Crear workflows de n8n con Claude y MCP: tres niveles en resumen

Quien trabaja habitualmente con herramientas de automatización como n8n conoce la parte tediosa: encadenar nodos a golpe de clic, revisar JSON a mano, copiar workflows desde plantillas. Un vídeo de YouTube de Mark Kashef muestra otro camino. Con el modelo de lenguaje Claude y los llamados servidores MCP se pueden generar workflows de n8n a partir de una descripción en lenguaje natural, validarlos y, en el mejor de los casos, escribirlos directamente en la propia cuenta de n8n.

Resumimos con sobriedad los tres niveles presentados, situamos el esfuerzo necesario y nombramos los límites. El objetivo: una valoración realista de si el enfoque merece la pena para su empresa.

Qué hacen en realidad los servidores MCP

MCP significa Model Context Protocol. En el vídeo se describe como un envoltorio en torno a una API o al servicio de backend de una aplicación, que simplifica la comunicación en ambos sentidos. La analogía ilustrativa: antes, cada función de una aplicación equivalía a una puerta distinta, y para cada consulta había que crear por separado la llave correspondiente. Un servidor MCP agrupa eso. Una llave abre muchas puertas a la vez.

En concreto, esto significa: en lugar de cablear a mano cada función por separado, un único servidor aporta un gran número de funciones. En el ejemplo, el servidor MCP central de n8n pone a disposición 38 funciones distintas, entre ellas la búsqueda de nodos, la carga de la documentación y la creación de workflows completos.

Los cuatro componentes

• Documentación de n8n: Como n8n es en gran medida de código abierto, un servidor MCP puede leer la documentación pública y reconocer así qué nodos tienen sentido y cuándo.
• Biblioteca de workflows: Repositorios opcionales con miles de workflows de ejemplo aumentan la tasa de acierto y reducen las alucinaciones o los nodos erróneos.
• Ejemplos de agentes: Quien quiera agentes de IA en lugar de meros workflows de A a B debería indicarlo en el prompt o aportar ejemplos de agentes. En segundo plano, las estructuras de agentes se basan en nodos de LangChain.
• Acceso a la API de n8n: Solo con la clave de API y la URL registradas puede Claude escribir realmente workflows en la cuenta.

Nivel 1: Claude Desktop más servidores MCP

La variante de entrada funciona sin Docker y, según el vídeo, es apta para cualquier nivel de conocimiento. En Claude Desktop, el camino pasa por Ajustes, Desarrollador, Editar configuración. En el archivo de configuración se inserta el bloque JSON de los servidores MCP deseados; después se cierra el programa por completo y se vuelve a iniciar.

En el vídeo se combinan tres repositorios de GitHub: una colección de miles de workflows de n8n, el servicio Context7 para una documentación siempre actualizada y el propio servidor MCP de n8n. El código JSON adecuado lo proporciona la herramienta gitmcp.io, con la que se puede generar, a partir de un repositorio de GitHub, un pequeño servidor MCP junto con un fragmento de configuración listo para usar. Los fragmentos los puede unir después el propio Claude en un único archivo de configuración.

Limitación de este nivel: sin Docker falta el acceso a la API. Aquí el servidor MCP de n8n ofrece solo cuatro funciones en lugar de 38. Claude puede, por tanto, generar workflows como JSON que se importan manualmente en n8n, pero no escribirlos de forma automática. En la demostración, Claude busca en la biblioteca de workflows un ejemplo de Telegram, aprende de su estructura y genera a partir de ahí un borrador importable. Con el añadido de Context7, ese mismo workflow se puede refinar aún más a partir de la documentación actual.

Nivel 2: además Docker para la importación directa

El segundo nivel añade Docker. En el vídeo se describe como una plataforma de contenedores que ejecuta aplicaciones individuales como contenedores aislados de forma local en el propio hardware. La ventaja: el servidor MCP de n8n corre en local, lo que resulta favorable en materia de seguridad, y con la clave de API registrada puede escribir workflows de forma programática en la cuenta de n8n.

Para la instalación hay dos vías. O bien la descarga manual de Docker Desktop para Windows o Mac, o bien el terminal asistido por IA Warp, al que se le dan instrucciones en lenguaje natural como “Descárgame Docker”. Si se produce un error, Warp propone el siguiente paso, que se puede aceptar con la tecla de tabulación. El arranque propiamente dicho del servidor se hace con una sola línea según el patrón docker pull junto con el enlace al servidor MCP.

A qué hay que prestar atención

• El contenedor tiene que estar en marcha (símbolo verde) y Docker Desktop no debe cerrarse, ya que de lo contrario se corta la conexión con Claude y las herramientas desaparecen.
• Para el acceso a la API hacen falta la URL de la instancia de n8n (la parte anterior a la barra) y una clave de API que se genera de nuevo en los ajustes de n8n, en “n8n API”.
• Ambas cosas se introducen en el bloque JSON. Después se ven 38 funciones en lugar de cuatro, entre ellas la central n8n_create_workflow así como la lectura y la edición de workflows existentes.

Nivel 3: Cursor como almacén de conocimiento

El tercer nivel combina Claude Desktop, Docker y el editor de código Cursor. El motivo está en un límite práctico de Claude: al generar archivos JSON, la ventana de contexto se llena rápido y las conversaciones largas chocan con los límites. Cursor está pensado para escribir y buscar en grandes cantidades de código y puede referenciar carpetas enteras con miles de archivos de workflow sin cargarlo todo en el contexto de Claude.

Los servidores MCP empleados en el vídeo (n8n-MCP y Context7) se pueden configurar en Cursor exactamente con el mismo JSON que en Claude Desktop. Práctico: se pueden añadir carpetas arrastrando y soltando, por ejemplo una colección de herramientas de agentes o de workflows de agentes de ejemplo, y remitir a ellas de forma específica en el prompt.

Otro punto es la elección del modelo. Cursor ofrece acceso a distintos modelos de Claude y a su variante Max, así como, alternativamente, a otros modelos de lenguaje. Si se choca con un límite, se puede cambiar de modelo. En el vídeo se añade que no se utilizó el editor Windsurf porque fue adquirido por OpenAI y Claude habría suspendido allí el acceso nativo a los modelos más recientes.

La ejecución totalmente automática

En la demostración, Claude planifica primero en modo “Ask” un workflow de agentes para una inmobiliaria con herramientas como GoHighLevel, Gmail, Google Sheets y Slack. Para la ejecución se cambia al modo “Agent”, de modo que los servidores MCP se invoquen realmente. A continuación, el proceso transcurre en gran medida sin intervención:

• leer la documentación y enumerar los nodos relevantes
• comprobar la estructura y la disponibilidad de los nodos (incluida una consulta de health check contra la cuenta de n8n)
• crear el workflow, validarlo y detectar errores
• si hace falta, simplificar y reparar mediante una actualización parcial en lugar de reescribirlo por completo
• validación final y escritura en la cuenta de n8n junto con el ID del workflow

La ejecución completa duró en el ejemplo unos diez minutos y terminó con un workflow de agentes funcional en la cuenta de n8n, que contenía un disparador de chat, memoria y un modelo de lenguaje.

Los tres niveles en comparación

• Nivel 1 (Claude Desktop más MCP): Esfuerzo bajo, sin Docker, sin importación directa. El resultado es JSON importable. Bueno para probar.
• Nivel 2 (más Docker): Esfuerzo medio, instalación única de Docker. Acceso de escritura directo a la cuenta de n8n mediante clave de API.
• Nivel 3 (más Cursor): Esfuerzo mayor, pero sin límite de contexto, con acceso a grandes bibliotecas, cambio de modelo y la ejecución de extremo a extremo totalmente automática para workflows de agentes más complejos.

Valoración para la práctica

El enfoque quita trabajo repetitivo y aporta puntos de partida aprovechables. Lo importante sigue siendo la expectativa realista, que también se menciona en el vídeo: de un prompt vago surge un borrador sencillo que cubre en torno al 70 u 80 por ciento. Cuanto más precisa sea la descripción de los propios procesos, puntos de fricción y herramientas existentes, más ajustado será el resultado.

Desde la perspectiva de la consultoría, esto significa: los workflows generados son un punto de partida, no un producto final. Las credenciales de acceso, la protección de datos, el tratamiento de errores y la lógica de negocio siguen teniendo que revisarse y completarse. El aspecto de seguridad del servidor que corre en local (nivel 2) es un argumento, pero no sustituye a una gobernanza limpia en la asignación de claves de API.

Conclusión

La combinación de Claude y servidores MCP baja notablemente la barrera de entrada a n8n. Quien solo quiera probar llega al objetivo con el nivel 1 sin obstáculos técnicos. La importación directa (nivel 2) y la construcción totalmente automática de workflows de agentes complejos (nivel 3) exigen algo más de configuración, pero a cambio ofrecen un proceso que ahorra en gran medida el trabajo manual de clicar. Lo decisivo sigue siendo la calidad del prompt y una revisión crítica de los resultados. Como herramienta de aceleración, el enfoque es útil; no conviene entenderlo como algo que funciona solo.

Fuente: Mark Kashef, How to Use Claude & MCPs to INSTANTLY Build n8n AI Agents (MASTERCLASS)