三句话，让 AI 为我生成工作流

安装

n8n-mcp-server
安装 n8n MCP Server

# Clone the repository
git clone https://github.com/leonardsellem/n8n-mcp-server.git
cd n8n-mcp-server

# Install dependencies
npm install

# Build the project
npm run build

# Optional: Install globally
npm install -g .

配置

获取 N8N_API_KEY

访问 n8n API 设置界面 http://localhost:5678/settings/api

创建 .env 文件

启动 server 时需要这个文件，使用支持 MCP 的客户端工具时不需要

在要运行 n8n MCP Server 的目录下创建 .env 文件，替换其中的 N8N_API_KEY

# n8n MCP Server Environment Variables

# Required: URL of the n8n API (e.g., http://localhost:5678/api/v1)
N8N_API_URL=http://localhost:5678/api/v1

# Required: API key for authenticating with n8n
# Generate this in the n8n UI under Settings > API > API Keys
N8N_API_KEY=your_n8n_api_key_here

# Optional: Set to 'true' to enable debug logging
DEBUG=false

准备 JSON 文件

替换其中的 index.js 还有 API_URL 和 API KEY

{
  "mcpServers": {
    // Give your server a unique name
    "n8n-local": {
      // Use 'node' to execute the built JavaScript file
      "command": "node",
      // Provide the *absolute path* to the built index.js file
      "args": [
        "/path/to/your/cloned/n8n-mcp-server/build/index.js"
        // On Windows, use double backslashes:
        // "C:\\path\\to\\your\\cloned\\n8n-mcp-server\\build\\index.js"
      ],
      // Environment variables needed by the server
      "env": {
        "N8N_API_URL": "http://your-n8n-instance:5678/api/v1", // Replace with your n8n URL
        "N8N_API_KEY": "YOUR_N8N_API_KEY" // Replace with your key
        // Add webhook credentials only if you plan to use webhook tools
        // "N8N_WEBHOOK_USERNAME": "your_webhook_user",
        // "N8N_WEBHOOK_PASSWORD": "your_webhook_password"
      },
      // Ensure the server is enabled
      "disabled": false,
      // Default autoApprove settings
      "autoApprove": []
    }
    // ... other servers might be configured here
  }
}

使用

添加 MCP 服务器

Cheery Studio 和 Trae 都可以很方便的从 JSON 文件添加 MCP

成功案例

Trae 提供了免费的 Claude 模型，将智能体切换到 Builder with MCP，可以直接在聊天框中下达指令让 AI 执行

可以看到，Trae 成功地创建了工作流，美中不足的是最近使用 Trae 的人很多，迫于压力，总是需要排队等待

失败案例

在 Cherry Studio 中，我使用 deepseek 模型来配合执行，但在创建工作流时发生了错误。原因可能是生成的工作流 JSON 文件并不真实符合 n8n 的命名规范。如大家说的那样，目前最适合生成 n8n 工作流的大模型是 Claude。但是由于我暂时无法获得 Claude API 的额度，因此不知道 Cheery Studio 执行工作流生成任务具体的结果如何。但从使用场景以及频率上来说，Cheery Studio 确实比 Trae 更加方便。

References

[1] AI学长小林, 一键生成AI工作流：全自动N8N MCP，告别手动搭建 | N8N新手必备！
[2] 陶渊小明, [n8n走捷径! ] 3种方法！用AI快速生成n8n工作流，再也不用从0开始搭建！提效50%！