AI导哈

AI代理工作流集成工具

该项目展示了如何在n8n工作流中集成AI聊天代理与MCP服务器（模型上下文协议），通过MCP工具扩展模型能力，实现安全工具执行、动态操作和实时响应。

  • by pietro-franca
  • 本地部署
  • 1 星标
  • 更新于
在 GitHub 查看 pietro-franca/AI-agent-with-MCP-server-n8n-workflow

使用说明

MCP服务器代理（n8n+AI+MCP）

该项目演示了如何集成 AI聊天代理 带着一个 MCP服务器（模型上下文协议） 内部A n8n工作流程工作流程使用MCP工具扩展模型的功能，实现安全的工具执行、动态操作和聊天中的实时响应。

特性

  • 🔗 与MCP服务器完全集成
  • 🧠 AI聊天代理 （gpt-4o-mini）能够动态调用工具
  • 🛠️ MCP工具：
    • listTools
    • executeTool
  • ⚙️ 完全内置 n8n
  • 📦 包含导出的工作流程JSON

运作原理

1. 用户发送消息

工作流从UI输入开始。

2. AI解释请求

该模型根据消息决定是否需要工具调用。

3. MCP客户端节点处理工具执行

  • 工作流使用以下方式与MCP服务器通信：
    • 列出工具 → 检索可用工具
    • 执行工具 → 运行带有参数的特定工具
  • 参数从AI动态传递。

4. 结果返回给AI

AI接收工具输出并生成精确的响应。

5. 最终回复已送达

用户会收到一个丰富的、工具驱动的答案。

截图

🔧 MCP——列表工具

显示用于查询可用MCP工具的参数。

⚙️ MCP——执行工具

使用来自AI的动态输入执行工具的示例。

💬 聊天流程

使用MCP工具对代理进行端到端演示。

代理人如何工作

AI代理节点遵循以下逻辑：

  • 执行前始终列出工具
  • 仅限使用 brave_web_search 和 brave_local_search
  • 使用以下命令执行所选工具 $fromAI("tool", "selected tool to execute")
  • 通过发送参数 $fromAI("Tool_Parameters", "", "json")

工作流程步骤

  1. 检测意图
  2. 列出可用工具
  3. 选择合适的工具
  4. 呼叫MCP服务器
  5. 返回聊天的最终响应

如何在当地跑步

1.导入工作流

在n8n中：设置->从文件导入->工作流.json

2.配置环境变量

设置您的模型密钥、MCP服务器URL和任何所需的API凭据。

3.启动n8n

n8n start

4.触发工作流程

您可以通过以下方式进行测试：

  • n8n用户界面
  • 连接到工作流的聊天界面

相关 MCP