最近AI圈最火的话题，绕不开MCP协议。MCP为大型语言模型提供了一套统一接口，用来访问外部数据和工具——云厂商像腾讯云、阿里百炼都已经接入。你可以把它理解成大模型的一个“万能插槽”，即插即用。但光有万能插座还不够，大模型要真正发挥价值，还得靠AI工作流。今天就来实际操作一把，看看MCP加工作流能玩出什么花样。

什么是N8N

n8n是一款开源的工作流自动化平台。通过它强大的节点系统，你可以创建复杂的工作流，连接多个服务、数据库和工具。

目前n8n在GitHub上的Star数已经达到82.4K，是开源工具里排名靠前的项目之一，可见社区对其的认可度。

本地部署n8n

话不多说，直接上手。以下是在本机通过Docker安装部署n8n的完整步骤。

第一步：安装 Docker

访问Docker官方网站，选择 Products > Docker Desktop：

在下载页面里，选择适合你系统的版本进行下载：

运行或拖拽（MacOS）下载后的文件，按提示将Docker安装在你的电脑上。

第二步：部署 n8n

打开Docker Desktop，在搜索框中输入 n8n，选择 n8nio/n8n 官方镜像，点击右边的 Pull 下载镜像。

如果搜索或下载时出错，说明你的网络环境需要一些特殊工具，这里不做详细指导，请自行搜索解决。

在电脑任意位置创建一个目录，用于存储n8n数据。注意路径和名称不要包含中文。

回到Docker，切换到 Images 标签页，找到刚才下载的 n8nio/n8n 镜像，点击右边的三角形图标启动容器。

首次运行时会进入容器创建界面，需要修改两个地方：

• Ports：设置端口为 5678；
• Volumes：设置持久化存储。在 Host path 中选择刚才创建的目录，在 Container Path 中填入 /home/node/.n8n/。

这一步的作用是将n8n内部的存储目录映射到宿主机，避免升级容器时数据丢失。

填写完成后点击 run。大约等待不到1分钟，在 Logs 中会看到类似这样的输出：

Editor is now accessible via: http://localhost:5678/

此时直接访问 http://localhost:5678/ 即可进入n8n的安装界面。

安装MCP节点

进入n8n后，界面非常简洁：

在 Settings → Community nodes 中，搜索并安装 n8n-nodes-mcp 这个社区节点包。

至此，前期准备工作全部完成。接下来就是创建工作流了。

如何创建工作流

• 起始节点：添加一个会话节点，用于发送消息。
• AI Agent：添加n8n支持的大模型节点（本文以DeepSeek为例）。在这里可以配置模型参数，包括系统提示、温度、BOS令牌和聊天模板等。运行时，应用后台会自动管理内存，支持卸载和加载模型。生成响应时，页面会实时显示每秒令牌数及每个令牌的毫秒数，方便调试。
• 测试大模型：检查DeepSeek能否正确接收指令并返回结果。n8n的对话窗口会显示每个节点的请求日志，帮助开发者直观追踪执行流程。

到这一步，与大模型交互的基本工作流就搭建好了。但关键环节是接入MCP——回到AI Agent节点设置页面，定义提示词，并选择工具调用方式，让大模型根据用户输入自动选择合适的MCP工具。

如果执行过程中间出现MCP Server连接失败，可以通过Docker的日志面板查看错误日志。常见的错误是秘钥配置不正确，修改后重新运行即可。