n8n 与 MCP：将您的工作流接入 LLM 本地

#n8n 与 MCP：两个节点，两个方向

模型上下文协议（Model Context Protocol，MCP）是一种开放协议，描述 AI 应用如何发现并调用服务器提供的工具。如果您对这一概念还不熟悉，《MCP：是什么？》指南介绍了基础知识；本文假定您已掌握客户端、服务器和工具这些术语。

在 n8n 中，MCP 以两个 AI 类节点的形式出现（n8n-nodes-langchain 包）。它们满足的是两种相反的需求，阅读教程时很容易把两者混淆。

MCP Server Trigger：让 n8n 成为服务器

该节点会发布一个 MCP URL。您挂接到它上面的每个工具（子工作流、HTTP 请求、内置工具）都会成为一个 MCP 工具，外部客户端可以列出并调用它。典型用法：让您的本地助手能够“创建工单”“在 CRM 中搜索”或“发送摘要”，而无需把您的凭据交给它。

MCP Client Tool：n8n 作为客户端

该节点作为工具挂接在 AI Agent 节点下。它连接到现有的 MCP 服务器，获取其工具列表并提供给智能体使用。典型用法：一个定时工作流，其中的智能体通过已部署的 MCP 服务器读取文件、查询数据库或检索文档。

MCP 不会改变的事

模型的选择与此相互独立。n8n 智能体可以运行在 Ollama 上；调用您的 MCP Server Trigger 的客户端同样可以使用本地模型。MCP 只传输工具描述及其调用，不传输模型本身。

这两种节点可以共存于同一个实例中：一个“服务器”工作流暴露若干业务操作，一个“智能体”工作流调用一个或多个 MCP 服务器。甚至可以让 n8n 智能体调用同一实例中另一个工作流的 MCP Server Trigger，这相当于把一个庞大的智能体拆分成可复用的模块。

#先决条件

较新版本的 n8n 实例

自托管，最好使用 Docker。MCP 节点于 2025 年推出，此后一直在演进（传输方式、认证选项）：请将 n8n 更新到最新版本，并以编辑器中实际显示的内容为准。安装过程本身详见《使用 Docker 部署 n8n》指南。

可从 n8n 访问的 Ollama

Ollama 默认监听 http://localhost:11434。如果 n8n 运行在容器中，localhost 指的是容器本身，而不是您的机器：需要使用其他地址（参见第一步）。

支持工具调用的模型

只有当模型能够生成结构化的工具调用时，智能体才有用。请选择在 Ollama 页面上标有 tools 能力的模型，例如 Qwen3 系列。在 Q4_K_M 量化下，8B 模型约需 5 GB 显存，14B 模型约需 9 GB，在 12 GB 的 RTX 3060 或 12 GB 的 RTX 4070 上运行仍然游刃有余。

用于第 2 步

一台可通过 HTTP 访问的 MCP 服务器。仅通过 stdio 在本地启动的服务器（一条 npx 或 uvx 命令）无法被 n8n 直接访问：需要一台在某个 URL 上监听的服务器。

用于第 4 步

能够与远程服务器通信的 MCP 客户端：LM Studio、Open WebUI、通过网关接入的 Claude Desktop，或用于测试的官方协议检查器。

#第 1 步：将 n8n 智能体连接到本地模型

MCP 的两个方向都要经过一个智能体，无论是在 n8n 端还是客户端。因此，请先确认 n8n 能够与您的本地模型通信。基础连接已在《n8n + Ollama》指南中详细介绍；这里只列出最基本的内容。

# Télécharger un modèle compatible avec l'appel d'outils
ollama pull qwen3:8b

# Vérifier qu'Ollama répond et liste le modèle
curl http://localhost:11434/api/tags

如果 n8n 运行在 Docker 中，而 Ollama 直接运行在宿主机上，请为 n8n 服务添加一条条目，使 host.docker.internal 指向宿主机。在 Docker Desktop（macOS、Windows）下，该名称已经存在；在 Linux 下则需要手动声明。

services:
  n8n:
    image: docker.n8n.io/n8nio/n8n
    extra_hosts:
      - "host.docker.internal:host-gateway"

在 Linux 上，Ollama 默认只监听 127.0.0.1：除非你在 Ollama 服务中设置了 OLLAMA_HOST=0.0.0.0，否则容器无法通过 host-gateway 访问它。如果两者在同一个 Compose 文件中运行，请改用服务名称，例如 http://ollama:11434。

1. 01
   创建智能体

   在新工作流中添加一个 Chat Trigger 触发器（便于测试），然后添加一个 AI Agent 节点。
2. 02
   接入模型

   在智能体的 Chat Model 输入端添加 Ollama Chat Model。使用基础 URL http://host.docker.internal:11434 创建凭据 Ollama（如果 n8n 未运行在容器中，则使用 http://localhost:11434），然后选择 qwen3:8b。
3. 03
   不借助工具进行测试

   打开工作流的聊天界面，提一个简单的问题。收到回复即可确认 n8n 与 Ollama 的连接正常；本指南的其余部分将在此基础上添加工具。

#第 2 步：从 n8n 智能体调用 MCP 服务器

MCP Client Tool 节点与其他任何工具一样，连接到 AI Agent 的 Tool 输入端。执行时，它会查询 MCP 服务器，获取工具列表及其描述和参数 schema，并呈现给模型。由模型决定使用哪些参数调用哪个工具；n8n 负责转发调用并返回结果。

1. 01
   添加节点

   在第一步创建的智能体下方，点击 Tool 输入端的 +，然后选择 MCP Client Tool。
2. 02
   填写端点

   粘贴 MCP 服务器的 URL，并选择该服务器提供的传输方式。n8n 文档列出了 HTTP 流（streamable HTTP，即协议当前的传输方式）和 Server-Sent Events（SSE，较旧，但仍有部分服务器在使用）。如果服务器文档给出的 URL 以 /sse 结尾，通常就是 SSE；否则请尝试 HTTP。
3. 03
   选择身份验证方式

   根据服务器的要求，可选择无认证、Bearer（在 Authorization 请求头中发送的令牌）或自定义请求头。具体选项取决于您的 n8n 版本；令牌作为 n8n 凭据存储，不会以明文形式保存在工作流中。
4. 04
   筛选工具

   Tools to Include 参数提供 All、Selected 和 All Except 三个选项。建议选择 Selected：8B 的本地模型在三个描述清晰的工具中做选择，比在三十个工具中选择更准确，同时也能限制智能体可触发的操作。
5. 05
   测试

   在聊天中请求一个需要使用该工具的操作。在智能体的执行日志中，您可以看到被调用的工具、模型生成的参数以及服务器的响应。

实用提示：n8n 必须能够访问到 MCP 服务器。在您本机上以 localhost:3000 地址启动的服务器，从 n8n 容器内是看不到的；同样适用 host.docker.internal 或 Docker 服务名这一规则。

#第三步：使用 MCP Server Trigger 暴露您的工作流

这是搜索“n8n mcp”的用户最想要的方向：把现有的自动化流程变成助手可以调用的工具。MCP Server Trigger 与常规触发器不同：它不会启动一连串节点，而只连接工具节点并将其发布出去。

1. 01
   创建服务器工作流

   新建工作流，添加 MCP Server Trigger 节点。该节点会显示一个测试 URL 和一个生产 URL，以及决定 URL 结尾部分的 Path 字段。如有需要，可将随机标识符替换为易读的路径，但要确保它难以被猜到。
2. 02
   挂接工具

   点击触发器的 Tool 输入端并添加工具。最实用的是调用另一个 n8n 工作流的工具（Call n8n Workflow Tool）：您现有的自动化流程由此变成一个 MCP 工具。您也可以挂接 HTTP Request Tool 或 n8n 提供的集成工具。
3. 03
   认真撰写名称和描述

   客户端只能看到工具的名称、描述及其参数的模式（schema）。模型正是读取这段文字来决定是否调用。请用一两句话写出明确的描述：工具做什么、需要哪些参数、返回什么。
4. 04
   定义子工作流的参数

   在被调用的工作流中，声明所需的输入字段（例如工单的标题和优先级）。MCP 客户端会收到该 schema，再由模型填写各项值。
5. 05
   先测试，再激活

   测试 URL 仅在编辑器监听测试事件期间响应，此时执行过程会显示在画布中。生产 URL 只有在工作流激活后才能使用。请将测试 URL 用于调试，并将生产 URL 提供给您的客户端。

Test        : https://n8n.mondomaine.lan/mcp-test/<chemin>
Production  : https://n8n.mondomaine.lan/mcp/<chemin>

基础地址沿用 n8n 用于 webhook 的地址。如果 n8n 显示 localhost:5678，而您是通过其他名称访问它的，请修改实例的 WEBHOOK_URL 变量：节点中显示的 URL 由它决定。

#第 4 步：将本地 MCP 客户端连接到 n8n

接下来还需要让同样运行在本地模型上的助手来调用这些工具。在使用任何“智能”客户端之前，先用该协议的官方检查器验证服务器：它会列出所暴露的工具，并允许您手动调用它们，整个过程无需模型参与。

# Lance l'inspecteur MCP dans le navigateur (nécessite Node.js)
npx @modelcontextprotocol/inspector

在界面中选择相应的传输方式，粘贴生产 URL；如果已启用认证，再添加 Authorization 请求头，然后列出工具。如果您的 n8n 工具连同其描述一起显示出来，说明服务器已就绪。

#LM Studio 及支持填写 URL 的客户端

较新的客户端可以直接接入以 URL 描述的远程 MCP 服务器。例如，LM Studio 会读取 mcpServers 格式的 mcp.json 文件；远程条目的形式如下所示。字段的确切名称可能因软件而异，请查阅您所用客户端的文档进行确认。

{
  "mcpServers": {
    "n8n": {
      "url": "https://n8n.mondomaine.lan/mcp/<chemin>",
      "headers": {
        "Authorization": "Bearer <votre-jeton>"
      }
    }
  }
}

#仅支持 stdio 的客户端：通过网关中转

有些客户端只能启动 stdio 方式的本地服务器。针对这种情况，n8n 文档介绍了使用 mcp-remote 网关的方法：它以 stdio 服务器的形式启动，并将调用转发到 n8n 的 URL。令牌通过环境变量传入，而不是硬编码在参数中。

{
  "mcpServers": {
    "n8n": {
      "command": "npx",
      "args": [
        "mcp-remote",
        "https://n8n.mondomaine.lan/mcp/<chemin>",
        "--header",
        "Authorization: Bearer ${AUTH_TOKEN}"
      ],
      "env": {
        "AUTH_TOKEN": "<votre-jeton>"
      }
    }
  }
}

在模型方面，适用与第二步相同的规则：在客户端中加载支持工具调用的模型，只保留少量可见工具，并先用一个毫无歧义的请求进行测试。《MCP 与本地 LLM》指南详细介绍了 Ollama 及其界面的客户端配置。

#保护 n8n 的 MCP 端点

MCP Server Trigger URL 是一个入口点，会使用 n8n 中保存的凭据触发您的工作流。在未启用身份验证的情况下，任何知道该 URL 的人都可以创建您的工单或读取您的 CRM。请像对待 API 密钥一样对待它。

启用身份验证

该节点支持 Bearer 令牌认证或请求头认证。请始终启用认证，即使在局域网中也是如此。生成一个足够长的随机令牌（例如使用下面的 openssl 命令），并为每个客户端使用不同的令牌，以便可以单独吊销其中一个。

如无必要，不要将 n8n 暴露到互联网

对于个人或小团队使用，请将 n8n 保留在局域网内或置于 VPN（WireGuard、Tailscale）之后。如果确实需要对外暴露，请通过启用 HTTPS 的反向代理，并尽可能配合 IP 过滤。

限制每个工具的权限范围

一个 MCP 工具应当只做一件明确的事，并使用有边界的参数。避免暴露“执行 SQL 查询”或“调用任意 URL”这类通用工具：模型一旦出错，或者智能体读取到恶意内容，都可能导致该工具被滥用。

警惕提示词注入

如果智能体会读取外部内容（电子邮件、网页、文档），同时又拥有可执行操作的工具，那么一段精心构造的恶意文本就可能指使它调用工具。请将读取类工具与操作类工具分开，并在任何不可逆操作之前加入人工确认（等待或审批节点）。

在第三方 MCP 服务器端进行审计

在客户端方向，只为智能体添加您了解其发布者和代码的 MCP 服务器。服务器提供的工具描述会直接进入模型的上下文。

监控执行情况

每次工具调用都会在 n8n 中产生一次执行记录。请定期查看服务器工作流的历史记录：这就是您的审计日志。

# Générer un jeton aléatoire de 64 caractères hexadécimaux
openssl rand -hex 32

如果 n8n 前面有反向代理，它必须允许流式响应通过。n8n 文档给出了一个 nginx 示例，为 MCP 路径禁用了缓冲；下面的片段沿用了这些指令，请根据您的配置进行调整，如果您通过代理进行测试，还需补充 /mcp-test/ 路径。

location /mcp/ {
    proxy_pass http://127.0.0.1:5678;
    proxy_http_version 1.1;
    proxy_set_header Connection "";
    proxy_buffering off;
    proxy_cache off;
    chunked_transfer_encoding off;
    gzip off;
}

#n8n MCP 故障排查：常见卡点

客户端看不到任何工具

请检查：MCP Server Trigger 的 Tool 输入端确实连接了工具；你使用的是生产 URL 且工作流已激活，或者在编辑器处于监听状态时使用的是测试 URL。

401 或 403 错误

令牌不匹配，或者客户端没有发送该请求头。请使用 MCP Inspector 测试，它会准确显示发送的请求头。注意“Bearer”后面的空格。

连接中断或卡住

几乎总是因为代理对流进行了缓冲，或客户端选择了错误的传输方式（SSE 与 HTTP）。请直接在 5678 端口上测试，以排除代理的影响。

显示的 URL 包含 localhost

n8n 的 WEBHOOK_URL 变量未设置：该 URL 将无法从其他机器访问。请将其设置为实例的公网或局域网地址，然后重启 n8n。

连接 Ollama 时出现 ECONNREFUSED

容器中的 n8n 会在容器内部查找 Ollama。请使用 host.docker.internal 或 Docker 服务名称，并确认 Ollama 监听在可访问的网络接口上。

模型从不调用工具

可能是模型不支持工具调用、工具描述过于含糊，或暴露的工具过多。请换用标有 tools 的模型，重写描述，并精简所选工具。

模型编造参数

子工作流的 schema 约束过于宽松。请声明带类型的字段并描述期望的值；在执行任何操作之前，先在工作流中校验输入。

#深入了解

本指南介绍 n8n 中的 MCP。关于协议基础、Ollama 端的 MCP 客户端配置，或将 n8n 连接到本地模型，请参阅以下指南。