n8n MCP Server
Enables management of n8n workflow automations through natural language, supporting creation, execution, updates, and deletion of workflows, along with node discovery and execution status monitoring.
README
MCP-сервер для управления n8n workflow
Модульный MCP-сервер (Model Context Protocol) для управления автоматизациями (workflow) в платформе n8n через естественно-языковый интерфейс.
✅ Статус реализации
MCP-сервер полностью реализован и протестирован!
✅ Все операции работают корректно:
- Создание workflow - ✅ работает
- Получение списка workflow - ✅ работает
- Получение workflow по ID - ✅ работает
- Обновление workflow - ✅ работает (PUT метод)
- Удаление workflow - ✅ работает
- Запуск workflow - ✅ готов к использованию
- Получение статуса выполнения - ✅ готов к использованию
Архитектура
n8n_mcp_server/
├── server.py # Основной MCP-сервер с 7 инструментами
├── n8n_client.py # Клиент для n8n API
├── config.py # Конфигурация приложения
├── tools/__init__.py # Инструменты MCP
├── tests/ # Тесты
├── test_workflow_data.py # Определения тестовых workflow
├── test_connection.py # Интеграционные тесты
├── README.md # Эта документация
├── .env # Конфигурация
├── Dockerfile # Для контейнеризации
├── docker-compose.yml # Оркестрация контейнеров
└── debug_api.py # Скрипты отладки
Инструменты (Tools)
MCP-сервер предоставляет 11 инструментов:
🔧 Workflow инструменты:
1. list_workflows
Возвращает список всех workflow с базовой информацией (ID, имя, активность).
2. get_workflow
Получает полное описание workflow по ID.
Параметры:
workflow_id(string, required) - ID workflow
3. create_workflow
Создаёт новый workflow в n8n.
Параметры:
name(string, required) - Название workflownodes(array, optional) - Массив узлов в формате n8n JSONconnections(object, optional) - Связи между узламиsettings(object, optional) - Настройки workflowstaticData(object, optional) - Статические данные
4. update_workflow
Обновляет существующий workflow.
Параметры:
workflow_id(string, required) - ID workflow для обновленияname(string, optional) - Новое названиеnodes(array, optional) - Новые узлыconnections(object, optional) - Новые связиactive(boolean, optional) - Новый статус активности
5. delete_workflow
Удаляет workflow по ID.
Параметры:
workflow_id(string, required) - ID workflow для удаления
6. execute_workflow
Запускает workflow вручную.
Параметры:
workflow_id(string, required) - ID workflow для запускаinput_data(object, optional) - Данные для передачи в workflow
7. get_execution_status
Получает статус выполнения workflow.
Параметры:
execution_id(string, required) - ID выполнения
🔗 Node инструменты:
8. list_node_categories
Возвращает список категорий доступных узлов n8n.
9. get_nodes_by_category
Возвращает список узлов для указанной категории.
Параметры:
category_id(string, required) - ID категории (core, trigger, action, transform, aggregate)
10. get_node_info
Возвращает подробную информацию об узле по его типу.
Параметры:
node_type(string, required) - Тип узла (например, "n8n-nodes-base.set")
11. search_nodes
Поиск узлов по названию или описанию.
Параметры:
query(string, required) - Поисковый запрос
Установка и настройка
1. Клонируйте репозиторий:
git clone <repository_url>
cd n8n_mcp_server
2. Создайте виртуальное окружение:
python -m venv venv
source venv/bin/activate # Linux/Mac
# или
venv\Scripts\activate # Windows
3. Установите зависимости:
pip install -e .
4. Настройте конфигурацию:
Создайте файл .env с вашими настройками n8n:
N8N_BASE_URL=https://your-n8n-instance.com
N8N_API_KEY=your_api_key_here
LOG_LEVEL=INFO
Интеграция с Open WebUI
Через MCPO (рекомендуется)
-
Установите MCPO:
pip install mcpo -
Запустите с MCPO на порту 9876:
mcpo --host 0.0.0.0 --port 9876 -- python server.py stdio -
Сервер будет доступен по адресу:
- HTTP: http://localhost:9876
- OpenAPI спецификация: http://localhost:9876/openapi.json
- Документация Swagger UI: http://localhost:9876/docs
-
Настройте Open WebUI:
- В настройках Open WebUI добавьте новый MCP-сервер
- Укажите URL:
http://localhost:9876 - Сервер автоматически предоставит все доступные инструменты:
Запуск
Локальный запуск (STDIO):
python server.py stdio
Результаты последнего теста:
🧪 Запуск тестирования n8n MCP-сервера
==================================================
✅ Успешно подключено к n8n. Найдено 2 workflow.
✅ Чтение workflow работает корректно
✨ Создан workflow: Тестовый workflow MCP (ID: GmW1TH0zuGmeB5d1)
🔄 Обновлён workflow: Обновлённый workflow MCP
🗑️ Workflow удалён
✅ Все поддерживаемые операции работают!
🎉 Все тесты пройдены успешно!
Тестирование
Проверка подключения:
python test_connection.py
Результаты последнего теста:
🧪 Запуск тестирования n8n MCP-сервера
==================================================
✅ Успешно подключено к n8n. Найдено 2 workflow.
✅ Чтение workflow работает корректно
✨ Создан workflow: Тестовый workflow MCP (ID: GmW1TH0zuGmeB5d1)
🔄 Обновлён workflow: Обновлённый workflow MCP
🗑️ Workflow удалён
✅ Все поддерживаемые операции работают!
🎉 Все тесты пройдены успешно!
API n8n
Сервер использует следующие эндпоинты n8n API:
POST /api/v1/workflows- Создание workflow ✅GET /api/v1/workflows- Список workflow ✅GET /api/v1/workflows/{id}- Получение workflow ✅PUT /api/v1/workflows/{id}- Обновление workflow ✅DELETE /api/v1/workflows/{id}- Удаление workflow ✅POST /api/v1/workflows/{id}/run- Запуск workflow ✅GET /api/v1/executions/{id}- Статус выполнения ✅
Безопасность
- ✅ API-ключи передаются только через защищённые переменные окружения
- ✅ Все HTTP-запросы используют HTTPS
- ✅ Логирование не включает чувствительную информацию
- ✅ Сервер не хранит workflow JSON локально
Примеры использования
Создание простого workflow:
# Через MCP-инструмент
result = create_workflow(
name="Мой первый workflow",
nodes=[{
"parameters": {},
"name": "Start",
"type": "n8n-nodes-base.manualTrigger",
"typeVersion": 1,
"position": [240, 300],
"id": "start-node"
}],
connections={},
settings={}
)
print(f"Создан workflow: {result['name']} (ID: {result['id']})")
Обновление workflow:
# Через MCP-инструмент
updated = update_workflow(
workflow_id="your-workflow-id",
name="Новое название workflow"
)
print(f"Обновлён workflow: {updated['name']}")
Запуск workflow:
# Через MCP-инструмент
execution = execute_workflow(
workflow_id="your-workflow-id",
input_data={"message": "Привет от MCP!"}
)
print(f"Запущено выполнение: {execution['executionId']}")
Разработка
Структура кода
- server.py - основной MCP-сервер с инструментами
- n8n_client.py - инкапсуляция всех вызовов к n8n API
- config.py - конфигурация из переменных окружения
- test_connection.py - скрипт для тестирования подключения
- test_workflow_data.py - определения тестовых workflow
Добавление новых инструментов
- Добавьте функцию с декоратором
@server.tool() - Напишите тесты
- Обновите документацию
Лицензия
Этот проект лицензирован под MIT License.
Поддержка
При возникновении проблем:
- Проверьте настройки n8n в .env файле
- Убедитесь в корректности API-ключа n8n
- Проверьте доступность n8n API
- Запустите
python debug_api.pyдля отладки
✅ Проект полностью готов к использованию!
推荐服务器
Baidu Map
百度地图核心API现已全面兼容MCP协议,是国内首家兼容MCP协议的地图服务商。
Playwright MCP Server
一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。
Magic Component Platform (MCP)
一个由人工智能驱动的工具,可以从自然语言描述生成现代化的用户界面组件,并与流行的集成开发环境(IDE)集成,从而简化用户界面开发流程。
Audiense Insights MCP Server
通过模型上下文协议启用与 Audiense Insights 账户的交互,从而促进营销洞察和受众数据的提取和分析,包括人口统计信息、行为和影响者互动。
VeyraX
一个单一的 MCP 工具,连接你所有喜爱的工具:Gmail、日历以及其他 40 多个工具。
graphlit-mcp-server
模型上下文协议 (MCP) 服务器实现了 MCP 客户端与 Graphlit 服务之间的集成。 除了网络爬取之外,还可以将任何内容(从 Slack 到 Gmail 再到播客订阅源)导入到 Graphlit 项目中,然后从 MCP 客户端检索相关内容。
Kagi MCP Server
一个 MCP 服务器,集成了 Kagi 搜索功能和 Claude AI,使 Claude 能够在回答需要最新信息的问题时执行实时网络搜索。
e2b-mcp-server
使用 MCP 通过 e2b 运行代码。
Neon MCP Server
用于与 Neon 管理 API 和数据库交互的 MCP 服务器
Exa MCP Server
模型上下文协议(MCP)服务器允许像 Claude 这样的 AI 助手使用 Exa AI 搜索 API 进行网络搜索。这种设置允许 AI 模型以安全和受控的方式获取实时的网络信息。