Was du vor dem Start benötigst
Eine n8n-Instanz (Cloud oder selbst gehostet) und einen API-Schlüssel von diesem Dienst. Falls du noch keinen Schlüssel hast, führt dich die API-Schlüssel-Seite durch die Anmeldung mit Google oder E-Mail und Passwort. Neue Nutzer können mit einem Klick $0,50 Testguthaben auf dieser Seite beanspruchen, gültig für 7 Tage und ohne Kreditkarte.
Drei Werte gehen in n8n ein:
- Basis-URL:
https://api.onekeyllmapi.com/v1 - API-Schlüssel: gesendet als
Authorization: Bearer <key>, was n8n für dich erledigt - Modell-ID:
uncensored
Der Dienst ist eine gehostete, textbasierte LLM-API, die das OpenAI-Anfrageformat für /v1/chat/completions, /v1/responses und /v1/models folgt. Sie ist nicht die offizielle API eines Modell-Anbieters, daher funktioniert alles, was n8n an den OpenAI-Chat-Endpunkt sendet, hier, solange es eine Textanfrage ist.
Schritt 1: Erstelle die Anmeldeinformationen
Öffne in n8n Credentials, wähle Create credential und suche nach OpenAI API. Fülle es wie folgt aus:
- Füge deinen Schlüssel in das Feld API Key ein.
- Lasse Organization ID leer.
- Ersetze die Standard-Base URL durch
https://api.onekeyllmapi.com/v1. Behalte das/v1am Ende und füge kein/chat/completionshinzu. - Speichern. n8n führt beim Speichern einen kleinen Testaufruf durch; falls er fehlschlägt, springe zum Abschnitt zur Fehlerbehebung unten.
Verwende eine Anmeldung pro Umgebung. Wenn du eine Staging- und eine Produktions-n8n-Instanz betreibst, gib jeder Instanz ihren eigenen Schlüssel, damit du die Ausgaben separat sehen und eine widerrufen kannst, ohne die andere zu berühren.
Schritt 2: Erstelle einen einfachen Chat-Workflow
Starte mit dem kleinstmöglichen Ding, das die Verbindung beweist: einem manuellen Trigger und einem Modellaufruf.
- Füge einen Manual Trigger Node hinzu.
- Füge einen OpenAI Node hinzu (oder den OpenAI Chat Model Sub-Node innerhalb einer Basic LLM Chain, je nach n8n-Version) und wähle die Anmeldeinformation aus Schritt 1 aus.
- Für das Modell suche nach einer Möglichkeit, eine ID manuell einzugeben. Neuere n8n-Versionen bieten einen By ID-Modus neben der Liste. Gib dort
uncensoredein. Die Liste kann leer sein oder nur OpenAI-Namen anzeigen, da n8n sie auf seiner Seite filtert. - Füge einen Prompt wie Fasse dieses Support-Ticket in zwei Sätzen zusammen hinzu und führe den Node aus.
Wenn deine n8n-Version darauf besteht, aus einer Liste zu wählen, nutze den HTTP Request-Ansatz im nächsten Abschnitt. Er funktioniert immer, da du die gesamte Anfrage kontrollierst.
API-Aufruf mit dem HTTP Request Node
Der HTTP Request Node ist die vorhersagbarste Methode, diese API aus n8n heraus aufzurufen, und er zeigt jeden Parameter an, den die API akzeptiert, einschließlich seed, stop, top_p und tools. Konfiguriere ihn so:
- Methode:
POST - URL:
https://api.onekeyllmapi.com/v1/chat/completions - Authentifizierung: Generic Credential Type mit Header Auth, Name
Authorization, WertBearer YOUR_KEY - Body senden: an, Inhaltstyp JSON
Body (wechsle das Feld zu Expression, wenn du Daten aus früheren Nodes einfügen möchtest):
{
"model": "uncensored",
"messages": [
{"role": "system", "content": "You are a concise assistant."},
{"role": "user", "content": "Summarize this support ticket in two sentences."}
],
"temperature": 0.4
}
Der Antworttext befindet sich unter choices[0].message.content. Im nächsten Node kannst du ihn mit {{ $json.choices[0].message.content }} referenzieren.
Um dieselbe Anfrage zuerst außerhalb von n8n zu testen, führe dies zuerst in einem Terminal aus:
curl https://api.onekeyllmapi.com/v1/chat/completions \
-H "Authorization: Bearer $API_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"uncensored","messages":[{"role":"user","content":"Say hello in five words."}]}'
Wenn curl funktioniert und n8n nicht, liegt das Problem in den Knoteneinstellungen, nicht in deinem Schlüssel oder Guthaben.
JSON-Modus für Workflows, die die Ausgabe parsen
Workflows brechen, wenn ein Modell Daten in natürlicher Sprache verpackt. Der JSON-Modus weist die API an, ein gültiges JSON-Objekt zurückzugeben, das du direkt an einen Set- oder IF-Knoten übergibst. Füge dem Body response_format hinzu:
{
"model": "uncensored",
"response_format": {"type": "json_object"},
"messages": [
{"role": "system", "content": "Reply only with a JSON object with keys sentiment and summary."},
{"role": "user", "content": "The delivery was late but support fixed it fast."}
]
}
Zwei Gewohnheiten machen dies zuverlässig. Erstens: Sage das Wort JSON und benenne die Schlüssel im Prompt, da der JSON-Modus die Syntax garantiert, nicht dein Schema. Zweitens: Die Antwort kommt weiterhin als String in message.content an, also füge einen Code-Node oder einen Ausdruck mit JSON.parse() hinzu, bevor du Felder liest. Im OpenAI-Node erscheint derselbe Schalter als Response Format-Option unter den Node-Optionen.
Behandlung von 429 und anderen Fehlern
n8n verarbeitet Elemente parallel, daher kann ein Stapel mit 50 Zeilen schnell Limits erreichen. Ein Voll-Schlüssel erlaubt 8 gleichzeitige Anfragen und 300 Anfragen pro Minute; ein Test-Schlüssel erlaubt 2 und 60. Wenn du das Limit überschreitest, antwortet die API mit HTTP 429 und dem Code rate_limited (zu viele pro Minute) oder concurrency (zu viele gleichzeitig). Bei temporärer Überlastung erhältst du 429 mit dem Header Retry-After: 5.
Praktische Einstellungen in n8n:
- Öffne den Node, gehe zu Settings, aktiviere Retry On Fail, setze Max Tries auf 3 oder 4 und Wait Between Tries auf 5000 ms.
- Füge einen Loop Over Items Node (Batch-Größe 4 bis 6) vor dem Modellaufruf ein, damit du unter 8 parallelen Anfragen bleibst.
- Unter Node Settings kann On Error so eingestellt werden, dass mit einer Fehlerausgabe fortgefahren wird, sodass eine schlechte Zeile den Lauf nicht stoppt.
Für einen tieferen Blick auf die beiden Arten von Limits lies die API-Dokumentation. Andere Fehler sind einfach: Ein 401 bedeutet, dass der Schlüssel falsch ist oder dem Header das Wort Bearer fehlt, und ein 404 bedeutet normalerweise, dass die Base URL einen Tippfehler oder ein zusätzliches Pfadsegment enthält.
Fehlerbehebungs-Checkliste
Die meisten Ausfälle stammen von einer kurzen Liste von Ursachen. Arbeite sie von oben nach unten durch, bevor du den Dienst verdächtigst.
| Symptom | Wahrscheinliche Ursache | Lösung |
|---|---|---|
| 401 beim Speichern oder Ausführen | Falscher Schlüssel oder der Header enthält kein Bearer | Füge den Schlüssel erneut ein; bei Header Auth muss der Wert mit Bearer beginnen |
| 404 | Base URL hat einen Tippfehler oder ein zusätzliches Pfadsegment | Verwende in den Anmeldedaten exakt https://api.onekeyllmapi.com/v1 |
| Modell nicht gefunden | Modell-ID nicht als uncensored eingegeben | Wechsle zu „Nach ID“ oder verwende den HTTP-Anfrage-Knoten |
| 429 mit Concurrency | Mehr als 8 parallele Ausführungen (2 bei einem Test-Schlüssel) | Stapelverarbeitung mit Schleife über Elemente und Wiederholungsversuchen |
| JSON-Parsefehler in der nachgelagerten Verarbeitung | Die Antwort ist ein String oder der Prompt hat die Schlüssel nicht benannt | Parse mit JSON.parse() und beschreibe die Schlüssel im System-Prompt |
Wenn du den Support kontaktierst, füge den X-Request-Id-Antwortheader der fehlgeschlagenen Anfrage bei. In n8n kannst du Header anzeigen, indem du in den Optionen des HTTP-Anfrage-Knotens Antwortheader und Status einbeziehen aktivierst.
Testen ohne viel auszugeben
Nutze das Testguthaben, während du baust. Bei 2 gleichzeitigen Anfragen und 60 Anfragen pro Minute ist ein Test-Schlüssel für Stapel langsam, aber ausreichend, um eine Anmeldeinformation, einen Prompt und die Parsing-Logik zu prüfen. Wechsle zu einem Voll-Schlüssel, wenn du den Workflow in einen Zeitplan verschiebst.
Kosten und ein sinnvoller Workflow-Entwurf
Die Preise sind Pay as you go: $0,15 pro 1M Eingabe-Token und $0,50 pro 1M Ausgabe-Token, vom Prepaid-Guthaben. Ein Workflow, der 1.000 E-Mails pro Tag mit jeweils 600 Eingabe- und 100 Ausgabe-Token klassifiziert, verbraucht 0,6M Eingabe-Token ($0,09) und 0,1M Ausgabe-Token ($0,05), etwa $0,14 pro Tag. Fehlgeschlagene oder abgelehnte Anfragen werden nicht berechnet, sodass Wiederholungen bei Fehlern die Rechnung nicht verdoppeln. Details findest du auf der Preisseite.
Halte Prompts kurz, sende nur die Felder, die das Modell benötigt, und setze max_tokens, wenn du weißt, dass die Antwort kurz ist. Wenn du auch Modelle auf deiner eigenen Maschine ausführst, sieh dir den Artikel über die Verwendung eines lokalen LLM über eine OpenAI-kompatible API an, der dieselben Client-Einstellungen verwendet.
