Multi-agent systemen bouwen in n8n: de Supervisor-Worker Pattern (2026)

Wat is het Supervisor-Worker patroon?

In een enkel-agent systeem doet een AI-model alles zelf: het ontvangt een taak, bedenkt een aanpak, voert stappen uit en geeft een resultaat terug. Dat werkt voor eenvoudige taken.

Bij complexe taken met meerdere verantwoordelijkheden gaat dat mis. Een model dat tegelijk marktonderzoek doet, copy schrijft, beelden zoekt en een rapport opmaakt, verliest kwaliteit. Elke taak is een andere specialisatie.

Het Supervisor-Worker patroon lost dit op door taken te verdelen:

De Supervisor-agent ontvangt de opdracht, analyseert wat er nodig is en verdeelt het werk over Worker-agents

Elke Worker-agent heeft een duidelijk afgebakende specialisatie

De Supervisor verzamelt de resultaten en synthetiseert het eindproduct

n8n heeft dit patroon in 2026 ingebouwd in de AI Workflow Builder, waardoor je multi-agent systemen visueel kunt opbouwen zonder de orkestratie zelf te coderen.

Wanneer gebruik je dit patroon?

Het Supervisor-Worker patroon is de juiste keuze als:

Een taak duidelijk uiteenvalt in verschillende domeinen (research, schrijven, formatteren, controleren)

De kwaliteit per domein hoger moet zijn dan een generalistisch model kan leveren

Je de werkwijze van workers wilt kunnen aanpassen zonder de hele workflow te herzien

Je foutafhandeling per worker apart wilt instellen

Voor eenvoudige taken (beantwoord deze vraag, schrijf dit bericht) is een enkel-agent aanpak sneller en goedkoper.

Wat je nodig hebt

n8n versie 1.35 of hoger (met AI Workflow Builder)

Anthropic API-sleutel (voor Claude als Supervisor en Workers)

Optioneel: tool-credentials voor workers (webzoeker, Slack, etc.)

Stap 1: De basisstructuur opzetten

Maak een nieuwe workflow aan in n8n. Je hebt drie soorten nodes nodig:

Een trigger-node: dit is het startpunt. Gebruik een Webhook-node (voor API-aanroepen) of een Manual Trigger (voor testen).

Een AI Agent-node voor de Supervisor.

Meerdere AI Agent-nodes voor de Workers.

Begin eenvoudig: bouw eerst een workflow met een Supervisor en twee Workers. Je kunt er later meer aan toevoegen.

Stap 2: De Supervisor-agent configureren

Voeg een "AI Agent" node toe vanuit de n8n-zoekbalk.

Selecteer je Anthropic-credential en kies "claude-3-7-sonnet-20250219" als model. De Supervisor heeft het meest geavanceerde model nodig, want hij maakt de orkestratiebeslissingen.

Schrijf een systeem-prompt die de Supervisor zijn rol uitlegt. Voorbeeld:

Systeem-prompt Supervisor: "Je bent een projectmanager die taken verdeelt en resultaten combineert. Wanneer je een opdracht ontvangt, analyseer je wat nodig is en delegeer je deeltaken aan gespecialiseerde workers. Je hebt toegang tot de volgende tools: research_worker (voor informatieverzameling), writing_worker (voor tekstproductie). Geef elke worker een duidelijke, afgebakende instructie. Combineer hun output tot een coherent eindresultaat."

Verbind de Supervisor-node met je trigger-node via een pijl.

Stap 3: Worker-agents als tools toevoegen

In n8n kun je AI Agent-nodes als tools toevoegen aan een andere AI Agent-node. Zo worden Workers aanroepbaar door de Supervisor.

Maak een nieuwe AI Agent-node aan. Dit wordt Worker 1 (Research Worker).

Configureer het model. Workers kunnen een lichter model gebruiken: "claude-3-5-haiku-20241022" is sneller en goedkoper voor gespecialiseerde taken.

Schrijf een systeem-prompt specifiek voor deze worker. Voorbeeld Research Worker: "Je bent een research-specialist. Je ontvangt een zoekopdracht en gebruikt beschikbare tools om relevante informatie te verzamelen. Geef altijd je bronnen aan. Structureer je output als een geordende lijst met bevindingen."

Voeg tools toe aan deze worker: de Web Search-tool van n8n, een Wikipedia-node, of een eigen HTTP-node die een zoekopdracht uitvoert.

Verbind deze Worker-node met de Supervisor-node via de "Tools" verbinding (niet de reguliere pijl).

Herhaal dit voor Worker 2 (Writing Worker) met een schrijfgerichte systeem-prompt.

Stap 4: Memory toevoegen aan de Supervisor

Zonder memory vergeet de Supervisor na elke stap wat Workers hebben teruggegeven. Voeg een Window Buffer Memory-node toe.

Zoek op "Window Buffer Memory" in de n8n-zoekbalk en voeg de node toe.

Stel het venstermaat in op 10 (bewaart de laatste 10 berichten in het geheugen).

Verbind de Memory-node met de Supervisor via de "Memory" verbinding.

Voor workflows die over meerdere sessies heen moeten werken, gebruik je een externe memory-oplossing zoals Redis of een Postgres-database.

Stap 5: Output verwerken en terugsturen

Voeg na de Supervisor een "Set" node toe om de output op te schonen.

Map het veld "output" van de Supervisor naar een variabele "eindresultaat".

Voeg een Response-node toe (bij een webhook-trigger) of een Slack/Gmail-node om het resultaat te versturen.

Stap 6: Testen en debuggen

Multi-agent workflows zijn lastiger te debuggen dan enkelvoudige workflows. Gebruik deze aanpak:

Test elke Worker afzonderlijk voordat je de Supervisor koppelt. Geef ze directe instructies via een Manual Trigger en controleer hun output.

Activeer "Log level: Debug" in je n8n-omgeving zodat je de volledige communicatie tussen Supervisor en Workers kunt volgen.

Bekijk de Executions-weergave in n8n om de exacte prompts en antwoorden te zien die tussen nodes zijn uitgewisseld.

Test met eenvoudige opdrachten eerst. Bouw complexiteit op na een succesvolle basistest.

Kosten bewaken

Multi-agent systemen gebruiken meer tokens dan enkelvoudige agents omdat elke communicatiestap (Supervisor naar Worker, Worker terug naar Supervisor) API-calls genereert.

Richtlijnen om kosten te beheersen:

Gebruik claude-3-5-haiku voor Workers die eenvoudige taken uitvoeren

Beperk de window buffer: meer geheugen = meer tokens per call

Stel een maxTokens-limiet in bij elke agent

Monitor je API-kosten in het Anthropic-dashboard per workflow via een uniek systeem-prompt-label

Uitbreidingen voor productiegebruik

Foutafhandeling per worker

Voeg na elke Worker-node een IF-node toe die controleert of de output geldig is. Bij een fout kun je de Supervisor instrueren om de taak aan een alternatieve worker te delegeren, of de gebruiker te notificeren.

Parallelle workers

n8n ondersteunt parallelle uitvoering. Als je Workers onafhankelijk van elkaar werken (ze delen geen tussenresultaten), kun je ze gelijktijdig laten draaien via een SplitInBatches-node. Dit verkort de doorlooptijd aanzienlijk.

Menselijke feedback inbouwen

Voeg een Wait-node toe na de Supervisor en stuur een Slack-bericht met de conceptoutput. Wacht op goedkeuring (via Slack-knop of webhook) voordat de workflow het eindresultaat verzendt.