n8n + MCP：打造AI自动化工作流实战
n8n是自动化工作流领域的"王者"，MCP是AI工具连接的"标准接口"。两者结合，可以做出一些非常强大的自动化方案。
n8n是什么？
一句话：开源的自动化工作流平台。你可以把它想象成一个"数字胶水"——把不同的服务、工具、API串联起来，自动化执行。
举个例子：收到邮件 → 提取关键信息 → 存入数据库 → 发钉钉通知。以前要写代码实现，现在在n8n里拖几个节点就行。
为什么要加MCP？
n8n本身有500多个连接器，已经很强了。但接入MCP后，n8n可以直接调用AI Agent的能力——不只是"串联工具"，而是"让AI来决定怎么串联"。
区别：
- 没有MCP：你定义好流程，n8n按流程执行
- 有了MCP：AI根据实际情况动态调整流程
实战案例
案例一：智能客服工单处理
客户邮件 → AI分类（MCP调用大模型）
├─ 技术问题 → 查知识库 → 生成解答 → 自动回复
├─ 投诉 → 创建工单 → 通知负责人
└─ 咨询 → 生成报价 → 发送邮件
AI根据邮件内容自动判断类型和处理方式，不需要人工分拣。
案例二：日报自动生成
定时触发（每天18:00）
→ 拉取Git提交记录
→ 拉取项目管理工具的完成任务
→ AI总结（MCP调用大模型）
→ 生成日报
→ 发送到飞书群
下班前日报自动出来，不用再手写。
案例三：竞品监控
定时触发（每小时）
→ 抓取竞品网站更新
→ AI分析变化（MCP调用大模型）
→ 有重要变化 → 发钉钉告警
→ 无变化 → 记录日志
部署建议
本地部署
docker run -d --name n8n \
-p 5678:5678 \
-v n8n_data:/home/node/.n8n \
n8nio/n8n
MCP集成
在n8n的Community Node中安装MCP相关节点，配置好模型API即可。
跟Dify的区别
| 维度 | n8n | Dify |
|---|---|---|
| 定位 | 通用自动化 | AI应用开发 |
| AI能力 | 通过MCP接入 | 原生支持 |
| 自动化 | 极强 | 一般 |
| 上手难度 | 高 | 中 |
| 适合场景 | 复杂工作流 | AI对话应用 |
如果你的核心需求是"把多个系统串起来自动化"，选n8n。如果核心需求是"搭一个AI问答应用"，选Dify。
注意事项
- n8n的学习曲线确实陡，建议从简单工作流开始
- MCP节点的稳定性取决于模型API的稳定性
- 复杂工作流要做好错误处理，一个节点挂了不能影响全局
- 做好日志，自动化出问题时需要能快速定位
有在用n8n做自动化的吗？搭了什么有意思的工作流？