Kto regularnie pracuje z narzędziami do automatyzacji jak n8n, zna tę mozolną część: klikanie pojedynczych węzłów, ręczne sprawdzanie JSON-a, kopiowanie workflow z szablonów. Film na YouTube autorstwa Marka Kashefa pokazuje inną drogę. Za pomocą modelu językowego Claude i tak zwanych serwerów MCP da się generować workflow n8n z opisu w języku naturalnym, walidować je i w idealnym przypadku zapisywać bezpośrednio na własne konto n8n.
Podsumowuję trzeźwo trzy przedstawione poziomy rozbudowy, porządkuję nakład pracy i nazywam granice. Cel: realistyczna ocena, czy to podejście opłaca się w Państwa firmie.
- Serwery MCP dają Claude dostęp do dokumentacji n8n, przykładowych workflow i API n8n, tak że workflow powstają z jednego promptu.
- Poziom 1 (tylko Claude Desktop plus MCP) stawia się przez kopiuj-wklej do pliku konfiguracyjnego i da się to zrobić bez wiedzy technicznej.
- Poziom 2 dokłada Dockera, żeby Claude mógł zapisywać workflow przez klucz API bezpośrednio na konto n8n.
- Poziom 3 łączy dodatkowo edytor Cursor, żeby sięgać do dużych bibliotek workflow bez rozsadzania okna kontekstowego Claude.
- Wyniki to działające szkice (około 70 do 80 procent), a nie gotowy stan produkcyjny; dane dostępowe i dostrojenie pozostają pracą ręczną.
Co serwery MCP właściwie robią
MCP to skrót od Model Context Protocol. W filmie opisany jest jako wrapper wokół API albo usługi backendowej aplikacji, który upraszcza komunikację w obie strony. Obrazowa analogia: wcześniej każda funkcja aplikacji odpowiadała pojedynczym drzwiom, a do każdego zapytania trzeba było osobno dorobić pasujący klucz. Serwer MCP to zbiera. Jeden klucz otwiera wiele drzwi naraz.
Konkretnie oznacza to: zamiast twardo okablowywać każdą funkcję osobno, jeden serwer dostarcza mnóstwo funkcji. W przykładzie centralny serwer MCP dla n8n udostępnia 38 różnych funkcji, w tym wyszukiwanie węzłów, wczytywanie dokumentacji i tworzenie kompletnych workflow.
Cztery elementy
- Dokumentacja n8n: Ponieważ n8n jest w dużej mierze open source, serwer MCP może odczytać publiczną dokumentację i dzięki temu rozpoznać, które węzły kiedy mają sens.
- Biblioteka workflow: Opcjonalne repozytoria z tysiącami przykładowych workflow podnoszą trafność i redukują halucynacje albo błędne węzły.
- Przykłady agentów: Kto chce agentów AI zamiast czystych workflow z A do B, powinien to zainicjować w prompcie albo dołożyć przykłady agentów. W tle struktury agentowe opierają się na węzłach LangChain.
- Dostęp do API n8n: Dopiero z zapisanym kluczem API i URL-em Claude może faktycznie zapisywać workflow na konto.
Poziom 1: Claude Desktop plus serwer MCP
Wariant startowy obywa się bez Dockera i według filmu nadaje się dla każdego poziomu wiedzy. W Claude Desktop droga prowadzi przez Ustawienia, Programista, Edytuj konfigurację. Do pliku konfiguracyjnego wstawia się blok JSON żądanych serwerów MCP, po czym program zamyka się całkowicie i uruchamia ponownie.
W filmie łączone są trzy repozytoria GitHub: zbiór tysięcy workflow n8n, usługa Context7 dla zawsze aktualnej dokumentacji oraz właściwy serwer MCP dla n8n. Pasujący kod JSON dostarcza narzędzie gitmcp.io, którym z repozytorium GitHub da się wygenerować mały serwer MCP wraz z gotowym snippetem konfiguracyjnym. Snippety Claude potrafi następnie sam scalić w jeden plik konfiguracyjny.
Ograniczenie tego poziomu: bez Dockera brakuje dostępu do API. Serwer MCP dla n8n oferuje tu tylko cztery zamiast 38 funkcji. Claude może więc generować workflow jako JSON, który importuje się do n8n ręcznie, ale nie zapisywać ich automatycznie. W demonstracji Claude przeszukuje bibliotekę workflow pod kątem przykładu z Telegramem, uczy się z jego struktury i tworzy z tego importowalny szkic. Z dodatkiem Context7 ten sam workflow da się dopracować dalej na podstawie aktualnej dokumentacji.
Poziom 2: dodatkowo Docker do bezpośredniego importu
Drugi poziom dokłada Dockera. W filmie opisany jako platforma kontenerowa, która uruchamia pojedyncze aplikacje jako odizolowane kontenery lokalnie na własnym sprzęcie. Zaleta: serwer MCP dla n8n działa lokalnie, co jest korzystne z punktu widzenia bezpieczeństwa, i może z zapisanym kluczem API programowo zapisywać workflow na konto n8n.
Do instalacji są dwie drogi. Albo ręczne pobranie Docker Desktop dla Windows lub Maca, albo wspierany przez AI terminal Warp, któremu wydaje się polecenia w języku naturalnym, jak “Pobierz dla mnie Dockera”. Gdy wystąpi błąd, Warp proponuje kolejny krok, który przejmuje się klawiszem tabulacji. Właściwe uruchomienie serwera następuje jedną linią według wzorca docker pull wraz z linkiem do serwera MCP.
Na co zwrócić uwagę
- Kontener musi działać (zielony symbol), a Docker Desktop nie może zostać zamknięty, bo inaczej połączenie z Claude się urwie i narzędzia znikną.
- Do dostępu do API potrzebny jest URL instancji n8n (część przed ukośnikiem) oraz klucz API, generowany na nowo w ustawieniach n8n pod “n8n API”.
- Jedno i drugie wpisuje się do bloku JSON. Potem widocznych staje się 38 zamiast czterech funkcji, w tym centralna n8n_create_workflow oraz odczyt i edycja istniejących workflow.
Poziom 3: Cursor jako magazyn wiedzy
Trzeci poziom łączy Claude Desktop, Dockera i edytor kodu Cursor. Powód leży w praktycznej granicy Claude: przy generowaniu plików JSON okno kontekstowe szybko się zapełnia, a dłuższe rozmowy uderzają w limity. Cursor jest nastawiony na pisanie i przeszukiwanie dużych ilości kodu i potrafi odwoływać się do całych folderów z tysiącami plików workflow, bez wczytywania wszystkiego do kontekstu Claude.
Użyte w filmie serwery MCP (n8n-MCP i Context7) da się skonfigurować w Cursorze dokładnie tym samym JSON-em co w Claude Desktop. Praktyczne: foldery można dodawać metodą przeciągnij i upuść, na przykład zbiór narzędzi agentowych albo przykładowych workflow agentowych, i celowo się do nich odwoływać w prompcie.
Kolejna kwestia to wybór modelu. Cursor daje dostęp do różnych modeli Claude i ich wariantu Max, a alternatywnie do innych modeli językowych. Gdy uderzy się w limit, model da się zmienić. W filmie dodano, że edytor Windsurf nie został użyty, bo został przejęty przez OpenAI i Claude wstrzymał tam natywny dostęp do najnowszych modeli.
W pełni automatyczny przebieg
W demonstracji Claude planuje najpierw w trybie “Ask” workflow agentowy dla firmy nieruchomościowej z narzędziami jak GoHighLevel, Gmail, Google Sheets i Slack. Do wykonania przełącza się na tryb “Agent”, żeby serwery MCP zostały faktycznie wywołane. Następnie przebiega w dużej mierze bez ingerencji następujący porządek:
- wczytanie dokumentacji i wylistowanie istotnych węzłów
- sprawdzenie struktury węzłów i ich dostępności (łącznie z zapytaniem health check do konta n8n)
- utworzenie workflow, walidacja i rozpoznanie błędów
- w razie potrzeby uproszczenie i naprawa częściową aktualizacją zamiast pisania wszystkiego od nowa
- końcowa walidacja i zapis na konto n8n wraz z ID workflow
Cały przebieg trwał w przykładzie około dziesięciu minut i zakończył się działającym workflow agentowym na koncie n8n, zawierającym trigger czatu, pamięć i model językowy.
Trzy poziomy w porównaniu
- Poziom 1 (Claude Desktop plus MCP): nakład mały, bez Dockera, bez bezpośredniego importu. Wynikiem jest importowalny JSON. Dobre do wypróbowania.
- Poziom 2 (plus Docker): nakład średni, jednorazowa instalacja Dockera. Bezpośredni zapis na konto n8n przez klucz API.
- Poziom 3 (plus Cursor): nakład większy, za to bez limitu kontekstu, dostęp do dużych bibliotek, zmiana modelu i w pełni automatyczny przebieg end-to-end dla bardziej złożonych workflow agentowych.
Uporządkowanie dla praktyki
To podejście zdejmuje pracę powtarzalną i dostarcza użytecznych punktów startowych. Ważne pozostaje realistyczne oczekiwanie, nazwane też w filmie: z mglistego promptu powstaje prosty szkic pokrywający jakieś 70 do 80 procent. Im precyzyjniejszy opis własnych procesów, punktów tarcia i posiadanych narzędzi, tym trafniejszy wynik.
Z perspektywy doradczej oznacza to: wygenerowane workflow są punktem wyjścia, a nie produktem końcowym. Dane dostępowe, ochronę danych, obsługę błędów i logikę merytoryczną nadal trzeba sprawdzić i uzupełnić. Aspekt bezpieczeństwa serwera działającego lokalnie (poziom 2) jest argumentem, ale nie zastępuje porządnego ładu przy wydawaniu kluczy API.
Podsumowanie
Połączenie Claude i serwerów MCP zauważalnie obniża próg wejścia do n8n. Kto chce tylko przetestować, dojdzie do celu poziomem 1 bez barier technicznych. Bezpośredni import (poziom 2) i w pełni automatyczna budowa złożonych workflow agentowych (poziom 3) wymagają nieco więcej konfiguracji, dają za to przebieg oszczędzający w dużej mierze ręczne klikanie. Rozstrzygająca pozostaje jakość promptu i krytyczne sprawdzenie wyników. Jako narzędzie do przyspieszenia to podejście jest użyteczne, ale nie należy go rozumieć jako czegoś, co działa samo.
Źródło: Mark Kashef, How to Use Claude & MCPs to INSTANTLY Build n8n AI Agents (MASTERCLASS)