Kurze Antwort
Wie gebe ich einem n8n AI Agent ein Websuche-Werkzeug?
Hängen Sie einen HTTP Request-Node als Werkzeug an den AI Agent von n8n, stellen Sie ihn auf GET https://llmwebsearch.com/api/v1/search mit einer Header Auth-Credential, die Ihren LLMWebSearch-Schlüssel enthält, und lassen Sie das Modell den Parameter q mit $fromAI() ausfüllen. Aktivieren Sie Optimize Response und behalten Sie title, url und content. Eine Suchanfrage, bei der die obersten 3 Seiten gelesen werden, kostet 1 Credit, ab 1,20 $/1K Suchanfragen Stand Oktober 2026. Ohne KYC.
Welche HTTP Request-Einstellungen verwende ich?
Optionsnamen wie in der Dokumentation zum HTTP Request-Node von n8n geschrieben, gelesen am 22. Oktober 2026.
| Einstellung | Wert |
|---|---|
| Platzierung | Als Werkzeug am AI Agent-Node angehängt |
| Methode | GET |
| URL | https://llmwebsearch.com/api/v1/search |
| Authentifizierung | Generic credential type → Header Auth |
| Header Auth-Credential | Name Authorization, Wert Bearer gefolgt von Ihrem Schlüssel |
| Send Query Parameters | An, Using Fields Below |
Parameter q | Vom Modell mit $fromAI() ausgefüllt (siehe unten) |
Parameter max_results | 5 |
Parameter read | 3 |
Parameter max_chars | 4000 |
| Antwort optimieren | Ein · JSON · Feld mit Daten results · Felder einbeziehen Ausgewählt: title, url, content |
Warum der HTTP Request node und kein eigener node?
Weil ein einziges GET-Request mit einem Header und vier Query-Parametern alles ist, was die API braucht. Laut n8n-Dokumentation kann der HTTP Request node als regulärer node laufen oder als Tool an einen AI agent angehängt werden, und einige Optionen gibt es nur in der Tool-Form.
Von uns muss nichts installiert oder aktualisiert werden, und der Schlüssel bleibt in n8ns Credential-Store statt im Workflow. Geben Sie n8n einen eigenen Schlüssel. Erstellen Sie einen API-Schlüssel pro Agent, App oder Teamkollegen und widerrufen Sie jeden davon im Dashboard, ohne die anderen zu berühren.
Wie schreibt das Modell die Suchanfrage?
Über n8ns Funktion $fromAI() im Wert des Feldes q. Die dokumentierte Form ist $fromAI(key, description, type, defaultValue): Verwenden Sie den Schlüssel query, eine Beschreibung wie „What to search for on the web“ und den Typ string. n8n weist darauf hin, dass $fromAI() nur in Tools funktioniert, die mit dem AI Agent node verbunden sind.
Beschreiben Sie das Tool selbst auch in einfachen Worten, zum Beispiel „Searches the web and returns sources with their page text; cite the URLs“. Anhand dieses Textes entscheidet der Agent, wann er sucht.
Warum Optimize Response aktivieren?
Weil alles, was ein Tool zurückgibt, im Kontext des Modells landet. Optimize Response ist eine reine Tool-Option, die reduziert, was an das Modell übergeben wird. Setzen Sie beim Typ JSON das Feld Field Containing Data auf results und beziehen Sie dann nur title, url und content ein.
Der Agent sieht dann eine kurze Liste von Quellen mit ihrem Text und nichts weiter. Begrenzen Sie die Länge auf unserer Seite mit max_chars, das jede Seite kürzt, bevor sie die API verlässt.
Kann ich Suchanfragen auch ohne Agent nach Zeitplan ausführen?
Ja. Verwenden Sie den HTTP Request node als regulären node hinter einem Schedule Trigger mit einer festen Anfrage. Fügen Sie topic=news und time_range=day hinzu, um die Artikel des Tages zu einem Thema zu sammeln, und senden Sie dann die Titel und URLs an einen Chat, eine Tabelle oder eine E-Mail.
Eine geplante News-Suche pro Tag verbraucht etwa 30 Credits im Monat, sodass 5.000 Suchanfragen (9,25 $) viele Themen über lange Zeit abdeckt. Search-Credits verfallen nicht: Was Sie diesen Monat nicht verbrauchen, ist nächstes Jahr noch da.
Was erhält der Workflow, wenn eine Seite abgelehnt wird?
Die Suche ist trotzdem erfolgreich. Das abgelehnte Ergebnis behält Titel und URL, hat kein content, und sein content_status nennt den Grund, etwa blocked_by_robots. Unser Reader respektiert robots.txt: Er stellt sich als LLMWebSearch vor, befolgt die Regeln, die eine Website für ihn oder für alle Roboter schreibt, und lässt den Inhalt jeder Seite aus, die er nicht lesen darf.
HTTP-Fehler sind etwas anderes: ein falscher Schlüssel liefert 401, ein leeres Guthaben 402, zu viele Aufrufe 429. Lassen Sie in einem Agent das Tool den Fehler zurückgeben, damit das Modell ihn erklären kann. Leiten Sie in einem geplanten Workflow Fehler an einen Zweig weiter, der sie protokolliert. Die Fehlerseite listet jeden Code auf.
Wie teste ich den Aufruf, bevor ich den Workflow baue?
Führen Sie dieselbe Anfrage mit curl aus den curl-Rezepten aus. Wenn es im Terminal funktioniert und in n8n fehlschlägt, liegt die Ursache in den node-Einstellungen. Die üblichen Verdächtigen sind ein Credential-Wert ohne das Präfix Bearer oder ein leeres Feld q.
n8n: häufige Fragen
Gibt es einen LLMWebSearch-Community-node?
Nein, und er ist auch nicht nötig. Der eingebaute HTTP Request node erledigt die Aufgabe, als Tool für den AI Agent oder als regulärer node in jedem Workflow.
Kann ich die Anfrage als POST mit einem JSON-Body senden?
Ja. Aktivieren Sie Send Body mit dem Content-Type JSON und verwenden Sie dieselben Namen wie bei den GET-Parametern. POST ist praktischer, wenn Sie Listen wie include_domains hinzufügen.
Wie begrenze ich, wie viele Suchanfragen der Agent ausführt?
Schreiben Sie eine Grenze in die Systemnachricht des Agents, etwa zwei Suchen pro Frage, und halten Sie read bei 3 oder weniger, damit jede Suche bei einem Credit bleibt.
Wie bezahle ich?
Laden Sie Ihr Guthaben über 25 $ in BTC, USDT, USDC, ETH, SOL, LTC auf und kaufen Sie dann ein Paket aus Ihrem Guthaben. LLMWebSearch verlangt keinen Ausweis, kein Selfie und keine Dokumente.
Quellen (3)
- HTTP Request node — n8n docs (read 2026-10-22)
- HTTP Request credentials — n8n docs (read 2026-10-22)
- Let AI specify tool parameters with $fromAI() — n8n docs (read 2026-10-22)