n8n とは、SlackやGoogleスプレッドシート、社内のAPI、そして各種LLMを1本のワークフローにつないで自動化する、fair-codeのワークフロー自動化ツール（OSS）だ。「SlackもスプレッドシートもLLMもつなぎたいが、毎回連携スクリプトを書くのは面倒」——そんな定型作業を、ノードをドラッグして配線するだけで組める。読みは「エヌ・エイト・エヌ」。GitHubスターは約19.7万（196,654★・2026年7月時点）に達し、AIエージェントを扱える自動化OSSの定番になっている。この記事では「n8n とは何か」「n8n の使い方」「n8n の AIエージェント機能」を、公式リポジトリとドキュメントの一次情報だけで、読者の3つの疑問——何ができる／何を解決する／何を代替できる——に答えながら整理する。

n8n公式チャンネルの入門デモ「n8n Quick Start Tutorial: Build Your First AI Agent [2026]」。キャンバス上でAIエージェントを組み立てる流れが1本で分かる（出典: YouTube / n8n公式）。
この記事のポイント（30秒でわかる n8n）
  • ・n8nは500以上のサービス連携とAIエージェントノードをノーコード/ローコードで組めるワークフロー自動化OSS。
  • ・npx n8n かDockerで即起動でき、ブラウザのキャンバスにノードを置いて配線するだけで動く。
  • ・AI Agentノードにモデル・ツール・メモリを差し込めば、判断を伴う自動化まで作れる。
  • ・ライセンスはfair-code（Sustainable Use License）。自己ホストは無料だがOSI承認オープンソースではない。

AI業務自動化ツール全体の選び方は AI自動化ツール｜ノーコードからコードまで2026年版の比較と選び方 をご覧ください。

n8n とは何か——AIワークフロー自動化のオープンソース基盤

n8n とは、ノードを線でつないで業務フローを組み立てるワークフロー自動化プラットフォームだ。公式リポジトリは自らを「The Platform for AI Agents and Workflow Automation」と説明し、ビジュアルのキャンバスとカスタムコードを組み合わせ、自己ホストでもクラウドでも動かせると明記している。名前の由来は創業者Jan Oberhauser氏いわく「nodemation（node＋automation）」で、読みは「エヌ・エイト・エヌ」だ。

n8nの本質は「連携（インテグレーション）のハブ」にある。トリガー（きっかけ）となるノードから始まり、データを加工するノード、外部サービスへ書き込むノードを数珠つなぎにするだけで、これまでスクリプトで書いていた連携処理が画面上のフローになる。公式サイトは500以上のサービス連携と数千規模のワークフローテンプレート（公式ギャラリーで9,000件超）を提供しており、ゼロから作らずに既製フローを流用できる。

n8nのエディタ画面。ノードを線でつないだワークフローがキャンバス上に表示されている
n8nのエディタ。トリガーから各ノードへ線が伸び、処理が可視化される（出典: n8n公式リポジトリ README）。

なぜ今これほど注目されるのか。理由は「AIネイティブ」を掲げている点にある。READMEは主要な特徴として、自社のデータ・モデル・ツールを使ってAIワークフローと多段エージェントを構築できること、OpenAI・Anthropic・Google・オープンソースモデルを切り替えてもアーキテクチャを変えずに済む（ベンダーロックインなし）ことを挙げている。単なる「Zapierのオープンソース版」ではなく、LLMを組み込んだ自動化の土台として位置づけられているわけだ。

まず押さえる3点
  • ・n8nはノード配線型のワークフロー自動化基盤（読みは「エヌエイトエヌ」）。
  • ・500以上の連携と9,000件超のテンプレートで、ゼロから作らずに始められる。
  • ・AIをフローに組み込む前提で設計され、モデルは差し替え自由。

n8nエコシステムには関連するリソースも育っている。実務的なワークフローテンプレート集については awesome-n8n - 実務的なn8nワークフローテンプレート集の活用ガイド が、AIから自然言語でn8nのフローを組む連携については n8n MCP｜Claude Codeから自然言語でn8nワークフローを構築するMCPサーバー が詳しい。本記事はその中心にあるn8n本体の概要と使い方を扱う。

n8n で何ができる・何を解決するのか

結論から言えば、n8nは「サービスをまたぐ手作業」と「連携スクリプトの保守」を丸ごと肩代わりする。公式が挙げるユースケースは、IT運用（従業員のオンボーディング自動化）、セキュリティ運用（インシデントチケットの情報付加）、DevOps（自然言語をAPI呼び出しへ変換）、営業（レビューから顧客インサイトを生成）など、部署を問わず広い。

具体的に「何ができるか」を分解すると、次のようになる。

・トリガーで自動起動：Webhook受信、スケジュール（定期実行）、チャットメッセージ、フォーム送信などをきっかけにフローを動かす
・データの加工・分岐：受け取ったデータをフィルタ・整形・条件分岐し、必要な形に変換する
・500以上のサービスへ接続：Slack・Notion・Googleスプレッドシート・データベース・各種SaaSへ読み書きする
・AIによる判断・生成：LLMに要約・分類・回答生成をさせ、その結果で後続の処理を変える
・コードで拡張：標準ノードで足りなければJavaScript・Python・npmパッケージをコードノードに書ける

n8nはトリガー→データ加工→AIエージェント→出力の流れをノード配線で組む。従来の自前スクリプトと比べて配線とログ確認が容易
手作業の連携を「ノードをつなぐだけ」で自動化。従来の自前スクリプトとの違いを整理した。

「何を解決するのか」という視点では、n8nは連携コードの属人化とデバッグの辛さを解く。自前のスクリプトだと、API認証・リトライ・エラーハンドリングを毎回書き、どのステップで失敗したかをログから追う必要がある。n8nはキャンバス上で各ノードの入出力を1ステップずつ確認・再実行できるため、失敗した箇所だけを直して流し直せる。公式サイトも「AIの推論をキャンバス上でステップ確認できる」「単一ステップを再実行して全体を作り直さない」ことを利点に挙げている。

「何を代替できるのか」については、後述の比較表で詳しく触れるが、大きくはZapier・Make（旧Integromat）といったSaaS型の自動化ツールを自己ホストで置き換えられる。加えて、単純なLLMアプリ構築ならDifyのような専用ツールとも用途が重なる。ただしn8nの強みは「汎用の業務連携」と「AI」を1つのフローに同居させられる点にある。

期待しすぎに注意
n8nは万能ではない。大量データのETLやストリーム処理、ミリ秒単位のリアルタイム制御は本来の得意領域ではない。そうした用途では専用のデータパイプライン基盤（後述のKestraなど）を検討したほうがよい。n8nが最も光るのは「複数サービス＋AIをまたぐ中量級の自動化」だ。

n8n の使い方：インストールから最初のワークフローまで

n8n の使い方は驚くほど短い手順で始められる。Node.jsが入っていれば1コマンドだ。公式READMEが案内するクイックスタートをそのまま引用する。

# Node.js があれば npx で即起動（インストール不要で試せる）
npx n8n

ブラウザで http://localhost:5678 を開くとエディタが立ち上がる。本番運用や永続化を見据えるなら、公式が推奨するDocker起動のほうが扱いやすい。

# Docker で起動（データはボリュームに永続化）
docker volume create n8n_data
docker run -it --rm --name n8n -p 5678:5678 \
  -v n8n_data:/home/node/.n8n docker.n8n.io/n8nio/n8n

起動後の流れは共通で、次の順に進める。

・①トリガーノードを置く：「Manual」「Schedule」「Webhook」などから起点を選ぶ
・②処理ノードを足す：ノードパネルから連携先やコードノードを検索して配置する
・③配線する：ノード同士を線でつなぎ、データの流れを作る
・④各ノードを実行して確認：ステップ単位で出力を見ながら設定を詰める
・⑤ワークフローを有効化：トリガー条件に応じて自動実行させる

最新の安定版は執筆時点で [email protected]（2026年7月16日リリース）。バージョンは頻繁に更新されるため、Docker運用ではタグ固定とアップデート方針を決めておくとよい。認証情報（各サービスのAPIキー等）はn8nの「Credentials」に登録し、ワークフロー本体と分離して管理する。

最初の一歩におすすめ
いきなりゼロから組むより、公式テンプレートを流用したほうが速い。エディタ内のテンプレート検索や公式ギャラリーには9,000件超の実例があり、近いものを読み込んでから自分の環境に合わせて改造するのが定石だ。テンプレ集の探し方は awesome-n8n の活用ガイド も参考になる。

なお、n8nの式（Expression）では二重波かっこの記法でデータを参照する場面があるが、値の中身はエディタのGUIから設定できるため、最初はコードを書かずに配線と各ノードのパラメータ設定だけで多くの自動化が完成する。「まず動かす→必要になったらコードで拡張」という順序が、n8nを挫折なく使うコツだ。

n8n の AIエージェント機能とは何か

n8n の AIエージェント機能は、LLMに「状況を見て自分で次の手を決めさせる」ための仕組みだ。中核となる「AI Agent」ノードは、チャットモデルと1つ以上のツールを接続すると、エージェントがタスク達成のためにどのツールを呼ぶかを自ら判断する。公式ドキュメントは、この挙動を「利用可能なツールとそのスキーマを記述し、タスクに応じて使うツールを決める」と説明している。

AI Agentノードには、次の4種類の部品（サブノード）を差し込む。

・チャットモデル：OpenAI・Anthropic・Google Gemini・Ollama（ローカル/オープンソースモデル）などを選ぶ
・メモリ：会話履歴を保持し、複数ターンのやり取りを成立させる（セッションをまたぐ永続化は別途設定）
・ツール：検索・API呼び出し・サブワークフローなど、エージェントが実行できる「手足」を渡す
・ベクトルストア：自社ドキュメントを埋め込み検索してRAG（検索拡張生成）で参照させる

n8nのAI Agentノードにチャットモデル・メモリ・ツール・ベクトルストアの4部品を差し込む構成図
AI Agentノードは4つの部品を差すだけ。LangChainベースでモデルは差し替え可能（ロックインなし）。

これらはすべてLangChainの機能をノード化したものだ。公式は「LangChainのノード群は設定可能で、エージェント・LLM・メモリなどのコンポーネントを好みで選べる」としている。つまり、LangChainをコードで書く代わりに、n8nのキャンバス上でエージェントの構成をビジュアルに組めるのがポイントになる。処理の全体像は次のようになる。

flowchart LR T["トリガー
Webhook / 予定 / チャット"] --> AG["AI Agentノード"] M["チャットモデル
OpenAI / Anthropic / Google / Ollama"] --> AG MEM["メモリ
会話履歴を保持"] --> AG TOOL["ツール
検索・API・サブフロー"] --> AG VS["ベクトルストア
RAGで自社データ参照"] --> AG AG --> OUT["出力ノード
Slack / DB / 500超のサービス"]

さらにn8nは、多段エージェント・RAG・human-in-the-loop（人間の承認を挟む）・構造化された入出力に対応し、MCP（Model Context Protocol）もサポートするとしている。プロトタイプから本番まで、ロールベースのアクセス制御や監査ログ、機密データの扱いを含めて運用できる点を「Enterprise-Ready AI」と表現している。

AIから逆にn8nを操作したい場合——たとえばClaude CodeやCursorから自然言語で「Slack通知ワークフローを作って」と指示したい場合——は、別プロジェクトのMCPサーバーを使う。詳しくは n8n MCP｜Claude Codeから自然言語でn8nワークフローを構築するMCPサーバー を参照してほしい。本記事のn8n本体がAIエージェントを「動かす側」、n8n MCPがAIにn8nを「作らせる側」という役割分担になる。

n8n と Zapier・Make・Dify の違い

n8nの立ち位置を理解するには、隣接ツールとの比較が早い。ここでは代表的な自動化・AIツールであるZapier、Make（旧Integromat）、Difyと並べる。数値の断定を避け、設計思想の違いに絞って整理した。

観点 n8n Zapier Make Dify
種別 ワークフロー自動化 ワークフロー自動化 ワークフロー自動化 LLMアプリ構築
ライセンス fair-code（ソース公開） プロプライエタリ プロプライエタリ オープンソース系
自己ホスト 可能（無料） 不可（SaaS専用） 不可（SaaS専用） 可能
操作モデル ノード配線＋コード ステップ設定中心 ビジュアルシナリオ プロンプト/フロー中心
コード拡張 JS/Python/npm 限定的 限定的 一部可
AIエージェント AI Agentノード標準搭載 AI機能あり AI機能あり LLMアプリに特化
得意領域 汎用連携＋AIの同居 手軽なSaaS連携 視覚的な複雑分岐 チャットボット/RAGアプリ

最大の分岐点は「自己ホストできるか」だ。ZapierとMakeはクラウド専用のため、データは必ずベンダー側を経由し、実行回数に応じた課金が効いてくる。n8nはソース公開で自己ホストできるので、機密データを自社インフラ内で処理でき、実行量が増えてもインフラ費用に閉じやすい。一方で、サーバーの構築・運用・アップデートは自分たちの責任になる——この「無料の代償は運用工数」というトレードオフは正直に押さえておきたい。

Difyとの違いも整理しておく。Difyはチャットボットや社内ナレッジQ&AといったLLMアプリを作ることに特化している。対してn8nは「LLMも扱える汎用の業務自動化」であり、AIは数あるノードの1つという位置づけだ。純粋にRAGチャットアプリを作りたいならDify、他システムとの連携を含む自動化にAIを組み込みたいならn8n、という住み分けになる。Difyの詳細は当サイトの Dify 解説 が詳しい。

なお、同じ「ワークフロー」でもデータパイプライン寄りのオーケストレーションが目的なら、Kestra：データパイプラインとワークフロー自動化のオープンソースプラットフォーム のような基盤が向く。n8nは「サービス連携＋AI」、Kestraは「データ処理のスケジューリングと信頼性」に軸足がある。

n8n のライセンス（fair-code）と自己ホストの注意点

n8nを検討するうえで絶対に誤解してはいけないのがライセンスだ。n8nは一般的な「オープンソース」ではなく、fair-code という考え方に基づき、Sustainable Use License と n8n Enterprise License の下で配布されている。READMEはこれを次の3点で説明している。

・Source Available（ソース公開）：ソースコードは常に閲覧できる
・Self-Hostable（自己ホスト可能）：どこにでもデプロイできる
・Extensible（拡張可能）：独自ノードや機能を追加できる

ここで重要なのは、「ソース公開」と「OSI承認のオープンソース」は別物だという点だ。Sustainable Use Licenseは、社内の業務利用（internal business purposes）や個人利用を広く認める一方で、n8n自体をそのまま再販する・ホスティングしてSaaSとして提供するといった用途には制限をかけている。MITやApache-2.0のように「何にでも自由に使える」わけではないため、自社プロダクトへの組み込みや商用配布を考えている場合は、ライセンス本文とEnterprise Licenseの条件を必ず確認したい。

「無料＝完全自由」ではない
自己ホスト版のn8nは無料で使えるが、それは「Sustainable Use Licenseの範囲内で」という条件付きだ。GitHubのライセンス表記もOSI標準ライセンスではなく「Other（NOASSERTION）」として扱われる。AI OSSの記事化でしばしば混同されるポイントなので、社内導入の稟議では「fair-code＝ソース公開だがOSIオープンソースではない／自己ホストは無料」と正確に共有しておくとトラブルを避けられる。

自己ホストの実務面も押さえておく。永続化にはDockerボリューム（前掲の n8n_data）を使い、Credentialsに登録したAPIキーはワークフローと分離してバックアップする。運用向けには、バージョンをタグで固定し、スケジュール実行が時刻どおりに動くようタイムゾーンを明示しておくとよい。

# 自己ホスト運用向け：バージョンをタグ固定し、タイムゾーンを指定して起動
docker run -it --rm --name n8n -p 5678:5678 \
  -e GENERIC_TIMEZONE="Asia/Tokyo" -e TZ="Asia/Tokyo" \
  -v n8n_data:/home/node/.n8n docker.n8n.io/n8nio/n8n:2.30.6

マネージドで運用したい・アップデートやスケールを任せたい場合は、有料の n8n Cloud という選択肢もある。「まず自己ホストで検証し、運用負荷が見合わなければCloudへ」という移行も現実的だ。

n8nの実データ：GitHub 196,654スター、59,365フォーク、500以上のアプリ連携、9,000件超のワークフローテンプレート
数字で見るn8n。GitHub API と n8n.io 公式（2026年7月時点）の実データ。

コミュニティの規模も導入判断の材料になる。GitHubスターは196,654、フォークは59,365、公式サイトは20万人超のコミュニティメンバーとG2で4.7/5の評価を掲げている。エコシステムとテンプレートの厚みは、詰まったときに解決策へ辿り着ける確率に直結する。

まとめ：n8n とはどんなチーム・用途に向くツールか

n8n とは、ノード配線で「サービス連携」と「AI」を1つのフローに同居させられる、fair-codeのワークフロー自動化OSSだ。使い方は npx n8n かDockerで即起動でき、トリガーと処理ノードを線でつなぐだけで動く。AI Agentノードにモデル・ツール・メモリ・ベクトルストアを差せば、判断を伴う自動化やRAGまで組める。

向いているのは、「複数のSaaSやAPI、そしてLLMをまたぐ中量級の自動化を、自社インフラ内で回したいチーム」だ。機密データを外に出したくない、実行量課金を避けたい、ビジュアルとコードを混在させたい——こうした要件にn8nはよく噛み合う。逆に、純粋なチャットボット構築ならDify、大規模データパイプラインなら専用基盤、運用工数を極力減らしたいならSaaS型のZapier/Makeやn8n Cloud、と切り分けるのが賢い。

結論
  • ・n8nは500以上の連携＋AIエージェントをノーコード/ローコードで組める定番の自動化OSS。
  • ・npx n8nで即試せて、テンプレート9,000件超を流用すれば立ち上がりが速い。
  • ・ライセンスはfair-code（Sustainable Use License）。自己ホスト無料だがOSIオープンソースではない点に注意。
  • ・AIを含む中量級の業務自動化を自社内で回したいチームに最適。

まずは手元で npx n8n を叩き、公式テンプレートを1つ読み込んで改造してみるところから始めるのが、n8nを最短で理解する近道だ。

参照ソース

・n8n 公式リポジトリ（README）— n8n-io/n8n
・n8n 公式サイト（n8n.io）
・AI Agent ノード公式ドキュメント
・Sustainable Use License（fair-code ライセンス解説）