n8n MCP Server

Этот репозиторий содержит реализацию сервера Model Context Protocol (MCP) на базе FastAPI, который позволяет инструментам ChatGPT управлять рабочими процессами n8n через официальный REST API.

Возможности

• SSE-интерфейс /mcp/request для взаимодействия в формате MCP.
• Поддерживаемые методы:
  • list_workflows — GET /rest/workflows
  • create_workflow — POST /rest/workflows
  • update_workflow — PATCH /rest/workflows/{id}
  • delete_workflow — DELETE /rest/workflows/{id}
  • run_workflow — POST /rest/workflows/run
  • get_execution_status — GET /rest/executions/{id}
• Асинхронный HTTP-клиент httpx.AsyncClient с поддержкой API-ключей n8n.
• Pydantic-схемы для строгой валидации MCP-запросов и ответов.
• Логирование входящих запросов и обращений к n8n.

Требования

• Python 3.10 или новее.
• Запущенный экземпляр n8n с доступом по HTTP и включённым REST API.
• API-токен n8n с правами на чтение и изменение workflow.

Установка и запуск

1. Клонируйте репозиторий и перейдите в директорию проекта:

   git clone https://github.com/Peakviker/MCPn8n.git
   cd MCPn8n
   

2. Создайте виртуальное окружение и установите зависимости:

   python -m venv .venv
   source .venv/bin/activate
   pip install fastapi uvicorn[standard] sse-starlette httpx python-dotenv
   

3. Скопируйте пример конфигурации и задайте переменные окружения:

   cp .env.example .env
   # отредактируйте значения по необходимости
   

   Доступные параметры:

   Переменная	Описание	Значение по умолчанию
   N8N_URL	Базовый URL REST API n8n	http://localhost:5678/api/v1/
   N8N_API_KEY	API-токен n8n	пусто (анонимный доступ)
   N8N_TIMEOUT	Таймаут HTTP-запросов в секундах	30.0

4. Запустите сервер MCP:

   uvicorn mcp_server:app --reload --port 8080
   

5. Проверьте, что сервер отвечает:

   curl http://localhost:8080/healthz
   curl http://localhost:8080/mcp/discover
   

Использование MCP-инструментов

POST /mcp/request принимает JSON вида:

{
  "id": "<уникальный идентификатор запроса>",
  "method": "list_workflows",
  "params": { "limit": 20 }
}

Ответ поступает по SSE в виде событий result или error. Поле result содержит MCP-структуру json_schema с данными, полученными от n8n.

Пример запуска workflow

curl -N \
  -H "Content-Type: application/json" \
  -X POST http://localhost:8080/mcp/request \
  -d '{
    "id": "demo-run",
    "method": "run_workflow",
    "params": {
      "workflow_id": "123",
      "payload": {
        "runData": {
          "HTTP Trigger": [[ { "json": { "foo": "bar" } } ]]
        },
        "startNodes": ["HTTP Trigger"],
        "destinationNode": "Respond to Webhook"
      }
    }
  }'

Чтобы отслеживать выполнение, используйте метод get_execution_status с идентификатором, возвращённым n8n при запуске.

Разработка

• Все основные настройки находятся в mcp_server.py.
• При добавлении новых методов обновляйте словарь METHOD_PARAM_MODELS и класс клиента N8nClient.
• Логирование настроено на уровень INFO. При необходимости измените уровень, передав значение через logging.basicConfig.

Лицензия

Добавьте файл LICENSE при необходимости.