本文对比三大工作流平台特点,详解 n8n 的 Docker 部署及 Nginx 配置,通过创建日程工作流实例,演示如何将 n8n 注册为 MCP Server 实现与 AI 工具集成。这种组合让 AI 能识别意图并调用工具,帮助用户构建自动化工作流,从重复性工作中解放出来,提高效率。
1、部署 n8n
Docker 前先创建数据存储位置,然后拉取 n8n 镜像:
docker volume create n_data
docker pull n8nio/n8n
# 注意:使用官方镜像地址,避免错误
运行 Docker 可以配置很多信息,最重要的是时区,不配置的话看时间怪怪的。如果使用域名,需配置 N8N_HOST、N8N_EDITOR_BASE_URL、WEBHOOK_URL,否则会出现一些地址错误问题:
docker run -d --rm --name n8n -p 5678:5678 \
-e GENERIC_TIMEZONE="Asia/Shanghai" \
-e TZ="Asia/Shanghai" \
-e VUE_APP_URL_BASE_API="https://example.com" \
-e N8N_HOST="https://example.com" \
-e N8N_EDITOR_BASE_URL="https://example.com" \
-e WEBHOOK_URL="https://example.com" \
-e N8N_PROXY_HOPS=1 \
-v n_data:/home/node/.n8n n8nio/n8n
最后是 Nginx,除了转发代理,还用到了 websocket,否则会出现无法保存的情况:
server {
listen 80;
server_name example.com;
location / {
proxy_pass http://localhost:5678;
proxy_http_version 1.1;
proxy_set_header Upgrade $http_upgrade;
proxy_set_header Connection "upgrade";
proxy_set_header Host $host;
proxy_set_header X-Real-IP $remote_addr;
proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
proxy_set_header X-Forwarded-Proto $scheme;
}
}
2、一个 MCP 工具
首先我将创建添加日程的工作流来熟悉一下 n8n,然后将这个工作流注册为 MCP Server,方便添加到 AI 机器人中被调用,最后在 AI 工具中,通过自然语言自动调用我们刚刚创建的工作流。
-
创建日程的工作流 这里的创建日程并不是直接在手机或者电脑中直接创建,而是通过邮箱里的日历来实现,这样在其它设备上绑定邮箱日历,就可以同步日程。n8n 中有众多日历节点,选择你常用的邮箱平台即可。
-
创建 Credential 这是连接第三方平台的 API Key,有了这个 Key 证明你有访问平台接口的能力,一般开发者账号才能有 API Key,所以连接第三方平台,得先注册平台的开发者账号。

-
配置日历节点 在日历节点中选择对应的 Credential,找到创建日程节点。可以看到我们需要三个参数,分别是日程标题、开始时间、结束时间。到这第一步就完成了,我们填上相应的参数,运行一下,可以看到日历中已经添加上刚刚的日程。

-
MCP Server 配置 n8n 中有一个 MCP Server Trigger 节点,这个节点能启动一个 MCP 服务器,连接到服务器上的人就能读取我们创建的工作流,只要把创建的工作流添加到这个 Tools 下就行。描述一下怎么使用这个工具,方便大模型正确理解我们需要的参数。

-
与大模型结合 找一个支持 MCP 的 AI 工具,把我们刚刚创建的 MCP 地址填进去。这里我用 Cherry Studio 工具演示。

我尝试复制一份日历信息,能正常调用工具。模糊点的信息就需要用更好的模型!

好,经过这个简单的小案例,对工作流以及与 AI 大模型的结合使用有了一个基本认识。通过对一件事流程化,我们就可以形成工作流,从而一劳永逸的自动执行。通过与 AI 的结合,AI 识别意图,调用工具,从而进一步解放我们。从重复性的工作解放出来,去创造吧!


