Passing full context (user message, user_id) between callin.io agents for Supabase data saving

Hi callin.io Community,

I'm developing a workflow where the initial agent handles an incoming request via a webhook. Based on the request type, this agent needs to initiate a second agent to perform an action directly within Supabase (like writing to a database), while the first agent continues to respond to the webhook.

The main challenge I'm facing is how to pass the complete context, including the original user message, user ID, and any other relevant metadata, from the first workflow/agent to the second agent. This is crucial so the second agent has all the necessary information to execute the action and accurately populate all required fields in Supabase.

Currently, I'm unsure about:

• The best method for transferring all relevant context/data between workflows or agents within callin.io.
• Ensuring the second agent receives all necessary information (e.g., user message, user ID) to correctly fill out every field in the Supabase table.

Does anyone have suggestions or examples for passing context/data like this between workflows or agents in callin.io, particularly to enable the second agent to fully manage the Supabase insert with all required details?

Thanks a lot!

Here is my workflow Code:
‘<{
“nodes”: [
{
“parameters”: {
“options”: {}
},
“type”: “n8n-nodes-base.respondToWebhook”,
“typeVersion”: 1.3,
“position”: [
340,
860
],
“id”: “ca60d371-e246-4600-974e-f905788019a9”,
“name”: “Respond to Webhook”
},
{
“parameters”: {
“httpMethod”: “POST”,
“path”: “18989786-ad93-4a9a-aa4d-e3e03da1999e”,
“responseMode”: “responseNode”,
“options”: {
“allowedOrigins”: “*”
}
},
“type”: “n8n-nodes-base.webhook”,
“typeVersion”: 2,
“position”: [
-780,
800
],
“id”: “a877aa95-da55-4656-a969-ff744e328998”,
“name”: “Webhook1”,
“webhookId”: “18989786-ad93-4a9a-aa4d-e3e03da1999e”
},
{
“parameters”: {
“model”: {
“rl”: true,
“value”: “gpt-4-1106-preview”,
“mode”: “list”,
“cachedResultName”: “gpt-4-1106-preview”
},
“options”: {}
},
“type”: “callin.io/n8n-nodes-langchain.lmChatOpenAi”,
“typeVersion”: 1.2,
“position”: [
-440,
1080
],
“id”: “f588ac1b-c4ce-4705-ae1f-d9ace8fb7204”,
“name”: “OpenAI Chat Model1”,
“credentials”:
{
“openAiApi”:
{
“id”: “00o2G2HZmVv2mxKV”,
“name”: “family.souidi@gmail.com”
}
}
},
{
“parameters”: {},
“type”: “callin.io/n8n-nodes-langchain.memoryBufferWindow”,
“typeVersion”: 1.3,
“position”: [
-180,
1080
],
“id”: “903ee6ba-c0d5-40c6-bb5b-0749000ed56a”,
“name”: “Simple Memory”
},
{
“parameters”: {
“options”: {
“systemMessage”: “Du bist der Operator-Agent in einem modularen KI-Coaching-System für Fußballspieler. Deine Aufgabe ist es, die eingehende Nutzereingabe zu analysieren und basierend auf dem Inhalt die passende Folgeaktion zu bestimmen.nnDein Ablauf besteht aus drei Schritten:nn1. Analyse der Nutzereingabe:nBestimme, ob es sich bei der Anfrage umnneine individuelle Trainingseinheit handelt (z. B. „Ich möchte am Dienstagvormittag eine Einheit machen“)n– oder um eine ganze Trainingswoche (z. B. „Bitte plane mir etwas für Montag, Mittwoch und Freitag“ oder „Ich habe diese Woche an 5 Tagen Zeit“).nnBeziehe dich dabei auf Begriffe wie konkrete Wochentage, Zeiträume (z. B. „diese Woche“) und Formulierungen wie „Plan“, „mehrere Tage“ oder „Einheiten“.nn2. Antwort an den User:nSobald du erkannt hast, worum es geht, schicke eine neutrale, kurze Bestätigungsnachricht an den User zurück, z. B.:nnBei Einzel-Session:n„Alles klar! Ich erstelle dir gleich eine Trainingseinheit für den gewünschten Zeitraum.“nnBei Wochenplan:n„Super! Ich arbeite an einem kompletten Wochenplan basierend auf deinen Angaben.“nnDiese Nachricht soll den Nutzer beruhigen und dem UI ein direktes Feedback geben.nn3. Delegation an spezialisierte Agenten:nLeite nun die Aufgabe an den entsprechenden spezialisierten Agenten weiter:nn"trainingsessionagent" → wenn es sich um eine einzelne Einheit handeltnn"trainingplanagent" → wenn ein ganzer Wochenplan gemeint istnnÜbergib bei der Weiterleitung unbedingt:nndie Originalnachrichtnnoptional extrahierte Informationen wie Wochentag(e), Zeitraum (AM/PM), FokusnnDu selbst sollst keine Trainingspläne oder Übungen generieren – du bist nur für Entscheidung, User-Kommunikation und Agentenweiterleitung zuständig.nnFormat: Arbeite intern mit einem JSON-Objekt, z. B.:nnjsonnKopierennBearbeitenn{n "type": "trainingsession" | "trainingplan",n "usermessage": "Originale Nutzereingabe",n "responsetouser": "Text für Sofortantwort im Chat",n "dispatchto": "trainingsessionagent" | "trainingplanagent"n}nAchte auf Klarheit, Robustheit und konsistente Logik – du bist der zentrale Dispatcher für die gesamte Trainingslogik.”
}
},
“type”: “callin.io/n8n-nodes-langchain.agent”,
“typeVersion”: 2,
“position”: [
-260,
760
],
“id”: “3e1fe887-7f58-4f61-b88e-835c576a4a75”,
“name”: “Operator Agent”
},
{
“parameters”: {
“workflowId”:
{
“rl”: true,
“value”: “FqS93KjSEGefVIZc”,
“mode”: “list”,
“cachedResultName”: “Soccerberg — Trainingsplaner”
},
“workflowInputs”:
{
“mappingMode”: “defineBelow”,
“value”: {},
“matchingColumns”: <span class=