n8n + mcp王炸组合：3个步骤轻松实现网页AI搜索

在AI技术高速发展的今天，AI 工作流平台逐渐成为日常工作中的得力助手。无论是内容生成、数据处理，还是自动化决策，这类平台正不断解放人力、提升效率。其中，Dify和n8n是两款受到广泛关注的 AI 工作流工具，它们各具特色，适用于不同的使用场景。Dify 强调与大语言模型（如 GPT 系列）的集成，适合构建对话式应用和智能问答系统，但它在联网搜索能力上存在一定局限，例如无法直接使用网页搜索功能。而 n8n 则是一款开源的工作流自动化平台，灵活性更高，能够通过 API 直接调用网页搜索服务，为任务提供更加实时、丰富的数据支持。鉴于之前有几篇系列文章已介绍过n8n和mcp的基本操作，这里就直接奔入主题实战操作演示。没有基础的小伙伴跟着步骤也能正常实现。 准备工作

第一步：安装 Docker(省略)第二步：获取Brave 搜索API 秘钥

如何获取 API 密钥1. 注册Brave Search API 帐户https://brave.com/zh/search/api/2. 选择计划（免费套餐，每月 2,000 次查询）3. 从开发者仪表板生成您的 API 密钥

秘钥保存好创建mcp 服务器的时候会用上

• 1. 起始节点：添加一个会话用于发送消息

• 
  测试一下添加的大模型deepseek是否可以正确接收指令并且正常返回，不得不说n8n的页面做的很人性化，对话窗口会显示每个节点请求的日志信息可以帮助开发者直观的观察到每一个节点的运行情况。
  
  • 2. AI agent：添加n8n支持的大模型，这里选择deepseek
• 
  其实到了这一步跟大模型的交互工作流就创建好了，但我们更重要的是接入mcp，下面就是最重要的环节。
• 
  • • 3. 添加mcp client tool：
• {
"mcpServers": {
"brave-search": {
"command":"npx",
"args": [
"-y",
"@modelcontextprotocol/server-brave-search"
],
"env": {
"BRAVE_API_KEY":"YOUR_API_KEY_HERE"
}
}
}
}

  

mcp list tool会有两个工具列表，分别是brave_web_search、brave_local_search，下面运行测试一下brave搜索mcp服务器有哪些工具列表

和文档中提供的工具列表一致

在 n8n 上配置Brave Search MCP 服务器时，若你选择Tool parameter中不使用“Defined automatically by model”选项，如果什么都不填会报错：无效的参数。

通常你需要根据返回的JSON 数据格式填写参数。根据你提供的brave_web_search返回的 JSON 格式，下面是你需要填写的内容：

{
"query":"AI news",
"count": 10,
"offset": 0
}


●6个MCP服务平台推荐，阿里百炼提供一键部署●n8n + mcp王炸组合：5个节点轻松搭建一个AI工作流●一个MCP协议，万能USB HUB拓展坞，重新定义AI接入方式
●火爆全网一码难求的Manus AI，免费替代方案●2种方式1键部署，免费开源版OpenManus，28.7K Stars完全平替Manus

如果本文对您有帮助，也请帮忙点个赞👍 + 在看哈！❤️

在看你就赞赞我！