--- title: "Cara Memakai Node AI Agent di n8n untuk Tugas Bercabang" description: "Panduan menyusun workflow n8n yang memilah pesan lalu menjalankan tugas berbeda, memakai Text Classifier, node AI Agent, dan Call n8n Workflow Tool." url: "https://nivelva.com/insight/cara-memakai-node-ai-agent-n8n-tugas-bercabang" category: "AI \u0026 Otomasi" tags: ["n8n","ai agent","workflow","otomasi","text classifier"] author: "Lucas Tan" published: "2026-11-11T12:03:00+07:00" updated: "2026-11-11T12:03:00+07:00" language: "id" publisher: "Nivelva (https://nivelva.com)" --- # Cara Memakai Node AI Agent di n8n untuk Tugas Bercabang > **Jawaban singkat:** Untuk tugas bercabang di n8n, pilah dulu pesan dengan Text Classifier agar setiap jenis permintaan masuk ke jalur yang jelas, lalu pakai node AI Agent dengan tool yang terbatas di jalur yang memang butuh penalaran. Sub-workflow lewat Call n8n Workflow Tool membuat tiap cabang mudah diuji. Punya satu pintu masuk pesan, misalnya chat pelanggan atau email, tetapi isinya macam-macam: ada yang menanyakan status pesanan, ada yang komplain, ada yang bertanya produk? Kamu butuh workflow yang bisa memilah lalu mengerjakan tugas berbeda untuk tiap jenis pesan. Di n8n, cara paling rapi adalah memisahkan dua pekerjaan. Pemilahan dikerjakan node Text Classifier yang mengarahkan pesan ke cabang tertentu. Pekerjaan yang butuh penalaran dikerjakan node AI Agent dengan tool yang terbatas, dan tiap tool berupa sub-workflow yang dipanggil lewat Call n8n Workflow Tool. Hasilnya lebih mudah dikendalikan daripada satu agent raksasa yang memegang semua tool sekaligus. ## Kenapa tidak satu AI Agent untuk semua cabang? Secara teknis bisa: satu node AI Agent diberi semua tool, lalu dibiarkan memilih sendiri. Untuk dua atau tiga tool sederhana, cara ini sering berjalan baik. Masalah muncul ketika tool bertambah. Agent lebih sering salah pilih tool, prompt sistem makin panjang, biaya token naik, dan ketika ada kesalahan kamu sulit tahu kenapa agent mengambil jalan itu. Pemilahan di depan membuat setiap cabang punya tugas sempit. Cabang "status pesanan" mungkin bahkan tidak butuh agent sama sekali, cukup query database dan template balasan. Agent hanya dipakai di cabang yang memang perlu, misalnya menyusun balasan komplain dari beberapa sumber data. Dasar cara AI memanggil tool dibahas di [apa itu function calling dan tool use](https://nivelva.com/insight/apa-itu-function-calling-tool-use-ai). ## Langkah menyusun workflow bercabang ### Langkah 1: Siapkan pemicu dan rapikan input Mulai dari node pemicu, misalnya Webhook untuk pesan dari aplikasi chat atau node email untuk kotak masuk. Tambahkan node Edit Fields (Set) untuk mengambil hanya field yang dibutuhkan: teks pesan, identitas pengirim, dan ID percakapan. Input yang rapi membuat langkah berikutnya lebih sederhana dan lebih hemat token. Kalau pemicunya webhook publik, amankan dulu sebelum lanjut. Caranya ada di [cara mengamankan kredensial dan webhook di n8n](https://nivelva.com/insight/cara-mengamankan-kredensial-webhook-n8n). ### Langkah 2: Pilah pesan dengan Text Classifier Tambahkan node Text Classifier dan sambungkan ke sub-node model chat. Di parameter Input Prompt, arahkan ke field teks pesan. Lalu buat kategori, masing-masing dengan nama dan deskripsi, misalnya: - **status_pesanan**: pelanggan menanyakan posisi atau status pengiriman pesanan. - **komplain**: pelanggan menyampaikan masalah pada produk atau layanan. - **info_produk**: pertanyaan tentang spesifikasi, stok, atau cara pakai produk. Deskripsi kategori penting, karena dari situlah model memahami arti tiap kategori. Di opsi When No Clear Match, pilih Output on Extra 'Other' Branch agar pesan yang tidak cocok tidak dibuang diam-diam (pilihan default-nya adalah membuang item). Cabang Other bisa diarahkan ke admin manusia. ### Langkah 3: Kerjakan cabang sederhana tanpa agent Untuk cabang yang alurnya pasti, pakai node biasa. Cabang status pesanan, misalnya, cukup mengambil nomor pesanan, query ke database atau API toko, lalu mengisi template balasan. Tidak ada keputusan yang perlu diambil AI, jadi hasilnya lebih cepat, lebih murah, dan selalu konsisten. Bila nomor pesanan harus diambil dari kalimat bebas, kamu bisa memakai node Information Extractor atau model chat dengan output terstruktur, lalu memvalidasi formatnya sebelum query. ### Langkah 4: Pasang AI Agent di cabang yang butuh penalaran Untuk cabang komplain, tambahkan node AI Agent. Sejak n8n 1.82.0 semua node AI Agent bekerja sebagai Tools Agent, dan dokumentasinya menyebut minimal satu sub-node tool harus tersambung. Isi bagian berikut: - **Prompt**: ambil teks pesan dari node sebelumnya. - **System Message**: jelaskan peran agent, data apa yang boleh dipakai, dan kapan harus menyerahkan ke manusia. - **Max Iterations**: batas berapa kali agent boleh berpikir dan memanggil tool dalam satu eksekusi. Default-nya 10. Untuk tugas sempit, angka lebih kecil membantu mencegah loop yang boros. Sambungkan juga sub-node model chat dan, bila percakapan berlanjut, sub-node memori dengan kunci sesi dari ID percakapan. ### Langkah 5: Jadikan setiap tool sebuah sub-workflow Tambahkan sub-node Call n8n Workflow Tool ke AI Agent, satu untuk setiap kemampuan, misalnya "ambil riwayat pesanan pelanggan" dan "buat tiket komplain". Masing-masing menunjuk ke workflow terpisah yang diawali pemicu Execute Workflow Trigger (di editor tampil sebagai When Executed by Another Workflow). Isi field Description dengan jelas, karena dokumentasi n8n menyebut deskripsi inilah yang memberi tahu agent kapan memakai tool tersebut. Tulis apa yang dilakukan tool, input apa yang dibutuhkan, dan kapan tidak boleh dipakai. Keuntungan sub-workflow: setiap tool bisa diuji sendiri dengan data contoh, dipakai ulang oleh agent lain, dan pemeriksaan keamanannya (misalnya hanya mengambil data milik pengirim pesan) dilakukan oleh node biasa, bukan oleh keputusan model. ### Langkah 6: Gabungkan hasil dan kirim balasan Setiap cabang berakhir di node pengirim balasan. Kamu bisa membiarkan tiap cabang mengirim sendiri, atau menyatukan cabang dengan node Merge bila balasan perlu format yang sama. Catat juga cabang mana yang dipilih dan apakah agent berhasil, misalnya ke spreadsheet atau database, sebagai bahan evaluasi. ### Langkah 7: Uji per cabang, lalu uji keseluruhan Siapkan contoh pesan untuk setiap kategori, termasuk pesan ambigu dan pesan di luar topik. Jalankan, lalu periksa apakah pesan masuk ke cabang yang benar. Aktifkan Return Intermediate Steps pada AI Agent selama pengujian untuk melihat tool apa yang dipanggil agent dan urutannya. ## Ringkasan pilihan node per cabang | Kebutuhan cabang | Node yang cocok | Alasan | |:--|:--|:--| | Memilah jenis pesan | Text Classifier | Keluaran berupa cabang yang jelas | | Alur pasti (cek status, kirim info) | Node biasa: HTTP Request, database, Set | Cepat, murah, konsisten | | Ambil data dari kalimat bebas | Information Extractor atau output terstruktur | Hasil berformat dan bisa divalidasi | | Butuh penalaran dan beberapa sumber | AI Agent + Call n8n Workflow Tool | Agent memilih tool, tiap tool teruji | | Pesan tidak dikenali | Cabang Other ke manusia | Tidak ada pesan yang hilang | Workflow bercabang juga lebih rentan putus karena ada lebih banyak node yang bisa gagal. Siapkan penanganannya sejak awal lewat [error handling dan retry di n8n](https://nivelva.com/insight/error-handling-retry-n8n-workflow-tidak-putus). ## Pertanyaan yang sering diajukan ### Apakah Text Classifier bisa memilih lebih dari satu kategori? Bisa, dengan mengaktifkan opsi Allow Multiple Classes To Be True. Pesan lalu bisa masuk ke beberapa cabang sekaligus, jadi pastikan cabang-cabang itu tidak saling bertabrakan. ### Kapan cukup memakai node Switch biasa? Bila pemilahan bisa dilakukan dengan aturan pasti, misalnya berdasarkan kata kunci perintah, nomor tujuan, atau field dari formulir. Switch tidak memakai AI, jadi lebih cepat dan gratis. ### Bagaimana mencegah agent memanggil tool berulang-ulang? Batasi Max Iterations, tulis deskripsi tool yang jelas, dan buat tool mengembalikan pesan yang tegas saat data tidak ditemukan agar agent tidak terus mencoba. ### Apakah model untuk classifier dan agent harus sama? Tidak. Pemilahan biasanya cukup memakai model yang lebih kecil dan murah, sementara agent di cabang rumit bisa memakai model yang lebih mampu. Checklist sebelum workflow diaktifkan: - Webhook sudah diamankan dan input sudah dirapikan. - Setiap kategori punya deskripsi jelas, dan cabang Other diarahkan ke manusia. - Cabang dengan alur pasti tidak memakai agent. - Setiap tool agent berupa sub-workflow yang sudah diuji sendiri. - Max Iterations dibatasi dan hasil tiap cabang dicatat. ## Sumber - - - --- Diterbitkan oleh Nivelva Insight (https://nivelva.com/insight/). Artikel ini: https://nivelva.com/insight/cara-memakai-node-ai-agent-n8n-tugas-bercabang Kontak Nivelva: WhatsApp https://wa.me/6285111245007, email hello@nivelva.com