n8n, Claude Code или OpenClaw: что выбрать для AI-автоматизации

Загугли «AI-агент» — получишь пятнадцать разных ответов. Anthropic говорит одно, n8n другое, а потом приходит OpenClaw и переворачивает всё ещё раз. Это не путаница, которую скоро разгребут: индустрия прямо сейчас придумывает само понятие «агент», и каждый инструмент отвечает на этот вопрос по-своему.

Если убрать маркетинг, у всех трёх общий фундамент. Различаются они в одном: кто управляет циклом агента — ты или сам агент. От ответа зависит всё остальное: где инструмент силён, где он беспомощен и сколько за него придётся платить.

Статья — текстовая версия ролика с канала Vibe Business. Примеры в ней из контент-завода — нашей системы на n8n, которая сама собирает новости, пишет посты и публикует их в Telegram-каналы.

Что такое агент, если без маркетинга

Агент — это три вещи.

1. Языковая модель. Мозг: понимает задачу и принимает решения.
2. Инструменты. То, чем агент действует: отправить HTTP-запрос, записать в базу, вызвать API, выполнить код.
3. Цикл. Агент не отвечает один раз. Он смотрит на результат, решает, что делать дальше, делает и смотрит снова — пока задача не решена.

Модель + инструменты + цикл = агент. Вот и всё.

А дальше главный вопрос: как ты этот цикл организуешь. Здесь и расходятся три подхода.

Три подхода к одному циклу

n8n — цикл рисуешь ты сам. Это визуальный оркестратор: ты описываешь, когда агент вызывает какой инструмент, и управляешь потоком. Агент здесь — один из компонентов воркфлоу, причём необязательный. Можно 99% логики собрать без него и только в одном месте позвать модель. А можно построить целое агентское приложение. Главная ценность в другом: в n8n агента можно ограничить так, чтобы он ошибался как можно реже. Под n8n здесь стоит понимать весь класс таких сервисов — Make и похожие устроены так же.

Claude Code — цикл строит агент. Это агент в терминале или в IDE. Пишешь задачу, жмёшь Enter — и он сам разбирается: читает файлы, пишет код, запускает команды, подключает MCP-серверы и скиллы, чинит ошибки. Цикл ты не рисуешь. К этому же классу относятся Codex CLI и Antigravity.

OpenClaw — агент живёт в мессенджере. Пишешь ему в Telegram, WhatsApp или Discord, он выполняет задачи, помнит контекст и работает круглосуточно. Опенсорс, работает с любой моделью, запускается на своём сервере, на компьютере или, как сейчас модно, на Mac mini.

Три разных ответа на вопрос «что такое агент», и все три рабочие. Просто под разные задачи.

Агенты в n8n: что внутри

С n8n всё начиналось, и опыта с ним больше всего, поэтому про него подробнее.

Нативные AI-ноды или HTTP-запросы

Агента в n8n можно собрать двумя способами.

Нативные AI-ноды. Берёшь ноду AI Agent, подключаешь модель и инструменты — циклом управляет n8n. Выглядит красиво, поднимается за минуты.

HTTP-запросы напрямую к API модели. Нода HTTP Request, тело запроса собираешь сам, ответ разбираешь сам, каждый байт под контролем.

Зачем второй путь, если есть готовые ноды? Из-за денег. Контент-завод работает круглосуточно и даже на одном канале получает десятки статей в день. Каждую нужно прогнать через нейросети: убрать дубли, разложить по рубрикам, посчитать эмбеддинги, написать пост. Всё это стоит денег, и чтобы понимать цену одного готового поста, надо считать токены.

Когда агент пишет пост, он делает несколько вызовов модели: черновик, проверка фактов, правка под тон канала. Через нативную ноду видно только «агент отработал». Через HTTP виден каждый вызов: сколько токенов, какая модель, сколько стоило.

Поэтому в заводе мы не используем нативные AI-ноды, только HTTP-запросы к API. Так расход на токены видно по каждому воркфлоу и каждому каналу. Это не перфекционизм, это выживание: когда система работает круглые сутки, хочется знать, почему счёт вырос втрое.

Правило простое: нативные ноды — для прототипов и экспериментов, HTTP — для продакшена.

Память

Агент без памяти — как Дори из «В поисках Немо»: каждый раз начинает с нуля. В n8n память бывает разная:

• Simple Memory (раньше называлась Window Buffer Memory) — последние N сообщений. Самый простой вариант. Для коротких разговоров хватает, в длинном диалоге старый контекст вываливается.
• Postgres Chat Memory — история диалога в базе. Агент восстанавливает контекст даже после перезапуска воркфлоу. В заводе так хранится история редакционных решений: агент помнит, что уже писал, и не повторяется.
• Векторное хранилище (например, Qdrant) — текст превращается в вектор, и искать можно по смыслу, а не по словам. В заводе это дедупликатор новостей: пришла новость — проверяем, не писали ли уже про то же самое. Слишком похожа на старую — выбрасываем.

Инструменты

Инструменты — это руки агента. Без них он просто говорит слова. В n8n они подключаются к агенту отдельными нодами:

• HTTP Request Tool — агент сам ходит в любой внешний API: курс валют, новости, данные.
• Code Tool — агент пишет и выполняет JavaScript или Python прямо в воркфлоу: парсер, сложный расчёт, преобразование данных.
• Calculator — простая арифметика. Казалось бы, зачем? Затем, что модели плохо считают в уме. Проверено на себе: однажды агент насчитал убытки там, где была прибыль.

И главное: инструментом можно сделать любой свой воркфлоу. Собрали воркфлоу, который публикует пост в Telegram, — подключили его к агенту, и теперь агент вызывает его сам.

Модели

n8n не привязан к одной модели: OpenAI, Anthropic (Claude Haiku, Sonnet, Opus), Google Gemini, Groq, локальные модели через Ollama — вообще без расходов на API.

Не каждой задаче нужна самая дорогая модель. В заводе разные агенты сидят на разных моделях: классифицировать новости — Haiku, она в разы дешевле Sonnet. Писать текст — Sonnet. Редкая сложная задача — Opus. Такое распределение срезает расходы примерно втрое. Почти без потери качества: Haiku иногда тупит, но в девяти случаях из десяти справляется.

Субагенты и субворкфлоу

Контент-завод — не один большой агент, а оркестр специализированных:

Агент	Что делает
Сбор сигналов	следит за RSS-лентами, парсит новости, убирает дубли
Анализ	оценивает, подходит ли новость каналу, и решает, писать ли
Писатель	пишет пост в стиле конкретного канала
Контроль качества	проверяет факты, тон, уникальность
Публикация	отправляет пост в Telegram

Каждый — отдельный субворкфлоу. Главный воркфлоу вызывает их нодой Execute Workflow и передаёт данные дальше по цепочке.

Почему не один большой агент? Потому что большой агент — это хаос: его сложно отлаживать и менять, и он съедает огромный контекст. Маленькие субагенты понятны, каждый хорошо делает одну вещь. Мы пробовали по-другому: собрали по науке систему из одиннадцати субагентов внутри одного. Часа через три всё выбросили и переделали на субворкфлоу. С тех пор только так.

MCP

MCP (Model Context Protocol) — стандарт, который Anthropic выпустила в конце 2024 года и который сейчас поддерживают почти все. Это единый способ дать агенту доступ к внешним сервисам и инструментам — что-то вроде USB для AI-агентов: раньше у каждого коннектора был свой разъём, теперь один на всех.

В n8n для этого есть нода MCP Client: подключаешь MCP-сервер, и агент получает все его инструменты. Есть серверы для Notion, GitHub, Postgres, браузера, файловой системы и сотен других сервисов. Раньше под каждый сервис приходилось писать свои HTTP-ноды, теперь, если MCP-сервер есть, его просто подключают.

Claude Code: агент, который строит цикл сам

Claude Code — другая планета. Никакого визуального редактора: пишешь задачу текстом, и агент начинает работать. Читает файлы, разбирается в коде, пишет новые функции, запускает тесты, видит ошибки и исправляет их.

Принципиальное отличие от n8n: ты не проектируешь цикл. Ты ставишь цель — агент выбирает путь. Для разработки это очень сильно. Где Claude Code выигрывает:

• Рефакторинг. «Найди все места, где мы ходим в OpenAI напрямую, и переведи на общий клиент». Агент читает проект целиком, видит закономерность и переписывает.
• Отладка. Описываешь симптом, агент ищет причину по всему коду.
• Документация. Читает код и пишет README и описание API.
• Ревью кода. Разбирает pull request и находит проблемы.

Для этих задач n8n не годится. А вот для бизнес-автоматизации — контент-заводов, интеграций с CRM, уведомлений — Claude Code слаб. Он про код, а не про процессы. Проверено: это не его задача.

OpenClaw: личный агент в мессенджере

OpenClaw в начале 2026 года взорвал интернет: за пару месяцев больше двухсот тысяч звёзд на GitHub. С названием вышла отдельная история. Автор, Питер Штайнбергер, назвал проект Clawdbot. Anthropic попросила убрать сходство с Claude — проект стал Moltbot, потом OpenClaw. А вскоре сам автор ушёл работать в OpenAI. Anthropic отстояла своё имя и заодно отдала проект конкуренту — смешно и грустно одновременно.

Но интересен он не историей, а идеей. OpenClaw ставится на твой сервер, и дальше ты общаешься с ним как с человеком. Если n8n — завод с цехами, конвейером и планом, то OpenClaw — личный помощник, которому пишешь «напомни про встречу» или «найди три статьи про квантовые вычисления». Представь, что главный бухгалтер доступен в мессенджере круглосуточно и никогда не болеет.

Где он хорош:

• личный ассистент, который помнит твои задачи и контекст;
• разбор входящих запросов;
• быстрые эксперименты с агентами без настройки воркфлоу.

И он работает с любой моделью: Claude, GPT, Gemini или локальные модели через Ollama. Последний вариант — бесплатный, если не считать сервера.

Сколько это стоит

Без денег сравнение неполное. Ниже оценки на момент ролика (весна 2026): цены моделей меняются часто, перед расчётом сверься с прайсом провайдера.

n8n. Своя установка бесплатна, нужен только сервер — VPS за $5–15 в месяц. n8n Cloud — от $20 в месяц. Основные расходы — токены моделей. В контент-заводе при нескольких постах в день выходит $5–30 в месяц, в зависимости от числа каналов и сложности агентов. Распредели модели по задачам с умом — и расходы заметно упадут.

Claude Code. Сам инструмент бесплатный, но работает по подписке Claude или через API. При активной работе подписки Pro за $20 не хватит: реальный расход разработчика, который пользуется им каждый день, — $100–200 в месяц, а кто-то тратит и больше. Это не пугалка: агент читает весь репозиторий, пишет код, гоняет тесты — каждая сессия съедает тысячи токенов.

OpenClaw. Сам бесплатный, опенсорс. С локальными моделями через Ollama платишь только за сервер. Хочешь Claude или GPT — платишь за их API как обычно. Плюс хостинг самого OpenClaw: $5–20 в месяц.

Инструмент	Минимум	Активное использование
n8n, своя установка	$5/мес за сервер + токены	$20–50/мес
n8n Cloud	$20/мес + токены	$40–80/мес
Claude Code	$20/мес (Claude Pro)	$100–200/мес
OpenClaw + Ollama	$5–10/мес за сервер	$5–10/мес
OpenClaw + Claude API	$5/мес + токены	$30–100/мес

Что выбрать

Вернёмся к циклу. Если цикл важно держать под контролем — его рисуешь ты, и это n8n. Если цикл лучше отдать агенту, потому что задачу заранее не распишешь, — это Claude Code. Если нужен собеседник, а не процесс, — OpenClaw.

По задачам:

• Бизнес-процессы — CRM, уведомления, заявки, рассылки, связки между сервисами: n8n. Это его ниша.
• Контент-завод или другой производственный конвейер — тоже n8n: субворкфлоу, память, разные модели на разных этапах. Наш завод работает на нём.
• Писать код быстрее — Claude Code. Лучшего инструмента, чтобы переписать, отрефакторить и отладить, сейчас нет. Но готовься к счёту.
• Личный ассистент в мессенджере — OpenClaw. С локальными моделями ещё и дёшево.
• Полноценный агент без больших расходов — n8n на своём сервере плюс дешёвые модели на простых задачах и дорогие только там, где нужно качество.

Если хочется не читать, а собрать

Понять n8n можно только руками. Для этого у нас есть тренажёр Automate This: задачи на собственном n8n, а каждую сданную работу проверяет ревью.

Первый модуль, M0, бесплатный. В нём 18 задач — от первого воркфлоу до Telegram-ассистента с AI, чат-бота с памятью и AI-классификатора сообщений. Условия каждой задачи можно открыть заранее, без регистрации. Свой n8n поднимаем сразу после регистрации и подтверждения почты.

Начать бесплатно с M0 →