n8n 1.0 新特性实战：使用 AI Agent 节点与 MCP 协议构建智能自动化工作流

创建工作流并添加触发器

新建 n8n 工作流，添加 Chat Trigger 节点作为入口。这个节点将接收来自 AI Agent 的请求。

{
  "nodes": [
    {
      "name": "Chat Trigger",
      "type": "@n8n/n8n-nodes-langchain.chatTrigger",
      "parameters": {}
    }
  ]
}

添加 AI Agent 节点

添加 AI Agent 节点，配置连接的聊天模型（如 OpenAI GPT-4o-mini）。在「System Message」中输入任务描述：

你是一个智能助手，负责调用可用的工具完成用户请求。
你有以下工具可用：MCP 工具、HTTP 请求、数据处理节点。
请根据用户需求选择最合适的工具组合。

配置 MCP Server Trigger

添加 MCP Server Trigger 节点，将工作流暴露为 MCP 工具：

{
  "name": "MCP Server",
  "type": "n8n-nodes-mcp.serverTrigger",
  "parameters": {
    "connectionType": "HTTP Streamable",
    "toolName": "customer_data_lookup",
    "toolDescription": "查询客户数据，支持按邮箱或公司名搜索",
    "authToken": "your-secure-random-token-here"
  }
}

添加业务逻辑节点

在 MCP Server Trigger 后添加实际的业务逻辑节点，例如 HTTP Request 调用 CRM API：

{
  "name": "HTTP Request",
  "type": "n8n-nodes-base.httpRequest",
  "parameters": {
    "requestMethod": "GET",
    "url": "={{ $json.query.endpoint }}",
    "sendQuery": true,
    "queryParameters": {
      "parameters": [
        {
          "name": "email",
          "value": "={{ $json.query.email }}"
        }
      ]
    }
  }
}

（可选）添加 MCP Client 调用外部工具

如果需要调用外部 MCP 服务（如 Brave Search），添加 MCP Client Tool 节点：

{
  "name": "MCP Client",
  "type": "n8n-nodes-mcp.client",
  "parameters": {
    "connectionType": "HTTP Streamable",
    "serverUrl": "https://mcp.brave.com/mcp",
    "credentials": "Brave Search Credentials",
    "operation": "executeTool",
    "toolName": "brave_search",
    "parameters": {
      "query": "={{ $json.query }}"
    }
  }
}

测试工作流

激活工作流后，使用以下方法测试：

• 通过 n8n 的「Execute Workflow」手动触发
• 使用 curl 测试 MCP 端点：

curl -X POST https://your-n8n.com/mcp/tools/customer_data_lookup \
  -H "Authorization: Bearer your-secure-token" \
  -H "Content-Type: application/json" \
  -d '{"query": {"email": "test@example.com"}}'