Wie regelmatig met automatiseringstools als n8n werkt, kent het moeizame deel: losse nodes bij elkaar klikken, JSON met de hand controleren, workflows uit sjablonen kopiëren. Een YouTube-video van Mark Kashef laat een andere weg zien. Met het taalmodel Claude en zogeheten MCP-servers laten n8n-workflows zich vanuit een beschrijving in natuurlijke taal genereren, valideren en in het ideale geval rechtstreeks in het eigen n8n-account wegschrijven.
Ik vat de drie gepresenteerde uitbouwtrappen nuchter samen, duid de benodigde inspanning en benoem de grenzen. Het doel: een realistische inschatting of de aanpak voor uw bedrijf de moeite waard is.
- MCP-servers geven Claude toegang tot n8n-documentatie, voorbeeldworkflows en de n8n-API, zodat workflows uit een prompt ontstaan.
- Trap 1 (alleen Claude Desktop plus MCP) is met copy-and-paste in een configuratiebestand opgezet en zonder technische voorkennis haalbaar.
- Trap 2 voegt Docker toe, zodat Claude workflows via een API-sleutel rechtstreeks in het n8n-account kan schrijven.
- Trap 3 combineert daarbovenop de editor Cursor, om grote workflowbibliotheken aan te spreken zonder het contextvenster van Claude te laten overlopen.
- De resultaten zijn werkende concepten (ongeveer 70 tot 80 procent), geen kant-en-klare productiestand; toegangsgegevens en fijnafstemming blijven handwerk.
Wat MCP-servers eigenlijk doen
MCP staat voor Model Context Protocol. In de video wordt het beschreven als een wrapper om een API of de backenddienst van een applicatie, die de communicatie heen en terug vereenvoudigt. De aanschouwelijke analogie: vroeger kwam elke functie van een applicatie overeen met een afzonderlijke deur, en voor elke aanvraag moest je de passende sleutel apart aanmaken. Een MCP-server bundelt dat. Eén sleutel opent veel deuren tegelijk.
Concreet betekent dat: in plaats van elke functie afzonderlijk hard te bedraden, levert één enkele server een veelheid aan functies. In het voorbeeld stelt de centrale n8n-MCP-server 38 verschillende functies beschikbaar, waaronder het zoeken van nodes, het laden van de documentatie en het aanmaken van complete workflows.
De vier bouwstenen
- n8n-documentatie: omdat n8n grotendeels open source is, kan een MCP-server de openbare documentatie uitlezen en zo herkennen welke nodes wanneer zinvol zijn.
- Workflowbibliotheek: optionele repositories met duizenden voorbeeldworkflows verhogen de trefkans en verminderen hallucinaties of foutieve nodes.
- Agentvoorbeelden: wie AI-agents wil in plaats van pure A-naar-B-workflows, doet er goed aan dat in de prompt aan te sturen of agentvoorbeelden mee te geven. Op de achtergrond berusten de agentstructuren op LangChain-nodes.
- n8n-API-toegang: pas met een opgeslagen API-sleutel en URL kan Claude workflows daadwerkelijk in het account schrijven.
Trap 1: Claude Desktop plus MCP-server
De instapvariant komt zonder Docker uit en is volgens de video geschikt voor elk kennisniveau. In Claude Desktop loopt de weg via Instellingen, Ontwikkelaar, Configuratie bewerken. In het configuratiebestand wordt het JSON-blok van de gewenste MCP-servers ingevoegd, daarna wordt het programma volledig afgesloten en opnieuw gestart.
In de video worden drie GitHub-repositories gecombineerd: een verzameling van duizenden n8n-workflows, de dienst Context7 voor steeds actuele documentatie en de eigenlijke n8n-MCP-server. De passende JSON-code levert het gereedschap gitmcp.io, waarmee je uit een GitHub-repository een kleine MCP-server met kant-en-klaar configuratiefragment kunt genereren. De fragmenten laten zich vervolgens door Claude zelf samenvoegen tot één enkel configuratiebestand.
Beperking van deze trap: zonder Docker ontbreekt de API-toegang. De n8n-MCP-server biedt hier maar vier in plaats van 38 functies. Claude kan workflows dus wel als JSON genereren, die je handmatig in n8n importeert, maar niet automatisch wegschrijven. In de demo doorzoekt Claude de workflowbibliotheek op een Telegram-voorbeeld, leert uit de structuur daarvan en maakt daaruit een importeerbaar concept. Met de toevoeging Context7 laat dezelfde workflow zich aan de hand van actuele documentatie verder verfijnen.
Trap 2: daarbij Docker voor de directe import
De tweede trap voegt Docker toe. In de video beschreven als containerplatform dat afzonderlijke applicaties als geïsoleerde containers lokaal op de eigen hardware uitvoert. Het voordeel: de n8n-MCP-server draait lokaal, wat veiligheidstechnisch gunstig is, en kan met een opgeslagen API-sleutel workflows programmatisch in het n8n-account schrijven.
Voor de installatie zijn er twee wegen. Ofwel de handmatige download van Docker Desktop voor Windows of Mac, ofwel de AI-ondersteunde terminal Warp, waaraan je in natuurlijke taal instructies geeft als “Download Docker voor mij”. Treedt er een fout op, dan stelt Warp de volgende stap voor, die je met de tabtoets kunt overnemen. De eigenlijke start van de server gebeurt met één enkele regel volgens het patroon docker pull met de link naar de MCP-server.
Waarop te letten
- De container moet draaien (groen symbool) en Docker Desktop mag niet worden gesloten, anders valt de verbinding met Claude weg en verdwijnen de tools.
- Voor de API-toegang zijn de URL van de n8n-instantie (het deel vóór de schuine streep) en een API-sleutel nodig, die in de n8n-instellingen onder “n8n API” nieuw wordt aangemaakt.
- Beide worden in het JSON-blok ingevoerd. Daarna worden 38 in plaats van vier functies zichtbaar, waaronder de centrale n8n_create_workflow en het uitlezen en bewerken van bestaande workflows.
Trap 3: Cursor als kennisopslag
De derde trap combineert Claude Desktop, Docker en de code-editor Cursor. De reden ligt in een praktische grens van Claude: bij het genereren van JSON-bestanden vult het contextvenster zich snel, en langere gesprekken lopen tegen limieten aan. Cursor is gemaakt voor het schrijven en doorzoeken van grote hoeveelheden code en kan hele mappen met duizenden workflowbestanden refereren zonder alles in de context van Claude te laden.
De in de video gebruikte MCP-servers (n8n-MCP en Context7) laten zich in Cursor met exact dezelfde JSON inrichten als in Claude Desktop. Praktisch: je kunt mappen met drag-and-drop toevoegen, bijvoorbeeld een verzameling agenttools of voorbeeldagentworkflows, en er in de prompt gericht naar verwijzen.
Nog een punt is de modelkeuze. Cursor biedt toegang tot verschillende Claude-modellen en hun Max-variant, en als alternatief tot andere taalmodellen. Loop je tegen een limiet aan, dan kun je van model wisselen. In de video wordt aangevuld dat de editor Windsurf niet is gebruikt, omdat die door OpenAI is overgenomen en Claude daar de native toegang tot de nieuwste modellen zou hebben stopgezet.
De volautomatische doorloop
In de demo plant Claude in de “Ask”-modus eerst een agentworkflow voor een vastgoedbedrijf met tools als GoHighLevel, Gmail, Google Sheets en Slack. Voor de uitvoering wordt naar de “Agent”-modus overgeschakeld, zodat de MCP-servers ook daadwerkelijk worden aangeroepen. Vervolgens verloopt het volgende proces grotendeels zonder ingrijpen:
- documentatie lezen en relevante nodes opsommen
- nodestructuur en beschikbaarheid controleren (inclusief een health-checkaanvraag tegen het n8n-account)
- workflow aanmaken, valideren en fouten herkennen
- zo nodig vereenvoudigen en via een deelupdate repareren in plaats van volledig opnieuw schrijven
- finale validatie en wegschrijven naar het n8n-account inclusief workflow-ID
De hele run duurde in het voorbeeld ongeveer tien minuten en eindigde met een werkende agentworkflow in het n8n-account, met chattrigger, geheugen en een taalmodel.
De drie trappen vergeleken
- Trap 1 (Claude Desktop plus MCP): weinig inspanning, geen Docker, geen directe import. Het resultaat is importeerbare JSON. Goed om uit te proberen.
- Trap 2 (plus Docker): middelmatige inspanning, eenmalige Docker-installatie. Directe schrijftoegang tot het n8n-account via een API-sleutel.
- Trap 3 (plus Cursor): meer inspanning, maar geen contextlimiet, toegang tot grote bibliotheken, modelwissel en de volautomatische end-to-end-doorloop voor complexere agentworkflows.
Duiding voor de praktijk
De aanpak neemt repetitief werk uit handen en levert bruikbare startpunten. Belangrijk blijft de realistische verwachting die ook in de video wordt genoemd: uit een vage prompt ontstaat een eenvoudig concept dat ongeveer 70 tot 80 procent afdekt. Hoe preciezer de beschrijving van de eigen processen, wrijfpunten en aanwezige tools, hoe passender het resultaat.
Vanuit adviesperspectief betekent dat: de gegenereerde workflows zijn een uitgangspunt, geen eindproduct. Toegangsgegevens, gegevensbescherming, foutafhandeling en de inhoudelijke logica moeten nog steeds worden getoetst en aangevuld. Het veiligheidsaspect van de lokaal draaiende server (trap 2) is een argument, maar vervangt geen degelijke governance bij het uitgeven van API-sleutels.
Conclusie
De combinatie van Claude en MCP-servers verlaagt de instapdrempel voor n8n merkbaar. Wie alleen wil testen, komt met trap 1 zonder technische hindernissen tot een resultaat. De directe import (trap 2) en de volautomatische opbouw van complexe agentworkflows (trap 3) vragen wat meer inrichting, maar leveren een proces dat het handmatige klikwerk grotendeels bespaart. Doorslaggevend blijven de kwaliteit van de prompt en een kritische controle van de resultaten. Als gereedschap voor versnelling is de aanpak nuttig; als iets wat vanzelf loopt, moet u hem niet opvatten.
Bron: Mark Kashef, How to Use Claude & MCPs to INSTANTLY Build n8n AI Agents (MASTERCLASS)