直接回答

n8n + MCP 能做什么？

n8n 是一个开源工作流自动化平台，MCP（Model Context Protocol）是 Anthropic 制定的 AI 工具调用标准。两者结合后，你可以：

让 Claude/GPT 通过 n8n 节点直接读写文件、操作数据库、控制浏览器

构建「触发器 → AI 决策 → 工具执行 → 结果输出」的全自动链路

无需编写大量胶水代码，拖拽配置即可完成复杂自动化

最快上手路径：

安装 n8n（Docker 5分钟搞定）

启动 MCP Server（filesystem/brave-search/postgres）

在 n8n 的 AI Agent 节点配置 MCP 工具端点

测试工作流，接入触发器后上线

---

为什么 n8n × MCP 是 2026 年最值得学的组合？

开源自托管：数据不出你的服务器，合规无忧

可视化编排：400+ 内置节点，覆盖 Slack/Gmail/Notion/数据库等主流系统

AI Agent 节点：原生支持 OpenAI / Claude / Ollama，内置 Memory 和 Tool Use

n8n 集成 MCP 的架构

定时/Webhook 触发器
    ↓
n8n AI Agent 节点
    ├── Tool: filesystem MCP（读写本地文件）
    ├── Tool: brave-search MCP（实时网络搜索）
    ├── Tool: postgres MCP（数据库操作）
    └── Tool: slack MCP（发送消息）
    ↓
结果处理节点（格式化/存储/通知）

---

环境搭建（20分钟完成）

第一步：用 Docker 启动 n8n

bash
docker run -d \
  --name n8n \
  -p 5678:5678 \
  -v ~/.n8n:/home/node/.n8n \
  -e N8N_BASIC_AUTH_ACTIVE=true \
  -e N8N_BASIC_AUTH_USER=admin \
  n8nio/n8n

第二步：启动 MCP Servers

bash
filesystem MCP
npx @modelcontextprotocol/server-filesystem /path/to/workspace
brave-search MCP（需要免费注册 Brave Search API）
BRAVE_API_KEY=your_key npx @modelcontextprotocol/server-brave-search
postgres MCP
npx @modelcontextprotocol/server-postgres postgresql://user:pass@localhost/mydb

第三步：在 n8n 配置 MCP 工具

在工作流中添加 AI Agent 节点

选择 Chat Model（Claude Sonnet 或 GPT-4o）

添加 Tool → 选择 HTTP Request Tool

配置 MCP Server Endpoint（如 http://localhost:3001/mcp）

n8n 会自动发现 MCP Server 提供的工具列表

---

5 个真实落地场景

场景 1：每日竞品监控报告（替代每天1小时人工收集）

Cron Trigger (08:00)
  ↓
AI Agent（Claude）搜索竞品动态 + 价格调整
  ↓
整理成 Markdown 报告
  ↓
发送到 Slack #competitive-intel 频道
  ↓
写入 Notion 数据库

场景 2：GitHub Issue 自动分诊

GitHub Webhook（新建 Issue 触发）
  ↓
AI Agent 分析：类型/优先级/关联模块
  ↓
自动添加 Label + 指派 Assignee
  ↓
P0 Bug → 立即发 PagerDuty 告警

场景 3：智能邮件处理中心

Gmail Trigger
  ↓
AI Agent 分类：合同/咨询/垃圾/通知
  ↓
重要邮件生成回复草稿 + 推送 Slack
  ↓
filesystem MCP 保存附件到对应文件夹

场景 4：SEO 内容流水线

每周一触发
  ↓
postgres MCP：读取待产出关键词列表
  ↓
brave-search：搜索竞品内容
  ↓
AI（Claude Sonnet）：生成 SEO 优化文章
  ↓
CMS API 发布草稿 + Slack 通知编辑审核

场景 5：客服工单自动处理

新工单到达
  ↓
AI（Claude）：搜索知识库 → 生成回复草稿
  ↓
置信度 > 85% → 自动回复
置信度 < 85% → 人工审核队列
  ↓
记录处理结果到数据库

---

性能调优与最佳实践

避免 AI 滥用工具：在 System Prompt 中明确限制每次任务的工具调用次数（如"最多调用 3 次搜索"），减少 Token 消耗和执行时间。

MCP Server 高可用（PM2 守护进程）：

bash
pm2 start "npx @modelcontextprotocol/server-filesystem /workspace" --name mcp-fs
pm2 start "npx @modelcontextprotocol/server-postgres postgres://..." --name mcp-pg
pm2 save && pm2 startup

错误处理：始终添加 Error Trigger 节点，工作流失败时发送 Slack 告警 + 写入错误日志，避免静默失败。

---

常见问题

Q：n8n AI Agent 节点和直接调用 Claude API 有什么区别？

A：AI Agent 节点封装了 ReAct 循环（思考→行动→观察），自动处理工具调用的多轮交互。直接调用 API 需要自己实现这个循环逻辑。对于复杂多步骤任务，Agent 节点效率更高。

Q：MCP Server 需要部署在同一台机器上吗？

A：不需要。MCP Server 可以部署在任何可访问的服务器上，只需在 n8n 配置正确的 Endpoint URL。推荐将 MCP Server 和 n8n 放在同一局域网，减少延迟。

Q：如何控制工作流的运行成本？

A：1）使用 GPT-4o-mini 或 Claude Haiku 处理简单分类任务；2）设置 max_tokens 限制输出长度；3）在 n8n 中添加速率限制节点，避免 API 过载。

---

相关资源

MCP Server 目录：aiskillnav.com/mcp

Dify 知识库搭建：aiskillnav.com/tutorials/dify-enterprise-knowledge-base

AI Agent 场景库：aiskillnav.com/usecases