【效率黑科技】N8N 联姻 MCP：让你的自动化工作流聪明到飞起！

作者：

阿宝

是不是经常觉得，手头的工作流虽然自动化了，但总感觉还不够“聪明”？想要让它能像个真正的智能助手一样，帮你搞定更多复杂任务？比如，自动上网搜集信息、处理图片、甚至生成一段优雅的文案？

以前，我们可能会为每个外部服务单独配置 HTTP 请求节点，光是研究各种 API 文档和调试参数就够喝一壶的。但现在，我要给大家安利一个神器组合：N8N + MCP！这俩家伙一联手，简直就是给你的自动化工作流装上了超级大脑和万能工具箱！

老朋友 N8N，新伙伴 MCP

N8N 大家应该不陌生了，这款开源免费的工作流平台，凭借其丰富的节点、灵活的部署方式（本地一键部署超赞！），早已成为我们个人和企业提升效率的好帮手。无论是简单的任务串联，还是复杂的业务流程，N8N 都能玩得转。

那么，MCP 又是何方神圣呢？MCP，全称 Large Model Context Protocol，是由 SLOPIC 团队开发的一种标准化协议通讯工具。你可以把它简单理解为 AI 应用的“通用插座”或者“TCP 接口”。它的目标就是让 AI 与外部工具之间的沟通变得无比顺畅。

MCP 主要由三部分组成：

  • MCP 主机：就是我们本地的应用或服务，比如我们的 N8N 工作流。
  • MCP 客户端：通常安装在主机里，负责连接主机和各种外部服务。
  • MCP 服务器：就是那些提供各种酷炫功能的第三方外部服务，比如爬虫工具、谷歌 Gmail、日历等等。

MCP 最牛的地方在于它的“一端接入，多端互通”。只要你的 AI 工具（比如 N8N 里的 AI Agent 节点）接入了 MCP 协议，就能轻松调用成百上千种外部 MCP 服务；反过来，只要服务提供方接入了 MCP 协议，它的服务就能被所有支持 MCP 的客户端调用。想想都觉得激动，对不对？

N8N + MCP = 强强联手，效果炸裂！

最近，我就体验了一把 N8N 结合 MCP 服务的强大威力。举个例子，我想实现这样一个自动化流程：

  1. 我丢给工作流一个 URL 链接。
  2. 工作流自动判断这是不是个链接。
  3. 如果是，就通过爬虫 MCP 服务 (比如 Filey) 抓取链接里的内容。
  4. 然后，根据抓取到的内容，智能地进行总结、提取关键词。
  5. 再通过联网搜索 MCP 服务 (比如 BLF) 验证信息，并补充更多相关资料。
  6. 最后，结合爬虫内容和搜索结果，自动生成一篇精炼的 Twitter 推文。
  7. 推文可以直接保存到表格，或者更酷一点，直接发送到 X (Twitter)！

整个过程完全自动化，简直不要太爽！

使用 MCP 连接外部工具，比传统方式（比如手动配置 HTTP 节点）门槛低太多了。而且，一个 MCP 节点就能把某个服务提供的所有工具都集合起来。最关键的是，AI 会自动判断当前任务需要调用哪个工具，甚至帮你填写参数！这一下子就解放了我们多少脑细胞和工作量啊！

通过这种“N8N + AI Agent 节点 + MCP 服务”的结构，我们可以轻松地为 AI Agent 节点添加海量的外部能力，让整个工作流的智能化水平飙升！

手把手教你玩转 N8N + MCP

心动不如行动，想知道怎么在你的 N8N 工作流里接入 MCP 服务吗？博主这就把秘籍奉上（这里以自部署 N8N 为例）：

  1. 安装并运行 N8N：推荐使用 Docker，方便快捷。
  2. 版本检查：确保你的 N8N 版本在 1.86 及以上，这样才能在 AI Agent 节点下愉快地使用 MCP 服务作为工具。
  3. 安装 MCP 社区节点：在 N8N 里找到社区节点安装入口，搜索并安装 N8N/Nodes/mcp。(这一步通常针对自部署 N8N)
  4. 创建工作流：新建一个工作流，添加一个触发节点，比如聊天触发器，方便我们测试。
  5. 添加判断节点：比如，加一个 IF 节点，判断输入的是不是一个合法的 URL。
  6. 重头戏：添加 AI Agent 节点：这可是我们实现智能化的核心！
  7. 配置 AI Agent 节点：
    • 选择你喜欢的大模型 (比如 OpenAI、Azure 等)。
    • 进行授权验证，填入你的 API Key。
    • 设置用户 Prompt：清晰地告诉 AI 你希望它完成的主要任务是什么。
    • 设置系统 Prompt：这是关键！指导 AI 如何与工具互动。比如，你可以告诉它：“首先获取可用的工具列表，然后根据我的需求选择合适的工具并执行。记得在选择工具时，参考工具的备注说明。”
  8. 在 AI Agent 节点下添加 MCP 节点：对，你没看错，MCP 节点是作为 AI Agent 的“工具”来添加的。
  9. 授权 MCP 服务：
    • 每个你想用的 MCP 服务都需要单独授权。
    • 通常需要填写服务的安装命令 (例如 npx -y some-mcp-package-name) 和相应的环境变量 API Key。这些信息你可以在 mcp-tools.io 这样的平台找到。
  10. 为每个 MCP 服务添加“工具接口”：
    • 添加一个 “List Tools” 子节点：这个节点用来列出该 MCP 服务包含的所有具体工具。
    • 添加一个 “Execute Tool” 子节点：这个节点用来实际执行选中的工具。
  11. 让 AI 自动填充：在 “Execute Tool” 节点的配置里，使用表达式 (比如 {{ $json.toolName }})，这样 AI 就能自动填充工具名称和所需的参数了。
  12. 节点重命名：给节点起个清晰明了的名字，方便自己和其他人理解工作流的逻辑。
  13. 连接后续节点：将 AI Agent 节点的输出连接到工作流的其他部分，完成你的自动化大业！

在实际操作中，我配置了 Filey (爬虫服务) 和 BLF (联网搜索服务) 作为 MCP 工具，整个过程比想象中要顺畅得多。AI Agent 能够根据我的指令，准确地调用这些服务，获取信息，并汇总输出。

去哪里找好用的 MCP 服务？

想知道都有哪些酷炫的 MCP 服务可以用吗？博主推荐大家关注这几个平台：

  • mcp-tools.io
  • MCP Market
  • MCP.show

这些地方汇集了市面上大部分 MCP 服务的信息、介绍以及如何接入它们（通常就是告诉你安装命令和需要的环境变量）。绝对是你的 MCP 服务寻宝图！

好了，今天的分享就到这里。N8N 结合 MCP 无疑为我们的自动化工作流打开了一扇新的大门，让“智能化”不再遥不可及。这种低代码、高集成的玩法，我相信会点燃很多人的创作激情！

更多文章