Criar Agentes e Bots de Atendimento com n8n

Do nó AI Agent à integração com WhatsApp — o guia completo para construir um atendente virtual inteligente que responde clientes 24/7, consulta informações em tempo real, lembra de conversas anteriores e escala para humanos quando necessário.

🎯 Resposta direta

Para criar um agente de atendimento com n8n: use o nó AI Agent (Tools Agent) conectado a um modelo de linguagem (OpenAI, Claude ou Gemini). Configure o System Prompt com as regras do atendente, adicione Postgres Chat Memory para memória persistente (usando o número do WhatsApp como session ID) e conecte ferramentas (HTTP Request para base de dados, Google Sheets, calendário). Integre ao WhatsApp via Evolution API, Z-API ou WAHA. Adicione lógica de escalonamento humano com nó If/Switch.

Custo estimado: R$48–200/mês substituindo R$2.000–5.000/mês de atendentes humanos para tarefas repetitivas.

80%
das perguntas de atendimento são repetitivas e automatizáveis com IA
24/7
disponibilidade do agente — sem fila de espera, sem horário comercial
R$48
custo mínimo mensal (VPS + Evolution API gratuita + GPT-4o Mini)
500+
integrações disponíveis no n8n para conectar ao agente como ferramentas
📋 Neste artigo
  1. Bot vs Agente de IA: qual a diferença real
  2. Anatomia do AI Agent no n8n
  3. Passo 1 — Configurar o trigger do WhatsApp
  4. Passo 2 — Criar o nó AI Agent
  5. Passo 3 — Escrever o System Prompt
  6. Passo 4 — Configurar memória persistente
  7. Passo 5 — Adicionar ferramentas ao agente
  8. Passo 6 — Escalonamento humano
  9. Passo 7 — Enviar resposta ao WhatsApp
  10. APIs de WhatsApp: comparativo
  11. Casos de uso reais por setor
  12. Erros comuns e como evitar
  13. FAQ — perguntas frequentes

Bot vs Agente de IA: qual a diferença real

Um chatbot tradicional no n8n segue um fluxo fixo de decisão: if mensagem contém "preço" → responder com tabela de preços. Funciona para cenários simples e previsíveis, mas quebra em qualquer variação de vocabulário ou contexto não mapeado.

Um agente de IA com o nó AI Agent raciocina sobre cada mensagem, decide quais ferramentas usar, combina informações de múltiplas fontes e gera uma resposta contextualizada em linguagem natural — sem precisar mapear cada possível variação de pergunta.

Na prática, com o agente de IA você constrói uma vez e ele responde a dezenas de variações da mesma pergunta sem adicionar novas regras. Com o bot de fluxo fixo, cada nova variação exige uma nova condição no workflow.

🤖 O n8n tem dois nós principais para IA: o Basic LLM Chain (apenas um prompt-resposta, sem ferramentas) e o AI Agent (raciocínio, ferramentas e memória). Para atendimento real, use sempre o AI Agent — ele é dramaticamente mais poderoso.

Anatomia do AI Agent no n8n

O nó AI Agent é o centro do workflow. Ele precisa de 3 sub-nós obrigatórios e pode receber sub-nós opcionais de ferramentas:

🔬 Componentes do nó AI Agent
🧠
Chat Model (obrigatório)

O LLM que processa as mensagens. Conecte OpenAI GPT, Claude (Anthropic), Gemini ou modelos locais via Ollama. Defina a temperatura e o modelo.

💾
Memory (recomendado)

Armazena o histórico da conversa. Simple Memory para testes; Postgres Chat Memory para produção. Usa session ID para separar usuários.

🔧
Tools (opcional, poderoso)

Funções que o agente pode chamar: HTTP Request, código personalizado, busca de dados, calendário. O agente decide quando usar cada tool.


1

Configurar o Trigger do WhatsApp

O primeiro nó do workflow é o gatilho que inicia a execução quando uma mensagem chega. Dependendo da API de WhatsApp que você usa, a configuração varia.

Para Evolution API (mais popular no Brasil)

Novo Workflow→ + Adicionar Nó→ Webhook
Configuração do Webhook n8n
# Configure na Evolution API o webhook para apontar para:
URL: https://seu-n8n.com/webhook/seu-id-aqui

# Método: POST
# Eventos: MESSAGES_UPSERT (mensagens recebidas)

# O payload chegará com esta estrutura:
{
  "event": "messages.upsert",
  "data": {
    "key": { "remoteJid": "5511999999999@s.whatsapp.net" },
    "message": { "conversation": "Olá, qual o preço do produto?" },
    "pushName": "João Silva"
  }
}
⚠️ Adicione um nó If logo após o Webhook para filtrar mensagens que vieram do próprio bot (fromMe: true) e mensagens sem texto (mídia, stickers). Sem esse filtro, o agente vai responder suas próprias mensagens em loop infinito.
2

Criar o Nó AI Agent

+ Adicionar Nó→ AI Agent→ Tipo: Tools Agent

No campo "Prompt", selecione "Take from previous node automatically" — o n8n vai pegar o texto da mensagem automaticamente. Configure o campo Session ID com uma expressão que usa o número do WhatsApp do remetente para identificar cada conversa:

Expression no campo Session ID
# Para Evolution API — extrai o número do JID
{{ $json.data.key.remoteJid.replace('@s.whatsapp.net', '') }}

# Para Z-API — estrutura diferente
{{ $json.phone }}

Conectar o Chat Model

Clique no pino "Chat Model" do nó AI Agent e adicione:

  • ✓ OpenAI Chat Model — configure sua API Key em Credentials. Recomendado: gpt-4o-mini para equilíbrio custo/qualidade ou gpt-4o para maior precisão
  • ✓ Anthropic Claude — use claude-haiku-4-5 para velocidade e baixo custo, ou claude-sonnet-4-6 para raciocínio mais avançado
  • ✓ Google Gemini — gratuito no tier básico, boa opção para começar sem custo de API
3

Escrever o System Prompt

O system prompt é a instrução permanente que define a personalidade, as regras e as capacidades do agente. É o componente mais importante — um bom system prompt transforma um modelo genérico em um atendente especializado.

Exemplo de System Prompt para atendimento
Você é o assistente virtual da [Nome da Empresa], uma [tipo de negócio].
Seu nome é [Nome do Assistente].

PAPEL:
- Atender clientes com educação, objetividade e simpatia
- Responder dúvidas sobre produtos, preços, horários e políticas
- Qualificar leads e encaminhar para a equipe de vendas quando necessário

REGRAS:
- Responda SEMPRE em português brasileiro
- Use linguagem simples, sem jargões técnicos
- Mensagens curtas: máximo 3 parágrafos por resposta
- Não use markdown (negrito, itálico) — é WhatsApp, não e-mail
- Não invente informações que você não tem certeza
- Se não souber, diga claramente e ofereça alternativas

ESCALONAMENTO:
- Se o cliente pedir EXPLICITAMENTE para falar com humano → responda com a tag [ESCALAR]
- Se houver reclamação grave ou situação de urgência → use [ESCALAR]
- Nunca prometa o que não está no seu escopo

FERRAMENTAS DISPONÍVEIS:
- buscar_produto: Use para consultar preços e disponibilidade em tempo real
- verificar_pedido: Use quando o cliente informar um número de pedido
- consultar_agenda: Use para verificar horários disponíveis

DATA/HORA ATUAL: {{ $now }}
NOME DO CLIENTE: {{ $json.data.pushName }}
💡 Dica crítica: seja extremamente específico no system prompt. Regras vagas geram comportamentos imprevisíveis. Em vez de "seja educado", escreva "termine cada mensagem com uma pergunta aberta quando o assunto não foi resolvido". Em vez de "não invente", escreva "se não souber a resposta, diga exatamente: 'Não tenho essa informação no momento. Posso te encaminhar para nosso time?'"
4

Configurar Memória Persistente

A memória permite que o agente lembre do contexto da conversa entre mensagens diferentes. Sem memória, cada mensagem é tratada como uma conversa nova — o cliente precisa repetir o contexto toda vez.

Desenvolvimento

Simple Memory

Armazena em memória RAM. Volátil — se perde ao reiniciar o n8n. Use APENAS para testes locais. Não usar em produção.

Produção ✅

Postgres Chat Memory

Armazena no PostgreSQL. Persistente entre reinicializações. Session ID por usuário. A melhor opção para produção.

Alta velocidade

Redis Chat Memory

In-memory ultra-rápido. Ideal para alto volume de mensagens. Combine com Postgres para velocidade + persistência.

Configurar o Postgres Chat Memory

Configuração do nó Postgres Chat Memory
# Credenciais: conecte ao mesmo PostgreSQL do n8n

# Campo: Session ID
{{ $json.data.key.remoteJid.replace('@s.whatsapp.net', '') }}
# Isso cria um histórico separado por número de telefone

# Campo: Context Window Length
10  # Últimas 10 mensagens — bom equilíbrio memória/custo

# O n8n cria a tabela automaticamente na primeira execução
# Tabela: chat_message_history
📝 Context Window Length: quantas mensagens anteriores o agente "lembra". Mais mensagens = mais contexto, mas também mais tokens e custo maior. Para atendimento, 8–12 mensagens é suficiente para a maioria dos casos de suporte.
5

Adicionar Ferramentas ao Agente

As ferramentas transformam o agente de um "respondedor de perguntas genéricas" em um assistente que realmente acessa dados do seu negócio em tempo real. O agente decide automaticamente quando chamar cada ferramenta baseado na descrição que você fornece.

🔍

HTTP Request Tool

Consulta qualquer API REST do seu sistema: ERP, CRM, e-commerce. Configure a URL, método e parâmetros. O agente passa os argumentos automaticamente.

📊

Google Sheets Tool

Lê e escreve em planilhas Google. Perfeito para bases de dados simples: tabela de preços, lista de produtos, cadastro de clientes.

📅

Google Calendar Tool

Verifica horários disponíveis e agenda consultas/reuniões diretamente do chat. O agente vê os slots livres e confirma com o cliente.

🗄️

Vector Store Tool (RAG)

Base de conhecimento vetorial com FAQs, manuais e documentação. O agente busca os trechos mais relevantes para responder perguntas específicas do produto.

💻

Code Tool

Execute lógica JavaScript ou Python dentro do agente. Útil para cálculos, formatação de dados e transformações que o LLM não deve fazer sozinho.

📦

Sub-workflow Tool

Chame outro workflow n8n como ferramenta. Ótimo para criar "ferramentas compostas" que fazem múltiplas ações em sequência (ex: buscar pedido + verificar status de entrega).

Exemplo: Ferramenta de Consulta de Pedido

Configuração da Tool HTTP Request — Buscar Pedido
# Nome da ferramenta (o agente usa esse nome para decidir quando chamar)
verificar_pedido

# Descrição (MUITO IMPORTANTE — o agente lê isso para decidir quando usar)
"Use esta ferramenta quando o cliente informar um número de pedido 
e quiser saber o status, a previsão de entrega ou detalhes da compra. 
Input obrigatório: número do pedido (ex: 12345)"

# URL
https://sua-api.com/pedidos/{{ $fromAI('numero_pedido', 'número do pedido mencionado pelo cliente') }}

# Método: GET
# Autenticação: Bearer Token com sua chave de API
6

Configurar Escalonamento Humano

Um agente de IA sem escalonamento humano é incompleto. Sempre haverá situações que exigem um atendente real — reclamações graves, casos únicos, vendas complexas. O padrão mais eficaz é usar uma tag na resposta do agente como sinal de escalonamento.

Lógica de escalonamento com nó If
# No nó If, verifique se a resposta do agente contém [ESCALAR]
{{ $json.output.includes('[ESCALAR]') }}

# Branch True: notificar atendente humano
# → Enviar mensagem para o WhatsApp do atendente com o histórico
# → Criar tarefa no CRM (HubSpot, Pipedrive, RD Station)
# → Enviar notificação no Slack ou Discord da equipe

# Branch False: enviar resposta normal do agente
# → Remover a tag [ESCALAR] da mensagem antes de enviar ao cliente
✅ Mensagem automática de escalonamento ao cliente: quando o agente sinalizar [ESCALAR], envie automaticamente ao cliente: "Entendo a sua situação. Vou transferir você para um de nossos atendentes, que entrará em contato em breve. Obrigado pela paciência!". Não deixe o cliente no vazio sem aviso.
7

Enviar a Resposta ao WhatsApp

Para Evolution API

Nó HTTP Request — Enviar mensagem via Evolution API
# URL
https://sua-evolution-api.com/message/sendText/nome-da-instancia

# Método: POST
# Headers: { "apikey": "sua-chave", "Content-Type": "application/json" }

# Body:
{
  "number": "{{ $('Webhook').first().json.data.key.remoteJid }}",
  "text": "{{ $json.output.replace('[ESCALAR]', '').trim() }}"
}
⚠️ Lembre de remover a tag [ESCALAR] da resposta antes de enviar ao cliente. Use um nó de código ou uma expressão para limpar o texto: $json.output.replace('[ESCALAR]', '').trim()

Para Z-API

Nó HTTP Request — Enviar mensagem via Z-API
# URL
https://api.z-api.io/instances/SUA_INSTANCE_ID/token/SEU_TOKEN/send-text

# Body:
{
  "phone": "{{ $('Webhook').first().json.phone }}",
  "message": "{{ $json.output }}"
}

APIs de WhatsApp: qual usar com n8n

Open-source · Gratuita

Evolution API

A mais popular no Brasil para uso com n8n. Open-source, auto-hospedada, comunidade ativa. Suporte a texto, mídia, áudio, grupos e mais. Tem nó nativo no n8n para uso simplificado.

⚠️ Não é a API oficial do WhatsApp — risco de banimento se usada em escala agressiva

Paga · Brasil

Z-API

Solução brasileira paga com boa estabilidade e suporte em português. Planos a partir de R$79/mês. Mais estável que soluções gratuitas para uso comercial contínuo.

⚠️ Também não é a API oficial — mesmos riscos, mas com mais suporte

Open-source · Gratuita

WAHA (WhatsApp HTTP API)

API open-source baseada em Baileys. Versão gratuita com funcionalidades básicas, versão Plus paga com recursos avançados. Boa para início sem custo.

Ideal para protótipos e testes antes de escalar

Oficial Meta · Paga

Wati.io / API Oficial Meta

Baseada na API oficial do WhatsApp Business. Mais cara mas sem risco de banimento. Mensagens precisam usar templates pré-aprovados ou janelas de conversa de 24h. A partir de R$300/mês.

✅ Para empresas que precisam de compliance e escala real


Casos de uso reais por setor

🏋️

Academia / Clínica

  • Agendamento via Google Calendar
  • Lembrete automático 24h antes
  • Responder horários e planos
  • Qualificar leads para avaliação
🏠

Imobiliária

  • Qualificar leads (orçamento, quartos, bairro)
  • Enviar fotos e informações de imóveis
  • Agendar visitas automaticamente
  • Escalar para corretor com lead qualificado
🛒

E-commerce

  • Status de pedido em tempo real
  • Rastreamento de entrega via API
  • Política de devolução e trocas
  • Recomendação de produtos
🍔

Delivery / Restaurante

  • Cardápio dinâmico e preços
  • Receber pedidos e confirmar
  • Calcular taxa de entrega por CEP
  • Estimativa de tempo de preparo
📚

Escola / Infoprodutor

  • Responder dúvidas sobre o curso
  • Verificar acesso e senha da plataforma
  • Qualificar e encaminhar para vendas
  • Enviar material de boas-vindas
⚖️

Escritório / Consultoria

  • Triagem de consultas jurídicas/contábeis
  • Agendar reunião de diagnóstico
  • FAQ sobre serviços e honorários
  • Qualificar antes do contato humano

Erros comuns e como evitar

  • ✗ Usar Simple Memory em produção — a memória some ao reiniciar o n8n. Use Postgres Chat Memory sempre em produção
  • ✗ System prompt muito genérico — "seja educado e ajude o cliente" não é instrução. Especifique regras, formato de respostas, quando escalar e como lidar com cada tipo de situação
  • ✗ Não filtrar mensagens do próprio bot — sem o filtro fromMe: true, o agente entra em loop respondendo suas próprias mensagens
  • ✗ Mais de 5–7 ferramentas por agente — agentes com muitas ferramentas ficam confusos. Crie um agente orquestrador com sub-agentes especializados
  • ✗ Sem tratamento de erros — quando a API do LLM falhar ou a ferramenta retornar erro, sem tratamento o cliente recebe uma mensagem vazia. Adicione um nó de Error Handler
  • ✗ Testar com Simple Memory e implantar em produção sem mudar — erro clássico. Crie dois ambientes (dev/prod) com configurações de memória diferentes
  • ✓ Boas práticas: limite de tokens por resposta, timeout no Chat Model, log de todas as conversas no PostgreSQL para análise posterior

Perguntas frequentes (FAQ)

Como criar um bot de atendimento no WhatsApp com n8n?

Configure um webhook para receber mensagens via Evolution API ou Z-API → adicione o nó AI Agent com um modelo LLM conectado → escreva o system prompt com as regras do atendente → conecte Postgres Chat Memory com session ID baseado no número do WhatsApp → adicione ferramentas necessárias → configure o envio de resposta de volta via HTTP Request para a API do WhatsApp.

Qual a diferença entre chatbot e agente de IA no n8n?

Chatbot segue fluxo fixo de decisão (If/Switch). Agente de IA usa o nó AI Agent com LLM que raciocina, usa ferramentas e gera respostas dinâmicas. Para atendimento real com linguagem natural e múltiplos cenários, o agente de IA é dramaticamente superior. O chatbot funciona bem para menus numerados e respostas fixas.

Qual API de WhatsApp usar com n8n?

Para começar sem custo: Evolution API (open-source, gratuita) ou WAHA. Para uso comercial mais estável: Z-API (R$79+/mês). Para compliance e escala enterprise: Wati.io ou API oficial Meta (R$300+/mês). A Evolution API é a mais popular no Brasil por ser gratuita e ter integração nativa com o n8n.

Como configurar memória persistente no AI Agent do n8n?

Adicione o nó "Postgres Chat Memory" conectado ao AI Agent. Configure o campo "Session ID" com o número de telefone do WhatsApp do usuário. O n8n cria a tabela automaticamente no PostgreSQL. Cada usuário terá um histórico separado. Evite Simple Memory em produção — é volátil e se perde ao reiniciar.

O n8n consegue transcrever áudios de WhatsApp?

Sim. Quando chegar uma mensagem de áudio, adicione um branch no Switch: baixe o arquivo de áudio com HTTP Request → use o nó OpenAI (Transcribe Audio / Whisper) para converter em texto → passe o texto transcrição para o AI Agent como entrada. O agente responde ao conteúdo do áudio em texto. Para responder em áudio, use OpenAI TTS (text-to-speech) + envio de arquivo via WhatsApp API.

Quanto custa criar um bot de atendimento com n8n?

Com n8n self-hosted + Evolution API: VPS R$28–60/mês (n8n + Evolution gratuita) + API LLM R$20–100/mês (Claude Haiku ou GPT-4o Mini para volume moderado) = R$48–160/mês total. Isso substitui atendentes que custariam R$2.000–5.000/mês para tarefas repetitivas, com payback imediato.

O atendente que nunca dorme e custa 20× menos

Criar um agente de atendimento com n8n não é mais só para desenvolvedores. Com o nó AI Agent, qualquer pessoa com conhecimento básico de n8n consegue construir um assistente que fala com clientes em linguagem natural, consulta dados reais e transfere para humanos quando necessário.

Comece simples: um agente com um sistema de FAQ básico e memória de sessão. Valide com clientes reais. Depois adicione ferramentas: busca de pedido, agendamento, consulta de estoque. Evolua iterativamente.

A diferença entre uma empresa que responde em 5 segundos 24h por dia e uma que demora 4 horas começa exatamente com o workflow que você pode construir hoje.

Gostou do conteúdo? Compartilhe com outros usuários de n8n! 🤖