentacion, la clave clasica `service_role` sigue funcionando, pero Supabase esta pasando gradualmente a nuevas secret keys y planea desactivar las antiguas claves `service_role` a finales de 2026. Quien configure un proyecto nuevo ahora deberia usar directamente la nueva secret key.

Como funciona el Supabase Vector Store para aplicaciones RAG?

El node Supabase Vector Store admite cinco modos: recuperar varios documentos mediante busqueda por similitud, insertar documentos, funcionar como Vector Store para una chain o como herramienta para un agente de IA, y actualizar entradas existentes. Integrado como herramienta, un agente puede acceder de forma autonoma al Vector Store si el nombre y la descripcion del store coinciden con la consulta. Para ello, el node necesita una funcion de coincidencia en la base de datos, que, segun la documentacion, se llama `match_documents` por defecto al seguir el quickstart de Supabase.

Que se necesita en el lado de Supabase para el Vector Store?

En el lado de Supabase, primero hay que activar la extension pgvector, ya sea desde el dashboard o mediante un comando SQL (`create extension vector with schema extensions`). Despues se necesita una tabla con una columna vector cuya dimension debe coincidir con el modelo de embedding utilizado. Para las consultas, Supabase recomienda encapsular la busqueda por similitud en una funcion de Postgres, porque PostgREST no admite directamente los operadores de pgvector; para ello se suele usar el operador de distancia coseno. Supabase tambien senala que los embeddings con menos dimensiones tienden a rendir mejor y que, para la comparabilidad, siempre se deben usar embeddings del mismo modelo.

Que errores aparecen con mas frecuencia en la practica?

El error mas documentado en la comunidad de n8n es una violacion de la restriccion not-null al insertar: un usuario informo en el hilo Error in Supabase Vector Store when trying to add documents sobre el mensaje de que una columna llamada "brand" no aceptaba un valor nulo, porque el esquema de su tabla se desviaba de la plantilla estandar de Supabase. La solucion propuesta en el foro fue eliminar la restriccion not-null de esa columna directamente en el editor de tablas, ya que el node Vector Store solo rellena los campos que conoce. Quien se desvie del quickstart de Supabase deberia, segun la documentacion, entender exactamente que parametros esta cambiando, ya que las desviaciones de la plantilla estandar son la fuente de error mas comun con este node.

Para quien vale la pena Supabase como solucion combinada?

Para las empresas que de todos modos necesitan una base de datos Postgres para datos maestros y ademas planean un asistente de conocimiento o un chatbot, Supabase evita mantener un servicio vectorial independiente. Quien solo necesite una busqueda por similitud sencilla sin datos relacionales puede llegar mas rapido a su objetivo con un Vector Store dedicado. NordFlux apuesta con frecuencia por esta combinacion de Postgres y pgvector en proyectos de clientes con asistentes de conocimiento; mas informacion en /leistungen/ki-agenten.

Preguntas frecuentes sobre Supabase con n8n

Puedo usar el mismo node de Supabase para datos normales y para vectores?

No, son dos nodes separados en n8n: el node de Supabase habitual para operaciones sobre filas y el node Supabase Vector Store para busqueda por similitud y aplicaciones de IA. Sin embargo, ambos acceden a la misma base de datos de Supabase y se pueden conectar con las mismas credenciales.

Tengo que activar manualmente la extension pgvector?

Si, pgvector es una extension de Postgres que debe activarse ya sea desde el dashboard de Supabase o mediante un comando SQL, antes de que una tabla pueda contener una columna vector. Sin este paso, la creacion de la tabla falla.

Que significa la desactivacion de las antiguas claves service_role para los workflows existentes de n8n?

Segun Supabase, los workflows existentes con una clave service_role seguiran funcionando por ahora, pero deberian migrarse a la nueva secret key antes de finales de 2026. Quien actualice las credenciales en n8n a tiempo evita una interrupcion imprevista de la conexion.

Por que recibo un mensaje de error not-null al insertar documentos?

Esto suele ocurrir cuando la propia tabla se desvia del esquema quickstart de Supabase y contiene una columna obligatoria que el node Vector Store no rellena. La solucion habitual es eliminar la restriccion o darle a la tabla un valor por defecto para esa columna.