n8n MCP Server
Enables management of n8n workflow automations through natural language, supporting creation, execution, updates, and deletion of workflows, along with node discovery and execution status monitoring.
README
MCP-сервер для управления n8n workflow
Модульный MCP-сервер (Model Context Protocol) для управления автоматизациями (workflow) в платформе n8n через естественно-языковый интерфейс.
✅ Статус реализации
MCP-сервер полностью реализован и протестирован!
✅ Все операции работают корректно:
- Создание workflow - ✅ работает
- Получение списка workflow - ✅ работает
- Получение workflow по ID - ✅ работает
- Обновление workflow - ✅ работает (PUT метод)
- Удаление workflow - ✅ работает
- Запуск workflow - ✅ готов к использованию
- Получение статуса выполнения - ✅ готов к использованию
Архитектура
n8n_mcp_server/
├── server.py # Основной MCP-сервер с 7 инструментами
├── n8n_client.py # Клиент для n8n API
├── config.py # Конфигурация приложения
├── tools/__init__.py # Инструменты MCP
├── tests/ # Тесты
├── test_workflow_data.py # Определения тестовых workflow
├── test_connection.py # Интеграционные тесты
├── README.md # Эта документация
├── .env # Конфигурация
├── Dockerfile # Для контейнеризации
├── docker-compose.yml # Оркестрация контейнеров
└── debug_api.py # Скрипты отладки
Инструменты (Tools)
MCP-сервер предоставляет 11 инструментов:
🔧 Workflow инструменты:
1. list_workflows
Возвращает список всех workflow с базовой информацией (ID, имя, активность).
2. get_workflow
Получает полное описание workflow по ID.
Параметры:
workflow_id(string, required) - ID workflow
3. create_workflow
Создаёт новый workflow в n8n.
Параметры:
name(string, required) - Название workflownodes(array, optional) - Массив узлов в формате n8n JSONconnections(object, optional) - Связи между узламиsettings(object, optional) - Настройки workflowstaticData(object, optional) - Статические данные
4. update_workflow
Обновляет существующий workflow.
Параметры:
workflow_id(string, required) - ID workflow для обновленияname(string, optional) - Новое названиеnodes(array, optional) - Новые узлыconnections(object, optional) - Новые связиactive(boolean, optional) - Новый статус активности
5. delete_workflow
Удаляет workflow по ID.
Параметры:
workflow_id(string, required) - ID workflow для удаления
6. execute_workflow
Запускает workflow вручную.
Параметры:
workflow_id(string, required) - ID workflow для запускаinput_data(object, optional) - Данные для передачи в workflow
7. get_execution_status
Получает статус выполнения workflow.
Параметры:
execution_id(string, required) - ID выполнения
🔗 Node инструменты:
8. list_node_categories
Возвращает список категорий доступных узлов n8n.
9. get_nodes_by_category
Возвращает список узлов для указанной категории.
Параметры:
category_id(string, required) - ID категории (core, trigger, action, transform, aggregate)
10. get_node_info
Возвращает подробную информацию об узле по его типу.
Параметры:
node_type(string, required) - Тип узла (например, "n8n-nodes-base.set")
11. search_nodes
Поиск узлов по названию или описанию.
Параметры:
query(string, required) - Поисковый запрос
Установка и настройка
1. Клонируйте репозиторий:
git clone <repository_url>
cd n8n_mcp_server
2. Создайте виртуальное окружение:
python -m venv venv
source venv/bin/activate # Linux/Mac
# или
venv\Scripts\activate # Windows
3. Установите зависимости:
pip install -e .
4. Настройте конфигурацию:
Создайте файл .env с вашими настройками n8n:
N8N_BASE_URL=https://your-n8n-instance.com
N8N_API_KEY=your_api_key_here
LOG_LEVEL=INFO
Интеграция с Open WebUI
Через MCPO (рекомендуется)
-
Установите MCPO:
pip install mcpo -
Запустите с MCPO на порту 9876:
mcpo --host 0.0.0.0 --port 9876 -- python server.py stdio -
Сервер будет доступен по адресу:
- HTTP: http://localhost:9876
- OpenAPI спецификация: http://localhost:9876/openapi.json
- Документация Swagger UI: http://localhost:9876/docs
-
Настройте Open WebUI:
- В настройках Open WebUI добавьте новый MCP-сервер
- Укажите URL:
http://localhost:9876 - Сервер автоматически предоставит все доступные инструменты:
Запуск
Локальный запуск (STDIO):
python server.py stdio
Результаты последнего теста:
🧪 Запуск тестирования n8n MCP-сервера
==================================================
✅ Успешно подключено к n8n. Найдено 2 workflow.
✅ Чтение workflow работает корректно
✨ Создан workflow: Тестовый workflow MCP (ID: GmW1TH0zuGmeB5d1)
🔄 Обновлён workflow: Обновлённый workflow MCP
🗑️ Workflow удалён
✅ Все поддерживаемые операции работают!
🎉 Все тесты пройдены успешно!
Тестирование
Проверка подключения:
python test_connection.py
Результаты последнего теста:
🧪 Запуск тестирования n8n MCP-сервера
==================================================
✅ Успешно подключено к n8n. Найдено 2 workflow.
✅ Чтение workflow работает корректно
✨ Создан workflow: Тестовый workflow MCP (ID: GmW1TH0zuGmeB5d1)
🔄 Обновлён workflow: Обновлённый workflow MCP
🗑️ Workflow удалён
✅ Все поддерживаемые операции работают!
🎉 Все тесты пройдены успешно!
API n8n
Сервер использует следующие эндпоинты n8n API:
POST /api/v1/workflows- Создание workflow ✅GET /api/v1/workflows- Список workflow ✅GET /api/v1/workflows/{id}- Получение workflow ✅PUT /api/v1/workflows/{id}- Обновление workflow ✅DELETE /api/v1/workflows/{id}- Удаление workflow ✅POST /api/v1/workflows/{id}/run- Запуск workflow ✅GET /api/v1/executions/{id}- Статус выполнения ✅
Безопасность
- ✅ API-ключи передаются только через защищённые переменные окружения
- ✅ Все HTTP-запросы используют HTTPS
- ✅ Логирование не включает чувствительную информацию
- ✅ Сервер не хранит workflow JSON локально
Примеры использования
Создание простого workflow:
# Через MCP-инструмент
result = create_workflow(
name="Мой первый workflow",
nodes=[{
"parameters": {},
"name": "Start",
"type": "n8n-nodes-base.manualTrigger",
"typeVersion": 1,
"position": [240, 300],
"id": "start-node"
}],
connections={},
settings={}
)
print(f"Создан workflow: {result['name']} (ID: {result['id']})")
Обновление workflow:
# Через MCP-инструмент
updated = update_workflow(
workflow_id="your-workflow-id",
name="Новое название workflow"
)
print(f"Обновлён workflow: {updated['name']}")
Запуск workflow:
# Через MCP-инструмент
execution = execute_workflow(
workflow_id="your-workflow-id",
input_data={"message": "Привет от MCP!"}
)
print(f"Запущено выполнение: {execution['executionId']}")
Разработка
Структура кода
- server.py - основной MCP-сервер с инструментами
- n8n_client.py - инкапсуляция всех вызовов к n8n API
- config.py - конфигурация из переменных окружения
- test_connection.py - скрипт для тестирования подключения
- test_workflow_data.py - определения тестовых workflow
Добавление новых инструментов
- Добавьте функцию с декоратором
@server.tool() - Напишите тесты
- Обновите документацию
Лицензия
Этот проект лицензирован под MIT License.
Поддержка
При возникновении проблем:
- Проверьте настройки n8n в .env файле
- Убедитесь в корректности API-ключа n8n
- Проверьте доступность n8n API
- Запустите
python debug_api.pyдля отладки
✅ Проект полностью готов к использованию!
Recommended Servers
playwright-mcp
A Model Context Protocol server that enables LLMs to interact with web pages through structured accessibility snapshots without requiring vision models or screenshots.
Magic Component Platform (MCP)
An AI-powered tool that generates modern UI components from natural language descriptions, integrating with popular IDEs to streamline UI development workflow.
Audiense Insights MCP Server
Enables interaction with Audiense Insights accounts via the Model Context Protocol, facilitating the extraction and analysis of marketing insights and audience data including demographics, behavior, and influencer engagement.
VeyraX MCP
Single MCP tool to connect all your favorite tools: Gmail, Calendar and 40 more.
Kagi MCP Server
An MCP server that integrates Kagi search capabilities with Claude AI, enabling Claude to perform real-time web searches when answering questions that require up-to-date information.
graphlit-mcp-server
The Model Context Protocol (MCP) Server enables integration between MCP clients and the Graphlit service. Ingest anything from Slack to Gmail to podcast feeds, in addition to web crawling, into a Graphlit project - and then retrieve relevant contents from the MCP client.
Qdrant Server
This repository is an example of how to create a MCP server for Qdrant, a vector search engine.
Neon Database
MCP server for interacting with Neon Management API and databases
Exa Search
A Model Context Protocol (MCP) server lets AI assistants like Claude use the Exa AI Search API for web searches. This setup allows AI models to get real-time web information in a safe and controlled way.
E2B
Using MCP to run code via e2b.