全自动构建n8n-mcp工作流，告别手动搭建

大家好，我是小智，专注 AI 工具，AI 智能体和编程提效

今天给大家分享一个可以全自动构建n8n工作流的方案。

方案来源于github上7.3K Star的一个开源项目：n8n-mcp
https://github.com/czlonkowski/n8n-mcp

n8n-mcp功能介绍n8n-mcp是专为AI代理（例如Claude Code, Trae, codebuddy, Vecli, codeX等）设计的n8n外挂知识库。它赋予AI深度理解和使用n8n的能力。通过实时、准确、全面的n8n官方文档和工具信息库，AI代理能够：

• 精确查找n8n的节点。
• 准确理解每个节点的具体参数和配置。
• 验证工作流配置是否正确，避免部署出错。
• 复用数千个社区工作流模板。
• 直接操作n8n，自动创建、更新和执行工作流。

如果想要更深入地理解这个开源项目，可以通过Github项目解读神器Zread来查看项目的详细代码和文档:
Zread

n8n-mcp的安装与使用下面咱们来看看如何安装和使用这个开源项目：配置步骤以三个CLI工具为例，分别是OpenAI的CodeX，腾讯的codebuddy和火山刚出的Vecli。对于不熟悉这些AI CLI工具的朋友，可以参考下面的官方文档：

•codeX官方文档
•codebuddy官方文档
•Vecli官方文档

配置文件路径codebuddy的mcp配置文件路径：

• macOS/Linux:~/.codebuddy.json
• Windows:%USERPROFILE%\.codebuddy.json

CodeX的配置路径：

• macOS/Linux:~/.codex/config.toml
• Windows:%USERPROFILE%\.codex/config.toml

Vecli的配置文件位置：

• macOS/Linux:~/.ve/settings.json
• Windows:%USERPROFILE%\.ve\settings.json

n8n-mcp的配置示例：{ "mcpServers": { "n8n-mcp": { "command":"npx", "args": ["n8n-mcp"], "env": { "MCP_MODE":"stdio", "LOG_LEVEL":"error", "DISABLE_CONSOLE_OUTPUT":"true", "N8N_API_URL":"https://your-n8n-instance.com", "N8N_API_KEY":"your-api-key" } } } }

配置步骤详解第一步：找到mcp的配置文件位置（以codebuddy为例）：

• macOS/Linux:~/.codebuddy.json
• Windows:%USERPROFILE%\.codebuddy.json

第二步：编辑.codebuddy.json，添加n8n-mcp的配置。配置示例中有两个重要的配置：N8N_API_URL和N8N_API_KEY。在获取这两个配置之前，建议先升级n8n，因为n8n更新频率较高。当前最新版是1.111.1，建议修改docker-compose.yml文件。然后在该文件的当前目录执行docker-compose up -d即可更新。

更新成功后，访问http://localhost:32905。N8N_API_URL即为http://localhost:32905，如果未修改端口，默认是5678。

n8n的API key可以在左下角->settings->n8n API中创建。

配置示例与启动最终.codebuddy.json中的n8n-mcp配置如下：

保存后，重新启动codebuddy或vecli。对于codex，配置格式为toml而非json，由gemini帮助转换如下：

codex的n8n-mcp配置示例：[mcp_servers.n8n-mcp] command ="npx" args = ["n8n-mcp"] env = {MCP_MODE="stdio",LOG_LEVEL="error",DISABLE_CONSOLE_OUTPUT="true",N8N_API_URL="https://your-n8n-instance.com",N8N_API_KEY="your-api-key"}

终端执行codex启动，选择允许Codex在此文件夹中工作，无需每次请求批准。

使用OpenAI专为Codex设计的GPT-5-Codex模型。

常见问题和解决方案遇到一个问题：Codex无法安装mcp。使用多个AI CLI首次遇到基础功能存在bug的情况。

经过多次尝试和查阅资料后，最终选择使用n8n-mcp的docker方式。首先执行：docker pull ghcr.io/czlonkowski/n8n-mcp:latest

docker方式的mcp配置示例：{ "mcpServers": { "n8n-mcp": { "command":"docker", "args": ["run","-i","--rm","--init","-e","MCP_MODE=stdio","-e","LOG_LEVEL=error","-e","DISABLE_CONSOLE_OUTPUT=true","-e","N8N_API_URL=http://host.docker.internal:5678","-e","N8N_API_KEY=your-api-key","ghcr.io/czlonkowski/n8n-mcp:latest"] } } }

codex的配置示例：[mcp_servers.n8n- mcp] command ="docker"args = ["run","-i","--rm","--init","-e","MCP_MODE=stdio","-e","LOG_LEVEL=error","-e","DISABLE_CONSOLE_OUTPUT=true","-e","N8N_API_URL=http://host.docker.internal:5678","-e","N8N_API_KEY=n8n的apikey","ghcr.io/czlonkowski/n8n-mcp:latest", ]

注意：如果你的n8n在本地docker中启动，N8N_API_URL为http://host.docker.internal:5678。最终vecli和Codex的配置如下：左边是json格式，右边是toml格式。

测试与工作流生成接下来开始测试，首先需要重启这些cli工具。注意到codex有些不稳定，总是生成n8n的json文件。使用codebuddy代码、搭配kimi-k2的vecli及搭配glm-4.5的Claude Code生成了多个n8n工作流。生成的工作流如下（完全自动创建）：

案例一：简单工作流帮我创建一个带Agent的n8n工作流,使用OpenAI的大模型,对外提供HTTP调用

完成效果良好（需配置OpenAI的apikey）。

案例二：中等难度工作流提示词由gemini生成：需求：创建一个n8n工作流处理用户注册，包含Webhook、IF和Google Sheets节点。

案例三：复杂工作流提示词由gemini生成：需求：创建个人每日新闻助手工作流，自动信息抓取、AI总结和汇总发送。

n8n-mcp的改进与未来虽然目前使用n8n-mcp不能一次性生成直接可用的n8n工作流，但相比几个月前的测试效果已有显著提升。之前生成的中等难度工作流最多完成50%，而现在生成的中等难度的工作流80%是可用的。n8n-mcp的技术提升