Wer regelmäßig mit Automatisierungstools wie n8n arbeitet, kennt den mühsamen Teil: einzelne Knoten zusammenklicken, JSON von Hand prüfen, Workflows aus Vorlagen kopieren. Ein YouTube-Video von Mark Kashef zeigt einen anderen Weg. Mit dem Sprachmodell Claude und sogenannten MCP-Servern lassen sich n8n-Workflows aus einer Beschreibung in natürlicher Sprache erzeugen, validieren und im Idealfall direkt in das eigene n8n-Konto schreiben.
Wir fassen die drei vorgestellten Ausbaustufen nüchtern zusammen, ordnen den Aufwand ein und benennen die Grenzen. Das Ziel: eine realistische Einschätzung, ob sich der Ansatz für Ihren Betrieb lohnt.
- MCP-Server geben Claude Zugriff auf n8n-Dokumentation, Beispiel-Workflows und die n8n-API, sodass Workflows aus einem Prompt entstehen.
- Stufe 1 (nur Claude Desktop plus MCP) ist per Copy-and-paste in eine Konfigurationsdatei aufgesetzt und ohne technische Vorkenntnisse machbar.
- Stufe 2 ergänzt Docker, damit Claude Workflows per API-Schlüssel direkt ins n8n-Konto schreiben kann.
- Stufe 3 kombiniert zusätzlich den Editor Cursor, um auf große Workflow-Bibliotheken zuzugreifen, ohne das Claude-Kontextfenster zu sprengen.
- Die Ergebnisse sind funktionsfähige Entwürfe (rund 70 bis 80 Prozent), kein fertiger Produktivstand; Zugangsdaten und Feinabstimmung bleiben Handarbeit.
Was MCP-Server eigentlich leisten
MCP steht für Model Context Protocol. Im Video wird es als Wrapper um eine API oder den Backend-Dienst einer Anwendung beschrieben, der die Kommunikation hin und zurück vereinfacht. Die anschauliche Analogie: Früher entsprach jede Funktion einer Anwendung einer einzelnen Tür, und für jede Anfrage musste man den passenden Schlüssel einzeln anlegen. Ein MCP-Server bündelt das. Ein Schlüssel öffnet viele Türen gleichzeitig.
Konkret heißt das: Statt jede Funktion einzeln hart zu verdrahten, liefert ein einziger Server eine Vielzahl an Funktionen. Im Beispiel stellt der zentrale n8n-MCP-Server 38 verschiedene Funktionen bereit, darunter das Suchen von Knoten, das Laden der Dokumentation und das Erstellen kompletter Workflows.
Die vier Bausteine
- n8n-Dokumentation: Da n8n weitgehend Open Source ist, kann ein MCP-Server die öffentliche Dokumentation auslesen und so erkennen, welche Knoten wann sinnvoll sind.
- Workflow-Bibliothek: Optionale Repositories mit tausenden Beispiel-Workflows erhöhen die Trefferquote und reduzieren Halluzinationen oder fehlerhafte Knoten.
- Agenten-Beispiele: Wer KI-Agenten statt reiner A-nach-B-Workflows will, sollte das im Prompt anstoßen oder Agenten-Beispiele mitgeben. Im Hintergrund basieren die Agentenstrukturen auf LangChain-Knoten.
- n8n-API-Zugang: Erst mit hinterlegtem API-Schlüssel und URL kann Claude Workflows tatsächlich ins Konto schreiben.
Stufe 1: Claude Desktop plus MCP-Server
Die Einstiegsvariante kommt ohne Docker aus und ist laut Video für jedes Kenntnisniveau geeignet. In Claude Desktop führt der Weg über Einstellungen, Entwickler, Konfiguration bearbeiten. In die Konfigurationsdatei wird der JSON-Block der gewünschten MCP-Server eingefügt, danach wird das Programm vollständig beendet und neu gestartet.
Im Video werden drei GitHub-Repositories kombiniert: eine Sammlung tausender n8n-Workflows, der Dienst Context7 für stets aktuelle Dokumentation sowie der eigentliche n8n-MCP-Server. Den passenden JSON-Code liefert das Werkzeug gitmcp.io, mit dem sich aus einem GitHub-Repository ein kleiner MCP-Server samt fertigem Konfigurations-Snippet erzeugen lässt. Die Snippets lassen sich anschließend von Claude selbst zu einer einzigen Konfigurationsdatei zusammenführen.
Einschränkung dieser Stufe: Ohne Docker fehlt der API-Zugang. Der n8n-MCP-Server bietet hier nur vier statt 38 Funktionen. Claude kann Workflows also als JSON erzeugen, die man manuell in n8n importiert, aber nicht automatisch schreiben. In der Demo durchsucht Claude die Workflow-Bibliothek nach einem Telegram-Beispiel, lernt aus dessen Struktur und erzeugt daraus einen importierbaren Entwurf. Mit dem Zusatz Context7 lässt sich derselbe Workflow anhand aktueller Dokumentation weiter verfeinern.
Stufe 2: Zusätzlich Docker für den direkten Import
Die zweite Stufe ergänzt Docker. Im Video als Container-Plattform beschrieben, die einzelne Anwendungen als isolierte Container lokal auf der eigenen Hardware ausführt. Der Vorteil: Der n8n-MCP-Server läuft lokal, was sicherheitstechnisch günstig ist, und kann mit hinterlegtem API-Schlüssel Workflows programmatisch ins n8n-Konto schreiben.
Für die Installation gibt es zwei Wege. Entweder den manuellen Download von Docker Desktop für Windows oder Mac, oder das KI-gestützte Terminal Warp, dem man in natürlicher Sprache Anweisungen wie „Lade Docker für mich herunter“ gibt. Tritt ein Fehler auf, schlägt Warp den nächsten Schritt vor, der sich per Tabulatortaste übernehmen lässt. Der eigentliche Start des Servers erfolgt mit einer einzigen Zeile nach dem Muster docker pull samt Link zum MCP-Server.
Worauf zu achten ist
- Der Container muss laufen (grünes Symbol) und Docker Desktop darf nicht geschlossen werden, sonst bricht die Verbindung zu Claude ab und die Werkzeuge verschwinden.
- Für den API-Zugang braucht es die n8n-Instanz-URL (der Teil vor dem Schrägstrich) sowie einen API-Schlüssel, der in den n8n-Einstellungen unter „n8n API“ neu erzeugt wird.
- Beides wird in den JSON-Block eingetragen. Danach werden 38 statt vier Funktionen sichtbar, darunter das zentrale n8n_create_workflow sowie das Auslesen und Bearbeiten bestehender Workflows.
Stufe 3: Cursor als Wissensspeicher
Die dritte Stufe kombiniert Claude Desktop, Docker und den Code-Editor Cursor. Der Grund liegt in einer praktischen Grenze von Claude: Beim Erzeugen von JSON-Dateien füllt sich das Kontextfenster schnell, und längere Gespräche stoßen an Limits. Cursor ist auf das Schreiben und Durchsuchen großer Codemengen ausgelegt und kann ganze Ordner mit tausenden Workflow-Dateien referenzieren, ohne alles in den Claude-Kontext zu laden.
Die im Video eingesetzten MCP-Server (n8n-MCP und Context7) lassen sich in Cursor mit exakt demselben JSON wie in Claude Desktop einrichten. Praktisch: Man kann Ordner per Drag-and-drop hinzufügen, etwa eine Sammlung von Agenten-Werkzeugen oder Beispiel-Agenten-Workflows, und im Prompt gezielt darauf verweisen.
Ein weiterer Punkt ist die Modellauswahl. Cursor bietet Zugriff auf verschiedene Claude-Modelle und deren Max-Variante sowie alternativ auf andere Sprachmodelle. Stößt man an ein Limit, lässt sich das Modell wechseln. Im Video wird ergänzt, dass der Editor Windsurf nicht genutzt wurde, weil dieser von OpenAI übernommen wurde und Claude dort den nativen Zugriff auf die neuesten Modelle eingestellt habe.
Der vollautomatische Durchlauf
In der Demo plant Claude im „Ask“-Modus zunächst einen Agenten-Workflow für eine Immobilienfirma mit Tools wie GoHighLevel, Gmail, Google Sheets und Slack. Für die Ausführung wird in den „Agent“-Modus gewechselt, damit die MCP-Server tatsächlich aufgerufen werden. Anschließend läuft folgender Ablauf weitgehend ohne Eingriff:
- Dokumentation lesen und relevante Knoten auflisten
- Knotenstruktur und Verfügbarkeit prüfen (inklusive einer Health-Check-Abfrage gegen das n8n-Konto)
- Workflow erstellen, validieren und Fehler erkennen
- bei Bedarf vereinfachen und per Teil-Update reparieren statt komplett neu schreiben
- finale Validierung und Schreiben in das n8n-Konto samt Workflow-ID
Der gesamte Lauf dauerte im Beispiel rund zehn Minuten und endete mit einem funktionsfähigen Agenten-Workflow im n8n-Konto, der Chat-Trigger, Speicher und ein Sprachmodell enthielt.
Die drei Stufen im Vergleich
- Stufe 1 (Claude Desktop plus MCP): Aufwand gering, kein Docker, kein direkter Import. Ergebnis ist importierbares JSON. Gut zum Ausprobieren.
- Stufe 2 (plus Docker): Aufwand mittel, einmalige Docker-Installation. Direkter Schreibzugriff aufs n8n-Konto über API-Schlüssel.
- Stufe 3 (plus Cursor): Aufwand höher, dafür kein Kontextlimit, Zugriff auf große Bibliotheken, Modellwechsel und der vollautomatische End-to-End-Durchlauf für komplexere Agenten-Workflows.
Einordnung für die Praxis
Der Ansatz nimmt repetitive Arbeit ab und liefert brauchbare Startpunkte. Wichtig bleibt die realistische Erwartung, die auch im Video genannt wird: Aus einem vagen Prompt entsteht ein einfacher Entwurf, der etwa 70 bis 80 Prozent abdeckt. Je präziser die Beschreibung der eigenen Prozesse, Reibungspunkte und vorhandenen Tools, desto passgenauer das Ergebnis.
Aus Beratungssicht heißt das: Die generierten Workflows sind ein Ausgangspunkt, kein Endprodukt. Zugangsdaten, Datenschutz, Fehlerbehandlung und die fachliche Logik müssen weiterhin geprüft und ergänzt werden. Der Sicherheitsaspekt des lokal laufenden Servers (Stufe 2) ist ein Argument, ersetzt aber keine saubere Governance bei der Vergabe von API-Schlüsseln.
Fazit
Die Kombination aus Claude und MCP-Servern senkt die Einstiegshürde für n8n spürbar. Wer nur testen will, kommt mit Stufe 1 ohne technische Hürden zum Ziel. Der direkte Import (Stufe 2) und der vollautomatische Aufbau komplexer Agenten-Workflows (Stufe 3) erfordern etwas mehr Einrichtung, liefern dafür einen weitgehend händischen Klickaufwand ersparenden Ablauf. Entscheidend bleibt die Qualität des Prompts und eine kritische Nachprüfung der Ergebnisse. Als Werkzeug zur Beschleunigung ist der Ansatz nützlich, als Selbstläufer sollte man ihn nicht verstehen.
Quelle: Mark Kashef, How to Use Claude & MCPs to INSTANTLY Build n8n AI Agents (MASTERCLASS)