n8n 史上最狂更新:直接把 Claude、ChatGPT 變成你的專屬 AI 助理,自動執行所有工作流!

n8n 史上最狂更新:直接把 Claude、ChatGPT 變成你的專屬 AI 助理,自動執行所有工作流!

AI 自動化專家 Nate Herk 在最新的影片中,揭示了 n8n 一項堪稱「遊戲規則改變者」的重大更新:實例級 MCP(Model Context Protocol)功能。這項技術徹底顛覆了我們與自動化流程的互動方式,讓像 Claude、ChatGPT 這樣的 AI 模型,能夠直接存取、理解並執行你 n8n 帳戶中的所有工作流。這意味著,你不再需要手動觸發流程或處理複雜的 API,只需用自然語言下達指令,就能讓 AI 為你完成工作。這篇文章將深度解析這項技術的原理、實際應用,以及如何將你的 n8n 變身為一個前所未有的超級 AI 助理。

在深入探討之前,讓我們先釐清 MCP 的概念。過去,n8n 的 MCP 功能需要你為特定的工作流創建「MCP 伺服器觸發器」,然後讓 Claude 或 Cursor 等客戶端與這個特定的伺服器對接。這種方式限制了 AI 只能使用你預先設定好的幾個工具。

然而,全新的「實例級 MCP」完全不同。它不再局限於單一工作流,而是允許 AI 客戶端「掃描並理解你整個 n8n 實例」。Nate Herk 形容道:「你可以把它想像成一個 AI 代理。就像 ChatGPT 是那個代理,它能看見你 n8n 實例中所有的工作流,知道它們的功能,了解該傳送什麼資料,以及何時該呼叫哪一個流程。」

這代表你過去建立的數十、數百個自動化流程,現在都能立刻被賦予「智慧大腦」,隨時等待 AI 的調度。

實戰一:用 Claude 指揮 n8n 發送郵件與管理任務

理論聽起來很棒,但實際操作起來有多強大?Nate 直接展示了將 n8n 連接到 Claude 的過程。

首先,在 n8n 的設定中,你只需要啟用 MCP 存取權限,並取得你的伺服器 URL。接著,在 Claude 的原生連接器中找到 n8n,點擊連接並授權,整個過程不到一分鐘。

案例 1:發送郵件 Nate 讓 Claude 寫好一封電子郵件後,他沒有複製貼上,而是直接下達指令:「用 n8n 把這封郵件寄給 [email protected]」。

Claude 的反應如下: 1. 搜尋工作流 (Search workflows):它開始在 Nate 的 n8n 實例中尋找能發送郵件的流程。 2. 取得工作流詳情 (Get workflow details):找到後,它讀取該流程的設定,了解需要哪些欄位(如收件人、主旨、內容)。 3. 執行工作流 (Execute workflow):它將郵件內容打包好,透過 API 觸發 n8n 的流程。

結果,郵件成功寄出。整個過程就像在和一位真正的人類助理對話,你只需下達最終指令,而不必關心執行的技術細節。

案例 2:管理 ClickUp 任務 接著,Nate 直接在 Claude 中管理他的專案任務。他下達指令:「用 n8n 把我名為『Email Michael about PTO』的任務移至『完成』狀態。」

Claude 再次執行了搜尋、取得詳情、執行的三步驟,ClickUp 上的任務狀態立刻被更新。Nate 甚至能問:「用 n8n 查一下我今天還有哪些任務?」Claude 也能夠呼叫對應的 n8n 流程,並回報:「根據 n8n 的發現,你今天還有一項任務:錄製 n8n MCP 影片。」

實戰二:一句話,讓 Lovable 為你的 n8n 工作流打造專屬網站

這項技術最驚人的應用,莫過於與前端開發工具 Lovable 的結合。Nate 有一個名為「AI 機會地圖生成器」的 n8n 工作流,他希望能為此建立一個簡單的網頁表單。

過去,這需要手動設定 Webhook URL、請求方法、Body 結構等繁瑣步驟。現在,他只需將 n8n 連接到 Lovable,然後用一段自然語言描述他的需求: 「為我的 n8n 工作流『AI 機會地圖』建立一個極簡風格、帶有遊戲化介面的表單提交頁面。確保在用戶提交後,告知他們報告正在生成中,並在完成後給予確認。」

Lovable 透過 MCP 讀取了這個 n8n 工作流的資訊,完全理解了它的功能和所需欄位,然後「一鍵生成」了一個功能齊全、設計精美的登陸頁面。Nate 實際測試提交表單,n8n 成功接收到數據並執行了複雜的 AI 分析流程,最終將一份完整的報告寄到了他的信箱。這展示了 MCP 如何大幅降低應用開發的門檻。

關鍵設定與注意事項:如何安全地開放你的工作流?

這項強大的功能也伴隨著安全性的考量。幸好,n8n 提供了完整的控制權。

  1. 版本要求:你的 n8n 實例必須是 1.21.2 或更高版本。
  2. 手動啟用:你必須進入每個工作流的設定中,手動打開「Available in MCP」的開關。Nate 強調:「這其實是個非常好的設計,因為它可以防止你意外地將含有敏感 API 金鑰或數據存取權限的工作流暴露給外部 AI。」
  3. 清晰的描述:工作流的「描述」變得至關重要。AI 正是透過閱讀這段描述來理解流程的功能,因此,請務必寫清楚每個工作流的用途和所需參數。
  4. 支援的觸發器:目前,支援 MCP 的觸發器包括 Webhook、排程、聊天和表單觸發器。

結論:你的自動化流程,從未如此智能

n8n 的實例級 MCP 功能,不僅僅是一項技術更新,它更是一種思維模式的轉變。它將 n8n 從一個默默在後端運行的自動化工具,提升為一個可以與前端 AI 進行智慧對話的「中央大腦」。你過去建立的所有工作流,都可能成為 AI 助理的現成工具,無論是整理文件、發送通知,還是管理專案,現在都可以透過一句話完成。

雖然目前與 ChatGPT 的直接連接暫時不穩定,但這項技術的潛力已經清晰可見,未來與 Vappy 等語音 AI 的結合更是充滿想像空間。現在,你該思考的是:你的 n8n 中有哪些沉睡的工作流,可以被這個新功能喚醒,成為你強大的 AI 助理呢?

參考資料: https://www.youtube.com/watch?v=5p5cV0yVDvQ

Read more

Claude 的 Project、Skill、Connector 到底怎麼分?一次搞懂三者的關係

Claude 的 Project、Skill、Connector 到底怎麼分?一次搞懂三者的關係

很多人問我,在 Claude 裡面,Project、Skill、Connector 這三個東西到底差在哪裡? 什麼時候該用哪一個? 老實說,我一開始也搞得很混亂。 但實際用了一段時間之後,我發現其實邏輯很簡單。 先從最基本的開始:Connector 是對外的資料來源 如果你需要從外部拿資料,比如說接 Google Calendar、接 Notion、接你自己的資料庫,你就需要 Connector。 它就是一個 MCP 的連結,讓 Claude 可以去外面抓資料回來。 沒有 Connector,Claude 就只能用它自己知道的東西,沒辦法碰到你的資料。 Skill 則是內部的運算邏輯 Skill 沒有辦法對外連接。 它只能在內部用 Python 或程式碼執行。 你可以把它想成是一個 Controller,專門負責處理運算的部分。 比如說,你想讓 Claude 用特定的格式改寫文章、

By Andy Lin
讓 AI 認識你 — Memory is All You Need

讓 AI 認識你 — Memory is All You Need

讓 AI 認識你 — Memory is All You Need 最近我在 Claude 上快速搭建了七大 Agent。 原因很簡單:你的助理應該是越使用越懂你。 而 Claude Project 有個關鍵功能叫 Memory,它會根據你不斷詢問的過程,主動提取記憶。 這就是我認為 AI 助手真正強大的地方。 GA 分析助手:從進階到客製化 自從我串接 GA MCP 後,這位助手已經變得非常厲害。 漏斗分析、訪客來源、異常事件追蹤、站上任何問題都難不倒它。 但我想要的不只是這些。 我希望它隨著時間,能夠對齊我的知識,知道我要什麼。 你不用想太多,不用一次設定好整個 instructions。 試著使用一週,再回頭看看 memory,你會發現它已經根據你的行為開始學習客製化了。 許多助手不需要懂老闆要什麼,但網站分析不一樣。 因為我沒有那麼多美國時間,

By Andy Lin
AGI 來臨:兩大 AI 巨頭的預測與警示

AGI 來臨:兩大 AI 巨頭的預測與警示

在近期的達沃斯論壇上,Anthropic 執行長 Dario Amodei 與 Google DeepMind 執行長 Demis Hassabis 進行了一場關於「AGI 之後的世界」的深度對談,揭示了 AI 發展的最新進展與未來展望。 AGI 時間線預測 Dario 重申了他去年的預測:在 2026-2027 年,AI 模型將能夠在諸多領域達到諾貝爾獎得主的水準。他表示目前 Anthropic 的工程師已經不再親自寫程式碼,而是讓模型來完成編寫工作,人類只負責編輯和周邊任務。他預估在 6-12 個月內,模型將能端到端完成大部分工程師的工作。 Demis 則持稍微保守的態度,認為在十年內有 50% 的機會實現 AGI。他指出編程和數學領域較容易自動化,因為結果可驗證;但自然科學領域則更具挑戰性,需要實驗驗證,且目前模型在「提出問題」和「建立理論」

By Andy Lin
讓 AI 當你的健康顧問:我用 Apple Watch 數據打造個人健康分析 Agent

讓 AI 當你的健康顧問:我用 Apple Watch 數據打造個人健康分析 Agent

最近我嘗試做了一個 Agent,專門用來分析我的身體健康狀況。 這不是什麼有商業潛力的專案,純粹是出於好奇。 我想知道現在的 AI 到底能幫我們把健康分析做到什麼程度。 資料從哪來? 要讓 AI 分析任何東西,首先得有資料。 我第一個想到的就是 Apple Health。 因為我每天戴著 Apple Watch,它本來就會自動記錄睡眠、運動、心跳這些數據。 除此之外,我也在嘗試另一個經絡檢測的儀器,有點像中醫把脈的概念,只是還沒整合進來。 我覺得如果未來能把更多資料源串在一起,應該可以做出更有意思的應用。 技術架構其實不難 我用了一個叫「Apple Health Auto Export」的 App。 這個 App 可以把健康資料透過 REST API 自動傳送到你指定的伺服器。 資料打到伺服器後,我再處理並存到 Database 裡。 接著寫一個 MCP Server,然後在

By Andy Lin