Cómo conectar AnythingLLM con n8n para crear un asistente de IA avanzado

¿Te imaginas consultar la documentación interna de tu empresa y pedirle al mismo asistente que registre una tarea, prepare un correo o actualice una hoja de cálculo? Esta combinación puede construirse conectando AnythingLLM con n8n, aunque ambas aplicaciones desempeñan funciones diferentes.

AnythingLLM proporciona la interfaz de conversación, los espacios de trabajo, los documentos y la recuperación de información mediante RAG. n8n se encarga de ejecutar flujos que conectan servicios, transforman datos y realizan acciones. La conexión entre ambas herramientas no se activa automáticamente. Una de las formas más prácticas de implementarla consiste en crear una habilidad para el agente de AnythingLLM que envíe una petición a un webhook de n8n. El flujo procesa los datos, ejecuta la acción y devuelve el resultado al agente.

Cómo funciona la conexión entre AnythingLLM y n8n

Antes de desplegar contenedores o crear flujos, conviene decidir qué aplicación controlará la conversación. Si quieres aprovechar los espacios de trabajo y los documentos de AnythingLLM, esta aplicación puede actuar como interfaz principal. Cuando el usuario solicita una acción, el agente selecciona una habilidad personalizada. Esa habilidad envía una petición HTTP al webhook de n8n con los datos necesarios. n8n recibe la solicitud, ejecuta sus nodos y devuelve una respuesta estructurada.

El recorrido básico sería el siguiente:

1. El usuario escribe una petición en AnythingLLM.
2. El agente decide utilizar una habilidad.
3. La habilidad llama al webhook de n8n.
4. n8n ejecuta el flujo y obtiene el resultado.
5. El webhook devuelve una respuesta a AnythingLLM.b
6. El agente presenta el resultado al usuario.

El RAG de AnythingLLM no queda disponible automáticamente dentro de n8n. Si el flujo necesita información recuperada de los documentos, la habilidad deberá incluirla en la petición o será necesario diseñar una integración adicional.

Qué componentes necesitas para montar el sistema

Una instalación sencilla puede utilizar AnythingLLM, n8n y Ollama dentro del mismo equipo o servidor. Docker Compose facilita el despliegue y permite que los servicios se comuniquen mediante una red privada.

No es obligatorio instalar Supabase. AnythingLLM puede administrar su propio almacenamiento y n8n puede recurrir a bases vectoriales como Qdrant o PGVector cuando el flujo necesite un sistema RAG independiente.

Tampoco necesitas Traefik para hacer una prueba local. Un proxy inverso resulta útil cuando quieres publicar servicios mediante HTTPS, administrar dominios o centralizar certificados, pero no forma parte de la conexión básica.

Los recursos necesarios dependen principalmente del modelo utilizado con Ollama. Un modelo pequeño y cuantizado puede funcionar con 8 GB de memoria, aunque disponer de más RAM o una GPU compatible mejora considerablemente la velocidad. Antes de elegir el servidor debes comprobar el tamaño y los requisitos del modelo concreto.

Cómo conectar n8n con Ollama

n8n incluye nodos para utilizar Ollama como proveedor de modelos locales. Para configurarlo, añade el nodo correspondiente, crea las credenciales e indica la URL desde la que n8n puede alcanzar la instancia. Si n8n y Ollama se ejecutan directamente en el mismo sistema, la dirección habitual es:

http://localhost:11434

Sin embargo, localhost cambia de significado cuando n8n está dentro de Docker. En ese caso hace referencia al propio contenedor de n8n, no al ordenador anfitrión ni al contenedor de Ollama.

Si ambos servicios forman parte del mismo archivo Docker Compose, puedes conectarlos a una red compartida y utilizar el nombre del servicio:

http://ollama:11434

Cuando Ollama se ejecuta en el anfitrión y n8n dentro de Docker, puede ser necesario utilizar:

http://host.docker.internal:11434

La dirección exacta depende del sistema operativo y de la configuración de Docker. No debes publicar el puerto 11434 en Internet sin autenticación y medidas adicionales de protección.

Después de crear las credenciales, selecciona un modelo descargado en Ollama. Para flujos con agentes conviene elegir uno que admita correctamente llamadas a herramientas. Un modelo capaz de responder preguntas no siempre será competente al generar argumentos estructurados para los nodos.

Cómo crear un webhook en n8n para AnythingLLM

En n8n, crea un nuevo flujo y utiliza un nodo Webhook como disparador. Selecciona el método POST y define una ruta difícil de adivinar.

La URL de prueba solo funciona mientras estás ejecutando el flujo desde el editor. Cuando termines la configuración, activa el flujo y utiliza su URL de producción.

Después del webhook puedes añadir los nodos necesarios. Por ejemplo, un flujo para crear una tarea podría incluir:

1. Webhook para recibir el título, la descripción y la fecha.
2. Nodo de validación para comprobar los campos.
3. Nodo del gestor de tareas para crear el registro.
4. Respond to Webhook para devolver el identificador y la confirmación.

La respuesta puede tener una estructura sencilla:

{
  "success": true,
  "message": "La tarea se ha creado correctamente",
  "taskId": "12345"
}

AnythingLLM necesita recibir una respuesta comprensible y predecible. No es necesario devolver el resultado a /chat/completions. La propia petición realizada por la habilidad obtiene la respuesta del webhook y se la entrega al agente.

Protege el endpoint mediante una cabecera secreta, autenticación o algún mecanismo equivalente. Una URL difícil de adivinar no sustituye a un control de acceso.

Cómo crear una habilidad de AnythingLLM para llamar a n8n

AnythingLLM permite ampliar las capacidades de sus agentes mediante habilidades personalizadas. Una habilidad puede aceptar parámetros, realizar una petición HTTP y devolver el resultado obtenido. En este caso, la habilidad debe describir claramente:

• Qué acción puede realizar.
• Qué datos necesita para ejecutarla.
• Qué webhook debe llamar.
• Qué información devuelve n8n.
• Qué errores debe comunicar al usuario.

La descripción es especialmente importante porque el modelo la utiliza para decidir cuándo debe ejecutar la herramienta. Una habilidad llamada “gestionar productividad” resultaría demasiado ambigua. Es preferible separar acciones como “crear una tarea”, “consultar una cita” o “preparar un borrador”.

No incluyas credenciales directamente en el código si puedes utilizar variables de entorno. Tampoco concedas a una habilidad permisos generales cuando solo necesita acceder a una operación concreta.

Las habilidades descargadas desde fuentes externas pueden ejecutar código y procesar los datos enviados por el agente. AnythingLLM mantiene restringida de forma predeterminada la instalación de determinadas habilidades comunitarias precisamente por este riesgo.

Cadenas y agentes de IA en n8n: cuál debes utilizar

n8n ofrece nodos orientados a cadenas, modelos y agentes. La mejor elección depende de cuánto control quieras conservar sobre el proceso. Una cadena sencilla resulta adecuada cuando los pasos están definidos de antemano: recibir un texto, resumirlo, transformarlo y devolverlo. Este planteamiento es más predecible y normalmente consume menos recursos.

Un agente puede decidir qué herramienta utilizar según la petición recibida. Esto resulta útil cuando un mismo flujo puede consultar una base de datos, revisar un calendario o recuperar un documento. Sin embargo, también introduce más variabilidad y exige un modelo con buen soporte para herramientas.

No todos los procesos necesitan dos agentes. Si AnythingLLM ya está interpretando la petición y eligiendo una habilidad, n8n puede limitarse a ejecutar un flujo determinista. Añadir otro agente dentro de n8n puede duplicar decisiones, incrementar la latencia y dificultar el diagnóstico de los errores.

Utiliza un agente en n8n solamente cuando el propio flujo necesite decidir dinámicamente qué herramienta o ruta debe seguir.

Cómo devolver el resultado de n8n al chat

Uno de los errores más habituales consiste en ejecutar correctamente la automatización, pero no devolver ninguna respuesta útil a AnythingLLM.

En el nodo Webhook, selecciona la opción que permite responder mediante Respond to Webhook. Después, coloca este último nodo tras las operaciones cuyos datos quieras devolver.

Si el flujo termina sin pasar por ese nodo, n8n puede enviar una respuesta genérica que no contiene el resultado esperado. También debes vigilar las bifurcaciones: todas las rutas posibles deberían alcanzar una respuesta o gestionar el error.

Comprueba los siguientes puntos cuando el agente se quede esperando:

• La habilidad utiliza la URL de producción correcta.
• El flujo está activo.
• El método HTTP coincide con el configurado.
• La cabecera de autenticación es válida.
• Respond to Webhook recibe los datos esperados.
• La ejecución no supera el tiempo de espera de la petición.
• Los contenedores pueden comunicarse mediante la red configurada.

Los registros de ejecución de n8n permiten inspeccionar la entrada y salida de cada nodo. Reiniciar el contenedor puede resolver un fallo puntual, pero no corrige una URL incorrecta, un problema de autenticación o una respuesta mal construida.

Automatizaciones útiles para empresas y proyectos personales

Una vez establecida la conexión, puedes utilizar AnythingLLM como interfaz para ejecutar flujos muy diferentes.

Por ejemplo, un asistente interno puede consultar manuales mediante RAG y enviar a n8n los datos necesarios para crear una incidencia. Otro flujo puede preparar un borrador de correo, recuperar una cita o registrar información en una hoja.

También puedes construir procesos como estos:

• Clasificar solicitudes recibidas mediante formularios.
• Crear tareas a partir de reuniones o documentos.
• Resumir incidencias y preparar posibles respuestas.
• Extraer información de facturas y registrar los datos.
• Generar borradores de contenido para revisión editorial.
• Consultar sistemas internos mediante API.

Las automatizaciones que publiquen contenidos, envíen mensajes, eliminen archivos, modifiquen registros o realicen pagos deberían incorporar una confirmación humana. El agente puede preparar la acción, pero el flujo no debería ejecutarla de manera irreversible sin una validación adicional.

Privacidad, seguridad y funcionamiento offline

Instalar AnythingLLM, n8n y Ollama en un servidor propio no garantiza por sí solo que toda la información permanezca en él. Para mantener el procesamiento local debes utilizar un modelo local, embeddings locales, almacenamiento vectorial local y servicios internos. También tendrás que evitar API de IA alojadas en la nube, búsquedas web y nodos que envíen información a plataformas externas.

Un flujo que accede a Gmail, Google Calendar, Zendesk o Notion no funciona completamente offline, aunque n8n y Ollama estén autoalojados. En estos casos, los datos necesarios viajan hasta el servicio externo.

También debes aplicar permisos mínimos, proteger los webhooks, guardar las credenciales mediante el sistema de n8n y limitar el acceso a las interfaces administrativas. No expongas directamente Ollama ni el editor de n8n a Internet sin autenticación, HTTPS y controles adicionales.

La combinación de AnythingLLM y n8n permite unir una base de conocimientos conversacional con automatizaciones reales. Su utilidad no depende de crear un agente capaz de hacerlo todo, sino de diseñar habilidades pequeñas, flujos controlados y permisos adecuados para cada operación.