n8n Tool 全分類教學¶

這份筆記專門教 tool。目標不是背每一個 n8n 節點，而是建立分類能力：看到一個 tool，你能判斷它能做什麼、怎麼設定、什麼時候用、什麼時候不該用。

想一想¶

學 tool 時，最容易掉進「節點百科」的陷阱：看到很多工具，就想把每個都背起來。但真正有用的能力不是背工具名稱，而是知道工具在流程裡扮演什麼角色。任何工具大致都在做幾件事：讓流程開始、讀資料、整理資料、判斷分流、呼叫外部服務、寫出結果、通知人或讓 AI 使用某種能力。

你可以把 tool 想成工作桌上的器具。剪刀、膠帶、尺、筆都很有用，但你不會因為有剪刀就到處亂剪；你會先知道自己要完成什麼，再選工具。n8n 也是一樣。設計 workflow 時先問任務需要什麼能力，再選 tool。特別是 AI Agent tool，更要寫清楚用途與限制，因為 Agent 會根據描述決定要不要使用它。tool 給得太少，Agent 做不了事；tool 給得太多又沒限制，就容易誤用。

本篇怎麼讀¶

學習目標：理解 n8n 中 tool 的種類、設定方式、使用場景與安全邊界
先修需求：已看過 02 n8n 新手入門完整教學、07 n8n + OpenAI 實作範例集、08 n8n Agent 基礎補充教材
讀完後你應該能：替一個 workflow 選對工具、寫出清楚 tool description、判斷哪些工具需要人工審核

1. 在 n8n 裡，Tool 到底是什麼¶

tool 有兩層意思。

1.1 廣義 tool¶

在一般 workflow 裡，任何能完成工作的節點都可以被視為工具。

例如： - HTTP Request：打 API - Google Sheets：讀寫表格 - Code：自訂邏輯 - IF：條件判斷 - Webhook：接收外部資料

1.2 AI Agent tool¶

在 AI Agent 裡，tool 是 Agent 可以主動呼叫的能力。

例如： - HTTP Request Tool - Code Tool - Call n8n Workflow Tool - MCP Client Tool - Google Sheets Tool - Calculator Tool

差別是： - 一般 workflow 是你明確排好順序 - Agent tool 是模型根據任務決定要不要使用

一句話： 普通 node 是流程設計者安排的工具；AI Agent tool 是模型可調用的工具。

2. Tool 的總分類¶

可以先用這 10 類記住：

入口工具
資料讀取工具
資料整理工具
判斷與流程控制工具
外部 API 工具
輸出與寫入工具
AI Agent 工具
RAG / Vector 工具
MCP / 子工作流工具
人工審核與安全工具

這種分類比背官方節點清單更有用，因為 n8n 節點會一直增加，但分類邏輯不太會變。

3. 入口工具¶

入口工具負責讓 workflow 開始。

3.1 常見工具¶

Manual Trigger
Webhook
Form Trigger
Schedule Trigger
Chat Trigger
各種 app trigger，例如 Gmail、Slack、Google Sheets trigger

3.2 功用¶

接收使用者輸入
接收外部系統事件
定時啟動流程
開始一段 AI chat

3.3 如何設定¶

Webhook¶

需要設定： - HTTP Method - Path - Response Mode

適合： - 表單送出 - 前端送資料 - 外部系統 callback - 語音前端送 transcript

Schedule Trigger¶

需要設定： - 每幾分鐘 - 每小時 - 每天幾點 - Cron

適合： - 定時報表 - 每班交班摘要 - 每天同步資料

Chat Trigger¶

適合： - AI Agent 對話 - 互動式助理 - 需要 streaming 的聊天流程

3.4 使用場景¶

語音記錄流程： 語音前端 -> transcript -> Webhook

班表或日報摘要流程： Schedule Trigger -> 查詢本日紀錄 -> 產生摘要

AI 問答流程： Chat Trigger -> AI Agent -> Tools

3.5 常見錯誤¶

Webhook method 設 POST，測試時卻用 GET
Webhook test URL 和 production URL 混用
Schedule Trigger 未啟用 workflow
Chat Trigger 後面沒有接可回應的 AI 流程

4. 資料讀取工具¶

資料讀取工具負責把資料拿進 workflow。

4.1 常見工具¶

HTTP Request
Google Sheets
Database
Read Binary File
Extract from File
Gmail
Notion
Airtable
Qdrant / Vector Store Retrieve

4.2 功用¶

讀 API
讀表格
查資料庫
讀文件
查知識庫

4.3 如何設定¶

HTTP Request¶

需要設定： - Method - URL - Headers - Authentication - Query Parameters - Body

適合： - 院內 API - HIS/EMR 前置 API - 外部服務 API - OpenAI API

Google Sheets 讀取¶

需要設定： - Google credentials - spreadsheet ID - sheet name - range 或欄位

適合： - 教學 prototype - 測試資料表 - 小型工作清單

不適合： - 未核准的 PHI 正式存放

Database¶

需要設定： - 連線 credentials - table - query - operation

適合： - 正式資料儲存 - 院內系統整合 - 可稽核的資料流程

4.4 使用場景¶

從 Google Sheets 讀本班病人清單
從資料庫讀某病人本班紀錄
從院內 API 查目前床號與護理師班別
從向量資料庫查護理 SOP

4.5 常見錯誤¶

把測試用 Google Sheets 當正式資料庫
忘記分頁名稱
API token 過期
response 結構和預期不同
讀到多筆資料後，不知道下一步會逐筆處理

5. 資料整理工具¶

資料整理工具負責把資料變成下一步好用的格式。

5.1 常見工具¶

Set / Edit Fields
Code
Aggregate
Item Lists
Merge
Split Out
Convert to File

5.2 功用¶

改欄位名稱
組出 summary
型別轉換
多筆資料彙整
陣列拆分
合併不同來源資料

5.3 如何設定¶

Set / Edit Fields¶

適合： - 新增欄位 - 統一欄位命名 - 從 $json.body.xxx 轉成乾淨欄位

範例：

{{$json.body.patient_id}}
{{$json.body.transcript}}
{{$now}}

Code¶

適合： - 複雜欄位處理 - 規則判斷 - 陣列處理 - 組草稿文字

護理例子： - spo2 < 92 標記低血氧 - pain_score >= 7 標記高疼痛 - transcript 規則式 parser

5.4 使用場景¶

把 webhook body 正規化
把 OpenAI JSON 解析成欄位
把多筆床邊紀錄合併成交班摘要
把缺值轉成 null

5.5 常見錯誤¶

缺值用 0，造成假資料
把字串數字當成真正 number
在 Code 裡沒有處理 null
欄位名稱前後不一致

5.6 醫療場景建議¶

缺值不要用 0。

建議： - 沒填體溫：null - 真的是 0：才用 0 - 不知道：unknown - 不適用：not_applicable

6. 判斷與流程控制工具¶

這類工具決定資料走哪條路。

6.1 常見工具¶

IF
Switch
Filter
Merge
Loop Over Items
Wait
Stop and Error

6.2 功用¶

檢查必填欄位
判斷異常
分流成功與失敗
分批處理
等待人工或外部事件

6.3 如何設定¶

IF¶

適合二分法。

例子： - 有沒有必要欄位 - 是否需要 alert - 是否付款完成

Switch¶

適合多分支。

例子： - shift = day / evening / night - message_type = text / image / audio - risk_level = low / medium / high

Wait¶

適合： - 等待人工確認 - 等待外部 API callback - 延遲再檢查

6.4 使用場景¶

護理快速記錄： IF Required Fields -> IF Alert Needed -> Save Draft -> Respond

AI 草稿： IF AI parse failed -> Return error / Ask nurse to correct

6.5 常見錯誤¶

所有錯誤都走成功分支
沒有 invalid input 分支
high-risk action 沒有人工審核
把 alert 當診斷

7. 外部 API 工具¶

外部 API 工具讓 n8n 連接任何有 API 的系統。

7.1 常見工具¶

HTTP Request
各種 app node
OpenAI API
LINE Messaging API
Slack API
Hospital internal API

7.2 功用¶

查資料
寫資料
發通知
呼叫 AI
串接院內系統

7.3 如何設定¶

必看 5 件事： - URL - Method - Authentication - Headers - Body

7.4 使用場景¶

OpenAI 結構化抽取
傳送 Slack/LINE 通知
查院內病人清單
寫入草稿資料表

7.5 常見錯誤¶

token 放錯位置
Bearer 少打
Content-Type 錯
body 格式錯
response 沒處理錯誤狀態

8. 輸出與寫入工具¶

這類工具會改變外部世界，風險比較高。

8.1 常見工具¶

Google Sheets Append
Database Insert
HTTP Request POST/PATCH
Email
Slack
LINE
Notion
Airtable
Write Binary File

8.2 功用¶

寫資料
發通知
建立任務
更新紀錄
儲存草稿

8.3 如何設定¶

你要先決定： - 寫去哪裡 - 寫哪些欄位 - 成功後回傳什麼 - 失敗時怎麼處理

8.4 使用場景¶

寫入床邊快速記錄草稿
寫入交班摘要草稿
發 alert 到護理站看板
發任務給下一班

8.5 常見錯誤¶

沒有防重複寫入
沒有錯誤分流
沒有稽核欄位
沒有人工確認就寫正式系統

8.6 醫療場景安全原則¶

越會改變外部世界的 tool，越需要人工審核。

例如： - 讀資料：風險較低 - 寫草稿：中等風險 - 發通知：中等到高風險 - 改正式病歷：高風險，不建議自動化

9. AI Agent 工具¶

AI Agent tool 是模型可以自己選擇是否使用的工具。

n8n 官方文件中，AI Agent 使用 tool calling 介面，能依任務選擇外部工具與 API。AI Agent node 需要至少連接一個 tool sub-node。

9.1 常見 AI Agent tools¶

Call n8n Workflow
Code Tool
HTTP Request Tool
Calculator
MCP Client Tool
AI Agent Tool
各種 app tool，例如 GitHub、Google Sheets、Slack、Airtable、Zendesk

9.2 功用¶

讓 Agent 可以： - 查資料 - 算東西 - 呼叫 API - 寫資料 - 呼叫另一個 workflow - 委派給另一個 Agent

9.3 如何設定¶

設定 Agent tool 時，最重要不是 node 本身，而是 description。

Tool description 應說清楚： - 這個工具做什麼 - 什麼時候使用 - 需要哪些輸入 - 不應該用在什麼情況

不好的 description：

Search data

好的 description：

Use this tool only to retrieve approved nursing SOP snippets by keyword. Do not use it to make clinical decisions. Return source title and excerpt.

9.4 `$fromAI()` 動態參數¶

n8n 支援讓 AI 指定 tool 的部分參數。

適合： - 搜尋關鍵字 - 查詢條件 - API body 中的非敏感欄位

不適合： - 權限 - API key - 目標系統 ID - 高風險寫入欄位

9.5 常見錯誤¶

Tool description 太模糊
讓 Agent 自己決定太多高風險欄位
沒有限制 tool 使用範圍
沒有人審核寫入型 tool
沒有設定最大迭代次數

10. Code Tool¶

Code Tool 讓 Agent 可以執行一段自訂程式。

10.1 功用¶

資料轉換
簡單計算
自訂格式輸出
補足內建節點做不到的邏輯

10.2 如何設定¶

需要設定： - Description - Code - 輸入參數 - 輸出格式

10.3 使用場景¶

把多筆紀錄彙整成摘要
做簡單規則判斷
將模型輸出轉成固定 JSON

10.4 風險¶

Code 太自由
容易隱藏邏輯
若處理敏感資料，要能稽核

建議： - 只做明確、可測、短小的邏輯 - 不要讓 Agent 自由產生可執行程式碼

11. HTTP Request Tool¶

HTTP Request Tool 讓 Agent 可以呼叫 API。

11.1 功用¶

查外部資料
呼叫內部 API
發送資料到其他系統

11.2 如何設定¶

需要設定： - Method - URL - Authentication - Headers - Body - 哪些參數可以由 AI 填

11.3 使用場景¶

查病房工作清單
查知識庫 API
呼叫 OpenAI
傳送 webhook 給其他系統

11.4 風險¶

HTTP Request Tool 很強，也很危險。

風險包括： - 打錯 API - 送出敏感資料 - 改到正式系統 - 被 prompt injection 誘導

建議： - 讀取型 API 可以較寬鬆 - 寫入型 API 要人工審核 - URL 不要讓 AI 自由指定 - headers 和 credentials 不要交給 AI

12. Call n8n Workflow Tool¶

這個 tool 讓 Agent 呼叫另一個 n8n workflow。

12.1 功用¶

把複雜流程封裝成工具
讓 Agent 只知道要呼叫工具，不知道內部細節
重複使用 workflow

12.2 如何設定¶

需要設定： - 要呼叫的 workflow - input schema - output 格式 - tool description

12.3 使用場景¶

查病人草稿紀錄 workflow
產生交班摘要 workflow
查 SOP workflow
發送安全訊息 workflow

12.4 好處¶

這是最推薦的 Agent tool 設計方式之一。

因為你可以： - 把高風險細節藏在受控 workflow 裡 - 讓 Agent 只填必要參數 - 統一錯誤處理 - 統一稽核

13. AI Agent Tool¶

AI Agent Tool 讓一個主 Agent 呼叫另一個專門 Agent。

13.1 功用¶

多代理人協作
任務分工
專家 Agent

13.2 如何設定¶

需要設定： - Description - Prompt - System Message - Output format - fallback model - max iterations

13.3 使用場景¶

主 Agent 接收需求
護理摘要 Agent 專門產生摘要
SOP Retrieval Agent 專門查知識庫
格式檢查 Agent 專門檢查輸出

13.4 常見錯誤¶

每個 Agent 都太萬能
職責不清
輸出格式不一致
多 Agent 互相傳錯上下文

建議：每個 Agent 只做一件事。

14. MCP Client Tool¶

MCP Client Tool 讓 n8n Agent 使用外部 MCP server 提供的工具。

14.1 功用¶

連接外部工具生態
讓 Agent 使用 MCP server 暴露的工具
統一工具協定

14.2 如何設定¶

需要設定： - SSE endpoint - Authentication - Tools to Include - Tools to Exclude

14.3 Tools to Include 的選擇¶

可以選： - All - Selected - All Except

醫療或敏感資料場景，建議用： Selected

不要一開始就把所有 MCP tools 都暴露給 Agent。

14.4 使用場景¶

讓 Agent 查 Google Calendar
查內部文件系統
調用自訂院內工具
使用外部 MCP workflow server

14.5 風險¶

工具暴露過多
權限邊界不清
Agent 調錯工具
外部 MCP server 不受控

15. RAG / Vector 工具¶

RAG 工具讓 Agent 根據資料回答，而不是只靠模型記憶。

15.1 常見工具¶

Embedding Model
Vector Store
Retriever
Qdrant
Chroma
PGVector
Simple Vector Store
Document Loader
Text Splitter

15.2 功用¶

建立知識庫
檢索相關文件
把檢索結果交給 Agent

15.3 如何設定¶

典型流程： 1. 讀文件 2. 切 chunk 3. 做 embedding 4. 存 vector DB 5. 使用 retriever 6. 接到 Agent 或 Q&A Chain

15.4 使用場景¶

查護理 SOP
查課程教材
查院內流程
查常見問題

15.5 常見錯誤¶

chunk 太大或太小
沒有 metadata
問題和資料語言不一致
retrieval 結果沒給來源
讓模型回答超出檢索內容

15.6 醫療場景建議¶

RAG 可以輔助查 SOP，但不應自動做臨床決策。

建議輸出： - 摘要 - 來源 - 不確定時提醒人工查證

16. Output Parser 工具¶

Output Parser 用來要求 AI 輸出固定格式。

16.1 常見工具¶

Structured Output Parser
Auto-fixing Output Parser
Item List Output Parser

16.2 功用¶

降低模型輸出格式亂掉
讓下一個節點更容易讀
適合 structured extraction

16.3 使用場景¶

transcript -> JSON
會議內容 -> action items
客服訊息 -> category
護理語音 -> draft fields

16.4 常見錯誤¶

沒有定義 schema
schema 太複雜
沒有處理 parse failed
模型輸出錯了還直接往下寫資料

建議：所有需要進資料表的 AI 輸出，都應該有 parser 或 validation。

17. Memory 工具¶

Memory 讓 Agent 記得對話上下文。

17.1 功用¶

連續對話
保留使用者偏好
維持任務上下文

17.2 常見設定¶

Window length
Session ID
Memory store

17.3 使用場景¶

Chatbot
連續問答
互動式助理

17.4 醫療場景注意¶

Memory 可能保留敏感資料。

建議： - 不要保存 PHI 到未核准 memory - 設定清楚 session scope - 能清除 - 能稽核

18. Human Review 工具¶

n8n 支援 AI tool calls 的 human review，讓某些 tool 在執行前先送人工審核。

18.1 功用¶

避免高風險 tool 自動執行
讓人批准或拒絕
保留人工責任鏈

18.2 適合加 human review 的工具¶

發送訊息
修改資料庫
刪除資料
寫入正式系統
發送給客戶、使用者或外部對象

18.3 使用場景¶

現場記錄流程： - AI 產生草稿 - 負責人確認 - 才能複製或輸入正式系統

Agent 工具： - 查資料可自動 - 寫資料要審核 - 發 alert 要看風險等級

18.4 常見錯誤¶

所有 tool 都自動執行
沒有紀錄誰批准
沒有 deny path
人工審核只是形式，沒有責任邊界

19. Tool 風險分級¶

做 Agent 前，先把 tool 分級。

19.1 低風險工具¶

通常只讀資料，不改外部狀態。

例子： - 查公開 API - 查去識別化教材 - 查 SOP - calculator

19.2 中風險工具¶

會寫草稿、發內部提醒、改非正式資料。

例子： - 寫 Google Sheets 草稿 - 發護理站提醒 - 建立待辦 - 產生紀錄草稿

19.3 高風險工具¶

會改正式系統或對外產生影響。

例子： - 寫正式 EHR/EMR - 發送醫療建議給病人 - 刪除資料 - 修改正式訂單或臨床紀錄

19.4 建議原則¶

低風險：可自動
中風險：可半自動，需審核或紀錄
高風險：預設不自動，必須人工確認

20. Tool 設計檢查表¶

每加一個 tool 前，問這些問題：

20.1 功能¶

這個 tool 做什麼？
是讀資料還是寫資料？
會不會改變外部狀態？

20.2 輸入¶

需要哪些欄位？
哪些欄位可以讓 AI 填？
哪些欄位必須固定？

20.3 輸出¶

回傳格式是什麼？
成功和失敗如何區分？
下一個節點需要什麼欄位？

20.4 安全¶

是否包含 PHI？
是否需要人工審核？
是否需要稽核 log？
是否有 fallback？

20.5 教學¶

學員能不能用一句話說明這個 tool？
有沒有測試資料？
有沒有預期輸出？

21. Tool Description 寫法¶

Agent tool 的 description 非常重要。

21.1 好的 description 應包含¶

使用目的
使用時機
輸入要求
輸出格式
禁止事項

21.2 範例：查 SOP tool¶

Use this tool to retrieve approved nursing SOP snippets by keyword. 
Use it only for internal SOP lookup. 
Return source title, section, and excerpt. 
Do not use it to make clinical decisions or generate direct patient instructions.

21.3 範例：寫草稿 tool¶

Use this tool to save a nursing note draft for human review. 
Do not write to the official EHR. 
Input must include patient_id, bed_no, nurse_id, recorded_at, draft_text, and review_status.

22. 不同場景怎麼選 tool¶

22.1 表單收資料¶

建議： - Webhook / Form Trigger - Set - IF - Google Sheets / Database - Respond to Webhook

22.2 API 整合¶

建議： - HTTP Request - Set - IF - Code

22.3 AI 摘要¶

建議： - Webhook - Build Prompt - OpenAI / AI Chain - Output Parser - Set

22.4 Agent 查詢¶

建議： - Chat Trigger - AI Agent - Chat Model - Memory - Retrieval Tool - HTTP Request Tool

22.5 護理語音紀錄¶

建議： - Voice frontend - Webhook - OpenAI structured extraction - Output Parser / validation - IF alert - Draft storage - Human review

23. 醫療護理場景的 Tool 使用原則¶

23.1 可以先做¶

去識別化測試資料
草稿生成
交班摘要草稿
內部教育訓練
SOP 查詢 prototype

23.2 要小心做¶

Google Sheets 暫存
OpenAI 結構化抽取
Alert 通知
跨系統串接

23.3 不建議自動做¶

自動寫正式病歷
自動發送醫療建議給病人
自動修改正式醫囑或紀錄
未審核的 AI 決策

23.4 最小安全流程¶

輸入 -> 抽取 -> 草稿 -> 人工確認 -> 手動進正式系統

24. 學習順序¶

初學者¶

Manual Trigger
Set
IF
Webhook
HTTP Request
Google Sheets

進階¶

Code
Merge
Schedule Trigger
Database
Error handling

AI¶

OpenAI / Chat Model
Basic Chain
Output Parser
AI Agent
Tools
Memory

Agent / RAG¶

Retrieval
Vector Store
Embedding
MCP Client Tool
Call n8n Workflow Tool
Human Review

25. 本篇練習¶

練習 1. Tool 分類¶

把以下工具分類： - Webhook - HTTP Request - Google Sheets - Code - AI Agent - MCP Client Tool - Qdrant - Respond to Webhook

練習 2. Tool 風險分級¶

判斷以下工具風險： - 查 SOP - 寫草稿 - 發 LINE 給護理站 - 寫入正式 EHR

練習 3. Tool description¶

替 產生護理紀錄草稿 寫一段 tool description，必須包含： - 功用 - 使用時機 - 輸入 - 輸出 - 禁止事項

練習 4. 設計自己的 tool set¶

設計一個 床邊語音記錄 Agent，列出： - 入口工具 - 抽取工具 - 儲存工具 - 提醒工具 - 人工審核工具

完成檢查¶

你學會本篇，應該能做到： - 分辨一般 node 和 AI Agent tool - 說出 10 類 tool 的功用 - 替工具寫 description - 判斷工具風險等級 - 設計一組適合任務的 tool set - 說明哪些工具需要 human review

官方參考¶

n8n AI Agent node：https://docs.n8n.io/integrations/builtin/cluster-nodes/root-nodes/n8n-nodes-langchain.agent/
n8n Tools AI Agent：https://docs.n8n.io/integrations/builtin/cluster-nodes/root-nodes/n8n-nodes-langchain.agent/tools-agent/
n8n AI Agent Tool：https://docs.n8n.io/integrations/builtin/cluster-nodes/sub-nodes/n8n-nodes-langchain.toolaiagent/
n8n MCP Client Tool：https://docs.n8n.io/integrations/builtin/cluster-nodes/sub-nodes/n8n-nodes-langchain.toolmcp/
n8n LangChain concepts：https://docs.n8n.io/advanced-ai/langchain/langchain-n8n/
n8n integrations overview：https://docs.n8n.io/integrations/