n8n MCP Server

Этот репозиторий содержит реализацию сервера Model Context Protocol (MCP) на базе FastAPI, который позволяет инструментам ChatGPT управлять рабочими процессами n8n через официальный REST API.

Возможности

• SSE-интерфейс /mcp/request для взаимодействия в формате MCP.

• Поддерживаемые методы:

  • list_workflows — GET /rest/workflows

  • create_workflow — POST /rest/workflows

  • update_workflow — PATCH /rest/workflows/{id}

  • delete_workflow — DELETE /rest/workflows/{id}

  • run_workflow — POST /rest/workflows/run

  • get_execution_status — GET /rest/executions/{id}

• Асинхронный HTTP-клиент httpx.AsyncClient с поддержкой API-ключей n8n.

• Pydantic-схемы для строгой валидации MCP-запросов и ответов.

• Логирование входящих запросов и обращений к n8n.

Требования

• Python 3.10 или новее.

• Запущенный экземпляр n8n с доступом по HTTP и включённым REST API.

• API-токен n8n с правами на чтение и изменение workflow.

Установка и запуск

1. Клонируйте репозиторий и перейдите в директорию проекта:

   git clone https://github.com/Peakviker/MCPn8n.git cd MCPn8n

2. Создайте виртуальное окружение и установите зависимости:

   python -m venv .venv source .venv/bin/activate pip install fastapi uvicorn[standard] sse-starlette httpx python-dotenv

3. Скопируйте пример конфигурации и задайте переменные окружения:

   cp .env.example .env # отредактируйте значения по необходимости

   Доступные параметры:

   Переменная	Описание	Значение по умолчанию
   N8N_URL	Базовый URL REST API n8n	http://localhost:5678/api/v1/
   N8N_API_KEY	API-токен n8n	пусто (анонимный доступ)
   N8N_TIMEOUT	Таймаут HTTP-запросов в секундах	30.0

4. Запустите сервер MCP:

   uvicorn mcp_server:app --reload --port 8080

5. Проверьте, что сервер отвечает:

   curl http://localhost:8080/healthz curl http://localhost:8080/mcp/discover

Использование MCP-инструментов

POST /mcp/request принимает JSON вида:

Ответ поступает по SSE в виде событий result или error. Поле result содержит MCP-структуру json_schema с данными, полученными от n8n.

Пример запуска workflow

Чтобы отслеживать выполнение, используйте метод get_execution_status с идентификатором, возвращённым n8n при запуске.

Разработка

• Все основные настройки находятся в mcp_server.py.

• При добавлении новых методов обновляйте словарь METHOD_PARAM_MODELS и класс клиента N8nClient.

• Логирование настроено на уровень INFO. При необходимости измените уровень, передав значение через logging.basicConfig.

Лицензия

Добавьте файл LICENSE при необходимости.