0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

@FlatkeyAITeam Coffee

n8n の HTTP Request から OpenAI 互換 chat/completions を叩いてみた

0
Posted at

はじめに

n8n で LLM workflow を組むとき、最初から AI Agent node や専用 credential に寄せると、失敗したときの切り分けが少し重くなります。API key が違うのか、base URL が違うのか、model name が違うのか、node 側の設定なのかを同時に見ることになります。

今回は Flatkey AI の OpenAI 互換 endpoint を例に、n8n の HTTP Request node だけで chat/completions を叩きました。目的は、workflow に API key や model ID を直書きせず、最後に usage.total_tokens まで確認することです。かなり地味ですが、私はこの段階を飛ばすと後で迷いがちなので、検証メモとして残します。

3行まとめ

  • HTTP Request node だけでも OpenAI 互換の chat/completions は確認できる
  • API key、base URL、model は workflow JSON に値を書かず、環境変数参照にした
  • 成功時は chat.completion、本文、usage.total_tokens を見ると次に進みやすい

環境

今回の確認環境です。n8n はローカル CLI で実行しました。UI で作る場合も考え方は同じですが、細かい表示名はバージョンで変わるかもしれません。

項目 値
n8n 2.27.4
node HTTP Request node + Code node
base URL https://router.flatkey.ai/v1
endpoint /chat/completions
model gpt-5.4-mini
response check usage.total_tokens

記事中の API key は出しません。workflow export 側にも実値は入れず、環境変数を参照する形にしました。

workflow に残す値と残さない値

今回の方針はこの表です。

種類 workflow に残すか 今回の扱い
API key 残さない $env.FASTKEY_API_KEY 参照
base URL 実値を避ける $env.FLATKEY_BASE_URL 参照
model ID 実値を避ける $env.FLATKEY_MODEL 参照
prompt 残す 検証用の固定文字列だけ
usage 残す token 数だけ summary node に出す

実行時は次のように渡しました。環境変数名は自分の運用に合わせて変えてください。

export FLATKEY_BASE_URL="https://router.flatkey.ai/v1"
export FLATKEY_MODEL="gpt-5.4-mini"
export FASTKEY_API_KEY="sk-fk-..."

ここで大事なのは、workflow を export したときに key が混ざらないことです。model も変わりやすいので、私は最初から外に出しておく方が楽だと思います。

もう一つ意識したのは、後から workflow を見た人が「どの値を差し替えればよいか」をすぐ判断できることです。検証用 workflow でも、key だけ外に出して model を直書きしていると、別モデルで再確認したいときに JSON を編集する必要が出ます。n8n は画面で直しやすい反面、いつの間にか検証用の値が本番 workflow に残ることもありそうなので、最初から差し替え前提に寄せました。

HTTP Request node の中身

HTTP Request node は素朴に POST にしました。URL は base URL に /chat/completions を足します。

Method: POST
URL: ={{ $env.FLATKEY_BASE_URL + '/chat/completions' }}
Header Authorization: ={{ 'Bearer ' + $env.FASTKEY_API_KEY }}
Header Content-Type: application/json
Body Content Type: JSON

body はこうしました。

={{
  {
    model: $env.FLATKEY_MODEL,
    messages: [
      { role: 'user', content: 'Return exactly n8n-flatkey-ok' }
    ],
    temperature: 0,
    max_completion_tokens: 16
  }
}}

OpenAI 互換 API の設定記事でよく混ざるのは、base URL と endpoint URL だと思います。base URL には /v1 までを持たせ、HTTP Request node の URL で /chat/completions を足す、という分け方にしておくと読み返しやすいです。

n8n CLI で実行する

CLI では、workflow JSON を import してから ID 指定で実行しました。私の環境では --file は help に残っていましたが、実行時に --id has to be set になったため、素直に import する形にしました。

n8n import:workflow --input n8n_flatkey_chat_completions_smoke.workflow.json
n8n list:workflow

その後、ID を指定して実行します。

N8N_BLOCK_ENV_ACCESS_IN_NODE=false \
FLATKEY_BASE_URL="https://router.flatkey.ai/v1" \
FLATKEY_MODEL="gpt-5.4-mini" \
n8n execute --id qiitaIssue129Smoke --rawOutput

私のローカル CLI 実行では、最初に $env 参照が access to env vars denied で止まりました。自己ホスト環境で env 参照を使う場合は、n8n 側の環境変数アクセス設定を確認した方がよさそうです。n8n Cloud やチーム運用では、Credential や Variables を使う方が自然な場合もあると思います。

usage を見る

HTTP Request node の後ろに Code node を置き、必要な値だけ抜きました。全部の response をログに残すより、検証に必要な項目だけにしたかったからです。

const response = $input.first().json;
return [{
  json: {
    object: response.object,
    model: response.model,
    finish_reason: response.choices?.[0]?.finish_reason,
    content: response.choices?.[0]?.message?.content,
    usage_total_tokens: response.usage?.total_tokens,
    usage_prompt_tokens: response.usage?.prompt_tokens,
    usage_completion_tokens: response.usage?.completion_tokens,
  },
}];

実行結果の抜粋です。

{
  "object": "chat.completion",
  "model": "gpt-5.4-mini",
  "finish_reason": "stop",
  "content": "n8n-flatkey-ok",
  "usage_total_tokens": 24,
  "usage_prompt_tokens": 14,
  "usage_completion_tokens": 10
}

ここまで見えれば、少なくとも key、base URL、model、JSON body、非 stream の response 取得は通っています。次に AI Agent node や専用 credential に寄せるとしても、HTTP レイヤーの前提はかなり確認できた状態になります。

また、usage を小さく見るだけでも、課金や quota の話に進みやすくなります。本文そのものが返っているかだけを見ると、あとで「本当に token が計上されたのか」を別の画面で探すことになります。最小 workflow の段階で usage_total_tokens を残しておくと、n8n 側の実行ログと gateway 側の usage を突き合わせる入口になります。

ハマったところ

今回ハマったのは、n8n の workflow 自体より CLI 実行の周辺でした。

起きたこと 対応
--file 実行が使えなかった workflow を import して execute --id にした
import 時に workflow id が必要だった export JSON に top-level id を入れた
$env が読めなかった N8N_BLOCK_ENV_ACCESS_IN_NODE=false を付けた

特に $env の扱いは、環境によって方針が分かれそうです。検証用には便利ですが、チームで使う workflow なら n8n の credential store や Variables を使って、誰が見てもどこに secret があるかわかる形にした方が安全かもしれません。

まとめ

n8n から OpenAI 互換 chat/completions を呼ぶ最小確認は、HTTP Request node だけでもできました。

  • workflow export に API key を入れない
  • base URL と /chat/completions を分けて考える
  • model ID は外から渡し、変更しやすくする
  • response は content と usage.total_tokens だけでもまず十分
  • env 参照を使うなら n8n の実行環境側の制限を見る

Flatkey AI は OpenAI 互換の base URL と Bearer key で呼べるので、n8n の HTTP Request node からも同じ形で疎通できました。ただし、使える model name はアカウントや時期で変わるので、実運用では /models やダッシュボードで確認してから workflow に渡すのがよいと思います。

参考

おわりに

最初は n8n の OpenAI 系 node から入ればよいかなと思っていたのですが、HTTP Request node で一回だけ薄く通すと、どこを信用して次に進めるかが見やすくなりました。私はこの手の検証で model name を普通に間違えるので、usage まで出る最小 workflow を残しておくのは意外と効きそうです。

UI や n8n の設定で違うところもあると思うので、間違いあったらコメントください。よろしくお願いします。

0
0
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
Sign upLogin
0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?