摘要：不是不想讲，是我总觉得n8n的工作流本质就是种“非主流代码”，现在AI连正经编程都能代劳，这玩意儿早晚也能让AI接手。

最近发现个能让AI全自动搭n8n工作流的狠活n8n-mcp。

这开源工具才7KStar，却把之前AI生成n8n工作流的俩大坑全填了，我实测完觉得是真的绝。

我之前也分享过不少n8n相关的内容，还贡献过几个工作流模板，但一直没细讲怎么搭工作流。

不是不想讲，是我总觉得n8n的工作流本质就是种“非主流代码”，现在AI连正经编程都能代劳，这玩意儿早晚也能让AI接手。

最开始我试的是喂AI模板和资料，让它生成JSON文件再导入n8n，结果问题一堆。

n8n更新太快了，每次打开GitHub都能看到几小时前刚更新，旧节点要么被弃用，要么用法变了，我得手动更新给AI的上下文；而且上下文一不全，生成的工作流全是漏洞，根本没法用。

直到碰到n8n-mcp，这些问题才算彻底解决。

它本质就是个给AIAgent的n8n“外挂知识库”，不管是ClaudeCode、codebuddy还是Vecli，有了它就能深度理解n8n。

之前AI生成JSON文件时，我光核对节点连接、改参数就得耗半小时，现在有了n8n-mcp，AI能直接精确查节点、懂每个参数的配置要求，还能验工作流对不对，甚至能复用社区里几千个现成模板。

最方便的是，配置好n8n的API和密钥后，AI能直接在n8n里创建、更新工作流，不用再导JSON文件，省了太多麻烦。

讲完它能干嘛，就得说说怎么把它用起来。

首先得处理n8n本身，n8n更新快，当时最新版是1.111.1，我是改了docker-compose.yml文件，再执行docker-composeup-d命令更的级。

不过我得提醒一句，求稳定的话别用最新版，怕是最有体会的就是那些踩过最新版隐藏bug的人，选次新版会稳妥很多。

端口方面，默认是5678，我之前手欠改成32905，后来发现适配工具不方便，又改了回去。

接下来是配置AI工具，n8n-mcp得跟AICLI工具搭着用。

我试了三个工具，它们的配置文件路径还不一样。

codebuddy是腾讯的，mac或Linux系统里路径是~/.codebuddy.json，Windows是%USERPROFILE%.codebuddy.json；OpenAI的CodeX路径是~/.codex/config.toml，Windows路径类似；火山引擎的Vecli则是~/.ve/settings.json。

这里面最关键的是填对N8N_API_URL和N8N_API_KEY，前者就是n8n的访问地址，本地部署默认是http://localhost:5678，如果n8n也用Docker，就得改成http://host.docker.internal:5678；后者得在n8n里找，登录后点左下角的Settings，进n8nAPI页面创建密钥就行。

本来想直接用npm装n8n-mcp，结果踩了个大坑。

CodeX、codebuddy海外版还有Vecli，试了个遍都装不上，我查了半天issues、找了不少资料，折腾俩小时还是不行。

无奈之下换了Docker方式，先执行dockerpullghcr.io/czlonkowski/n8n-mcp:latest拉镜像，再改配置文件里的command为docker，加好对应的参数，没想到一弄就成。

有时候换个方式比死磕一个方法管用多了，Docker的环境隔离还能避免本地依赖冲突，后来我看GitHub上有人说用Docker后工作流稳定性好了不少。

配置好之后，我就找了三个场景实测，从简单到复杂，看看AI到底能做到什么程度。

第一个是简单的，让AI创建带OpenAI大模型的工作流，对外提供HTTP调用。

AI很快就弄好了，就差填OpenAI的API密钥，填完就能用，没出任何问题。

第二个是中等难度的用户注册处理流，需求是用Webhook接表单的POST请求，里面有name和email字段，再用IF节点判断邮箱是不是gmail或outlook的，不是的话就存到GoogleSheets里。

这个提示词是我让Gemini生成的，AI直接创建了三个节点，IF节点的判断表达式也没写错。

虽然得微调下GoogleSheets的授权，但整体完成度很高，不用大改。

最后是个复杂的，做个人每日新闻助手。

需求挺多，要每天早上8点用Cron节点定时触发，用2-3个RSS节点抓HackerNews、TechCrunch这些科技网站的内容，合并后逐个文章用HTTP请求拿全文，再让AI总结成三个要点，最后汇总发邮件，中间出错还得跳过并记录。

本来想测试下AI能不能搞定这么多步骤，结果它连错误处理节点都加上了。

一次性生成的完成度大概七成多，但我把“RSS抓取”“AI总结”“邮件发送”拆成三个模块，逐个调试后，居然能100%用起来。

之前我测过中等难度的工作流，AI最多完成一半，现在复杂流能到七成，这进步确实明显。

后来我查了下n8n-mcp的原理，才知道它不是实时抓n8n官网数据，而是在构建的时候解析n8n的源码包和官方文档，最后打包成一个SQLite数据库。

这个数据库大概15MB，AI查的时候不用联网，平均12毫秒就能响应，速度特别快。

要是想更n8n的最新节点信息，也不用改数据库，直接更n8n-mcp本身就行，n8n更新后，n8n-mcp的维护者会更源码依赖，重新生成数据库，再发新版本，我们只要更新工具就能拿到最新信息。

毫无疑问，现在n8n-mcp已经能帮上大忙了。

新手能用它生成简单工作流练手，有经验的人能靠它提高效率。

虽说还没法一次性生成完美的复杂工作流，但分模块迭代也能搞定。

再过段时间，等AIAgent的速度和稳定性再提一提，以后搭n8n工作流可能真的不用动手了，n8n-mcp这步算是走对了。

来源：萌萌思密达