【n8n】学习n8n【08】：又又来了，自动化的n8n工作流创建工具【n8n-mcp】，谁更强谁更惊艳
📚前言
目标
在github上，一个更多star的，可以直接调用生成n8n工作流的mcp工具：n8n-mcp，妥妥的和上一文档的n8n-mcp-server打擂台，本文同样给trae、ChatWise等部署上，直接在对话过程中，测试把想要的工作流生成到n8n了。n8n-mcp-server和n8n-mcp，谁技高一筹，谁更简单准确，谁更有潜力，请看正文（当然，可以直接到结尾，看总结😁）
前两篇大家可以参考
【n8n】学习n8n【06】：用AI创建n8n工作流-CSDN博客
【n8n】学习n8n【07】：我的天，更自动化的n8n工作流创建工具来了，很惊艳-CSDN博客
n8n-MCP官方介绍
模型上下文协议 （MCP） 服务器，为 AI 助手提供对 n8n 节点文档、属性和作的全面访问。在几分钟内部署，让 Claude 和其他 AI 助手深入了解 n8n 的 525+ 工作流程自动化节点。
概述
n8n-MCP 充当 n8n 工作流程自动化平台和 AI 模型之间的桥梁，使它们能够有效地理解和使用 n8n 节点。它提供对以下内容的结构化访问：
- 📚 来自 n8n-nodes-base 和 @n8n/n8n-nodes-langchain 的 532 个 n8n 节点
- 🔧 节点属性 - 99% 的覆盖率，具有详细的架构
- ⚡ 节点作 - 63.6% 的可用作覆盖率
- 📄 文档 - 90% 覆盖来自官方 n8n 文档（包括 AI 节点）
- 🤖 AI 工具 - 检测到 263 个支持 AI 的节点，并附有完整文档
⚠️重要安全警告
永远不要直接使用 AI 编辑您的制作工作流程！总是：
- 🔄 在使用 AI 工具之前复制您的工作流程
- 🧪 首先在开发环境中进行测试
- 💾 导出重要工作流的备份
- ⚡ 在部署到生产环境之前验证更改
人工智能结果可能是不可预测的。保护您的工作！
官方网址
部署指南：
n8n-mcp/docs/N8N_DEPLOYMENT.md 在主 ·Czlonkowski/N8N-MCP
官方文档中有几种安装方式：
一、npx（最快 - 无需安装！
二、Docker（简单且隔离）
三、🌟选项 3：本地安装（用于开发）🌟《=本文使用方式
四：Railway 云部署（一键部署）
📚开始部署安装测试
1、安装note.js
官网（Node.js — Run JavaScript Everywhere）下载安装很简单，如需参考安装文档，请参考：
【基础】Node.js 介绍、安装及npm 和 npx功能了解-CSDN博客
版本查看命令：
2、下载源文件
创建一个空白文件夹，作为安装文件夹，在dos终端打开文件夹，执行下面命令：
git clone https://github.com/czlonkowski/n8n-mcp.git参考执行界面：
3、安装
1）执行命令，安装依赖：
cd n8n-mcp
# Build the project
npm install如果你像我一样，执行过程遇到这样的问题：
你就像我一样，执行一下给出的命令，来自动修复 Node.js 项目中的已知安全漏洞
npm audit fix在重新运行安装代码，但没管用😢，错误提示还增加了，😭
解决不了，向下走，碰碰运气😮💨~
2）然后，执行下面命令构建项目：
# Build the project
npm run build
执行效果：
5、准备MCP配置信息
1）mcp路径
E:\06AIplace\n8n-mcp\dist\mcp
2）本地n8n地址：
3）n8n的API Key：
在n8n的设置中，创建API Key：
保存后，把生产的key保存下来，备用。
6、配置MCP
1）在Trae中的MCP配置示范
打开Trae，使用ctrl+U，显示AI对话框：
在github上，拷贝配置mcp的代码：
{
"mcpServers": {
"n8n-mcp": {
"command": "node",
"args": ["/absolute/path/to/n8n-mcp/dist/mcp/index.js"],
"env": {
"MCP_MODE": "stdio",
"LOG_LEVEL": "error",
"DISABLE_CONSOLE_OUTPUT": "true",
"N8N_API_URL": "https://your-n8n-instance.com",
"N8N_API_KEY": "your-api-key"
}
}
}
}填入MCP的配置里，然后确认就可以：
配置信息有错误，我们打开修改一下：
把前边准备的信息，进行对应修改，参考下面配置信息：
{
"mcpServers": {
"n8n-mcp": {
"command": "node",
"args": [
"E:/06AIplace/n8n-mcp/dist/mcp/index.js"
],
"env": {
"MCP_MODE": "stdio",
"LOG_LEVEL": "error",
"DISABLE_CONSOLE_OUTPUT": "true",
"N8N_API_URL": "http://localhost:5678",
"N8N_API_KEY": "你的key"
}
}
}
}特别特别注意，这里的N8N_API_URL，没有api/v1的后缀，我填错了就没运行出来
"N8N_API_URL": "http://localhost:5678",
⚠️注意：Trae的所有MCP配置信息在一起，注意改自己的mcp信息，不要改到其他的mcp配置上去了
保存关闭修改的配置文件，就可以看到mcp是可用状态，下拉后有相关服务函数：
2）ChatWise下的MCP配置示范
下面是参考界面，把之前准备的信息，取代下面的信息就可以了。
3）Cherry Studio下的MCP配置示范
把Trae中对应的mcp配置拷过来就可以了：
确定后，在mcp列表打开n8n-local，显示出其所有工具，就对了：
7、测试效果
准备
⚠️测试前，一定一定把环境清一下，不然如果有上一篇文档n8n-mcp-server中的json，会影响大模型的工作。⚠️
另外，如果部署了n8n-mcp-server，先关闭掉，不然都不知道是调用的哪个功能：
和上一篇文档中的n8n-mcp-server，效果对比一下：
在trae中，AI对话里，设置“与MCP协作”：
然后输入我的要求：
请帮我创建一个健康饮食管理的工作流。我希望它每天早上7点自动运行，为我推荐当天的早餐、午餐和晚餐菜单，然后通过发到我的835~~@qq.com邮箱。可以参考我上传的工作流示例文件 ex7_RSSgetNews.json ，为我生成新的工作流，并直接调用mcp工具，部署到我本地部署的n8n环境中。。
把上篇文档里创建的工作流的json导出来给AI参考，因为里面有大模型调用，及邮件发送节点。
上篇文档的工作流参见：
最终这样：
在n8n中创建的工作流是这样：
这个结果看似不怎好，但这和n8n-mcp貌似没啥关系，因为设计是大模型做的，我用的trae自动选择大模型的模式，😮💨
📚结论
n8n-mcp和n8n-mcp-server，谁更好用，教主没测出来，都能创建工作流，而创建的工作流质量好坏，则拼的是大模型的能力，小伙伴们，如果你们测试了，也可以分享一下，静候佳音🤖
欢迎加入 MCP 技术社区！与志同道合者携手前行，一同解锁 MCP 技术的无限可能！
更多推荐
46
0- 0
已为社区贡献13条内容
所有评论(0)