Behöver ert företag hjälp med att implementera AI? Kontakta oss och få prisoffert här →
AI Skolan
januari 22, 2026

Google Sheets till Slack, hitta webbproblem i tid

Rickard Andersson Partner, Nodenordic.se

Dina webbplatser “går” sällan “ner” på ett dramatiskt sätt. De blir långsamma. Ett certifikat ändras. Ett script börjar timea ut. Och du märker det först efter att en kund klagar i Slack (eller ännu värre, offentligt).

Det är här Sheets Slack alerts verkligen gör nytta. DevOps-folk känner av det först, men byråägare som hanterar kundsajter och marknadsförare som kör kampanjlandningssidor får samma huvudvärk: för många URL:er, för lite uppmärksamhet och ingen felfri historik när något skapar fel.

Det här n8n-flödet övervakar en lista med webbplatser från Google Sheets, använder AI för att bedöma allvarlighetsgrad, och skickar sedan tydliga Slack- (och e-post-) aviseringar samtidigt som allt loggas tillbaka i Sheets så att du kan se mönster och åtgärda problem snabbare.

Så fungerar den här automatiseringen

Hela n8n-flödet, från trigger till slutresultat:

n8n Workflow Template: Google Sheets till Slack, hitta webbproblem i tid

Problemet: webbplatsövervakning blir ett högljutt, manuellt kaos

När du ansvarar för flera webbplatser är den svåraste delen inte att köra en kontroll. Det är att vara konsekvent. Någon lägger till en ny sajt, en annan flyttar hosting, och plötsligt blir din “snabba veckokontroll” en spretig rutin med bokmärken, driftövervakningsverktyg och halvfärdiga kalkylark. Det värsta är den mentala belastningen: du är alltid lite osäker på vad som övervakas, vad som ändrats och om senaste larmet var på riktigt eller bara en tillfällig dipp. Sedan inträffar något faktiskt kritiskt och försvinner i bruset.

Det eskalerar snabbt. Här är var det faller isär i riktiga team.

  • Kontroller sker “när någon kommer ihåg det”, vilket gör att de mest riskfyllda sajterna missas vid helt fel tillfälle.
  • Slack-larm, om du har dem, är ofta vaga och stressande eftersom de inte förklarar vad som faktiskt är fel.
  • Säkerhets- och prestandasignaler finns på olika ställen, så du sitter och pusslar ihop sammanhang under press.
  • Det finns ingen pålitlig logg, så återkommande problem ser ut som slumpmässiga överraskningar i stället för en trend du kan åtgärda permanent.

Lösningen: Google Sheets-styrd övervakning med AI-triage och Slack-larm

Det här flödet gör ett enkelt Google Sheet till din “source of truth” för webbplatsövervakning. Enligt schema hämtar n8n din URL-lista från ett “Websites”-ark, validerar den och bearbetar sedan sajterna i hanterbara batchar så att en långsam domän inte stoppar allt. För varje sajt kör en AI-agent analys med MCP-verktyg: ett med fokus på webbläsarbaserade kontroller (prestanda och beteende som en användare ser), och ett med fokus på säkerhetsinriktade recon-signaler. Utdata slås ihop till ett strukturerat resultat, kategoriseras efter allvarlighetsgrad (kritisk, varning eller information) och routas till rätt notifieringskanaler. Slack får snabba heads-up, e-post reserveras för kritiska problem, och varje kontroll läggs till i ett “Monitoring Log”-ark för historik och trendanalys.

Flödet startar med en schemalagd trigger och en parameteruppsättning. Därefter hämtar det URL:er från Google Sheets, analyserar dem med MCP-servrar plus en OpenAI-chatmodell och publicerar till sist Slack-larm (och kritiska e-postmeddelanden) samtidigt som hela resultatet loggas tillbaka i Sheets.

Det du får: automatisering vs. resultat

Exempel: så här kan det se ut

Säg att du övervakar 25 sajter för ditt företag och några landningssidor för kunder. Manuellt tar även en “snabb koll” kanske 5 minuter per sajt mellan att ladda sidor, kontrollera grundsignaler och skriva anteckningar, vilket blir runt 2 timmar för ett helt varv. Med det här flödet lägger du cirka 5 minuter på att lägga till eller uppdatera URL:er i Google Sheets, och låter sedan den schemalagda körningen göra resten medan du får Slack-larm bara när något är viktigt. Du granskar fortfarande loggen, men det blir en snabb genomgång, inte ett slit.

Det du behöver

  • n8n-instans (testa n8n Cloud gratis)
  • Alternativ för egen drift om du föredrar det (Hostinger fungerar bra)
  • Google Sheets för att lagra URL:er och övervakningsloggar.
  • Slack för att ta emot övervakningslarm baserade på allvarlighetsgrad.
  • OpenAI API-nyckel (hämta den från din OpenAI-dashboard) för AI-analys.

Kunskapsnivå: Medel. Du kopplar konton, sätter några miljövariabler och klistrar in inloggningsuppgifter på ett säkert sätt.

Vill du inte sätta upp detta själv? Prata med en automationsexpert (gratis 15-minuters konsultation).

Så fungerar det

En schemalagd körning drar igång allt. n8n startar enligt ett schema (till exempel varje morgon och eftermiddag) och laddar sedan dina övervakningströsklar och inställningar från en parameternod.

Din webbplatslista kommer från Google Sheets. Flödet läser URL:er från arket “Websites”, kontrollerar att listan är användbar och faller tillbaka till en standardlista om något saknas så att körningen inte misslyckas utan att du märker det.

Sajter analyseras i batchar med AI och MCP-verktyg. n8n delar upp URL:er i grupper, och en AI-agent utvärderar sedan varje sajt med en browser-tools MCP-server (för verkligt beteende) och en recon MCP-server (för säkerhetsfokuserade signaler). OpenAI hjälper till att tolka fynden och översätta dem till en allvarlighetsgrad du kan lita på.

Larm och loggar hamnar automatiskt på rätt ställe. Kritiska punkter postas till Slack och skickar ett e-postmeddelande, varningar postas till Slack, och allt (kritiskt, varning och info) läggs till i arket “Monitoring Log” för senare uppföljning.

Du kan enkelt justera övervakningströsklarna för att matcha din risknivå utifrån dina behov. Se den fullständiga implementationsguiden nedan för anpassningsalternativ.

Steg-för-steg-guide för implementering

Steg 1: Konfigurera schema-triggern

Det här arbetsflödet startar enligt ett tidsschema för att kontrollera webbplatser med regelbundna intervall.

  1. Lägg till och öppna Scheduled Site Watch.
  2. Ställ in schemaregelns intervall till minuter (arbetsflödet använder som standard ett minutbaserat intervall).
  3. Koppla Scheduled Site Watch till Setup Parameters som första bearbetningssteg.

Steg 2: Definiera parametrar för övervakning och notifieringar

Ställ in centrala konfigurationsvärden som används i hela arbetsflödet, inklusive standardwebbplatser, tröskelvärden och notifieringsmål.

  1. Öppna Setup Parameters och bekräfta att fälten i objektet config är definierade, inklusive standardlistan över webbplatser och tröskelvärden för övervakning.
  2. Säkerställ att MCP-server-URL:erna använder uttryck: {{$env.MCP_RECON_URL || 'http://localhost:8002'}} och {{$env.MCP_BROWSER_TOOLS_URL || 'http://localhost:8001'}}.
  3. Ställ in fälten för e-post- och Slack-notifieringar till miljöstyrda uttryck: {{$env.FROM_EMAIL}}, {{$env.ALERT_EMAIL}} och {{$env.SLACK_CHANNEL || '#alerts'}}.
  4. Öppna Map Default Sites och sätt url till {{$item}} för att mappa reserv-URL:er när arket är tomt.

⚠️ Vanlig fallgrop: Om era miljövariabler saknas blir e-post- och Slack-notifieringar tomma. Definiera dem i n8n eller ersätt uttrycken med fasta värden.

Steg 3: Anslut Google Sheets och validera källistan

Hämta webbplatslistan från Google Sheets och avgör om ni ska använda resultaten från arket eller standardlistan.

  1. Öppna Retrieve Site List och sätt Sheet Name till Websites.
  2. Sätt Document ID till {{$env.GOOGLE_SHEET_ID}} och Authentication till serviceAccount.
  3. Inloggningsuppgifter krävs: Anslut era googleApi-inloggningsuppgifter i Retrieve Site List.
  4. Öppna Validate Source List och behåll villkoret som kontrollerar om {{$('Retrieve Site List').item.json}} är tomt.
  5. Bekräfta flödet: Retrieve Site ListValidate Source ListMap Default Sites (tomt) eller → Chunk Site URLs (icke-tomt).

Steg 4: Batcha URL:er och kör AI-analys av webbplatser

Batcha URL:erna och analysera varje webbplats med AI-agenten och MCP-verktygen.

  1. Öppna Chunk Site URLs och sätt Batch Size till {{$('Setup Parameters').item.json.config.monitoring.batchSize}}.
  2. Öppna Site Analysis Agent och behåll prompttexten med dynamiska tröskelvärden, inklusive: {{$('Setup Parameters').item.json.config.monitoring.responseTimeCritical}}, {{$('Setup Parameters').item.json.config.monitoring.sslExpiryWarningDays}}, {{$('Setup Parameters').item.json.config.monitoring.performanceScoreThreshold}} och {{$('Setup Parameters').item.json.config.monitoring.responseTimeWarning}}.
  3. Verifiera att Browser Tools MCP använder SSE Endpoint http://localhost:8001 och att Security Recon MCP använder http://localhost:8002.
  4. Säkerställ att OpenAI Chat Engine är ansluten som språkmodell för Site Analysis Agent.
  5. Inloggningsuppgifter krävs: Anslut era openAiApi-inloggningsuppgifter i OpenAI Chat Engine.
  6. Öppna Merge Analysis Outputs och sätt Mode till combine och Combine By till combineAll.

Obs: Browser Tools MCP och Security Recon MCP är AI-verktyg för Site Analysis Agent. Eventuella nödvändiga åtkomster bör hanteras på parent-nodens nivå eller på MCP-servernivå.

Steg 5: Konfigurera larmroutning och notifieringar

Routa analysresultat efter allvarlighetsgrad och skicka larm till Slack, e-post och Google Sheets.

  1. Öppna Route Alert Severity och bekräfta att de tre reglerna använder {{$json.severity}} för att matcha critical, warning och info.
  2. Route Alert Severity skickar ut till både Post Critical Slack och Send Critical Email samt Append Sheets Log parallellt för den kritiska vägen.
  3. Öppna Post Critical Slack och sätt Channel till {{$('Setup Parameters').item.json.config.notifications.slackChannel}} och behåll meddelandemallen i Text.
  4. Öppna Send Critical Email och sätt To Email till {{$('Setup Parameters').item.json.config.notifications.alertEmail}} och From Email till {{$('Setup Parameters').item.json.config.notifications.fromEmail}}.
  5. Öppna Post Warning Slack och sätt Channel till {{$('Setup Parameters').item.json.config.notifications.slackChannel}}.
  6. Öppna Append Sheets Log och bekräfta att den lägger till rader i Monitoring Log med kolumnmappningar som {{$json.url}}, {{$json.severity}} och {{new Date().toISOString()}}.
  7. Inloggningsuppgifter krävs: Anslut era googleApi-inloggningsuppgifter i Append Sheets Log.

⚠️ Vanlig fallgrop: Om Slack- eller e-post-inloggningsuppgifter inte är konfigurerade i er instans kommer larmnoderna att misslyckas. Säkerställ att de integrationerna är konfigurerade innan ni kör i produktion.

Steg 6: Testa och aktivera ert arbetsflöde

Kör ett manuellt test för att validera övervakningen från slut till slut och aktivera sedan arbetsflödet för kontinuerliga kontroller.

  1. Klicka på Execute Workflow för att trigga Scheduled Site Watch manuellt.
  2. Bekräfta att data flödar från Retrieve Site List via Site Analysis Agent och in i Merge Analysis Outputs.
  3. Verifiera att ett kritiskt resultat publiceras i Post Critical Slack, skickas via Send Critical Email och loggas i Append Sheets Log.
  4. När ni är nöjda, växla arbetsflödet till Active för att aktivera schemalagd övervakning.
🔒

Lås upp fullständig steg-för-steg-guide

Få den kompletta implementeringsguiden + nedladdningsbar mall

Vanliga fallgropar

  • Google Sheets-inloggningar kan löpa ut eller kräva specifika behörigheter. Om något slutar fungera, kontrollera först åtkomsten för det kopplade Google-kontot i n8n-credentials.
  • Om du använder Wait-noder eller extern rendering varierar processtiderna. Öka väntetiden om noder längre fram fallerar på tomma svar.
  • Standardprompter i AI-noder är generiska. Lägg in din tonalitet tidigt, annars kommer du att sitta och redigera utdata för alltid.

Vanliga frågor

Hur lång tid tar det att sätta upp den här Sheets Slack alerts-automatiseringen?

Cirka 30–60 minuter om din Slack- och Google-åtkomst är klar.

Behöver jag kunna koda för att automatisera Sheets Slack alerts?

Nej. Du kommer främst att koppla konton och klistra in några nycklar. Den enda “tekniska” delen är att sätta miljövariabler korrekt.

Är n8n gratis att använda för det här Sheets Slack alerts-flödet?

Ja. n8n har ett gratis alternativ för egen drift och en gratis provperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volym. Du behöver också räkna in OpenAI API-kostnader (ofta några cent per körning, beroende på hur många sajter du kontrollerar och hur utförlig analysen är).

Var kan jag hosta n8n för att köra den här automatiseringen?

Två alternativ: n8n Cloud (hanterat, enklast uppsättning) eller egen drift på en VPS. För egen drift är Hostinger VPS prisvärt och hanterar n8n bra. Egen drift ger dig obegränsade körningar men kräver grundläggande serveradministration.

Kan jag anpassa det här Sheets Slack alerts-flödet för olika trösklar och kanaler?

Ja, och det bör du. De flesta team justerar konfigurationen “Setup Parameters” för att ändra trösklar för svarstid och batch-storlekar, och justerar sedan reglerna i “Route Alert Severity” så att kritiska saker hamnar i rätt Slack-kanal (eller flera kanaler). Du kan också redigera mallarna för Slack- och e-postmeddelanden så att larmet innehåller det sammanhang du föredrar, som miljö, ansvarig eller kundnamn. Om du vill använda en annan AI-modell byter du den i noden OpenAI Chat Engine utan att ändra resten av flödet.

Varför misslyckas min Slack-anslutning i det här flödet?

Oftast handlar det om en webhook som gått ut, en roterad bot-token eller att den postar till en kanal som botten inte har åtkomst till. Uppdatera Slack-credentials i n8n och bekräfta sedan att kanal-ID/namn matchar det du konfigurerat i dina miljövariabler.

Hur många webbplatser klarar den här Sheets Slack alerts-automatiseringen?

Dussintals är normalt, och hundratals är realistiskt om du batchar och dina MCP-servrar hänger med.

Är den här Sheets Slack alerts-automatiseringen bättre än att använda Zapier eller Make?

För det här användningsfallet passar n8n bättre eftersom det hanterar batchning, förgreningar och routning i flera steg utan att du behöver slåss mot planbegränsningar för varje extra steg. Det stöder också egen drift, vilket är viktigt när övervakning körs enligt schema och volymen växer. Zapier eller Make kan fungera om du bara vill ha en enkel HTTP-kontroll och en Slack-ping, men det blir snabbt klumpigt när du lägger till AI-analys, severity-routning och strukturerad loggning. Ärligt talat är det “enkla” upplägget där de flesta team börjar, och sedan bygger de om det senare. Prata med en automationsexpert om du vill ha hjälp att välja den mest robusta lösningen.

När detta väl rullar slutar du jaga problem och börjar få strukturerade, prioriterade signaler i verktygen du redan använder. Flödet hanterar den repetitiva övervakningen så att du kan fokusera på att fixa det som faktiskt spelar roll.

Kontakta oss

Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.

×

Använd mall

Få direkt tillgång till denna n8n-arbetsflödes JSON-fil

Launch login modal Launch register modal