n8n-workflow-patterns

n8n ワークフローパターン

n8n ワークフローを構築するための、実証済みのアーキテクチャパターンです。

---

5 つのコアパターン

実際のワークフローの利用状況を分析した結果に基づいています。

1. Webhook 処理（最も一般的）

   • HTTP リクエストを受信 → 処理 → 出力
   • パターン：Webhook → 検証 → 変換 → 応答／通知

2. HTTP API 統合

   • REST API から取得 → 変換 → 保存／利用
   • パターン：トリガー → HTTP Request → 変換 → アクション → エラーハンドラー

3. データベース操作

   • データベースのデータを読み取り／書き込み／同期
   • パターン：スケジュール → クエリ → 変換 → 書き込み → 検証

4. AI エージェントワークフロー

   • ツールとメモリーを備えた AI エージェント
   • パターン：トリガー → AI Agent（モデル + ツール + メモリー）→ 出力

5. スケジュールタスク

   • 定期実行する自動化ワークフロー
   • パターン：スケジュール → 取得 → 処理 → 配信 → ログ記録

---

パターン選択ガイド

各パターンを使用する場面：

Webhook 処理 - 次のような場合に使用します：

• 外部システムからデータを受信する
• 統合機能を構築する（Slack コマンド、フォーム送信、GitHub Webhook）
• イベントに即座に応答する必要がある
• 例：「Stripe の決済 Webhook を受信 → データベースを更新 → 確認メッセージを送信」

HTTP API 統合 - 次のような場合に使用します：

• 外部 API からデータを取得する
• サードパーティサービスと同期する
• データパイプラインを構築する
• 例：「GitHub の Issue を取得 → 変換 → Jira チケットを作成」

データベース操作 - 次のような場合に使用します：

• データベース間で同期する
• データベースクエリをスケジュール実行する
• ETL ワークフローを構築する
• 例：「Postgres のレコードを読み取り → 変換 → MySQL に書き込む」

AI エージェントワークフロー - 次のような場合に使用します：

• 会話型 AI を構築する
• AI にツールへのアクセス権が必要である
• 複数ステップの推論タスクを実行する
• 例：「ドキュメントの検索、データベースへのクエリ、メールの送信ができる AI とチャットする」

スケジュールタスク - 次のような場合に使用します：

• 定期的なレポートや要約を作成する
• 定期的にデータを取得する
• メンテナンスタスクを実行する
• 例：「毎日：分析データを取得 → レポートを生成 → チームにメールで送信」

---

一般的なワークフローコンポーネント

すべてのパターンで、次の構成要素を共有します。

1. トリガー

• Webhook - HTTP エンドポイント（即時）
• スケジュール - Cron ベースのタイミング（定期的）
• 手動 - クリックして実行（テスト）
• ポーリング - 変更を確認（一定間隔）

2. データソース

• HTTP Request - REST API
• データベースノード - Postgres、MySQL、MongoDB
• サービスノード - Slack、Google Sheets など
• Code - カスタム JavaScript／Python

3. 変換

• Set - フィールドのマッピング／変換
• Code - 複雑なロジック
• IF/Switch - 条件に応じたルーティング
• Merge - データストリームの結合

4. 出力

• HTTP Request - API を呼び出す
• データベース - データを書き込む
• コミュニケーション - メール、Slack、Discord
• ストレージ - ファイル、クラウドストレージ

5. エラー処理

• Error Trigger - ワークフローのエラーを捕捉
• IF - エラー条件を確認
• Stop and Error - 明示的な失敗
• Continue On Fail - ノードごとの設定

---

ワークフロー作成チェックリスト

あらゆるワークフローを構築する際は、次のチェックリストに従ってください。

計画フェーズ

• パターンを特定する（Webhook、API、データベース、AI、スケジュール）
• 必要なノードを一覧にする（search_nodes を使用）
• データフローを把握する（入力 → 変換 → 出力）
• エラー処理の方針を立てる

実装フェーズ

• 適切なトリガーを使ってワークフローを作成する
• データソースノードを追加する
• 認証情報／資格情報を設定する
• 変換ノード（Set、Code、IF）を追加する
• 出力／アクションノードを追加する
• エラー処理を設定する

検証フェーズ

• 各ノードの設定を検証する（validate_node_operation）
• ワークフロー全体を検証する（validate_workflow）
• サンプルデータでテストする
• エッジケース（データが空の場合、エラー）に対処する

デプロイフェーズ

• ワークフローの設定（実行順序、タイムアウト、エラー処理）を確認する
• ワークフローを有効化する ⚠️ n8n UI での手動有効化が必要です（API/MCP からは有効化できません）
• 最初の実行を監視する
• ワークフローの目的とデータフローを文書化する

---

データフローパターン

線形フロー

Trigger → Transform → Action → End

使用する場面：単一の経路を持つシンプルなワークフロー

分岐フロー

Trigger → IF → [True Path]
             └→ [False Path]

使用する場面：条件に応じて異なるアクションを実行する場合

並列処理

Trigger → [Branch 1] → Merge
       └→ [Branch 2] ↗

使用する場面：同時に実行できる独立した処理

ループパターン

Trigger → Split in Batches → Process → Loop (until done)

使用する場面：大規模なデータセットを分割して処理する場合

エラーハンドラーパターン

Main Flow → [Success Path]
         └→ [Error Trigger → Error Handler]

使用する場面：エラー処理用のワークフローを分ける必要がある場合

---

よくある注意点

1. Webhook のデータ構造

問題：Webhook のペイロードデータにアクセスできない

解決策：データは $json.body の下にネストされています

❌ {{$json.email}}
✅ {{$json.body.email}}

参照：n8n Expression Syntax スキル

2. 複数の入力アイテム

問題：ノードがすべての入力アイテムを処理するが、1 つだけ処理したい

解決策：「Execute Once」モードを使うか、最初のアイテムだけを処理します

{{$json[0].field}}  // First item only

3. 認証の問題

問題：API 呼び出しが 401/403 エラーで失敗する

解決策：

• 認証情報を正しく設定する
• パラメーターではなく、「Credentials」セクションを使用する
• ワークフローを有効化する前に認証情報をテストする

4. ノードの実行順序

問題：ノードが予期しない順序で実行される

解決策：ワークフローの設定 → Execution Order を確認します

• v0：上から下への順序（レガシー）
• v1：接続ベース（推奨）

5. 式のエラー

問題：式がリテラルテキストとして表示される

解決策：式を {{}} で囲みます

• 詳しくは n8n Expression Syntax スキルを参照してください

---

他のスキルとの連携

これらのスキルは Workflow Patterns と連携して機能します。

n8n MCP Tools Expert - 以下に使用します：

• パターンに適したノードを探す（search_nodes）
• ノードの操作を理解する（get_node_essentials）
• ワークフローを作成する（n8n_create_workflow）

n8n Expression Syntax - 以下に使用します：

• 変換ノードで式を書く
• Webhook データに正しくアクセスする（{{$json.body.field}}）
• 前のノードを参照する（{{$node["Node Name"].json.field}}）

n8n Node Configuration - 以下に使用します：

• パターンノードの特定の操作を設定する
• ノード固有の要件を理解する

n8n Validation Expert - 以下に使用します：

• ワークフローの構造を検証する
• 検証エラーを修正する
• デプロイ前にワークフローが正しいことを確認する

---

パターンの統計

よく使われるワークフローパターン：

最もよく使われるトリガー：

1. Webhook - 35%
2. Schedule（定期タスク） - 28%
3. Manual（テスト／管理） - 22%
4. サービスのトリガー（Slack、メールなど） - 15%

最もよく使われる変換：

1. Set（フィールドのマッピング） - 68%
2. Code（カスタムロジック） - 42%
3. IF（条件付きルーティング） - 38%
4. Switch（複数条件） - 18%

最もよく使われる出力：

1. HTTP Request（API） - 45%
2. Slack - 32%
3. データベースへの書き込み - 28%
4. メール - 24%

ワークフローの平均的な複雑さ：

• シンプル（3～5 ノード）：42%
• 中程度（6～10 ノード）：38%
• 複雑（11 ノード以上）：20%

---

クイックスタートの例

例 1：シンプルな Webhook → Slack

1. Webhook (path: "form-submit", POST)
2. Set (map form fields)
3. Slack (post message to #notifications)

例 2：スケジュールされたレポート

1. Schedule (daily at 9 AM)
2. HTTP Request (fetch analytics)
3. Code (aggregate data)
4. Email (send formatted report)
5. Error Trigger → Slack (notify on failure)

例 3：データベースの同期

1. Schedule (every 15 minutes)
2. Postgres (query new records)
3. IF (check if records exist)
4. MySQL (insert records)
5. Postgres (update sync timestamp)

例 4：AI アシスタント

1. Webhook (receive chat message)
2. AI Agent
   ├─ OpenAI Chat Model (ai_languageModel)
   ├─ HTTP Request Tool (ai_tool)
   ├─ Database Tool (ai_tool)
   └─ Window Buffer Memory (ai_memory)
3. Webhook Response (send AI reply)

例 5：API 統合

1. Manual Trigger (for testing)
2. HTTP Request (GET /api/users)
3. Split In Batches (process 100 at a time)
4. Set (transform user data)
5. Postgres (upsert users)
6. Loop (back to step 3 until done)

---

パターンの詳細ファイル

各パターンの詳しいガイダンスについては、以下を参照してください。

• webhook_processing.md - Webhook パターン、データ構造、応答処理
• http_api_integration.md - REST API、認証、ページネーション、再試行
• database_operations.md - クエリ、同期、トランザクション、バッチ処理
• ai_agent_workflow.md - AI エージェント、ツール、メモリ、langchain ノード
• scheduled_tasks.md - Cron スケジュール、レポート、メンテナンスタスク

---

実際のテンプレート例

n8n テンプレートライブラリより：

テンプレート #2947：天気情報を Slack に送信

• パターン：スケジュール済みタスク
• ノード：スケジュール → HTTP リクエスト（天気 API） → Set → Slack
• 複雑さ：シンプル（4 ノード）

Webhook 処理：最も一般的なパターン

• 最も一般的な用途：フォーム送信、決済 Webhook、チャット連携

HTTP API：一般的なパターン

• 最も一般的な用途：データ取得、サードパーティ連携

データベース操作：一般的なパターン

• 最も一般的な用途：ETL、データ同期、バックアップのワークフロー

AI エージェント：利用が増加中

• 最も一般的な用途：チャットボット、コンテンツ生成、データ分析

n8n-mcp ツールの search_templates と get_template を使って、例を探してください！

---

ベストプラクティス

✅ 推奨事項

• 問題を解決できる最もシンプルなパターンから始めます
• 構築前にワークフローの構成を計画します
• すべてのワークフローでエラー処理を使用します
• 有効化する前にサンプルデータでテストします
• ワークフロー作成チェックリストに従います
• 説明的なノード名を使用します
• 複雑なワークフローを文書化します（notes フィールド）
• デプロイ後にワークフローの実行を監視します

❌ 避けるべきこと

• ワークフローを一度で完成させようとする（反復しましょう！編集間の平均時間は 56 秒です）
• 有効化前の検証を省略する
• エラーの発生状況を無視する
• シンプルなパターンで十分な場合に複雑なパターンを使用する
• パラメーターに認証情報をハードコードする
• 空データのケースへの対応を忘れる
• 明確な境界なしに複数のパターンを混在させる
• テストせずにデプロイする

---

まとめ

要点：

1. 5 つのコアパターンで、ワークフローのユースケースの 90% 以上をカバーします
2. Webhook 処理は最も一般的なパターンです
3. すべてのワークフローでワークフロー作成チェックリストを使用します
4. パターンを計画 → ノードを選択 → 構築 → 検証 → デプロイ
5. 他のスキルと連携して、ワークフロー開発を完成させます

次のステップ：

1. ユースケースのパターンを特定します
2. 詳細なパターンファイルを読みます
3. n8n MCP Tools Expert を使ってノードを探します
4. ワークフロー作成チェックリストに従います
5. n8n Validation Expert を使って検証します

関連スキル：

• n8n MCP Tools Expert - ノードを探して設定します
• n8n Expression Syntax - 式を正しく記述します
• n8n Validation Expert - エラーを検証して修正します
• n8n Node Configuration - 特定の操作を設定します