n8n 2.37 se publicó el 25 de agosto de 2026 y no es un patch de mantenimiento. Las versiones 2.37.0 y 2.37.1 trajeron tres cambios que van a afectar la forma en que construyes flujos de IA: soporte nativo para el Model Context Protocol (MCP) en ambas direcciones, un nodo AI Agent reconstruido desde cero, y validación automática de respuestas de LLMs. Si automatizas con n8n o planeas hacerlo, aquí está lo que necesitas saber.
Qué trae n8n 2.37 (las tres novedades principales)
Las versiones se publicaron en el repositorio oficial de n8n el 25 de agosto según las release notes de docs.n8n.io. No son actualizaciones cosméticas ni de seguridad solamente:
- ▸n8n ahora puede actuar como MCP Client y como MCP Server — cualquier flujo tuyo puede convertirse en una herramienta para agentes externos.
- ▸El nodo AI Agent fue reconstruido con tool calling nativo para Claude, GPT-4o, Gemini, Mistral, Groq y endpoints compatibles con OpenAI, más cuatro tipos de memoria integrados.
- ▸Validación automática de JSON schema: si el LLM devuelve datos mal formateados al llamar una herramienta, n8n lanza un retry antes de marcar el paso como fallido.
Estos tres cambios juntos empujan a n8n de "herramienta de automatización con nodos de IA" a plataforma de orquestación de agentes. Es un salto real, no de marketing.
MCP nativo: n8n como hub de herramientas para cualquier agente
Hasta ahora, para que un agente externo llamara a procesos dentro de n8n tenías que exponer webhooks manualmente y manejar la autenticación tú mismo. Con 2.37, n8n habla MCP de forma nativa en dos roles:
Como MCP Client
Tus flujos de n8n pueden consumir herramientas externas que hablen MCP — servidores de Databricks, Slack, tu ERP o cualquier servicio del ecosistema que implemente el protocolo. Sin configuración extra: ya están disponibles como nodos.
Como MCP Server
Puedes exponer cualquier workflow de n8n como una herramienta invocable desde agentes externos. Un flujo que genera reportes de ventas, otro que consulta el CRM, uno que procesa archivos — los registras en el servidor MCP y Claude Code, un agente de LangGraph o cualquier cliente compatible los puede llamar directamente.
El efecto práctico es que n8n pasa a ser el hub donde tus procesos de negocio se convierten en herramientas de agentes. Antes necesitabas código para hacer ese puente. Ahora lo haces desde el editor visual.
Lo que nadie te dice todavía: esto convierte a n8n en un competidor directo de los servidores MCP custom que muchos equipos construyen en Python. Para la mayoría de los casos de uso, n8n acaba de hacer eso innecesario.
El AI Agent node reconstruido: lo que cambió en detalle
El nodo de agentes de n8n ya existía, pero la versión 2.37 lo reconstruyó desde cero. Los cambios más relevantes para producción:
- ▸Tool calling nativo para Claude, GPT-4o, Gemini, Mistral, Groq y cualquier endpoint compatible con OpenAI. Ya no necesitas workarounds para conectar distintos LLMs a tus herramientas.
- ▸Cuatro tipos de memoria integrados: in-memory (conversación activa), Redis (persistencia ligera entre sesiones), Postgres (histórico estructurado) y Motorhead. Cada uno tiene casos de uso distintos y los eliges desde el mismo editor de flujo.
- ▸Validación automática de JSON schema: si el LLM devuelve una respuesta que no sigue el esquema esperado de una herramienta, n8n activa un retry automático. Esto reduce drásticamente los errores silenciosos en pipelines de producción.
La combinación de memoria Postgres + validación automática es particularmente útil si construyes agentes de atención al cliente o asistentes que mantienen contexto entre sesiones. Antes eso requería código externo para manejar el estado. Ahora está dentro del nodo.
Tres flujos que ya puedes construir con n8n 2.37
Con estos cambios, algunas arquitecturas que antes requerían código propio ahora se pueden armar desde el editor visual:
- ▸Agente de WhatsApp con memoria Postgres: responde consultas de clientes, recuerda el historial de conversación entre sesiones y escala a un agente humano cuando no puede resolver algo. Sin una línea de código de gestión de estado.
- ▸Hub de herramientas corporativo: expones tus flujos de n8n (generar reportes, consultar la BD, enviar notificaciones) como herramientas MCP, y cualquier agente externo — Claude Code, tu propio asistente, un cliente LangGraph — los invoca directamente.
- ▸Pipeline de datos agentic: el agente consume herramientas MCP externas para enriquecer datos, los transforma en el flujo y los carga a tu warehouse — con lógica de retry y validación incluida.
Si trabajas con agentes de IA en producción, estas capacidades cambian el tipo de arquitectura que puedes construir con n8n. El límite ya no es el editor visual — es lo que tú sepas diseñar.
Cómo aprender n8n para aprovechar todo esto
n8n tiene una curva de aprendizaje baja comparada con LangGraph o CrewAI, pero 2.37 agregó profundidad real. Para sacarle partido al MCP y al nuevo nodo de agentes necesitas entender cómo se estructura un flujo agentic, cómo se maneja la memoria entre sesiones y cómo exponer herramientas invocables desde otros sistemas.
En DataPath tenemos tres cursos para aprender n8n desde distintos ángulos:
- ▸Automatización e Inteligencia Artificial con N8N — el punto de entrada: construyes flujos de automatización con nodos de IA desde cero, sin código.
- ▸Creación de Agentes IA para WhatsApp con N8N — un caso de uso concreto: agentes de texto integrados con WhatsApp Business, con memoria y escalado a humano.
- ▸Diseño y Despliegue de Arquitectura con N8N — para el siguiente nivel: arquitectura de flujos escalables, despliegue en producción y patrones de orquestación.
Si tu objetivo es construir sistemas multi-agente más complejos — con LangGraph o CrewAI como orquestadores y n8n como capa de herramientas — la ruta de AI Agentic Engineer cubre exactamente ese stack.
Si quieres practicar estos flujos con otros que están construyendo lo mismo en este momento, en la Comunidad AI Builders hacemos talleres en vivo cada semana donde cubrimos casos con n8n, MCP y agentes. Desde 19 USD/mes: builders.datapath.ai.
El momento para empezar es ahora
n8n 2.37 ya está disponible para autohosting y en la nube. Si todavía no experimentas con MCP en tus flujos, esta versión es el punto de entrada más fácil que va a existir — el ecosistema no va a bajar el ritmo. Puedes empezar con el curso de automatización con n8n, profundizar con el módulo de arquitectura y despliegue, o ver el stack completo de agentes en producción en la ruta de AI Agentic Engineer.
