Make или n8n для ИИ-агентов?

Как только рабочий процесс не просто передает данные дальше, а сам решает, какой инструмент использовать следующим, Make и n8n называют это ИИ-агентом. Обе платформы предлагают для этого собственный блок, обе продвигают его как ключевую функцию на 2026 год, но различия кроются в деталях: как строится агент, сколько стоит один запуск и сколько контроля вы сохраняете над инфраструктурой, на которой ваши данные проходят через языковую модель.

Эта статья сознательно рассматривает только аспект ИИ-агентов, а не общее сравнение функций обоих инструментов. Тем, кто в принципе выбирает между Make и n8n как платформой автоматизации, поможет отдельное сравнение; здесь же речь конкретно о том, что происходит, когда агент самостоятельно вызывает инструменты и принимает решения.

Как устроены ИИ-агенты в n8n и Make

В n8n вы создаете агента с помощью AI Agent Node. Этот узел соединяет чат-модель как минимум с одним дочерним узлом инструмента (tool-sub-node); только благодаря этому агент может сам выбирать, какой инструмент подходит для конкретной задачи, вместо того чтобы отрабатывать фиксированную цепочку шагов. Начиная с версии 1.82.0 все агенты работают как так называемый Tools Agent, более старые варианты конфигурации были унифицированы. Принцип работы n8n объясняет так: агент по своей сути представляет собой цепочку, которая дополнительно может принимать решения, включая вызов инструмента, оценку ответа инструмента и формулирование итогового ответа, иногда за несколько проходов. Подробности вы найдете в документации n8n по AI Agent Node и в объяснении о том, что агенты в n8n делают на самом деле.

Make идет похожим путем, но со своей терминологией: Make AI Agents делают ставку на цели, промпты и данные в реальном времени вместо жестких логических путей, по данным поставщика с пошаговым протоколированием прямо на холсте (canvas). Вы можете выбирать между собственным ИИ-провайдером Make и собственным API-ключом, например от OpenAI или Anthropic Claude. Make также позволяет учитывать в решении неструктурированные вводные данные, файлы и историю разговора; принцип похож на модель вызова инструментов в n8n, только в рамках собственной логики сценариев Make.

Сколько на самом деле стоит запуск ИИ-агента

Здесь ценовые модели заметно расходятся. n8n Cloud тарифицирует по выполнению: полный запуск рабочего процесса считается одним выполнением, независимо от того, сколько узлов или вызовов инструментов в нем задействовано. Тарифный план Starter, согласно актуальной странице цен n8n, стоит 20 евро в месяц за 2 500 выполнений, план Pro — 50 евро за 10 000 выполнений; оба облачных плана дополнительно включают пакет AI Credits для встроенных в n8n Cloud ИИ-функций (Starter около 2 300, Pro до 13 700). В плане Business от 667 евро в месяц здесь пока указано "AI Assistant coming soon".

В Make тарификация ведется не по выполнениям, а по кредитам, и запуск агента расходует их значительно более детально, чем классический сценарий. Согласно справочному центру Make о расходе кредитов AI Agents, запуск агента с собственным ИИ-провайдером Make стоит 1 кредит за операцию плюс дополнительные кредиты в зависимости от израсходованных ИИ-токенов; если вместо этого вы используете собственный доступ к провайдеру, взимается только 1 кредит за операцию, зато расходы на модель вы несете отдельно у соответствующего поставщика. При чат-взаимодействиях дополнительно начисляется по одному кредиту за каждый вызванный инструмент. На практике это означает: каждый шаг рассуждения и каждый вызов инструмента учитывается отдельно, из-за чего запуск агента может расходовать заметно больше кредитов, чем сопоставимый классический сценарий без ИИ. Актуальные тарифы вы найдете на странице цен Make: Free с 1 000 кредитов, Core от 9 долларов в месяц, Pro от 16 долларов, Teams от 29 долларов, в каждом случае за 10 000 кредитов в месяц; при этом Make AI Agents доступны уже в бесплатном плане.

Контроль над данными и инфраструктурой

Для ИИ-агентов этот вопрос особенно актуален, поскольку промпты, промежуточные результаты и ответы инструментов часто содержат чувствительные бизнес-данные. n8n дает вам здесь выбор: помимо n8n Cloud вы можете полностью самостоятельно разместить Community Edition, бесплатно и с неограниченным числом выполнений, либо через npm, Docker, либо у распространенных облачных провайдеров. Документация n8n по самостоятельному размещению (self-hosting) подробно описывает способы установки; важно знать, что все редакции основаны на одном и том же базовом продукте, а функции Business или Enterprise добавляются только через лицензионный ключ. Если агент работает на собственной инфраструктуре, у выбранного ИИ-провайдера остается только сам вызов модели, а остальная обработка происходит в вашей собственной среде. Таким образом вы сохраняете контроль над тем, где хранятся ваши данные и кто имеет доступ к истории выполнений.

Make не предлагает такой возможности. Сценарии и агенты работают исключительно в облаке Make; вы можете выбрать ИИ-провайдера и тем самым место обработки модели, но сама платформа автоматизации всегда остается собственной инфраструктурой Make. Для многих случаев использования это не проблема, но при особо чувствительных процессах или строгих внутренних требованиях к обработке данных это момент, который стоит прояснить заранее.

Кому какой инструмент подходит

• Make выигрывает, если вы хотите быстро начать, не хотите заниматься собственным хостингом и агент должен быть встроен в существующий набор из более чем 400 подключенных приложений.
• n8n оправдан, если вы предвидите большое количество запусков агентов, хотите предсказуемые расходы за выполнение вместо детализированного учета по кредитам или должны размещать решение самостоятельно по причинам защиты данных или комплаенса.
• Для обоих инструментов справедливо: реальным драйвером затрат чаще всего является не плата за платформу, а выбранная языковая модель, стоящая за ней, поэтому стоит присмотреться к выбору модели, прежде чем агент перейдет в продуктив.

Если вы не уверены, какая настройка подходит именно вашему случаю использования, поможет взгляд на нашу консультацию по ИИ-агентам: там мы заранее выясняем, оправдывает ли себя облако или самостоятельный хостинг в вашем случае, прежде чем будет построена первая строка рабочего процесса.

Часто задаваемые вопросы

Могу ли я использовать в Make собственный ключ OpenAI или Claude вместо ИИ-провайдера Make?

Да. Если вы выбираете в приложении Make AI Agents собственный доступ к провайдеру, согласно справочному центру Make, вы платите только 1 кредит за операцию вместо дополнительных кредитов за токены, но зато несете расходы на модель напрямую у соответствующего ИИ-провайдера.

Считается ли в n8n каждый вызов инструмента агентом отдельным выполнением?

Нет. Полный запуск рабочего процесса считается одним выполнением, независимо от того, сколько раз агент в рамках этого запуска вызывает инструменты или проходит промежуточные шаги. Это делает расходы на каждое действие агента более предсказуемыми, чем при чисто кредитной тарификации.

Могу ли я разместить Make самостоятельно, как n8n?

Нет. Make работает исключительно в облаке Make. n8n же предлагает с Community Edition бесплатный вариант с самостоятельным размещением, который вы можете запускать через npm, Docker или распространенных облачных провайдеров.

Нужен ли мне для простого ИИ-агента уже платный план?

В Make не обязательно: согласно странице цен, Make AI Agents доступны уже в бесплатном плане с 1 000 кредитов в месяц, однако с ограничением до двух активных сценариев. В n8n для первых тестов достаточно бесплатной Community Edition с самостоятельным размещением; в n8n Cloud начиная с плана Starter включен пакет выполнений вместе с AI Credits.

Что стоит дороже: запуск агента в Make или выполнение в n8n?

Однозначно ответить на это нельзя, поскольку единицы тарификации разные: n8n считает целые запуски рабочих процессов, Make считает отдельные операции плюс вызовы токенов и инструментов. При сложных агентах с большим количеством вызовов инструментов за один запуск Make, как правило, расходует больше кредитов, чем сопоставимый по сложности рабочий процесс n8n расходует выполнений, потому что каждый промежуточный шаг учитывается отдельно.