El 20 de octubre n8n lanzó la versión 2.45 y, dos días después, la 2.45.2 con los mismos ajustes pulidos. La novedad que de verdad importa si ya tienes agentes corriendo en producción no es un nodo nuevo: es que ahora puedes obligar a que un humano apruebe lo que el agente está a punto de ejecutar.
El problema que esto resuelve
Si has montado un agente con el nodo AI Agent en n8n conectado a un cliente MCP o a un sub-workflow expuesto como herramienta, sabes el miedo: el modelo decide solo qué herramienta llamar y con qué parámetros. Funciona genial hasta que un día llama a la herramienta equivocada con datos reales de un cliente, o borra algo que no debía. He visto equipos resolver esto a la fuerza bruta, restringiendo tanto las herramientas disponibles que el agente deja de ser útil.
2.45 ataca el problema directo: human-in-the-loop para llamadas de herramientas de IA. Puedes exigir aprobación explícita para cualquier herramienta que el agente pueda invocar, incluido el nodo MCP Client o un sub-workflow expuesto como tool, y la aprobación se aplica de forma selectiva. Algunas herramientas siguen corriendo solas (consultar un catálogo, por ejemplo) y otras —enviar un correo, modificar un registro, ejecutar un pago— quedan en pausa hasta que alguien dé el visto bueno.
Qué más trae la 2.45
- ▸Overhaul completo de permisos MCP para agentes: ya no es todo o nada por conexión, se puede granular por herramienta.
- ▸Hallazgos de migración que el editor puede triar uno por uno antes de aplicar un cambio de versión a un workflow en producción.
- ▸Vista de log de IA en el panel de detalles del nodo que muestra qué modelo respondió realmente —útil cuando un router de modelos elige uno distinto al configurado en el nodo.
- ▸Avatar personalizado del sub-agente en el selector del agent builder, en vez del ícono de robot genérico (menor, pero ayuda cuando tienes cinco sub-agentes en el mismo flujo).
Cómo aplicarlo si ya tienes agentes corriendo
Lo primero que haría es auditar qué herramientas tiene expuestas cada agente y clasificarlas en dos grupos: las de solo lectura (dejarlas autónomas) y las que escriben o cuestan dinero (ponerles aprobación). No actives aprobación humana en todo por defecto —eso simplemente mata la automatización y vuelves a tener un proceso manual con pasos extra. La idea es usarla como un cinturón de seguridad en los puntos de mayor riesgo, no como una regla general.
Un ejemplo concreto que me ha tocado armar: un agente de soporte que atiende reclamos por WhatsApp y tiene acceso a tres herramientas —consultar el estado de un pedido, reenviar una guía de envío y generar una nota de crédito. Las dos primeras no necesitan supervisión, son de bajo riesgo y el cliente las agradece al instante. La tercera, en cambio, mueve plata real. Con 2.45 puedes dejar que el agente converse y resuelva las dos primeras solo, y que la nota de crédito quede en una cola de aprobación que revisa un supervisor antes de que se ejecute. Antes de esta versión, la única forma de lograr algo parecido era partir el flujo en dos workflows separados y meter un paso manual entre ambos a mano, lo que en la práctica casi nadie mantenía actualizado.
Cómo se configura en la práctica
- Entra al nodo AI Agent y abre la lista de herramientas conectadas (MCP Client, sub-workflows, nodos de acción).
- Marca cada herramienta como autónoma o como "requiere aprobación" —el permiso ahora vive a nivel de herramienta individual, no de la conexión completa.
- Define quién recibe la solicitud de aprobación: puede ser una persona por Slack, un canal de Teams o incluso otro workflow que aplique sus propias reglas antes de aprobar o rechazar.
- Revisa el log de IA en el panel del nodo después de las primeras ejecuciones: ahí ves qué modelo respondió de verdad, algo clave si usas un router que puede derivar la petición a un modelo más barato o más rápido según el caso.
Si vienes de una versión anterior a la 2.43, aprovecha también los hallazgos de migración: n8n te muestra, workflow por workflow, qué nodos o conexiones quedarían afectados por el salto de versión, y puedes aprobar cada cambio por separado en vez de hacer un update a ciegas sobre algo que ya está en producción atendiendo clientes.
Por qué esto importa más allá de n8n
Zapier y Make todavía no tienen un equivalente directo de aprobación granular por herramienta dentro del propio builder del agente; en general resuelven esto con webhooks externos armados a mano. Que n8n lo meta nativo confirma algo que ya se veía venir con LangGraph 1.0 y con las Human-in-the-Loop interrupts que trajo en septiembre: 2026 es el año en que los frameworks de agentes dejaron de competir solo por qué tan bien razona el modelo, y empezaron a competir por qué tan seguro es dejarlo actuar solo. Para una empresa en LATAM que recién está metiendo agentes en procesos reales —cobranzas, soporte, ventas por WhatsApp— esa seguridad operativa pesa más que un benchmark.
Esto conecta directo con un tema que viene creciendo todo el año: construir agentes que de verdad puedan ir a producción, no solo demos bonitas. Si quieres entender el patrón completo —arquitectura, memoria, permisos, manejo de errores— esa es la ruta de AI Agentic Engineer, y si tu caso específico es automatizar procesos de negocio con n8n, el curso de Automatización e Inteligencia Artificial con N8N cubre justamente estos patrones de herramientas y permisos.
Lo que nadie te dice: la aprobación humana añade latencia real. Si tu agente atiende a un cliente en vivo por WhatsApp, cada pausa para aprobar es un cliente esperando. Resérvala para flujos internos o para las acciones más caras de deshacer.
Si todavía no actualizas
Nada de esto es obligatorio para seguir operando: los workflows existentes corren igual en 2.44 o en 2.43. Pero si estás self-hosting n8n en Docker, actualizar es gratis y los hallazgos de migración justamente existen para que no te lleves sorpresas al hacerlo. Lo que sí veo como riesgo es postergar la actualización indefinidamente en un agente que ya mueve dinero o datos sensibles de clientes: cada versión que te saltas sin revisar acumula cambios, y el día que por fin actualizas terminas revisando seis meses de hallazgos de golpe en vez de uno por semana.
Tampoco hace falta que la aprobación humana sea literalmente una persona mirando una pantalla todo el día. Puedes encadenar un segundo agente —más simple, con reglas más estrictas— que actúe como el aprobador automático para los casos obvios (montos bajo cierto umbral, por ejemplo) y escale a una persona solo cuando el caso sale de ese rango. Es básicamente el mismo patrón de "agente supervisor" que ya se usa en sistemas multi-agente con CrewAI o LangGraph, aplicado ahora dentro del builder visual de n8n sin que tengas que escribir una línea de Python.
Dónde seguir practicando esto
Si construyes agentes para atención al cliente, el curso de Creación de Agentes IA para WhatsApp con N8N es el lugar directo para aplicar estos permisos sobre un caso real de negocio.
Si prefieres aprender esto en vivo con otros que están armando lo mismo, cada semana hacemos un taller práctico en la Comunidad AI Builders, desde 19 USD al mes.
