n8n: Pratik Örneklerle Bir Rehber

n8n, ajansal yapay zekâ alanında popüler ve güçlü bir çerçeve olarak öne çıktı. Karmaşık kodlamaya ihtiyaç duymadan otomatik iş akışları kurmamıza olanak tanır.

Bu yazıda, bu sağlam platformdan en iyi şekilde yararlanarak iki farklı süreci otomatikleştirmeyi adım adım açıklayacağım:

1. Önce, Gmail'den gelen e-postaları otomatik olarak işleyen bir yapay zekâ ajanını kurmanız için size rehberlik edeceğim; bu sayede zamandan tasarruf eder ve manuel çabayı azaltırsınız.
2. Ardından, verilen herhangi bir belge hakkında sohbet edebilen akıllı bir ajan oluşturacağız; böylece bilgilere anında erişebileceğiz.

Okurlarımızı yapay zekâ dünyasındaki en son gelişmelerden haberdar etmek için Cuma günleri ücretsiz bültenimiz The Median’i gönderiyoruz; haftanın önemli haberlerini özetliyoruz. Abone olun, haftada sadece birkaç dakikada güncel kalın:

n8n Nedir?

n8n, çeşitli uygulama ve hizmetleri birbirine bağlayarak bir tür dijital montaj hattı gibi iş akışları oluşturmamıza yardımcı olan açık kaynaklı bir otomasyon aracıdır. Kullanıcıların bu iş akışlarını görsel olarak tasarlamasını sağlar; her bir düğüm süreçteki farklı bir adımı temsil eder.

n8n ile görevleri otomatikleştirebilir, veri akışını yönetebilir ve hatta API’leri entegre edebiliriz; hem de kapsamlı programlama becerilerine gerek duymadan. Bu eğitimde oluşturacağımız otomasyona bir örnek:

Ayrıntılara girmeden, bu otomasyonun ne yaptığına dair kısa bir açıklama:

1. Gmail hesabımıza erişip yeni e-posta mesajlarını kontrol eder.
2. Yeni e-postalar, yapay zekâ işlemesi için ChatGPT’ye gönderilir.
3. Yapay zekâ ilgili bilgileri belirler ve bu bilgiler bir hesap tablosuna kaydedilir.

n8n Nasıl Kullanılır?

n8n’i kullanmak için iki seçeneğimiz var:

1. Web arayüzlerini buradan kullanmak. Bu bir hesap ve ücretli abonelik gerektirir; ancak bu eğitimde ilerlemek için kullanabileceğiniz 14 günlük ücretsiz deneme sunar.
2. Açık kaynak olduğu için yerel olarak da çalıştırabilir veya kendimiz barındırabiliriz. Bu ücretsizdir ve özelliklerin neredeyse tamamına erişim sağlar (bazı özellikler ücretli bulut veya kurumsal planlara özeldir).

Her iki seçenek de bu eğitimi ücretsiz olarak takip etmenize imkân verir. Biz yerel olarak çalıştıracağız; ancak web arayüzünü tercih ederseniz adımlar aynıdır.

n8n Yerel Kurulum

n8n’in resmi deposu, n8n’i yerel ortamda nasıl kuracağınızı açıklar. En basit yol şudur:

1. Node.js’i resmî siteden indirin ve kurun.
2. Bir terminal açın ve npx n8n komutunu çalıştırın.

Hepsi bu! Komutu çalıştırdıktan sonra terminalde şunu görmelisiniz:

Arayüzü açmak için ya klavyeden "o" tuşuna basın ya da terminalde gösterilen localhost URL’sini açın—benim durumumda http://localhost:5678.

n8n’i Anlamak

İlk otomasyonumuzu oluşturmadan önce n8n’in nasıl çalıştığını anlamak faydalıdır. Bir n8n iş akışı, bir dizi düğümden oluşur. Bir tetikleyici düğümle başlar; bu düğüm, iş akışının ne zaman çalıştırılacağını belirleyen koşulu tanımlar.

Düğümler veri taşımak ve işlemek için birbirine bağlanır. Bu örnekte Gmail tetikleyici düğümü bir OpenAI düğümüne bağlanır. Bu, e-postanın işlenmek üzere ChatGPT’ye verildiği anlamına gelir. Son olarak, ChatGPT çıktısı bir Google Sheet düğümüne gönderilir; bu düğüm Google Drive’ımızdaki bir Google Sheet’e bağlanır ve hesap tablosuna yeni bir satır yazar.

Bu özel iş akışı, ödenecek faturaları belirlemek için ChatGPT’yi kullanır ve sayfada fatura kimliği ile tutarı içeren bir satır atar.

n8n iş akışları çok daha karmaşık olabilir. n8n 1.047’den fazla entegrasyonu destekler; bu yüzden hepsini bir eğitimde ele almamız mümkün değil. Bunun yerine size nasıl çalıştığına dair genel bir fikir ve kendi başınıza keşfetmeniz için gerekli altyapıyı vermeye odaklanacağım. Düzenli olarak kullandığınız bir araç varsa büyük olasılıkla n8n onu destekliyordur ya da manuel olarak entegre edebilirsiniz.

Örnek 1: E-postadan Fatura İşlemeyi Otomatikleştirme

Bu bölümde, yukarıdaki iş akışını nasıl kuracağımızı öğreniyoruz.

Bu, kiralarımın faturalarını yönetmek için kullandığım gerçek bir kullanım senaryosu. Kiraya verdiğim birkaç odası olan bir evim var. Faturalar tüm kiracılar arasında eşit olarak paylaştırılıyor. Her fatura aldığımda, toplam tutarı kiracılarla paylaşılan bir hesap tablosuna eklemem gerekiyor.

Evle ilgili faturalara ait e-postaların yönlendirildiği belirli bir e-posta adresim var. Böylece o posta kutusundaki tüm e-postaların bir faturaya karşılık geldiğini biliyorum. E-postanın içeriğini, fatura kimliğini ve ödenecek toplam tutarı belirlemesi için ChatGPT’ye gönderiyorum. Sonra bu bilgiler paylaşılan hesap tablosuna yeni bir satır olarak ekleniyor.

E-posta tetikleyicisini yapılandırma

Yeni bir iş akışına başlamak için "İlk adımı ekleyin..." düğmesine tıklamamız gerekiyor.

İlk düğüm olduğu için tetikleyici olmak zorundadır; bu nedenle bir tetikleyici düğüm seçmemiz için bir panel açılır. Tetikleyici düğüm, iş akışının çalıştırılacağı koşulları tanımlar.

Olası tetikleyici düğümler çok çeşitlidir. Arama kutusuna "gmail" yazıp Gmail düğümüne tıklayarak bir Gmail tetikleyici düğümü seçelim.

Ardından, Gmail için mevcut tek tetikleyiciyi seçiyoruz: "Mesaj alındığında".

Bu, n8n iş akışının Gmail hesabımıza erişmesine izin vermek için Gmail kimlik bilgilerini yapılandırmamız gereken düğüm yapılandırma panelini açacaktır. Bunu yapmak için "Yeni kimlik bilgisi"ne tıklayın. Şu pencere açılır:

Sağ tarafta (1), Google Cloud üzerinde kimlik bilgilerini yapılandırmak için gereken adımları açıklayan bir kurulum rehberi var. n8n’in sağladığı rehberler oldukça kapsamlı, bu yüzden adımları burada tekrarlamayacağız. Google Cloud Console’da Gmail API’sini etkinleştirdiğinizden emin olun.

Yapılandırma tamamlandığında, Google Cloud’dan istemci kimliğini (2) ve istemci sırrını (3) kopyalayıp n8n’deki kimlik bilgisi yapılandırmasına yapıştırmamız gerekir.

Her şeyin doğru yapılandırıldığından emin olmak için "Test Olayı Getir"e tıklayarak düğümü test edebiliriz.

Testten sonra, çıktı bölümünde gelen kutumuza ulaşan en son e-postayı görmeliyiz. E-postanın içeriği snippet alanındadır.

snippet alanı e-posta içeriğini saklar. Nisan ayı internet faturamın hazır olduğunu söylüyor. Fatura kimliğini ve ödenecek toplam tutarı veriyor. Hesap tablosuna eklemek istediğimiz bilgiler bunlar. 

Test amacıyla, sağ üst köşedeki iğne simgesine tıklayarak çıktıyı sabitlemenizi öneririm:

Bu, sonucu tetikleyiciye kilitleyecek; yani bu iş akışını ne zaman çalıştırsak aynı çıktı kullanılacak. Böylece test etmek kolaylaşır; çünkü alabileceğimiz yeni e-postalar sonuçları etkilemez. İş akışını tam olarak kurduğumuzda sabitlemeyi kaldıracağız.

Bu aşamada, iş akışımızda tek bir tetikleyici düğüm olmalı (soldaki küçük şimşek işaretinden tetikleyici düğüm olduğunu anlayabiliriz).

Posta kutunuzda bir e-posta faturası olmayabileceğinden, ileride ChatGPT muhtemelen pek anlamlı olmayan bir yanıt verecektir. Bu iş akışını tam olarak test etmek isterseniz kendinize aşağıdaki içerikte (ya da benzer) bir test e-postası gönderebilirsiniz:

Dear customer,

Your internet invoice number FT 2025**/****** for April is now available in the attachment.

Amount

€**.**
This invoice must be paid by 19/05/2025.

Bunu gönderdikten sonra sonucu sabitlemeyi kaldırmalı, Gmail düğümünü yeniden çalıştırmalı ve yeni sonucu sabitlemelisiniz.

ChatGPT düğümünü yapılandırma

Sonraki adım OpenAI düğümünü yapılandırmaktır. Gmail tetikleyici düğümünün sağındaki "+" düğmesine tıklayarak başlayın:

"OpenAI" yazın ve listeden ilgili seçeneği seçin.

Sonra, "Metin Eylemleri" altında "Modele mesaj gönder" düğümünü seçin. Bu düğüm bir BBA’ya mesaj göndermek için kullanılır.

Önceki gibi, OpenAI’a erişmek için bir kimlik bilgisi oluşturmalıyız. Bir kimlik bilgisi oluşturulduğunda, herhangi bir iş akışında yeniden kullanılabilir. Her seferinde ayarlamamız gerekmez.

OpenAI kimlik bilgisi için tek ihtiyaç bir API anahtarıdır. Henüz yoksa buradan oluşturabilirsiniz. Bunda zorlanırsanız, n8n bunun için de bir rehber sağlar.

Yapılandırma açısından, kullanmak istediğimiz yapay zekâ modelini ve modele göndereceğimiz mesajı seçmemiz gerekir. Model olarak GPT 4.1’i kullanabiliriz:

Mesaj alanında istemi sağlamamız gerekir. Bu örnekte modele e-postanın içeriğini veriyor ve fatura kimliği ile ödenecek toplam tutarı belirlemesini istiyoruz. İşte kullandığım istem:

E-postanın içeriği {{ $json.snippet }} olarak sağlanır. n8n’de istem, önceki düğümlerin çıktılarından beslenen değişkenler içerebilir; bizim durumumuzda e-posta. Kullanılabilir alanların listesi solda görülebilir. Alanı elle yazabilir veya sürükleyip isteme bırakabiliriz.

Bunu test etmek için, yapılandırma panelinin üst kısmındaki "Adımı Test Et" düğmesine tıklarız. Sonuç sağda görüntülenir:

Sonuç, modelden gelen yanıtı içeren bir dizgedir. İki alanı ayrı ayrı almak istiyoruz ki mesajı ayrıca işlememize gerek kalmasın. Bunu, BBA çıktısını JSON’a çevirerek sağlayabiliriz:

Bu adımı tekrar test ettiğimizde, iki alanı JSON veri olarak alırız:

Veriyi bir Google Sheet'e gönderme

Bu iş akışının son adımı, fatura kimliğini ve tutarı bir Google Sheet’te yeni bir satıra göndermektir. Bu aşamada, OpenAI düğümünün çıktısını Google Sheets’e bağlamamız gerekir. Bunu, önceki gibi düğümün solundaki "+" düğmesine tıklayarak yaparız:

Burada Google Sheets yazıp "Sayfaya satır ekle" düğümünü seçmek istiyoruz:

Gmail erişimi için kullandığımız aynı kimlik bilgilerini kullanabiliriz. Ancak Google Cloud Console’da şu API’leri etkinleştirmemiz gerekir:

• Google Sheets API
• Google Drive API

Google Sheets düğümünü yapılandırmak için sayfayı seçmeli ve alanları dolduracak değerleri belirtmeliyiz. Sayfa, fatura kimliğini tutacak bir sütun ve fatura toplamı için başka bir sütunla el ile oluşturulmalıdır.

Bu değerler OpenAI düğümünün çıktısından alınır. Sütunlara sürükleyip bırakabiliriz.

İş akışını çalıştırma

Hepsi bu! Artık faturalarımızı otomatik olarak bir Google Sheet’e işleyen bir iş akışımız var. Alt kısımdaki "İş akışını test et"e tıklayarak test edebiliriz:

Çalıştırdıktan sonra Google Sheet’imize gidersek verilerin yer aldığı yeni bir satır görürüz:

Varsayılan olarak bir iş akışı her dakika çalışır. İş akışına bağlı olarak, çalıştırma sıklığını uygun şekilde yapılandırmalıyız. Bu özel örnekte dakikada bir fazla sık. Günde bir kez daha uygundur. 

Bunu, tetikleyici düğümüne çift tıklayıp "Yoklama Zamanları" alanında farklı bir değer ayarlayarak yapılandırabiliriz:

Örnek 2: Bir RAG Ajanı Oluşturma

Bu bölümde daha karmaşık bir RAG ajan iş akışı oluşturuyoruz. RAG, bir veritabanı veya belgeden ilgili bilgilerin alınmasıyla bir dil modelinin bu bilgilere dayanarak yanıtlar üretmesini birleştiren bir tekniktir.

Bu, belirli bir bilgi tabanımız olduğunda—örneğin uzun bir metin belgesi—ve bunun hakkında soruları yanıtlayabilen bir yapay zekâ ajanı oluşturmak istediğimizde çok kullanışlıdır. 

Masa oyunları oynamayı seviyorum; ancak arkadaşlarımla sık sık kurallar üzerine tartışıyoruz ve oynamak yerine doğru kuralları aramakla zaman harcıyoruz; bu sinir bozucu olabiliyor. Oyunun kurallarına dayalı bir RAG ajanı oluşturmak, bu sorunu çözmek için iyi bir yol; çünkü bir dahaki sefere bir sorumuz olduğunda doğrudan ajana sorabiliriz.

Bu ajanı oluşturmak için iki iş akışı yapacağız:

1. Verileri bir kez Pinecone veritabanına yüklemek için yalnızca bir kez çalıştıracağımız bir iş akışı.
2. RAG ajanını çalıştıran ve sorularımızı yanıtlamak için Pinecone veritabanını kullanan bir diğer iş akışı.

Veriyi Pinecone’a yükleme

Pinecone, verileri vektörler biçiminde yöneten bir veritabanı türüdür. Pinecone gibi bir vektör veritabanı, RAG ajanımız için idealdir; çünkü ajanın ilgili bilgileri hızla arayıp anlamasına yardımcı olur; böylece doğru yanıtlar vermede daha verimli olur.

Bu iş akışını yalnızca bir kez çalıştırmamız gerektiği için, manuel tetikleyici düğümü kullanabiliriz. Bu, bir iş akışını elle çalıştırmak için kullanılan bir tetikleyici düğümdür. 

Manuel tetikleyici düğümünü, verileri Google Drive’dan indirmek için bir “Google Drive” düğümüne bağlayın. 

Şu yapılandırmayı kullanın:

Magic: The Gathering adlı koleksiyon oyununun kurallarını içeren herkese açık mtgrules.txt dosyasını kullandım. Siz, hakkında soru sormak istediğiniz herhangi bir dosyayı kullanabilirsiniz; iş akışı aynıdır.

Pinecone’u yapılandırmak için Pinecone’a giriş yapın, API anahtarını kopyalayın ve "Dizin oluştur" düğmesine tıklayarak bir dizin oluşturun. Dizinime rules adını verdim ve text-embedding-3-small modelini seçtim.

n8n’e geri dönerek, Google Drive düğümünün çıktısını "Vektör deposuna belgeler ekle" eylemi için bir Pinecone Vector Store düğümüne bağlayın:

Düğümü yapılandırmak için, API anahtarını yapıştırarak bir kimlik bilgisi oluşturmalı ve az önce yarattığımız Pinecone Dizinini seçmeliyiz. Pinecone Vector Store düğümünün altında yapılandırmamız gereken iki şey görüyoruz: bir gömme modeli ve bir veri yükleyici.

Gömme için, text-embedding-3-small modeliyle bir OpenAI Embedding düğümü oluşturun:

Veri yükleyici için, ikili veri türüyle bir Varsayılan Veri Yükleyici düğümü oluşturuyoruz:

Son olarak, veri yükleyici bir Metin Bölücü düğümü gerektirir; bu düğüm, vektör deposu oluşturulurken dosyadaki verilerin nasıl bölüneceğini belirtir. Çoğu uygulama için önerilen düğüm olan Özyinelemeli Karakter Metin Bölücü düğümünü kullanıyoruz.

Bunu, parça boyutu 1.000 ve parça örtüşmesi 200 olacak şekilde yapılandırıyoruz:

Parça boyutu ve örtüşmesini seçerken, uzun belgeler için yeterli içeriği yakalamak amacıyla daha büyük bir parça boyutu ve bölümler arasında bağlamı korurken gereksiz yinelemeyi önlemek için daha küçük bir örtüşme kullanmayı düşünün.

Nihai iş akışı şöyle görünür:

"İş akışını test et"e tıklayarak çalıştırabiliriz ve tamamlandığında verilerin Pinecone’a yüklendiğini doğrulayabiliriz.

Bir RAG ajanı oluşturma

İşte RAG ajanı için nihai şema:

Bir alıştırma olarak, devam etmeden önce bunu anlamaya ve hatta yerelde baştan oluşturmaya çalışmanızı öneririm.

Bir "Sohbet mesajında" tetikleyici düğümüyle başlıyoruz. Bu, bir sohbet iş akışı oluşturmak için kullanılır.

Sonra, sohbet tetikleyicisini varsayılan seçeneklerle bir "AI Agent" düğümüne bağlıyoruz.

AI Agent’ın altında üç şeyi yapılandırabileceğimizi görüyoruz:

• Ajanın kullandığı yapay zekâ modeli.
• Bellek, ajanın konuşma bağlamını nasıl hatırladığını tanımlar.
• Ajanın erişebileceği araçlar. Bu durumda, ajanın belgemiz hakkında soruları yanıtlayabilmesi için Pinecone veritabanını bir araç olarak sağlayacağız.

Yapay zekâ modeli için bir "OpenAI Sohbet Modeli" düğümü seçip gpt-4.1 modelini kullanıyoruz:

Bellek için, bağlam penceresi uzunluğu 5 olan bir "Basit Bellek" düğümü kullanıyoruz. Bu, ajanın yanıt verirken önceki beş etkileşimi hatırlayıp dikkate alacağı anlamına gelir.

Son olarak araç kısmında, aşağıdaki yapılandırmayla bir "Pinecone Vector Store" düğümü ekliyoruz:

Açıklama alanında, araçların ne zaman kullanılacağını belirtmek önemlidir. Ajan, aracı çağırıp çağırmayacağına buna göre karar verir.

Vektör deposu tarafından kullanılan gömmeyi yapılandırmak için ise, önceki gibi text-embedding-3-small modeliyle bir OpenAI Embedding düğümü kullanıyoruz:

İş akışı tamamlandı ve ajanla sohbet edebiliriz. İşte bir örnek:

Sağda, ajanın sorumuzu yanıtlamak için attığı adımları görebiliyoruz. Özellikle, ilgili kural bilgilerini getirmek için Pinecone veritabanına erişti.

n8n Şablonları

n8n, iş akışı oluşturma sürecimizi önemli ölçüde hızlandırabilecek faydalı bir özellik sunuyor: n8n şablon kitaplığı.

Bu kitaplık, topluluk ve n8n uzmanları tarafından oluşturulmuş hazır iş akışlarının bir koleksiyonudur. Basit görevleri mi yoksa daha karmaşık süreçleri mi otomatikleştirmeye çalışıyoruz; ihtiyaçlarımıza uygun bir iş akışının birisinin tarafından zaten oluşturulmuş olma olasılığı yüksektir.

Bir iş akışını n8n kurulumumuza içe aktarmak, her zaman sıfırdan başlamamız gerekmediği anlamına gelir. Bunun yerine, diğer kullanıcıların geliştirdiği yaratıcı çözümlerden yararlanabiliriz. Bir iş akışını içe aktardıktan sonra tek yapmamız gereken, kimlik bilgilerimizle yapılandırmak ve tam gereksinimlerimize uyacak şekilde ince ayar yapmaktır.

Otomatikleştirmek istediğimiz her görev için—e-posta işlemden sosyal medya yönetimine—kitaplıkta bir şablon bulunma olasılığı yüksektir.

Sonuç

n8n, binin üzerinde hizmet ve aracı bağlayarak yapay zekâ ajanları oluşturmamıza olanak tanıyan geniş bir entegrasyon ekosistemi sunar. Bu eğitimde n8n’in yapabileceklerinin yalnızca yüzeyine dokunduk. n8n’i, gündelik görevleri otomatikleştiren yapay zekâ ajanları kurmak için nasıl kullanacağımızı keşfederek, potansiyelinin sadece başlangıcına adım attık.