Q&A AI エージェントの構築
中級
これはEngineering, AI RAG分野の自動化ワークフローで、12個のノードを含みます。主にFormTrigger, McpClientTool, McpTrigger, EmbeddingsOllama, VectorStoreQdrantなどのノードを使用。 Llama、RAG、Google Searchを使用してQ&A AIエージェントを構築する
前提条件
- •Qdrantサーバー接続情報
使用ノード (12)
カテゴリー
ワークフロープレビュー
ノード接続関係を可視化、ズームとパンをサポート
ワークフローをエクスポート
以下のJSON設定をn8nにインポートして、このワークフローを使用できます
{
"meta": {
"instanceId": "558d88703fb65b2d0e44613bc35916258b0f0bf983c5d4730c00c424b77ca36a",
"templateCredsSetupCompleted": true
},
"nodes": [
{
"id": "95fbf42b-4efb-4301-8e8f-34859156534c",
"name": "MCP Server Trigger",
"type": "@n8n/n8n-nodes-langchain.mcpTrigger",
"position": [
0,
0
],
"webhookId": "8d7910ab-f0db-4042-9da9-f580647a8a8e",
"parameters": {
"path": "8d7910ab-f0db-4042-9da9-f580647a8a8e"
},
"typeVersion": 2
},
{
"id": "0d2f7b7c-a2e2-43ec-baf1-d0e507977bab",
"name": "Qdrant ベクトルストア",
"type": "@n8n/n8n-nodes-langchain.vectorStoreQdrant",
"position": [
440,
140
],
"parameters": {
"mode": "retrieve-as-tool",
"options": {},
"toolDescription": "Use this tool to retrieve data from a database",
"qdrantCollection": {
"__rl": true,
"mode": "id",
"value": "mcp_rag"
}
},
"credentials": {
"qdrantApi": {
"id": "sFfERYppMeBnFNeA",
"name": "Local QdrantApi database"
}
},
"typeVersion": 1.3
},
{
"id": "6c0a4301-66d6-40a6-b133-d809de367e0e",
"name": "埋め込み Ollama",
"type": "@n8n/n8n-nodes-langchain.embeddingsOllama",
"position": [
620,
320
],
"parameters": {
"model": "mxbai-embed-large:latest"
},
"credentials": {
"ollamaApi": {
"id": "xHuYe0MDGOs9IpBW",
"name": "Local Ollama service"
}
},
"typeVersion": 1
},
{
"id": "a0c04dfe-aa62-4dae-b0e2-b7882c1c06fd",
"name": "MCP Client",
"type": "n8n-nodes-mcp.mcpClientTool",
"position": [
-20,
280
],
"parameters": {},
"credentials": {
"mcpClientApi": {
"id": "gtICJ1VBUVNpQahr",
"name": "MCP Client (STDIO) account"
}
},
"typeVersion": 1
},
{
"id": "6b2e162e-3431-41e3-839e-5b4a206de768",
"name": "MCP Client1",
"type": "n8n-nodes-mcp.mcpClientTool",
"position": [
200,
280
],
"parameters": {
"toolName": "execute_tool",
"operation": "executeTool"
},
"credentials": {
"mcpClientApi": {
"id": "gtICJ1VBUVNpQahr",
"name": "MCP Client (STDIO) account"
}
},
"typeVersion": 1
},
{
"id": "2989e6de-fe14-4215-ab7e-350b52faa011",
"name": "付箋",
"type": "n8n-nodes-base.stickyNote",
"position": [
-80,
-100
],
"parameters": {
"color": 5,
"width": 880,
"height": 620,
"content": "## MCP Server\n**Will be triggered by the MCP Client"
},
"typeVersion": 1
},
{
"id": "fb2c49d7-fa34-4ac9-b2e8-1d5dd9a73b3c",
"name": "付箋1",
"type": "n8n-nodes-base.stickyNote",
"position": [
860,
-100
],
"parameters": {
"color": 4,
"width": 880,
"height": 620,
"content": "## RAG Ingestion Pipeline\n**Only run once to upload your documents"
},
"typeVersion": 1
},
{
"id": "34e2aafe-c627-4af8-a673-16526802fbd5",
"name": "On form submission",
"type": "n8n-nodes-base.formTrigger",
"position": [
960,
40
],
"webhookId": "7d7ae610-42c0-4fbf-a286-df5c6b62a510",
"parameters": {
"options": {},
"formTitle": "Ingest PDF Files in semantic database",
"formFields": {
"values": [
{
"fieldType": "file",
"fieldLabel": "Upload a file",
"acceptFileTypes": ".pdf"
}
]
}
},
"typeVersion": 2.2
},
{
"id": "efb5839e-104c-4920-b932-34d9177a5c70",
"name": "Qdrant ベクトルストア1",
"type": "@n8n/n8n-nodes-langchain.vectorStoreQdrant",
"position": [
1180,
40
],
"parameters": {
"mode": "insert",
"options": {},
"qdrantCollection": {
"__rl": true,
"mode": "id",
"value": "mcp_rag"
}
},
"credentials": {
"qdrantApi": {
"id": "sFfERYppMeBnFNeA",
"name": "Local QdrantApi database"
}
},
"typeVersion": 1.3
},
{
"id": "92f0f26c-5af6-4943-bdbf-45777267598d",
"name": "埋め込み Ollama1",
"type": "@n8n/n8n-nodes-langchain.embeddingsOllama",
"position": [
1100,
300
],
"parameters": {
"model": "mxbai-embed-large:latest"
},
"credentials": {
"ollamaApi": {
"id": "xHuYe0MDGOs9IpBW",
"name": "Local Ollama service"
}
},
"typeVersion": 1
},
{
"id": "950a0544-43c4-4423-982e-b04408e46a97",
"name": "Default Data Loader",
"type": "@n8n/n8n-nodes-langchain.documentDefaultDataLoader",
"position": [
1400,
220
],
"parameters": {
"options": {},
"dataType": "binary",
"textSplittingMode": "custom"
},
"typeVersion": 1.1
},
{
"id": "7cd3a5f4-ffb1-4f93-9a7d-a40aea4aa64a",
"name": "再帰的文字テキストスプリッター",
"type": "@n8n/n8n-nodes-langchain.textSplitterRecursiveCharacterTextSplitter",
"position": [
1300,
360
],
"parameters": {
"options": {},
"chunkSize": 400,
"chunkOverlap": 100
},
"typeVersion": 1
}
],
"pinData": {},
"connections": {
"a0c04dfe-aa62-4dae-b0e2-b7882c1c06fd": {
"ai_tool": [
[
{
"node": "95fbf42b-4efb-4301-8e8f-34859156534c",
"type": "ai_tool",
"index": 0
}
]
]
},
"6b2e162e-3431-41e3-839e-5b4a206de768": {
"ai_tool": [
[
{
"node": "95fbf42b-4efb-4301-8e8f-34859156534c",
"type": "ai_tool",
"index": 0
}
]
]
},
"Embeddings Ollama": {
"ai_embedding": [
[
{
"node": "Qdrant Vector Store",
"type": "ai_embedding",
"index": 0
}
]
]
},
"Embeddings Ollama1": {
"ai_embedding": [
[
{
"node": "Qdrant Vector Store1",
"type": "ai_embedding",
"index": 0
}
]
]
},
"34e2aafe-c627-4af8-a673-16526802fbd5": {
"main": [
[
{
"node": "Qdrant Vector Store1",
"type": "main",
"index": 0
}
]
]
},
"950a0544-43c4-4423-982e-b04408e46a97": {
"ai_document": [
[
{
"node": "Qdrant Vector Store1",
"type": "ai_document",
"index": 0
}
]
]
},
"Qdrant Vector Store": {
"ai_tool": [
[
{
"node": "95fbf42b-4efb-4301-8e8f-34859156534c",
"type": "ai_tool",
"index": 0
}
]
]
},
"Recursive Character Text Splitter": {
"ai_textSplitter": [
[
{
"node": "950a0544-43c4-4423-982e-b04408e46a97",
"type": "ai_textSplitter",
"index": 0
}
]
]
}
}
}よくある質問
このワークフローの使い方は？
上記のJSON設定コードをコピーし、n8nインスタンスで新しいワークフローを作成して「JSONからインポート」を選択、設定を貼り付けて認証情報を必要に応じて変更してください。
このワークフローはどんな場面に適していますか？
中級 - エンジニアリング, AI RAG検索拡張
有料ですか？
このワークフローは完全無料です。ただし、ワークフローで使用するサードパーティサービス（OpenAI APIなど）は別途料金が発生する場合があります。
関連ワークフロー
RAGパイプライン
検索拡張生成（RAG）ベースのローカルチャットボット
Form Trigger
Agent
Chat Trigger
+
Form Trigger
Agent
Chat Trigger
13 ノードThomas Janssen
エンジニアリング
LLMテンプレート
GPT-4o-miniとQdrantベクトルデータベースを使用した永続のなチャットメモリ
Set
Agent
Chat Trigger
+
Set
Agent
Chat Trigger
25 ノードEinar César Santos
エンジニアリング
Gmail、GPT-4、ベクター知識ベースを使用した顧客サポートシステムの自動化
自動顧客サポートシステム（Gmail、GPT-4、ベクター知識ベース）
If
Set
Code
+
If
Set
Code
32 ノードKhair Ahammed
AI RAG検索拡張
文書のコンプライアンス検証を自動化
AI とベクトルデータベースを組み合わせた自動ドキュメントコンプライアンス検証
Code
Webhook
Http Request
+
Code
Webhook
Http Request
22 ノードThapani Sawaengsri
AI RAG検索拡張
Qdrant RAGとOllamaを使用してオンデマンドAIのKaggleコンペティションアシスタントを構築
Qdrant RAGとOllamaを使ってローカルのAI Kaggle競技用アシスタントを構築
Set
Merge
Switch
+
Set
Merge
Switch
23 ノードJHH
エンジニアリング
n8nローカルテスト
Llama3、Postgres、Qdrant、Google Driveを使ったプライベートドキュメントQAシステムの構築
Set
Google Drive
Agent
+
Set
Google Drive
Agent
20 ノードDavid Olusola
内部Wiki
