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

Ringkasan

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。

Takeaways

🔧 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

Garis waktu

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。

Tampilkan lebih banyak

Peta Pikiran

Video Tanya Jawab

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。

Lihat lebih banyak ringkasan video

Dapatkan akses instan ke ringkasan video YouTube gratis yang didukung oleh AI!

Teks

zh-Hans

Gulir Otomatis:

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

Tags

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