Memoria de un agente de IA en n8n: Simple Memory y sesiones

Vas a entender cómo recuerda un agente de IA de n8n lo que se ha dicho en la conversación y a montar uno con Simple Memory, comprobando que recuerda lo que le dices.

La memoria es lo que permite que un agente mantenga una conversación. Bien configurada, cada sesión tiene su propio historial; si no, aparecen errores como No sessionId o varios nodos de memoria que comparten la misma instancia.

Antes de empezar

Una instancia de n8n en la que puedas crear workflows.
Un modelo de chat que puedas conectar al agente.
Saber crear un workflow básico. Si empiezas de cero, el curso de automatizaciones con n8n y agentes de IA lo trabaja desde el principio.

Qué es la memoria de un agente

Según la documentación de n8n, la memoria guarda un historial de los mensajes anteriores para que la conversación con la IA continúe, en lugar de que cada interacción empiece de cero. Al nodo AI Agent se le conectan un modelo de chat y una o varias herramientas; la memoria es otro subnodo, que va en su conector Memory.

n8n ofrece dos caminos:

Opción	Qué hace, según la documentación
Simple Memory	Guarda un tramo configurable del historial de chat de la sesión actual, en los datos del workflow. Es la más fácil para empezar
Nodos de servicios de memoria	Son nodos de los servicios de memoria que n8n integra; entre ellos, Postgres Chat Memory, que usa Postgres como servidor de memoria y guarda el historial en la tabla que eliges

Esta guía usa el nodo AI Agent dentro de un workflow y Simple Memory para el ejemplo. Los agentes que se crean con el Agent Builder tienen su propia memoria de sesión, activada por defecto y sin configuración; esta guía no los cubre.

Cómo funciona Simple Memory

Simple Memory tiene dos parámetros:

La clave de sesión (Session Key en la página del nodo). Es la clave con la que se guarda la memoria en los datos del workflow. En la ayuda de errores de n8n aparece como Session ID; entre sus opciones están Connected Chat Trigger Node y Define below (la escribes tú, con un valor fijo o una expresión).
Context Window Length: el número de interacciones anteriores que se tienen en cuenta como contexto.

Con el Chat Trigger, en la mayoría de los casos el sessionId se obtiene automáticamente del disparador. Con otro disparador, la documentación dice que tienes que gestionar las sesiones a mano.

Cuándo defines tú la sesión

Si el agente no recibe los mensajes por el Chat Trigger, la documentación dice que tienes que gestionar las sesiones a mano. Eso cambia dos cosas:

En la memoria, la sesión pasa a Define below. Para probar, puedes usar una clave fija, como my_test_session; la documentación pide montar una gestión de sesiones adecuada antes de publicar el workflow, para evitar problemas en un entorno real.
En el agente, el Prompt pasa de Connected Chat Trigger Node a Define below, para construir el texto con datos de otros nodos. Si el agente espera recibir el prompt automáticamente del nodo anterior, sale el error No prompt specified.

Como criterio de formador, para la clave de producción elijo un dato que identifique de verdad la conversación, como el identificador del usuario o del hilo de mensajes de la aplicación, nunca un dato que puedan compartir dos personas.

Cuándo pasar a una memoria persistente

Simple Memory tiene una limitación documentada: si tu instancia de n8n funciona en modo cola (queue mode), no funciona en un workflow de producción activo, porque n8n no puede garantizar que cada llamada a Simple Memory vaya al mismo worker (proceso de trabajo).

Como criterio de formador, si tu n8n funciona en modo cola, o si quieres el historial en una base de datos tuya, en los cursos paso a Postgres Chat Memory. Necesita una credencial de Postgres y tiene tres parámetros: la clave de sesión, Table Name (la tabla donde se guarda el historial) y Context Window Length. Como en Simple Memory, varios nodos Postgres Chat Memory en el mismo workflow acceden a la misma memoria por defecto.

Paso 1. Monta el agente con memoria

En un workflow nuevo:

Añade un Chat Trigger como disparador y conéctale un nodo AI Agent.
Conecta al agente el modelo de chat de tu proveedor.
Conecta una herramienta. n8n exige al menos una herramienta conectada al nodo AI Agent. Para este ejemplo vale Calculator, una herramienta que permite al agente hacer cálculos.
En el conector Memory del agente, añade Simple Memory. Pon la sesión en Connected Chat Trigger Node.
En Context Window Length, pon un número. Como criterio de formador, para las primeras pruebas pongo 5 y después lo ajusto según lo largas que sean las conversaciones reales.

Cómo saber que ha ido bien: en el lienzo, el AI Agent muestra conectados el modelo, la herramienta Calculator y Simple Memory, y el Chat Trigger está conectado a la entrada del agente.

Paso 2. Comprueba que recuerda

Abre el chat manual del workflow (la interfaz de chat para probar desde el editor) y escribe: "Hola, me llamo Ana y trabajo en el equipo de compras."
En otro mensaje, pregunta: "¿Cómo me llamo y en qué equipo trabajo?"
Abre la ejecución y mira la salida del Chat Trigger: tiene que incluir un sessionId.

Cómo saber que ha ido bien: el agente responde con el nombre y el equipo que le diste en el primer mensaje, y la salida del Chat Trigger muestra el sessionId.

Paso 3. Muestra la conversación anterior en el chat publicado

Cuando publiques el chat (Make Chat Publicly Available, que la documentación pide dejar desactivado mientras construyes el workflow), puedes hacer que cargue los mensajes de una sesión anterior con la opción Load Previous Session del Chat Trigger:

Pon Load Previous Session en From Memory. La opción solo se ve si has hecho público el chat.
Conecta un nodo de memoria al conector Memory que aparece en el Chat Trigger.
Conecta ese mismo nodo de memoria al conector Memory del agente. n8n lo recomienda para que los dos nodos tengan una única fuente de verdad.
En la memoria, pon la sesión en Connected Chat Trigger Node.

Ten en cuenta que cada mensaje al Chat Trigger ejecuta el workflow: una conversación en la que el usuario envía 10 mensajes gasta 10 ejecuciones del cupo de tu plan.

Cómo saber que ha ido bien: en el lienzo, un único nodo de memoria está conectado al Chat Trigger y al AI Agent, y Load Previous Session está en From Memory.

Errores típicos y cómo evitarlos

Síntoma	Por qué pasa	Qué hacer
Error con el texto No sessionId	La documentación no detalla la causa	Mira primero en la salida del Chat Trigger si incluye un `sessionId`. Si no usas el Chat Trigger, define la sesión a mano, como en «Cuándo defines tú la sesión»
Error in sub-node Simple Memory	Según la documentación, la mayoría de las veces el workflow, o la plantilla que copiaste, usa una versión antigua del nodo (antes se llamaba Window Buffer Memory)	Quita el nodo Simple Memory y vuelve a añadirlo: así usas la última versión
El chat público no carga los mensajes anteriores y sale workflow could not be started!	La documentación lo relaciona con cómo está configurada la carga de la sesión	Conecta el mismo nodo de memoria al Chat Trigger y al agente, con la sesión en Connected Chat Trigger Node
Dos nodos de memoria del mismo workflow comparten lo que recuerdan	Por defecto, todos los nodos Simple Memory de un workflow acceden a la misma instancia de memoria	Pon identificadores de sesión distintos en cada nodo
La memoria falla en producción con n8n en modo cola	n8n no puede garantizar que cada llamada a Simple Memory vaya al mismo worker	No uses Simple Memory en un workflow de producción si n8n funciona en modo cola

Siguientes pasos

Con la memoria resuelta, el agente ya puede mantener una conversación. Lo siguiente es darle herramientas con efectos reales y controlarlas: en la guía de aprobación humana en un agente de n8n tienes cómo hacer que una persona apruebe cada uso de una herramienta delicada.

En el curso de automatizaciones con n8n y agentes de IA trabajamos la memoria con Simple Memory y con Postgres, junto con los modelos y las herramientas del agente. Si quieres que tu equipo aprenda a montar agentes con memoria bien configurada, puedes solicitar la formación para tu empresa.

Preguntas frecuentes

¿Puedo añadir memoria a una cadena, como Basic LLM Chain?

No. La documentación de n8n indica que ninguno de los nodos de cadena admite memoria, así que no recuerdan las consultas anteriores del usuario. Si el workflow necesita memoria, usa un agente.

¿Cómo borro o recorto lo que ha guardado la memoria?

Con el nodo Chat Memory Manager, que puede leer, insertar y borrar mensajes (por ejemplo, los últimos N o todos). Ojo con la operación Override All Messages, que sustituye la memoria actual.

Si uso una expresión en la clave de sesión, ¿se evalúa para cada elemento?

No. En los subnodos, como los de memoria, una expresión se resuelve siempre con el primer elemento de la entrada, no con cada uno.

¿Tengo que crear la tabla de Postgres antes de usar Postgres Chat Memory?

No. En Table Name escribes el nombre de la tabla donde se guarda el historial y, si no existe, se crea.

Fuentes consultadas

Eneko Cid · formador de Automatekit Academy

Consultor, desarrollador y formador en automatización de procesos e inteligencia artificial. LinkedIn · enekocid.com

La memoria de los agentes de n8n: qué recuerda Simple Memory, cómo se separan las conversaciones y cuándo usar una base de datos