n8n は、ビジュアルビルダーのスピードとカスタムコードの柔軟性を組み合わせて、技術チームが信頼できる AI ワークフローやエージェントを構築、調整、導入できるようにします。同社のプラットフォームは、170,000 以上の GitHub スターを獲得し、歴代トップ 50 プロジェクトに入っており、顧客は個人起業家から Fortune 100 企業に至るまで多岐にわたっています。
Claude を使用した n8n の実績:
- AI Workflow Builder 製品を構想から本番リリースまで 2 か月で Claude 上に構築し、その後アーキテクチャはさまざまなタスクを管理する専門エージェントを含むマルチエージェントシステムに進化
- LLM と n8n インターフェイスを切り替える 2 つのタブからなるワークフローを置き換える、チャットベースのワークフロー作成およびデバッガを開発
- ワークフロー構築の作業を 80% 削減し、エンジニアが最終的な調整に専念できる状況を実現
- 複雑な多段階のワークフロー構築において信頼性の高い関数呼び出し機能を実装し、Claude は正確な指示の遵守において他のモデルの中で最も高いパフォーマンスを発揮
課題:モデルに正確な構造化形式を生成させる
n8n が AI Workflow Builder を構築する前は、多くのユーザーは、一方が n8、もう一方がチャットベースの LLM という、使い慣れた 2 つのタブからなる設定を使用していました。ユーザーは、自動化したい内容を説明し、提案されたワークフローをコピーし、n8n に貼り付け、エラーが発生するという、その繰り返しでした。動作はしたものの、外部モデルにはツール内で実際に何が起こっているかについてのコンテキストが欠けていました。
n8n は 2023 年から AI 機能をリリースしていました。しかし次のステップはさらに野心的なものでした。ワークフローの構築が会話をしているように感じられるとしたらどうでしょうか?
課題は構造的なものでした。n8n ワークフローは正確なオブジェクトです。ノードを見つけ、特定の順序で接続し、適切なパラメータを設定する必要があります。チームが最初に取り組んだのは、ワークフローの基盤となる JSON をモデルに直接生成させることでした。「それはモデルにとって非常に大きな課題でした」と n8n の AI チームのエンジニアリングマネージャーである JP van Oosten 氏は述べました。完全なワークフローを 1 回で生成するには、スキーマ全体、すべてのノード定義、すべての接続ロジックを同時に理解するモデルが必要でした。「これらのモデルが学習した n8n ワークフローはせいぜい 10,000 件程度ですが、TypeScript のコードファイルは数百万件に上ります」と van Oosten 氏は述べました。
正確な指示遵守のために Claude を選択
JSON 生成の問題を解決するために、チームは、Claude が一度に 1 つのノードを追加し、それらを接続し、個々の関数呼び出しを通じて設定を行うツールベースのアーキテクチャに移行しました。これにより、モデルの長所が活かされ、van Oosten 氏が表現したように、プロセスが「モデルにとってはるかに処理しやすく」なりました。
チームは複数のモデルを評価しました。Claude は、特に指示に従うという点において優れていました。他のモデルは、関数呼び出しに過度に依存するか、完全に無視しました。Claude は、チームが「スイートスポット」と呼ぶ状態にあり、意図した通りにツールを使用しつつ、一貫して指示に従っていました。
「レイテンシーと品質は本当に優れていました」と AI Workflow Builder のリードエンジニアである Oleg Ivaniv 氏は述べています。「ワークフローは少し理解しにくい場合があります」
また、Claude のドキュメントはプロンプトキャッシュなどの具体的な点にも役立ち、Anthropic のチームは、n8n の実装をレビューして、レート制限の観点からローンチがスムーズに進むことを確認しました。AI Workflow Builder の最初のイテレーションでは、コンセプトから本番環境に至るまで約 2 か月を要しました。
結果:n8n が会話を通じてワークフローを構築する方法
AI Workflow Builder は、以前はノードタイプ、接続ロジック、設定オプションの知識を必要としていた操作を実行するための、使い慣れたチャットインターフェイスを n8n ユーザーに提供します。ユーザーが自動化したい内容を説明すると、Claude がどの部分を組み立てるべきか、またどのようにして組み立てるかを判断します。ワークフローの最初の生成にかかる時間は、手動で構築した場合に 10~30 分かかるのに対して、約 3 分しかかかりません。
「Claude のツール呼び出し機能は、コーディング機能と同じく最高レベルです」と van Oosten 氏は述べました。「これらは AI Workflow Builder でのアプローチに不可欠です」
導入前後の違いが最も明確なのは、2 つのタブを使用した操作です。以前 n8n と外部 LLM を行き来していたユーザーは、現在では製品内でその会話をしています。AI Workflow Builder は、ワークフロー内で実際に起きている状況を把握しているため、エラーの原因を診断しやすくなり、提案の精度も向上します。「Claude のおかげで、アイデアから完全に機能するワークフローへと移行するための、使い慣れたチャットベースのインターフェイスを提供することができました」と van Oosten 氏は述べています。
リリース以来、このアーキテクチャはマルチエージェントシステムに進化し、専門のエージェントがワークフロー作成プロセスのさまざまな部分を管理しています。チームのプロンプトは現在、Claude Sonnet 4.5 に大幅に最適化されており、Claude がツールを呼び出すのではなくコードを生成するコードベースのアプローチを用いた初期の実験では、より高性能なモデルで有望な結果が得られています。
経験豊富なユーザーにとって、その価値はスピードにあります。AI Workflow Builder は、手動で組み立てずとも目標とするワークフローの約 80% を実現できるため、エンジニアは構築ではなく改善に集中できます。ただし初めて使用するユーザーにとっては、その価値は異なります。n8n には数千のテンプレートが用意されていますが、その強みは柔軟性であり、多くのユーザーがテンプレートでカバーできない独自のユースケースに対応するために、このプラットフォームを選択します。AI Workflow Builder は、その出発点となります。「初めて利用するユーザーが、『何がわからないのかがわからない』という最初の心理的な壁を克服するのに役立ちます」と、製品マーケティングチームの Ophir Prusak 氏は述べています。
同一のインターフェイスはユーザーのデバッグ作業にも役立ちます。ワークフローが正常に動作しなくなった場合、ドキュメントやコミュニティフォーラムに頼るのではなく、問題点を説明し、修正の支援を得ることができます。チームは最近、AI Workflow Builder がエンジニアリングの進捗状況を追跡するための複雑なワークフローを構築した際に、社内でこの状況を目の当たりにしました。最初の試行で複数のフォームノードを正しく使用しましたが、この結果について、van Oosten 氏は特定のノードタイプ向けにプロンプトを最適化するチームの継続的な作業に起因するものだとしています。
今後のユースケース
今後、チームは経験豊富なユーザーが実際に自動化を構築する方法に倣って、ノード単位で構築するか、サブグラフ単位で構築するかによって、作成プロセスにおけるフィードバックループをより緊密にできるかどうかを検討しています。現行バージョンでは最後に完成したワークフローが表示されますが、より段階的なアプローチを利用すれば、ユーザーはワークフローが形になっていく過程でそれを調整することが可能になります。
n8n は引き続き AI Workflow Builder の機能を拡張し、Claude との連携を深めています。マルチエージェントアーキテクチャは、ますます複雑化する自動化リクエストを処理する新たな可能性を切り拓いており、コードベース生成に関するチームの実験からは、今後のさらなる品質向上が期待されます。
van Oosten 氏は、「AI Workflow Builder により、ユーザーが n8n で開発を始めるための敷居を低くすることができるだけでなく、より技術に精通したユーザーがアイデアをより迅速に試行錯誤できるようになります」と述べています。
「Claude のツール呼び出し機能は、コーディング機能と同じく最高レベルです」
