AI工作流+MCP：零代码打造最强AI Agent，一键接入海量工具 | N8N+MCP实战教程！

00:29:36
https://www.youtube.com/watch?v=c2Ecz0tI7IU

Resumen

TLDR本期视频介绍了如何将n8n工作流与MCP服务结合，实现自动化工作流的增强。n8n是一个开源的工作流平台，支持多种外部服务的集成。MCP（大模型的上下文协议）是一个标准化的通讯协议，旨在简化AI与外部工具的交互。视频中展示了如何通过n8n创建工作流，接入MCP服务，实现爬虫和联网搜索功能，自动提取和处理信息，并生成推特帖子。

Para llevar

  • 🔧 n8n是开源的工作流平台
  • 🌐 MCP服务简化AI与外部工具的交互
  • 📈 结合n8n和MCP提升工作流能力
  • 🛠️ 支持多种外部服务的集成
  • 📊 自动生成推特帖子
  • 🔍 实现爬虫和联网搜索功能
  • 💡 提供丰富的开源节点和模板
  • 🚀 适合个人和企业应用
  • 📚 关注频道获取更多n8n教程
  • 🔗 访问mcp服务集成平台获取资源

Cronología

  • 00:00:00 - 00:05:00

    视频介绍了n8n工作流与mcp服务的结合，强调了这种组合在自动化工作流中的重要性，能够实现对外部服务的调用，如搜索、爬虫等，提升工作流的综合能力。

  • 00:05:00 - 00:10:00

    n8n被描述为一个开源、免费且功能丰富的工作流平台，适合个人和企业使用。mcp服务则是由Anthropic开发的标准化协议，旨在简化AI与外部工具的交互。

  • 00:10:00 - 00:15:00

    mcp服务的三个核心组件被介绍：mcp主机、mcp客户端和mcp服务器，强调了它们在AI与外部服务之间的连接作用。

  • 00:15:00 - 00:20:00

    通过一个案例展示了如何在n8n中实现mcp服务的接入，具体演示了如何通过爬虫和联网搜索服务提取和验证信息，并生成推特帖子。

  • 00:20:00 - 00:29:36

    最后，视频总结了如何在n8n中接入mcp服务的步骤，包括安装n8n、配置mcp服务和设置AI-Agent节点，鼓励观众关注后续的进阶教程。

Ver más

Mapa mental

Vídeo de preguntas y respuestas

  • 什么是n8n？

    n8n是一个开源的工作流自动化平台，支持多种外部服务的集成。

  • MCP服务的作用是什么？

    MCP服务是一个标准化的通讯协议，简化了AI与外部工具的交互。

  • 如何在n8n中接入MCP服务？

    通过安装社区节点并配置相应的MCP服务，可以在n8n中接入MCP服务。

  • n8n支持哪些外部服务？

    n8n支持多种外部服务，包括爬虫、文本识别、语音生成等。

  • 如何生成推特帖子？

    通过n8n工作流自动提取信息并生成推特帖子。

Ver más resúmenes de vídeos

Obtén acceso instantáneo a resúmenes gratuitos de vídeos de YouTube gracias a la IA.
Subtítulos
zh-Hans
Desplazamiento automático:
  • 00:00:00
    你好
  • 00:00:00
    欢迎来到AI学长的频道
  • 00:00:02
    我是小林
  • 00:00:03
    这期视频我们来分享一个非常实用的工具组合
  • 00:00:07
    n8n的工作流加mcp服务
  • 00:00:09
    实现在工作流当中调用各种外部的mcp服务
  • 00:00:13
    比如说像搜索
  • 00:00:15
    爬虫
  • 00:00:15
    文本识别
  • 00:00:16
    语音生成
  • 00:00:17
    图片处理等等
  • 00:00:18
    那么也就意味着n8n的工作流
  • 00:00:21
    又拓展出了一种新的和外部服务的交互方式
  • 00:00:24
    在工作流当中实现自动判断
  • 00:00:26
    自动调用外部工具
  • 00:00:28
    通过这个组合能极大程度提升自动化工作流的综合能力
  • 00:00:33
    如果你喜欢今天这个话题
  • 00:00:34
    麻烦给我的视频点个赞
  • 00:00:37
    那么给刚刚接触工作流和mcp的小伙伴介绍一下n8n和mcp
  • 00:00:44
    n8n是我目前觉得开放程度做得最好的工作流平台
  • 00:00:49
    第一它是开源免费
  • 00:00:51
    可以在我们本地实现一键部署
  • 00:00:53
    其次它是有海量的开源节点
  • 00:00:56
    并且在官方这里也有各种各样的模板
  • 00:01:00
    我们是可以直接使用的
  • 00:01:02
    然后它里面的节点也非常的丰富
  • 00:01:05
    所以我觉得无论是个人应用还是企业应用
  • 00:01:08
    n8n这款工作流平台都是非常值得选择的
  • 00:01:12
    那么如果是说对n8n不熟悉的小伙伴
  • 00:01:16
    它能实现什么样的能力
  • 00:01:18
    那么可以看一下我的上一期视频
  • 00:01:21
    在这期视频里面
  • 00:01:22
    详细说明了n8n和其他工作流平台之间的区别
  • 00:01:27
    通过n8n我实现了什么样的一个工作流
  • 00:01:31
    那么这期视频
  • 00:01:32
    我们还是用n8n的工作流平台
  • 00:01:34
    结合mcp服务
  • 00:01:36
    把这两个工具结合在一起
  • 00:01:38
    来实现一些更实用的自动化场景
  • 00:01:42
    好
  • 00:01:42
    然后其次就是mcp服务
  • 00:01:45
    关于mcp的介绍
  • 00:01:46
    网上已经有很多了
  • 00:01:48
    这里的话我就简单概述一下
  • 00:01:50
    让还不清楚的同学有一个基本的概念
  • 00:01:53
    mcp它全称是大模型的上下文协议
  • 00:01:58
    是Anthropic开发的一种标准化协议的通讯工具
  • 00:02:02
    目前也有越来越多的大模型公司
  • 00:02:06
    还有一些第三方服务
  • 00:02:08
    都去接入mcp服务
  • 00:02:10
    逐渐可能会演变成这种AI跟外部工具
  • 00:02:13
    通讯的一种标准化协议
  • 00:02:15
    如果是说简单点来理解
  • 00:02:17
    我们可以把它是理解成AI应用的Type-C接口
  • 00:02:22
    它标准化了外部应用和AI的交互方式
  • 00:02:26
    这里的这张图我觉得还是蛮形象的
  • 00:02:29
    mcp服务它主要有三个核心组件
  • 00:02:32
    第一个是mcp主机
  • 00:02:34
    然后第二个的话是mcp客户端
  • 00:02:37
    第三个的话是mcp服务器
  • 00:02:39
    这张图片当中的笔记本电脑
  • 00:02:42
    它代表的就是mcp的主机
  • 00:02:44
    也就是我们本地的应用
  • 00:02:46
    本地的服务和mcp服务进行交互
  • 00:02:49
    我们需要这样的一个本地主机
  • 00:02:52
    然后像这里的claude
  • 00:02:54
    还有这个ChatGPT的客户端
  • 00:02:56
    还有cursor的客户端
  • 00:02:57
    包括咱们今天要演示的n8n工作流
  • 00:03:00
    它也是可以作为mcp的主机
  • 00:03:03
    跟mcp服务进行交互的
  • 00:03:05
    第二个组件的话就是Type-C的转换器
  • 00:03:08
    它相当于是mcp的客户端
  • 00:03:11
    通过跟我们本地的主机
  • 00:03:13
    这些应用连接在一起
  • 00:03:15
    那么就可以跟外部的这些mcp服务
  • 00:03:18
    进行数据的交互
  • 00:03:20
    进行功能上的一些拓展
  • 00:03:22
    然后客户端的话
  • 00:03:23
    它是在这个主机里面进行安装就可以了
  • 00:03:26
    这张图片的话
  • 00:03:27
    等于是通过跟主机进行接入
  • 00:03:30
    好
  • 00:03:30
    然后最后一个组件的话
  • 00:03:32
    就是mcp服务器
  • 00:03:34
    也就是对应一些第三方的外部服务
  • 00:03:36
    比如说这边有slack
  • 00:03:37
    还有谷歌的Gmail邮箱
  • 00:03:39
    谷歌的日历等等一些外部服务
  • 00:03:42
    像notion还有爬虫
  • 00:03:44
    还有一些其他的外部接口
  • 00:03:46
    外部服务
  • 00:03:47
    都可以把它理解成是mcp的服务器
  • 00:03:50
    那么通过这三个组件
  • 00:03:51
    就可以把AI大模型和外部服务连接起来
  • 00:03:56
    客户端它是负责发送和接收
  • 00:04:00
    相应的一些外部请求
  • 00:04:02
    我举一个简单的例子
  • 00:04:03
    比如说你开发了一款AI工具
  • 00:04:06
    那么你的AI工具
  • 00:04:07
    只要接入了mcp的协议
  • 00:04:09
    就可以立刻获得几百个外部mcp服务的
  • 00:04:13
    调用能力
  • 00:04:14
    那么反正如果是说你是服务的提供方
  • 00:04:17
    同样的话
  • 00:04:18
    只要接入了mcp协议
  • 00:04:20
    你的服务就能被所有支持mcp的客户端
  • 00:04:24
    进行调用
  • 00:04:25
    只要一端接入多端就互通的
  • 00:04:27
    那么这个就是关于mcp的功能作用的
  • 00:04:30
    一个简单介绍
  • 00:04:31
    然后这期视频
  • 00:04:32
    我们就要在n8n的工作流当中
  • 00:04:35
    通过节点的方式
  • 00:04:37
    把mcp服务给它接入到我们的工作流当中
  • 00:04:40
    从而可以让我们在工作流当中
  • 00:04:42
    去调用各种我们想要用的
  • 00:04:45
    外部的一些服务
  • 00:04:47
    来增强我们工作流的能力
  • 00:04:49
    那么接下来我就通过一个简单的案例
  • 00:04:51
    先给大家看一下它的一个实际效果
  • 00:04:54
    什么样的
  • 00:04:54
    这里我是已经搭建好了一个
  • 00:04:56
    接入mcp服务的工作流
  • 00:04:58
    然后在里面是接入了两个mcp服务
  • 00:05:02
    第一个的话是爬虫服务
  • 00:05:04
    第二个的话是联网搜索服务
  • 00:05:06
    那么这个工作流实现的效果
  • 00:05:07
    就是我在对话窗口当中
  • 00:05:10
    给它发送一个url链接
  • 00:05:14
    它会自动判断我发送过去的内容
  • 00:05:16
    是不是链接
  • 00:05:17
    那么如果是的话
  • 00:05:18
    它就会自动到mcp服务的执行节点
  • 00:05:21
    来提取链接里面的内容
  • 00:05:24
    通过爬虫的mcp服务
  • 00:05:26
    然后其次的话
  • 00:05:27
    它会根据提取出来的内容
  • 00:05:29
    去总结它的内容
  • 00:05:30
    去提取它的关键字
  • 00:05:32
    再通过联网搜索去检查
  • 00:05:35
    去补充这边新闻的信息
  • 00:05:37
    那么最后根据这两个信息结合在一起
  • 00:05:41
    去写一篇推特的推文
  • 00:05:44
    这些步骤都在这个节点里面完成
  • 00:05:48
    那么推特的推文完成之后
  • 00:05:50
    我会自动把它保存到
  • 00:05:52
    notion的表格当中
  • 00:05:54
    那么如果是说你是线上版本的
  • 00:05:56
    N8N
  • 00:05:57
    还可以直接把推文发送到
  • 00:06:00
    X里面去
  • 00:06:01
    也就是一键发送
  • 00:06:03
    整个链路实现了全自动
  • 00:06:05
    好
  • 00:06:05
    接下来我给大家执行一下
  • 00:06:07
    比如这边我随便找一个文章链接
  • 00:06:09
    这个是4.1发布
  • 00:06:11
    淘汰了4.5
  • 00:06:12
    现在工作流已经执行完成了
  • 00:06:14
    我们打开notion表格
  • 00:06:15
    对应的话就是这一条列表
  • 00:06:18
    首先是大标题
  • 00:06:19
    提取链接当中的观点总结
  • 00:06:22
    新的模型发布
  • 00:06:23
    OpenAI推出GPT4.1系列模型
  • 00:06:26
    并且将于7月14号下架
  • 00:06:28
    GPT4.5的模型
  • 00:06:30
    那么新的版本是包含三个版本
  • 00:06:33
    4.1 mini以及nano
  • 00:06:34
    它的主要优势
  • 00:06:36
    上下文长度有100万token
  • 00:06:38
    然后它的性价比比较高
  • 00:06:40
    可以用约4%的价格
  • 00:06:42
    享受GPT 4.0的品质
  • 00:06:44
    这边是性能比较
  • 00:06:45
    上面这些的话
  • 00:06:46
    就是我们通过爬虫获取到的信息
  • 00:06:49
    总结这篇文章的摘要
  • 00:06:51
    然后这边的话是通过第二个mcp服务
  • 00:06:54
    网络搜索验证
  • 00:06:55
    补充到的信息
  • 00:06:57
    GPT4.1专注于编程和指令
  • 00:07:00
    遵循在多个基准测试当中
  • 00:07:03
    超过了GPT 4.0
  • 00:07:04
    目前在API当中取代了GPT 4.5
  • 00:07:06
    显示出了更高的性价比和性能
  • 00:07:09
    最后根据这两个段落的内容
  • 00:07:11
    帮我们生成了这样一篇
  • 00:07:13
    这个推特的帖子
  • 00:07:14
    重磅消息
  • 00:07:15
    OpenAI推出了GPT 4.1系列
  • 00:07:16
    将取代GPT4.5
  • 00:07:18
    下面这些内容的话我就不去念了
  • 00:07:20
    最后打了几个标签
  • 00:07:22
    也是符合这个
  • 00:07:23
    推特的文章格式的
  • 00:07:25
    这个就是这个工作流
  • 00:07:27
    加mcp服务
  • 00:07:28
    它执行的一个效果
  • 00:07:30
    所以通过这样一个工作流
  • 00:07:32
    我们就可以非常简单的
  • 00:07:34
    给这个工作流当中的AI节点
  • 00:07:37
    赋予一些外部能力
  • 00:07:38
    像我们原来替于添加外部工具
  • 00:07:41
    要么只能是这个n8n里面
  • 00:07:43
    它已经开发好的工具
  • 00:07:45
    或者说通过
  • 00:07:47
    HTTPS节点
  • 00:07:48
    通过API的方式跟外部进行交互
  • 00:07:51
    但是这个对使用者有一定的要求
  • 00:07:54
    比如说你要知道
  • 00:07:55
    基本的HTTPS通讯协议
  • 00:07:57
    它里面的这些参数要怎么填
  • 00:07:59
    相对来说门槛也会高点
  • 00:08:01
    而且就是你要去请求
  • 00:08:03
    某一个服务里面的某一个功能
  • 00:08:05
    你就需要单独的一个HTTP节点
  • 00:08:07
    那么通过mcp的好处
  • 00:08:09
    就是它可以把这款服务
  • 00:08:11
    所有的工具合成到一个节点里面去
  • 00:08:14
    然后剩下的全部交由AI自己来判断
  • 00:08:16
    它要调用这款服务里面的哪一款工具
  • 00:08:19
    以及里面的参数
  • 00:08:20
    要怎么样去填写
  • 00:08:22
    全部可以由AI节点来自动完成
  • 00:08:25
    其实是大幅减少了
  • 00:08:27
    我们以往要搭建这些外部工具的
  • 00:08:30
    连接到工作流里面的一个工作量
  • 00:08:33
    这个是mcp的一个优势
  • 00:08:35
    那么通过这样一个结构
  • 00:08:36
    我就可以往AI Agent的节点里面
  • 00:08:39
    去添加海量的mcp服务
  • 00:08:42
    你要实现什么样的需求
  • 00:08:44
    可能会用到哪些mcp服务
  • 00:08:46
    我们都可以在这边以工具的方式
  • 00:08:49
    给它添加上去
  • 00:08:50
    从而来提升ai agent的节点的能力
  • 00:08:53
    那么对应的话
  • 00:08:54
    也就是我们工作流能做的事情可以更多
  • 00:08:57
    接下来我们就来说一下
  • 00:09:00
    n8n的工作流当中
  • 00:09:02
    怎么样去接入mcp的服务
  • 00:09:05
    以及这些不同的节点
  • 00:09:06
    主要是agent的节点
  • 00:09:08
    它里面的这些参数
  • 00:09:09
    Prompt要怎么样去做设置
  • 00:09:12
    那么要做的第一步
  • 00:09:13
    就是先安装 n8n
  • 00:09:15
    n8n它本身就是开源的
  • 00:09:17
    我们可以在本地安装
  • 00:09:19
    也可以在云服务器里面去使用
  • 00:09:23
    或者说你自己去购买一个虚拟空间
  • 00:09:25
    在虚拟空间里面去装n8n都是可以的
  • 00:09:29
    在这里演示我就以本地安装的方式
  • 00:09:32
    给大家过一遍
  • 00:09:33
    安装的话其实十分简单
  • 00:09:35
    我们直接打开
  • 00:09:36
    github里面的n8n项目
  • 00:09:40
    然后它的安装有两种方式
  • 00:09:42
    第一种的话就是通过NodeJS安装
  • 00:09:45
    然后第二种的话是通过Docker安装
  • 00:09:47
    如果是本地的话
  • 00:09:48
    我比较推荐Docker
  • 00:09:50
    因为对于新手或者说对于非编程用户
  • 00:09:54
    用Docker这种可视化界面
  • 00:09:56
    它相对来说会更友好
  • 00:09:58
    后面用到的指令也更少
  • 00:10:00
    接下来我们先在本地电脑上
  • 00:10:03
    安装一下Docker客户端
  • 00:10:05
    如果你有的话
  • 00:10:07
    这一步就可以忽略进入Docker的官网
  • 00:10:10
    然后选择对应的版本
  • 00:10:11
    下载到我们的本地进行安装
  • 00:10:14
    安装完以后
  • 00:10:14
    它就是这样的一个客户端应用
  • 00:10:17
    当Docker安装完成之后
  • 00:10:18
    我们就打开你本地的终端指令
  • 00:10:22
    不管是PowerShare还是CMD的
  • 00:10:24
    命令提示符都是可以的
  • 00:10:27
    然后先运行第一行指令
  • 00:10:29
    这一行指令的作用
  • 00:10:31
    就是在我们本地在Docker里面
  • 00:10:34
    去创建一个存储的文件夹
  • 00:10:36
    那么后续我们所有的n8n
  • 00:10:40
    这个项目所运行的数据
  • 00:10:42
    包括一些密钥
  • 00:10:43
    还有一些日志记录
  • 00:10:45
    都会存储在这个文件夹里面
  • 00:10:48
    直接复制一下
  • 00:10:50
    然后在终端指令粘贴运行就可以了
  • 00:10:53
    创建完文件夹之后
  • 00:10:54
    我们再运行第二行指令
  • 00:10:56
    这行指令的意思
  • 00:10:57
    就是在Docker里面运行最新版本的n8n
  • 00:11:01
    后面的数据就是关于磁盘的挂载
  • 00:11:04
    把我们刚才创建好的文件夹目录
  • 00:11:08
    跟n8n默认的文件夹进行挂载
  • 00:11:11
    在终端指令当中运行一下这行指令
  • 00:11:14
    运行完成之后
  • 00:11:15
    就代表n8n工作流
  • 00:11:17
    已经在我们本地安装好了
  • 00:11:20
    然后前面的绿色点
  • 00:11:22
    代表它的状态
  • 00:11:23
    目前正在运行
  • 00:11:25
    这边可以进行一些操作
  • 00:11:26
    比如说开启关闭重启
  • 00:11:28
    都是在这边进行操作的
  • 00:11:30
    完成之后
  • 00:11:31
    我们就可以点击端口号
  • 00:11:33
    它会自动打开n8n的服务
  • 00:11:36
    这个就是关于在本地安装n8n的
  • 00:11:39
    一个最简单的操作
  • 00:11:41
    如果是在线上
  • 00:11:43
    其实逻辑也是差不多的
  • 00:11:45
    可能只是说要改一些参数
  • 00:11:47
    比如说你可以改文件夹的参数
  • 00:11:49
    甚至说你自正式运行环境
  • 00:11:52
    还可以去更改一下
  • 00:11:54
    运行的数据库
  • 00:11:56
    把它变成一个更稳定的数据库
  • 00:11:58
    我们后续再讲
  • 00:12:00
    这里插一句
  • 00:12:01
    如果你对n8n的工作流
  • 00:12:03
    它的一些高阶使用方法比较感兴趣
  • 00:12:06
    想学习使用n8n
  • 00:12:08
    也欢迎大家关注一下我的频道
  • 00:12:10
    在我的频道当中
  • 00:12:11
    后面会持续分享一些
  • 00:12:13
    n8n的进阶教程
  • 00:12:15
    还有一些它的一些实战
  • 00:12:17
    非常实用的应用场景
  • 00:12:18
    然后这里我们看到的
  • 00:12:19
    就是n8n的主界面
  • 00:12:22
    第一次的话
  • 00:12:23
    它可能要你注册登录一下
  • 00:12:25
    登录成功之后
  • 00:12:25
    竟然就是这样的一个界面
  • 00:12:27
    然后我们去创建一个新的工作流
  • 00:12:30
    点击右上角
  • 00:12:32
    这边的话
  • 00:12:33
    你可以先把这个名字改一下
  • 00:12:35
    比如说我们输入mcpdemo
  • 00:12:37
    这个自定义
  • 00:12:38
    方便你自己记忆就可以了
  • 00:12:40
    然后这里有两个注意事项
  • 00:12:42
    第一个注意事项
  • 00:12:43
    就是要保证你的n8n版本
  • 00:12:46
    在1.86以上
  • 00:12:48
    因为在1.86之前的版本
  • 00:12:51
    它是不能把 mcp服务
  • 00:12:54
    放在agent节点下面用的
  • 00:12:56
    也就是不能当子节点用的
  • 00:12:58
    那么到1.86版本之后
  • 00:12:59
    我们是可以把 mcp服务
  • 00:13:01
    当做agent里面的工具里面使用的
  • 00:13:04
    这是第一个注意事项
  • 00:13:05
    第二个注意事项
  • 00:13:06
    就是mcp服务
  • 00:13:07
    目前还没有官方节点
  • 00:13:09
    所以我们必须是到
  • 00:13:12
    去安装社区节点
  • 00:13:14
    是安装社区节点的方式
  • 00:13:15
    是点击右下角
  • 00:13:17
    这边有一个setting
  • 00:13:18
    然后拉到底部
  • 00:13:19
    这边是有一个社区节点的路口
  • 00:13:23
    那么安装社区节点
  • 00:13:24
    是必须在你本地
  • 00:13:26
    或者说是在你自己购买的虚拟空间里面
  • 00:13:29
    部署的n8n才可以安装社区节点
  • 00:13:32
    如果你是线上的SaaS版本
  • 00:13:35
    它是不支持安装社区节点的
  • 00:13:37
    这边的话就输入n8n-node-mcp
  • 00:13:40
    这里要注意一下大小写
  • 00:13:42
    全部以小写的方式
  • 00:13:44
    勾选一下选项框
  • 00:13:46
    点击安装就可以了
  • 00:13:47
    完成这两个动作之后
  • 00:13:48
    我们就可以开始搭建了
  • 00:13:50
    回到我们刚才创建的工作流
  • 00:13:53
    然后工作流的第一个节点
  • 00:13:54
    它是要添加一个触发的
  • 00:13:56
    那么触发的话
  • 00:13:57
    你是可以以点击触发
  • 00:13:59
    定时触发
  • 00:14:00
    聊天触发
  • 00:14:01
    或者是通过外部触发都是可以的
  • 00:14:03
    这边的话我们就创建一个聊天触发
  • 00:14:06
    然后接下来我是添加了一个判断节点
  • 00:14:09
    就是判断我们发送过去的消息
  • 00:14:12
    它是不是链接
  • 00:14:13
    比如说给他发送一个你好
  • 00:14:15
    可以看到他这个值就过来了
  • 00:14:18
    我要判断的就是这个chatinput
  • 00:14:20
    这个值它是不是链接
  • 00:14:22
    那么我就可以以字符串的类型
  • 00:14:25
    让他来匹配一个正则表达式
  • 00:14:28
    那么这个正则表达式
  • 00:14:30
    其实也不要我们自己写
  • 00:14:31
    我们现在可以借助大量的外部工具
  • 00:14:34
    比如说让大模型
  • 00:14:36
    来帮我们写正则表达式
  • 00:14:38
    添入之后可以测试一下
  • 00:14:40
    这边是正确匹配
  • 00:14:41
    这边是错匹配
  • 00:14:42
    刚才我给他发送的是你好
  • 00:14:44
    那么里面是不包含网址的
  • 00:14:46
    他就走这个错匹配这条链路
  • 00:14:49
    这个结果是没有错的
  • 00:14:50
    OK
  • 00:14:50
    然后接下来我们就可以添加
  • 00:14:52
    这个AI-Agent的节点
  • 00:14:54
    正常来说
  • 00:14:55
    我们在工作流里面去使用mcp服务
  • 00:14:58
    绝大多数情况都是配合
  • 00:15:00
    AI-Agent的工具来使用的
  • 00:15:02
    因为我们要借助大模型的能力
  • 00:15:05
    让他来判断要用哪个mcp服务
  • 00:15:07
    要填哪些参数
  • 00:15:08
    就免去我们人工自己去设置参数
  • 00:15:11
    去选择工具的这样一个麻烦
  • 00:15:13
    AI-Agent的节点
  • 00:15:14
    它下面是有三个选项
  • 00:15:16
    第一个的话是要填录对应的模型
  • 00:15:19
    然后第二的话是记忆功能
  • 00:15:21
    第三的话就是往模型里面
  • 00:15:23
    去添加外部工具
  • 00:15:25
    这个的话其实我也是
  • 00:15:26
    我觉得n8n这个工作流
  • 00:15:28
    它比较好的一个功能
  • 00:15:30
    就是我们的AI-Agent的节点
  • 00:15:32
    它设置非常灵活
  • 00:15:34
    不管是变更模型
  • 00:15:36
    还是变更记忆
  • 00:15:37
    以及里面的参数
  • 00:15:38
    以及添加外部工具
  • 00:15:39
    通过这种方式
  • 00:15:40
    我觉得组合非常的方便
  • 00:15:43
    这个节点的操作体验
  • 00:15:44
    我觉得和其他工作流比起来
  • 00:15:46
    是更有优势的
  • 00:15:48
    接下来我们可以给它选择一个大模型
  • 00:15:51
    这边的话你可以用这个ChatGPT的
  • 00:15:55
    可以用Claude
  • 00:15:56
    或者说deepseek的都可以
  • 00:15:57
    我这边的话就选择openrouter的平台
  • 00:15:59
    如果你是第一次使用
  • 00:16:01
    它是要添加一个授权验证的
  • 00:16:04
    你就点击这个
  • 00:16:05
    然后把openrouter你获取到的
  • 00:16:07
    API key填入就可以了
  • 00:16:09
    对应的话这个账户就授权完成了
  • 00:16:12
    授权完成之后
  • 00:16:13
    然后这边的话
  • 00:16:13
    我们就可以自由的去选择
  • 00:16:16
    openrouter的这个平台里面
  • 00:16:17
    它支持中转的这些大模型
  • 00:16:19
    我们都是可以选择的
  • 00:16:21
    然后完事以后
  • 00:16:22
    我们要设置一下
  • 00:16:23
    agent的节点
  • 00:16:25
    agent的节点
  • 00:16:25
    它里面是有两个参数要设置
  • 00:16:28
    第一个参数是要设置用户prompt
  • 00:16:30
    我们把它改成自定义的方式
  • 00:16:32
    然后这个是我的prompt的指令
  • 00:16:34
    根据链接提取有价值的观点
  • 00:16:38
    并且进行该要件总结
  • 00:16:39
    然后根据提取出的信息以及关键词
  • 00:16:42
    进行联网搜索
  • 00:16:43
    对原始信息进行补充和验证
  • 00:16:46
    第三条的话
  • 00:16:46
    就是根据这两条信息
  • 00:16:49
    来生成一条推特帖子
  • 00:16:51
    是要有趣的
  • 00:16:52
    并且能吸引关注的
  • 00:16:54
    ok
  • 00:16:54
    这个是我的链接地址
  • 00:16:56
    也就是我们前面所输入的信息
  • 00:16:59
    通过拖拽的方式
  • 00:17:00
    就可以把它进行输入
  • 00:17:02
    然后第二个参数
  • 00:17:03
    就是我们要添加一个系统提示词
  • 00:17:05
    在这边可选项里面
  • 00:17:07
    选择系统提示词
  • 00:17:08
    prompt的指令是这样的
  • 00:17:10
    让他先通过listtools
  • 00:17:12
    获取工具列表
  • 00:17:13
    这个也就是待会
  • 00:17:14
    我们要在这边添加的MCP服务
  • 00:17:16
    然后再根据我们的需求
  • 00:17:19
    选择对应的工具
  • 00:17:20
    合适的工具
  • 00:17:21
    然后最后再用执行工具
  • 00:17:23
    执行选中的工具
  • 00:17:24
    并且提供对应的参数
  • 00:17:26
    然后这里我还添加了两个备注
  • 00:17:28
    就是如果是要获取网站内容
  • 00:17:30
    或者链接内容
  • 00:17:31
    就使用 firecrawl
  • 00:17:33
    它是一个爬虫工具
  • 00:17:34
    如果是说用联网搜索的话
  • 00:17:36
    就用这个工具 brave
  • 00:17:38
    进行联网搜索
  • 00:17:39
    免得模型不清楚它的作用
  • 00:17:42
    搞错了
  • 00:17:42
    通过添加这样一个备注
  • 00:17:44
    让他可以更准确的去
  • 00:17:46
    使用对应的一个MCP服务
  • 00:17:49
    这个就是关于AI Agent
  • 00:17:50
    的节点参数的设置
  • 00:17:52
    OK
  • 00:17:53
    那么完成之后
  • 00:17:54
    我们就可以开始添加MCP服务
  • 00:17:56
    我们直接在这里输入MCP
  • 00:17:58
    你可以看到这边是有一个小盒子的
  • 00:18:01
    代表的话就是社区节点
  • 00:18:03
    那如果是说n8n的原生节点
  • 00:18:05
    它后面是没有任何图标的
  • 00:18:07
    添加完成之后
  • 00:18:08
    同样首次
  • 00:18:09
    它也是要进行验证授权的
  • 00:18:12
    基于这个节点
  • 00:18:13
    我们要往里面添加什么样的MCP服务
  • 00:18:15
    你点击添加一个新的授权
  • 00:18:18
    OK
  • 00:18:19
    然后这个就是我们要填入的参数
  • 00:18:21
    关于这个参数的填写方法
  • 00:18:23
    以及如果是说你后面要添加其他的
  • 00:18:26
    MCP服务
  • 00:18:27
    大家可以进入这个网址
  • 00:18:31
    就是Github上面关于一个
  • 00:18:33
    这里是汇集了各种外部服务的
  • 00:18:36
    MCP的一个列表
  • 00:18:37
    比如说现在我们是要添加
  • 00:18:38
    FireCrawl爬虫工具
  • 00:18:40
    这里面也有MCP服务
  • 00:18:42
    点击一下
  • 00:18:43
    它会跳到
  • 00:18:44
    MCP服务的一个介绍
  • 00:18:47
    然后往下拉
  • 00:18:48
    可以看到这边是有一个安装方式
  • 00:18:50
    里面有三个参数
  • 00:18:52
    第一个是安装指令
  • 00:18:53
    第二个的话是包的名字
  • 00:18:56
    那么第三个的话是环境变量
  • 00:18:58
    我们只要把这三个参数填到
  • 00:19:00
    配置里面就可以了
  • 00:19:02
    第一个是npx
  • 00:19:04
    第二个的话是-y以及包名
  • 00:19:06
    就是这边复制过去的
  • 00:19:08
    它代表的意思
  • 00:19:09
    就是在n8n里面用npx指令
  • 00:19:12
    是nodejs安装外部包的一个指令
  • 00:19:16
    通过这个指令
  • 00:19:17
    然后直接确认安装外部的nodejs包
  • 00:19:21
    最后的话就是环境变量
  • 00:19:23
    我们复制一下参数的名字
  • 00:19:25
    回到这里的配置
  • 00:19:27
    它这边有两种展示方式
  • 00:19:29
    第一种的话是加密展示
  • 00:19:31
    这样的话我们粘贴进去
  • 00:19:32
    它是不会显示出来的
  • 00:19:33
    然后第二种的话是直接显示出来
  • 00:19:35
    那么我们可以切换到这边显示出来
  • 00:19:37
    把参数名填入
  • 00:19:39
    输入一个等于号
  • 00:19:40
    那么接下来的话
  • 00:19:41
    我们就要来到 friecrwal这个平台
  • 00:19:43
    我们在它的官网去申请一个api key
  • 00:19:48
    注册登录之后
  • 00:19:49
    就可以在控制面板的首页
  • 00:19:51
    得到 api key
  • 00:19:53
    然后这个平台针对免费用户
  • 00:19:55
    每个月的话都是有500次免费的使用额度
  • 00:19:59
    也就是我们可以爬取500次网站
  • 00:20:01
    我们复制一下key
  • 00:20:03
    然后把这个key 粘贴进去
  • 00:20:06
    点击保存就可以了
  • 00:20:07
    这样的话第一个mcp服务就配置好了
  • 00:20:10
    这边的话就选择刚刚我们配置好的验证
  • 00:20:13
    然后这个参数是不用改的
  • 00:20:15
    第一步我们是让它罗列出来
  • 00:20:17
    所有的可用工具
  • 00:20:19
    listtools
  • 00:20:20
    把这个它从里面所有的工具罗列出来
  • 00:20:24
    罗列出来之后
  • 00:20:25
    我们还要添加一个mcp的子节点
  • 00:20:29
    就是让它执行工具
  • 00:20:30
    下面还有两个参数要填
  • 00:20:33
    第一个是工具的名字
  • 00:20:34
    然后第二个的话是工具对应的一些参数配置
  • 00:20:38
    工具名字我们把它切换到变量
  • 00:20:40
    然后输入两个英文的大括号
  • 00:20:43
    输入 $fromAI
  • 00:20:44
    选择fromAI
  • 00:20:46
    这个方法是n8n自带的一个方法
  • 00:20:49
    我们可以直接使用
  • 00:20:50
    代表这个参数来源于ai-agent的节点
  • 00:20:53
    让它自动判断里面的指南
  • 00:20:55
    我们输入toolname就可以了
  • 00:20:57
    代表它会自动根据ai来判断工具的名字
  • 00:21:01
    这个参数也不用我们自己填
  • 00:21:03
    点击这个小图标
  • 00:21:04
    同样的话让它根据模型
  • 00:21:06
    自动来填充这个值就可以了
  • 00:21:08
    这样的话爬虫的服务就配置完成了
  • 00:21:11
    首先是罗列它所有可用的工具
  • 00:21:14
    然后返回给ai-agent的节点
  • 00:21:16
    根据我们的需求判断要用哪个工具
  • 00:21:19
    然后让大模型根据我们的任务
  • 00:21:21
    生成这个工具它对应的一些参数
  • 00:21:24
    去执行这个工具
  • 00:21:26
    执行完成之后
  • 00:21:27
    把结果返回到ai-agent的节点
  • 00:21:30
    再根据我们的任务进行加工
  • 00:21:31
    好
  • 00:21:32
    接下来我们还要配置第二个mcp
  • 00:21:34
    配置联网的mcp服务
  • 00:21:36
    同样的话这边我们要创建一个授权
  • 00:21:38
    点击添加新的
  • 00:21:40
    然后它的安装方式也是一样的
  • 00:21:43
    我们先回到这里
  • 00:21:44
    然后搜索联网
  • 00:21:46
    因为我这边是知道我的需求
  • 00:21:48
    要用哪些mcp服务
  • 00:21:49
    如果你的需求不知道用哪些
  • 00:21:51
    那么你可以回到网址翻译一下
  • 00:21:54
    看对应的mcp服务
  • 00:21:55
    它有什么样的功能
  • 00:21:57
    然后你选择对应的mcp服务
  • 00:21:59
    点击进去就知道它的安装方式
  • 00:22:01
    那么我们进入 Brave 里面
  • 00:22:03
    它的安装方式
  • 00:22:05
    npx -y
  • 00:22:06
    然后它的包名
  • 00:22:07
    这边是有一个环境变量
  • 00:22:09
    就是它的api-key值
  • 00:22:10
    跟刚才的逻辑是一样的
  • 00:22:12
    npx -y 包名
  • 00:22:14
    然后环境变量
  • 00:22:15
    我们去 Brave 官网
  • 00:22:17
    我去一个api-key
  • 00:22:19
    创建一个api-key
  • 00:22:20
    把参数
  • 00:22:22
    也就是环境变量
  • 00:22:23
    api-key这个密钥
  • 00:22:24
    按刚才的方式
  • 00:22:25
    一样给它填写
  • 00:22:27
    进来点击保存就可以了
  • 00:22:29
    这样的话就代表
  • 00:22:30
    Brave 联网搜索的 mcp服务
  • 00:22:33
    已经介入进来了
  • 00:22:34
    然后我们选择 Brave
  • 00:22:36
    在创建验证的时候
  • 00:22:38
    还是要稍微注意一下
  • 00:22:39
    我们看到的这些名字
  • 00:22:41
    都是我自定义的
  • 00:22:43
    也就是你在创建新的验证的时候
  • 00:22:45
    可以点击左上角
  • 00:22:47
    把这个名字改一下
  • 00:22:49
    改成方便你记忆的方式
  • 00:22:50
    它是什么样的 mcp服务
  • 00:22:52
    你就改成什么样的服务
  • 00:22:53
    方便你自己去记忆
  • 00:22:55
    然后同样的话
  • 00:22:56
    我们第一步要罗列出来
  • 00:22:58
    Brave 它里面有哪些工具可以使用
  • 00:23:01
    那么罗列完成之后
  • 00:23:02
    我们再去添加一个执行工具
  • 00:23:04
    基本上我们在 ai-agent的节点下面
  • 00:23:06
    去添加一款 mcp 服务的话
  • 00:23:09
    都是添加两个节点
  • 00:23:10
    第一个节点的话
  • 00:23:11
    就是罗列它可用的工具
  • 00:23:13
    那么第二个节点的话
  • 00:23:14
    就是添加执行节点
  • 00:23:15
    基本上都是逻辑
  • 00:23:18
    我们选择 Brave
  • 00:23:20
    然后这边的话是选择执行工具
  • 00:23:22
    工具名字的话和刚才一样
  • 00:23:24
    就是用 $fromAI()
  • 00:23:26
    这个自带的方法
  • 00:23:27
    然后这的话让 ai 自动填充就可以了
  • 00:23:30
    最后我们再把这些名字改一下
  • 00:23:33
    方便我们在工作流里面辨识
  • 00:23:35
    每个节点它的功能作用
  • 00:23:37
    这个是罗列爬虫的工具
  • 00:23:40
    然后这个是执行工具
  • 00:23:41
    这个是联网搜索的罗列
  • 00:23:44
    这个是联网搜索的执行
  • 00:23:46
    OK
  • 00:23:46
    然后接下来我们就可以找一个链接
  • 00:23:48
    测试一下
  • 00:23:49
    同样以这个链接为例
  • 00:23:51
    我们在对话窗口当中
  • 00:23:53
    发送过去
  • 00:23:54
    判断为链接执行 ai-agent的节点
  • 00:23:57
    根据我们的任务
  • 00:23:58
    它是先执行了这个
  • 00:24:00
    爬虫的工具
  • 00:24:02
    获取到它有哪些工具列表
  • 00:24:04
    输入输出
  • 00:24:05
    输出的话
  • 00:24:06
    就是把这款 mcp 服务的所有工具
  • 00:24:09
    给我们罗列出来
  • 00:24:10
    罗列出来之后
  • 00:24:11
    同样的话
  • 00:24:12
    就要由大模型来判断
  • 00:24:14
    判断这个需求要调用哪个工具
  • 00:24:16
    然后就到这个工具执行的节点
  • 00:24:19
    用这个工具名字
  • 00:24:20
    然后 url 参数的话
  • 00:24:22
    就是刚才我们给他发送过去的
  • 00:24:23
    下面还有一个格式
  • 00:24:25
    这个都是默认的
  • 00:24:26
    不用去做改动
  • 00:24:27
    通过这个输入之后
  • 00:24:28
    他把这个文章给我们获取出来了
  • 00:24:31
    之后就要由大模型节点
  • 00:24:33
    接下来是要进行联网搜索
  • 00:24:35
    第一步
  • 00:24:36
    他获取联网搜索的所有工具
  • 00:24:38
    就要由大模型
  • 00:24:39
    判断要用哪个工具
  • 00:24:41
    判断完成之后
  • 00:24:42
    他是要用 Brave Web Search
  • 00:24:45
    它的关键词是
  • 00:24:46
    OpenGPT 4.1
  • 00:24:48
    为之OpenGPT 4.5的一个对比
  • 00:24:51
    查询的条数是10条
  • 00:24:53
    获取到这些内容数据
  • 00:24:55
    就是通过联网搜索的
  • 00:24:56
    mcp服务得到的
  • 00:24:57
    ok
  • 00:24:58
    等于现在我们两个结果
  • 00:25:00
    我们想要的两个内容
  • 00:25:01
    都通过mcp服务得到了
  • 00:25:03
    最后把这个结果交由大模型
  • 00:25:05
    进行最后的一个组装
  • 00:25:08
    好
  • 00:25:08
    然后这边就是他的输出
  • 00:25:09
    第一个是该要性总结
  • 00:25:11
    关于GPT 4.1模型
  • 00:25:13
    它的一个性价比优势
  • 00:25:15
    三下文支持编码能力
  • 00:25:17
    下面的话进行联网搜索
  • 00:25:19
    验证与补充
  • 00:25:21
    好
  • 00:25:21
    补充了这些信息
  • 00:25:22
    那么最后是根据这两段内容
  • 00:25:25
    直接生成了这样一个带表情的
  • 00:25:27
    带icon的
  • 00:25:28
    这样的一段推特帖子的内容
  • 00:25:31
    并且最后是带这个标签的
  • 00:25:34
    #标签的
  • 00:25:35
    那整个过程就完成了
  • 00:25:37
    然后后面的话
  • 00:25:37
    你可以把它放到NOTION表格里面去
  • 00:25:40
    或者说你也可以直接
  • 00:25:42
    把这个内容提取出来
  • 00:25:44
    给他放到x里面去
  • 00:25:46
    都是可以的
  • 00:25:46
    在N8N里面
  • 00:25:48
    它是有很多这样的
  • 00:25:50
    第三方应用
  • 00:25:51
    外部应用
  • 00:25:52
    它的功能是已经集成到节点里面去了
  • 00:25:55
    x也是可以的
  • 00:25:56
    甚至说你要给他发送到社交工具
  • 00:25:58
    去里面也是可以的
  • 00:26:00
    像telegram
  • 00:26:01
    还有这个whatsapp
  • 00:26:03
    LINE
  • 00:26:03
    还有这个discord
  • 00:26:05
    国外的一些这个通讯工具
  • 00:26:07
    都是接入的
  • 00:26:08
    所以去用n8n的工作流
  • 00:26:11
    然后结合这个mcp服务
  • 00:26:14
    我们要去拓展一些外部能力
  • 00:26:17
    拓展工作流的
  • 00:26:18
    与外部数据交互的能力
  • 00:26:20
    其实使用上还是很方便的
  • 00:26:22
    核心的逻辑
  • 00:26:23
    就是添加这个mcp的社区节点
  • 00:26:27
    然后把这个节点
  • 00:26:28
    跟AI的节点连接在一起
  • 00:26:31
    那么在AI的节点里面
  • 00:26:32
    去设置我们的任务
  • 00:26:34
    在用户指令里面设置我们的任务
  • 00:26:38
    然后在系统指令里面
  • 00:26:40
    去设置他调用的逻辑
  • 00:26:43
    怎么样去使用mcp的服务
  • 00:26:46
    然后什么样的需求
  • 00:26:47
    要用哪款工具
  • 00:26:48
    这个我们给他注明就可以了
  • 00:26:50
    那么剩下的都可以交给大模型
  • 00:26:53
    自己判断
  • 00:26:53
    包括我在做这期视频的时候
  • 00:26:55
    我其实看到这个n8n的官方
  • 00:26:57
    他已经推出了mcp的官方节点
  • 00:27:01
    只不过他目前的功能还比较单一
  • 00:27:03
    那么这期视频的话
  • 00:27:04
    我暂时先不讲
  • 00:27:05
    等后面功能完善之后
  • 00:27:07
    我再去单独做一期
  • 00:27:09
    官方的mcp服务的介绍视频
  • 00:27:13
    功能使用视频
  • 00:27:14
    感兴趣的同学
  • 00:27:15
    可以关注一下我的频道
  • 00:27:18
    后面会持续分享
  • 00:27:19
    n8n工作流的一些
  • 00:27:21
    进阶使用的实战场景
  • 00:27:24
    跟大家一起交流
  • 00:27:25
    学习n8工作流的使用
  • 00:27:28
    好
  • 00:27:28
    然后最后再用一点点时间
  • 00:27:30
    给大家讲一下
  • 00:27:31
    要怎么样去挖掘这些mcp服务的资源
  • 00:27:34
    从而去拓展
  • 00:27:35
    不管是工作流客户端
  • 00:27:38
    还是其他的AI应用的客户端
  • 00:27:41
    去拓展他的外部服务的能力
  • 00:27:43
    这里我推荐大家关注一下这个平台
  • 00:27:46
    他汇集了目前市面上大部分的
  • 00:27:49
    mcp服务的集成平台
  • 00:27:52
    比如说今天这期视频当中
  • 00:27:53
    我们用到的网址
  • 00:27:54
    他这边收集了
  • 00:27:56
    还有的话
  • 00:27:57
    mcp market
  • 00:27:58
    还有mcp.so
  • 00:27:59
    这几个都是比较有名的
  • 00:28:02
    排名比较靠前的
  • 00:28:03
    mcp服务的集成方
  • 00:28:06
    收集方信息的展示平台
  • 00:28:08
    那么通过这个链接
  • 00:28:10
    基本上我觉得可以获得市面上
  • 00:28:12
    80% 90%
  • 00:28:14
    或者90%以上的mcp服务
  • 00:28:15
    我们在这里面都是可以找到的
  • 00:28:17
    我随便点开一个mcp.so
  • 00:28:20
    然后在这边
  • 00:28:21
    他会把所有的mcp服务
  • 00:28:23
    都给我们展现出来
  • 00:28:24
    你想用什么样的mcp服务
  • 00:28:26
    他的介绍
  • 00:28:27
    然后他的这个接入方式
  • 00:28:29
    不管是在n8n里面
  • 00:28:31
    还是在其他的客户端里面
  • 00:28:35
    其实逻辑都差不多
  • 00:28:37
    比如说像我在用的
  • 00:28:39
    chatwise这个平台
  • 00:28:40
    他基本上也是填写这三个参数
  • 00:28:43
    第一个的话是命令行
  • 00:28:45
    然后第二个的话是环境变量
  • 00:28:47
    这个名字是自定义的
  • 00:28:48
    也不用管
  • 00:28:49
    那么就是通过npx命令 -y
  • 00:28:52
    然后他的包名
  • 00:28:53
    就是mcp服务的包名
  • 00:28:55
    下面把这个环境变量
  • 00:28:57
    给他填进去就ok了
  • 00:28:59
    那么我们就可以看到
  • 00:29:00
    他可用的工具开启之后
  • 00:29:02
    那么就可以在对应的客户端里面
  • 00:29:05
    进行使用
  • 00:29:05
    其实逻辑都差不多
  • 00:29:07
    主要是掌握mcp服务的一些资源
  • 00:29:11
    然后就可以根据自己的需求
  • 00:29:13
    把对应的mcp服务
  • 00:29:15
    组装到你自己想用的客户端当中
  • 00:29:17
    好
  • 00:29:18
    那么以上就是这期视频的内容
  • 00:29:20
    怎么样把mcp服务
  • 00:29:22
    接入到n8n的工作流当中
  • 00:29:24
    今天这期视频当中
  • 00:29:26
    用到的这些网址
  • 00:29:27
    还有工作流当中用到的Prompt
  • 00:29:30
    我会放到简介里面的视频笔记当中
  • 00:29:33
    感谢大家的观看
  • 00:29:34
    我们下期视频再见
Etiquetas
  • n8n
  • MCP服务
  • 工作流
  • 自动化
  • 爬虫
  • 联网搜索
  • AI
  • 开源
  • 文本处理
  • 推特生成