AI导哈

语义搜索文档服务器

axiom8-mcp是一个AI驱动的n8n文档服务器，通过语义搜索、混合检索和AI驱动的理解，为Claude和其他AI助手提供智能访问n8n完整工作流自动化知识库的能力。

  • by alexandre-axioma
  • TypeScript
  • 本地部署
  • 更新于
在 GitHub 查看 alexandre-axioma/axiom8-mcp

使用说明

axiom8微控制器

基于AI的n8n文档服务器，支持语义搜索

axiom8-mcp通过语义搜索、混合检索和人工智能驱动的理解，为Claude和其他人工智能助手提供了对n8n完整工作流自动化知识库的智能访问。

🙏 在坚实的地基上建造的

该项目建立在以下优秀工作的基础上 罗穆阿尔德·楚隆科夫斯基，创建了最初的n8n MCP服务器。Axioma通过混合搜索技术、语义理解和人工智能支持的检索功能增强了原始功能。基础架构和初始实现的所有功劳都归功于原作者——我们站在巨人的肩膀上，让人工智能助理更容易获得n8n知识。

✨ axiom8 mcp的特殊之处

🧠 语义搜索：理解意图，而不仅仅是关键字
🔍 混合检索：结合文本搜索+人工智能嵌入+重新排名
📚 全覆盖：525+n8n个节点，包含完整文档
🤖 AI优化：专为AI助手集成而构建
🚀 生产就绪：在部署之前验证工作流

传统搜索与语义搜索

传统查询 语义理解
“电子邮件节点”→ 查找名称中包含“email”的节点 “处理客户反馈”→ 查找调查、电子邮件、Slack、数据库节点
“http请求”→ 找到HTTP请求节点 “调用API”→ 查找HTTP请求、Webhook、cURL节点+示例
“数据库”→ 查找数据库节点 “存储用户数据”→ 查找数据库、Airtable、谷歌表格+配置

🚀 快速开始

axiom8 mcp新手？ 关注我们 完整安装指南 从零开始逐步设置。

5分钟设置

  1. 获取API密钥 （可选，用于语义搜索）：

  2. 构建和配置:

    git clone https://github.com/alexandre-axioma/axiom8-mcp.git
cd axiom8-mcp
docker build -t axiom8-mcp:latest .

  3. 添加到克劳德桌面:

    {
  "mcpServers": {
    "axiom8-mcp": {
      "command": "docker",
      "args": [
        "run", "-i", "--rm",
        "-e", "MCP_MODE=stdio",
        "-e", "ENABLE_SEMANTIC_SEARCH=true",
        "-e", "OPENAI_API_KEY=your-key-here",
        "-e", "COHERE_API_KEY=your-key-here",
        "axiom8-mcp:latest"
      ]
    }
  }
}

  4. 添加到克劳德代码:

    claude mcp add-json axiom8-mcp '{
  "command": "docker",
  "args": [
    "run", "-i", "--rm",
    "-e", "MCP_MODE=stdio",
    "-e", "ENABLE_SEMANTIC_SEARCH=true",
    "-e", "OPENAI_API_KEY=your-key-here",
    "-e", "COHERE_API_KEY=your-key-here",
    "axiom8-mcp:latest"
  ]
}'

  5. 测试：询问Claude：“搜索有助于处理客户数据的节点”

🎯 使用示例

智能节点发现

Claude: "I need to process emails and extract attachments"
→ Finds: Gmail, Email, File operations, with working examples

智能配置

Claude: "Configure HTTP Request node for OAuth API calls"
→ Returns: Complete setup with authentication examples

工作流智能

Claude: "Build a workflow that monitors webhooks and saves data"
→ Suggests: Webhook → Filter → Database with full configuration

🔧 配置模式

全功率模式（推荐）

"-e", "ENABLE_SEMANTIC_SEARCH=true",
"-e", "ENABLE_COHERE_RERANKING=true",
"-e", "OPENAI_API_KEY=sk-...",
"-e", "COHERE_API_KEY=..."

益处：最佳搜索质量，通过混合搜索理解复杂查询

自由模式

"-e", "ENABLE_SEMANTIC_SEARCH=false"

益处：传统的文本搜索，不需要API键

📊 性能比较

功能 axiom8 mcp 传统搜索
搜索质量 基于意图，上下文 仅关键字匹配
查询理解 “帮助处理客户数据”✓ 需要精确的关键字
配置示例 包括工作示例 通用文档
工作流验证 部署前验证 仅限手动测试
人工智能集成 为AI助手构建 以人为本的文档

🧠 可用工具

🔍 搜索和发现（启用混合搜索）

  • search_nodes - 混合搜索 跨越525+个节点，具有意图理解能力
  • search_templates - 混合搜索 通过499+个社区工作流模板
  • list_nodes -按类别、包或AI功能浏览节点
  • get_node_essentials -轻量级节点信息（5KB vs 100KB+完整架构）
  • search_node_properties -跨节点查找特定属性（auth、headers、body）
  • get_database_statistics -可用节点和覆盖范围概述

⚙️ 节点配置和信息

  • get_node_info -包含所有属性和操作的完整节点架构
  • get_node_documentation -带有示例和模式的人类可读文档
  • get_node_for_task -用于常见任务（send_slack_message等）的预配置节点
  • get_property_dependencies -了解哪些属性使其他属性成为可能

🤖 人工智能工具和任务管理

  • list_ai_tools -263+个节点针对AI代理使用进行了优化
  • get_node_as_tool_info -将任何节点用作AI工具的指南
  • list_tasks -29+按类别组织的任务模板（HTTP/API、数据库、AI/LangChain、通信）

✅ 验证和质量保证

  • validate_workflow -完整的工作流验证（结构+连接+表达式）
  • validate_workflow_connections -快速连接和流量验证
  • validate_workflow_expressions -n8n表达式语法检查
  • validate_node_operation -带建议的完整节点配置验证
  • validate_node_minimal -快速检查缺少的必填字段

📚 模板和工作流

  • get_template -下载完整的工作流程JSON，准备导入
  • list_node_templates -使用特定节点查找模板
  • get_templates_for_task -按任务类型整理模板（ai_automation、data_sync等）

🏗️ 建筑

Claude Desktop
    ↓ (MCP Protocol)
axiom8-mcp Server
    ↓ (Hybrid Search)
┌─────────────────────┐
│ FTS5 Text Search    │ ← Keywords, exact matches
│ + Vector Embeddings │ ← Semantic understanding  
│ + RRF Fusion        │ ← Combines both results
│ + Cohere Reranking  │ ← Final quality boost
└─────────────────────┘
    ↓
Pre-built Knowledge Base
• 525 n8n nodes
• 499+ workflow templates  
• Documentation & examples
• AI tool configurations

🔍 技术细节

混合搜索引擎

  • FTS5：SQLite全文搜索精确匹配
  • OpenAI嵌入：text-embedding-3-small用于语义理解
  • RRF融合：使用互易秩融合组合结果
  • Cohere-Reranking：rerank-multilingual-v3.0用于最终优化

数据库

  • 预埋：525个节点+499个模板，已准备好嵌入
  • SQLite BLOB存储：高效的矢量存储
  • 内容哈希：仅在需要时进行增量更新
  • 零停机时间：原子数据库操作

演出

  • 搜索延迟：约100-200ms，带语义搜索
  • 数据库大小：~50MB，带嵌入
  • 内存使用：~100MB运行时间

📚 文档

🚨 故障排除

常见问题

“没有语义搜索结果”

  • 检查API密钥是否有效
  • 验证OpenAI帐户是否有信用
  • 先用基本模式测试

“找不到Docker映像”

docker build -t axiom8-mcp:latest .

“克劳德桌面未连接”

  • 验证JSON配置
  • 完全重新启动克劳德桌面
  • 检查Docker是否正在运行

调试步骤

  1. 测试Docker镜像： docker run --rm axiom8-mcp:latest
  2. 在以下位置验证配置JSON jsonlint.com
  3. 独立检查API密钥
  4. 启用调试日志记录： "LOG_LEVEL=debug"

🤝 贡献

  1. 分叉存储库
  2. 创建要素分支： git checkout -b feature/amazing-feature
  3. 提交更改： git commit -m 'Add amazing feature'
  4. 推送到分支： git push origin feature/amazing-feature
  5. 打开拉取请求

📄 许可证

此项目根据MIT许可证获得许可-请参阅 许可证 文件以获取详细信息。

🙏 致谢

原作者：特别感谢 罗穆阿尔德·楚隆科夫斯基 用于创建作为本项目基础的原始n8n MCP服务器。

增强通过: Axioma -我们增加了混合搜索、语义理解和人工智能驱动的检索功能，使人工智能助手更容易获取n8n知识。

准备好给你的人工智能助手超人n8n知识了吗？ 从我们的开始 安装指南!

相关 MCP