n8n‑MCP 简介
n8n‑MCP（Model Context Protocol Server）是为 AI 助手（如 Claude、Cursor、Windsurf 等支持 MCP 协议的模型）提供 n8n 工作流平台完整节点信息 的后端服务。它把 n8n 超过 500 + 个节点的属性、操作、默认值、可选值以及官方文档链接等结构化数据，以 MCP 接口的形式暴露，使 AI 能够精准、规范地生成、验证和管理 n8n 工作流，实现“自然语言 → 工作流 JSON”的自动化转换。
关键点：
1. 核心功能
| 功能 | 说明 | 参考来源 |
|---|---|---|
| 节点字段信息查询 | 返回每个节点的字段名称、类型、可选值、默认值等 | |
| 操作与格式要求 | 提供节点支持的 CRUD、触发、执行等操作的参数约束 | |
| 官方文档链接 | 自动返回对应节点的官方文档 URL，帮助 AI 获取完整说明 | |
| 搜索与过滤 | 支持关键字搜索节点、属性，快速定位所需信息 | |
| 实时更新 | 自动同步 n8n 官方源码，保持节点库最新（每周更新） | |
| AI 生成工作流 | AI 在获取完整节点信息后，可直接输出符合 n8n JSON 规范的工作流配置 | |
| 多语言/多模型兼容 | 兼容所有遵循 MCP 1.0+ 的大模型，提供统一的调用方式 |
2. 部署方式
| 方式 | 关键步骤 | 适用场景 |
|---|---|---|
| npx 快速启动 | npx n8n-mcp（自动下载并运行） |
本地开发、快速验证 |
| Docker 镜像 | docker run -p 8080:8080 czlonkowski/n8n-mcp |
容器化部署、CI/CD 环境 |
| Railway / Railway Cloud | 一键部署模板，填写环境变量后即可上线 | 云端托管、无需维护服务器 |
| 本地二进制 | 下载对应平台的可执行文件，配置 .env 后运行 |
离线或受限网络环境 |
必备环境变量（示例）
MCP_TOKEN：访问令牌N8N_API_URL、N8N_API_KEY：连接目标 n8n 实例LOG_LEVEL：日志级别（info、debug）
3. 使用场景
- AI 辅助工作流设计：开发者只需用自然语言描述业务需求，AI 通过 n8n‑MCP 查询节点细节后生成完整的 JSON 配置，省去手动查文档的时间。
- 新手学习与教学：通过对话式交互，AI 能即时展示节点属性、示例代码，帮助新人快速上手 n8n。
- 自动化文档生成：将节点信息导出为 Markdown/HTML，形成统一的内部文档库。
- 跨平台工作流迁移：AI 可读取旧工作流，利用 MCP 接口查询目标节点的兼容性并自动转换。
- 企业内部 AI 助手：在企业内部部署 n8n‑MCP，配合自研大模型，实现业务流程的“一键自动化”。
4. 关键链接
| 链接 | 说明 |
|---|---|
| GitHub 项目主页 | https://github.com/czlonkowski/n8n-mcp （源码、文档、发行版） |
| 官方文档（中文） | https://lobehub.com/zh/mcp/czlonkowski-n8n-mcp （功能概览、部署指南） |
| Docker 镜像 | https://hub.docker.com/r/czlonkowski/n8n-mcp （Docker Hub 页面） |
| Railway 部署示例 | https://railway.com/deploy/n8n-mcp （一键部署教程） |
| 技术博客/教程 | https://www.bilibili.com/read/cv42293461 （功能介绍与使用案例） |
| CSDN 详细使用指南 | https://blog.csdn.net/hundred98/article/details/153051145 （MCP 协议与 n8n‑MCP 关系） |
| npm 包（n8n‑nodes‑mcp） | https://www.npmjs.com/package/n8n-nodes-mcp （在 n8n 中调用 MCP 服务器的节点） |
| 视频演示 | https://www.bilibili.com/video/BV1xxxx （n8n + MCP 实战） |
5. 小结
n8n‑MCP 通过 MCP 标准化协议 把 n8n 丰富的节点生态 与 大模型 AI 进行桥接，使 AI 能够完整、准确地理解并操作 n8n 工作流。它提供了 结构化的节点知识库、灵活的部署方式以及多场景的应用价值，是实现“自然语言 → 自动化工作流” 的关键技术组件。若想在项目中引入 AI 自动化，建议先部署 n8n‑MCP（Docker 或 Railway），然后在 AI 助手或自研模型中接入对应的 MCP 客户端，即可开始体验 AI 驱动的工作流生成与管理。
声明：文章均为AI生成，请谨慎辨别信息的真伪和可靠性！