🔌 n8n 中如何使用 MCP（模型上下文协议）

前言

MCP（Model Context Protocol）被称为“大模型的 USB 接口”，用于让 LLM 以标准化方式调用外部数据与工具。自 2024 年底起，n8n 原生支持 MCP，使自动化工作流与 AI 工具链能够低代码互联。本文将介绍 MCP 是什么、在 n8n 中的两种使用方式，以及可直接上手的配置步骤与示例。

MCP 是什么？为何适合与 n8n 结合

MCP 由 Anthropic 推出的开放标准，为 LLM 提供统一的“工具/数据”接入协议

核心优势：标准化接口、上下文保持、模块化、动态发现、双向通信

n8n 本身具备“节点化、可编排”的特性，与 MCP 的“可插拔工具”模式天然契合

类比：MCP 像“AI 的 USB”，而 n8n 则是“万能扩展坞”，两者结合可快速把企业的系统、API、工作流能力暴露给 LLM，或在工作流中灵活调用外部 MCP 工具。

n8n 对 MCP 的支持方式与适用场景

内置节点（截至 2025）

MCP Server Trigger：让 n8n 充当 MCP Server，把你的 Workflow/工具以 MCP 工具形式暴露给 LLM 调用

MCP Client Tool：让 n8n 作为 MCP Client，连接外部 MCP Server 调用其工具（资源、Prompt、功能）

典型场景

AI 调用 n8n 自动化：让 Claude、GPT-4o 等 LLM 通过 MCP 直接触发 n8n 的自动化流程，比如自动抓取网站、分析数据、发送通知等。

n8n 调用 AI 工具链：在 n8n 工作流中，通过 MCP Client Tool 节点，动态调用第三方 MCP Server（如自定义知识库、外部 API 工具等），实现多模型、多工具协作。

企业级协同与数据整合：在复杂业务场景下，n8n 通过 MCP 实现与 CRM、ERP、知识库等系统的无缝对接，自动化业务流程并赋能 AI。

但值得注意的是，在 n8n 中你应坚持原生节点优先原则：由于 MCP 并非为 n8n 设计，因此如果你想要连接的服务（比如 notion），在 n8n 中有原生节点时，你应当优先选择 n8n 原生节点而非 MCP。实测在效果和效率上都优于 MCP。

对比建议（简要）：

性能：原生节点高 > MCP Client 中

可连 AI 节点：二者皆可

可连非 AI 节点：原生节点可以，MCP Client 通常不可直连非 AI 生态

成熟度与生态：原生节点更稳定；MCP Client 社区工具多但质量不一

建议你：除非你找不到n8n原生或者社区节点，否则你都不应该在n8n中使用MCP Clinent

使用前准备

n8n 版本：建议 v1.94.0 及以上

已启用“社区节点”功能（便于安装更新 MCP 相关节点）

在节点面板搜索 “MCP”，安装/启用所需节点

方法一：n8n 作为 MCP Server（对外暴露工具）

场景：让 n8n 提供“天气查询”工具给 LLM 使用

步骤：

新建工作流，添加节点：MCP Server Trigger

在参数中配置：

工具名称：get_weather

工具描述：如“获取指定城市的天气信息”

输入参数：city（string）等

在 Tool 分支下实现工具逻辑：可用 HTTP Request 调第三方天气 API，或调用自有数据源，拼装输出

启动工作流，n8n 会监听 MCP 连接，并向外暴露该工具

在 Claude Desktop、Cursor 等支持 MCP 的客户端中，添加 n8n 的 MCP Server 地址，即可让 AI 直接调用 get_weather

进阶：

如果某个 MCP 工具需要触发复杂流程，可在 Tool 分支连接“Call n8n Workflow Tool”，转而调用另一个完整 Workflow

安全建议：MCP Server 仅在可信网络/内网开放，避免暴露敏感自动化接口

方法二：n8n 作为 MCP Client（调用外部工具）

场景：在工作流中调用外部 MCP Server 的“知识检索”工具

步骤：

在工作流中添加节点：MCP Client Tool

配置 MCP Server 地址（本地或云端）

选择要调用的工具（如 knowledge_search），填写参数（如 query）

将返回结果传给下游节点（如写入 Notion、发送邮件、入库等）

参考：本地快速起一个 Python MCP Server（示例）

将 n8n 的 MCP Client Tool 指向上述地址，即可在流程中远程调用 get_weather 并处理返回结果。

最佳实践与注意事项

原生优先：能用 n8n 原生/社区节点就不要用 MCP Client（更快更稳更直连）

分层设计：将可复用能力独立为 Workflow，再由 MCP Server 暴露为工具，便于统一治理与版本化

安全与限流：对外暴露时注意鉴权、速率限制与审计；必要时在链路中加入 Wait/Retry

调试方法：优先用 MCP 客户端（如 Claude Desktop）单测工具可用性，再接入 n8n 编排

常见问题（FAQ）

Q：MCP 工具与 n8n 原生节点有何取舍？

A：优先原生节点；仅当无现成节点或需快速对接新工具时用 MCP。

Q：MCP Client 能否直接连接非 AI 节点？

A：通常不行；MCP Client 设计目标是连接 MCP 生态工具。要与业务系统交互，优先用原生节点（HTTP/DB/Notion 等）。

Q：如何避免被外部滥用 MCP Server？

A：仅在内网或受控网络开启；配合反向代理鉴权与访问控制；开启审计日志。

Q：跨模型供应商是否通用？

A：MCP 为开放协议，理论上可与多家 LLM 协作；具体兼容性以各客户端实现为准。

总结

MCP 让“AI 调工具/取数据”变得标准而简单；n8n 则负责把这些能力编排为可靠的自动化流程。二者结合后：

让 LLM 触发你的工作流（MCP Server 模式）

让工作流调用外部 AI/工具（MCP Client 模式）

只需少量配置，你就能把企业数据与自动化能力即插即用地接入 AI，开启更强大的智能流程。

🔌 n8n 中如何使用 MCP（模型上下文协议）

前言#

MCP 是什么？为何适合与 n8n 结合#

n8n 对 MCP 的支持方式与适用场景#

内置节点（截至 2025）#

典型场景#

使用前准备#

方法一：n8n 作为 MCP Server（对外暴露工具）#

方法二：n8n 作为 MCP Client（调用外部工具）#

最佳实践与注意事项#

常见问题（FAQ）#

总结#

前言