MCP Server + n8n

MCP Server + n8n

     

目次

• プロジェクトについて
• 前提条件
• インストール
• n8n の設定
• AI Agent を使ったワークフローの作成
• ツールのテスト
• ディレクトリ構成と永続化
• MCP Server の変更
• セキュリティ上の考慮事項
• ドキュメント
• 参考資料

プロジェクトについて

このアプリケーションは、自動化ツール n8n と MCP Server プロトコルを組み合わせ、実験用の環境を構築します。このソリューションでは Docker を使用してインストールと設定を簡単にし、n8n のビジュアルインターフェースから MCP Server の機能を簡単にテストできます。

主なコンポーネント：

• n8n：ビジュアルインターフェースを備えた自動化プラットフォーム
• MCP Server：AI エージェント向けにツールを提供するサーバー

このプロジェクトは、教育と実験を目的として作成されました。

前提条件

このアプリケーションを使用するには、以下が必要です。

• Docker と Docker Compose がコンピューターにインストールされていること
  • Windows：Docker Desktop と Git
  • Linux：doker.io、docker-compose、docker-buildx

インストール

Windows の場合

1. このリポジトリの ZIP ファイルをダウンロードして展開するか、Git を使用してクローンします。

   git clone https://github.com/curseai/mcp-server-n8n.git
   

2. コマンドプロンプトまたは PowerShell を開き、プロジェクトフォルダーに移動します。

   cd mcp-server-n8n
   

3. Docker コンテナを起動します。

   docker-compose up -d
   

4. Docker コンテナを停止します。

   docker-compose down
   

注記 - Windows で Docker Desktop のインストールに問題がある場合は、Linux ディストリビューションを使用した WSL を利用してください。

Linux の場合

1. リポジトリをダウンロードまたはクローンします。

   git clone https://github.com/curseai/mcp-server-n8n.git
   

2. プロジェクトフォルダーに移動します。

   cd mcp-server-n8n
   

3. Docker コンテナを起動します。

   docker-compose up -d
   

4. Docker コンテナを停止します。

   docker-compose down
   

注記： アプリケーションを終了すると、コンテナは削除されます。ただし、データは永続化ディレクトリに保持されます。mcp_server には MCP Server の実行を担う Python ファイルが含まれ、ディレクトリ n8n_data には n8n アプリケーションのデータが含まれています。そのため、アプリケーションを再び起動すると、前回の実行で保存されたデータを使ってコンテナが再作成されます。

インストールが完了すると、コンテナが起動したことを示すメッセージが表示されます。 アプリケーションは http://localhost:5678 で利用できます。

n8n の設定

n8n に初めてアクセスする

1. ブラウザーを開き、http://localhost:5678 にアクセスします。

2. アカウント作成フォームが表示された n8n のウェルカム画面が表示されます。

3. 登録フォームに入力します。

   • メールアドレス：メールアドレスを入力します
   • 名前：名前を入力します
   • パスワード：安全なパスワードを入力します
   • パスワードの確認：パスワードをもう一度入力します

4. 「Next」をクリックしてアカウントを作成します。

5. 次のフォームはアンケートのみなので、「Get Started」をクリックしてスキップできます。

6. 次の画面では、ライセンスキーを取得できます。取得しない場合は、「skip」をクリックしてください。

7. 登録後、n8n のメインページにリダイレクトされます。

AI Agent を使ったワークフローの作成

新しいワークフローの作成

1. n8n のホーム画面で、右上隅にある「Create Workflow」ボタンをクリックします。
2. ワークフローエディターに移動します。グリッドのある空白の画面が表示されます。

3. 左上隅の「My workflow」をクリックして、ワークフローに名前を付けます。例：「Teste MCP Server」

AI Agent の追加

1. 「Add first step」をクリックして、ワークフローの作成を開始します。
2. 左側のパネルに検索バー「Search nodes...」が表示されます。

3. 検索バーに「AI Agent」と入力します。
4. 検索結果から「AI Agent」ノードを見つけます。
5. 「AI Agent」ノードをクリックして、画面の中央にドラッグします。
6. 続いて「AI Agent」の設定パネルが表示されます。MCP Server のテストでは、パラメーターを変更せずにそのままにしておけます。次に、画面左上隅の「<- Back to canvas」をクリックして、このパネルを閉じます。

### LLM モデル（チャットモデル）の設定

1. AI Agent に LLM モデルを追加するには、「+ Chat Model」をクリックします
2. サイドタブでモデルを選択します。検索バー「Search nodes...」で使用する LLM モデルを検索します
3. 使用する LLM モデル（例：「OpenAI」または「Anthropic」）を選択します

4. モデルを選択すると、「Credential to connect with」フィールドに「Select Credential」と表示されます

5. 「Select Credential」をクリックし、続けて「Create new credential」をクリックして、認証情報の設定画面を開きます
6. 認証情報の画面には、次の項目が表示されます：
   • API Key：API キーを入力するフィールド

注：API Key を取得するには、次の手順に従います：

• OpenAI の場合：platform.openai.com にアクセスしてアカウントを作成し、API Key を生成します
• Anthropic の場合：console.anthropic.com にアクセスしてアカウントを作成し、API Key を生成します

7. 対応するフィールドに API Key を入力します

8. 「Save」をクリックして、認証情報を保存します

9. AI Agent の設定に戻ると、モデルのパラメーターを調整するための追加フィールドが表示されます：

   • Model：使用するモデル（「gpt-4o-mini」や「claude-3.7-Sonnet」など）を選択します

10. 好みに応じて、これらのパラメーターを設定します

11. 画面左上の「<- Back to canvas」をクリックして、ワークフローに戻ります

メモリの設定

1. AI Agent にメモリを追加するには、「+ Memory」をクリックします
2. サイドバーで「Simple Memory」ノードをクリックします

3. 「Context Window Length」フィールドで、コンテキストウィンドウのサイズを設定します（推奨値：20）

4. 画面左上の「<- Back to canvas」をクリックして、ワークフローに戻ります

MCP クライアントの設定

1. AI Agent に MCP クライアントを追加するには、「+ Tools」をクリックします

3. サイドバーの検索バー「Search nodes...」で「MCP Client Tool」を検索し、利用可能なツールの一覧から選択します
4. MCP クライアントに次のパラメーターを設定します：
   • SSE Endpoint：http://mcp_server:8000/sse と正確に入力します
   • Authentication：ローカルの隔離された環境で実行しているため、「Authentication」フィールドは「None」のままにできます。

   注意 このアプリケーションは実験と学習を目的としています。本番環境で使用する場合は、何らかの認証方式を使用してください。

• Tools：フィールドをクリックし、「All」を選択して利用可能なすべてのツールを使用します

ヒント：MCP サーバーとの接続を確認するには、「All」の代わりに「Selected」を選択できます。利用可能なツールの一覧が表示されます。一覧が表示されれば、接続は正常に機能しています。

6. すべてのパラメーターを設定したら、画面左上の「<- Back to canvas」をクリックして、ワークフローに戻ります
7. ワークフローに戻ったら、右上の「Save」をクリックして、ワークフローに行った設定を保存します。

ツールのテスト

AI Agent の設定後、MCP Server のツールをテストできます。

1. AI Agent の設定パネルで、ページの一番下までスクロールします。
2. 設定パネルの下部にある「Open Chat」ボタンをクリックします。

3. AI チャットのようなチャットウィンドウが開きます。
4. チャット下部のテキストフィールドで、次のコマンドを試してください。
   • ping と入力して Enter キーを押すと、エージェントは「pong」と応答します。
   • acho eu と入力して Enter キーを押すと、エージェントは「acho eu I love you!」と応答します。

これらのコマンドは、MCP Server が提供するツールを実行します。これにより、n8n と MCP Server の接続が正しく機能していることを確認できます。

ディレクトリ構成と永続化

アプリケーションを初めて実行すると、プロジェクトフォルダーに重要なディレクトリが 2 つ作成されます。

n8n_data ディレクトリ

このディレクトリには、次のような n8n のすべてのデータが保存されます。

• 作成したワークフロー
• 設定した認証情報
• アプリケーションの設定

n8n_data ディレクトリは、コンテナを再起動した後も設定とワークフローを保持するために必要です。

mcp_server ディレクトリ

このディレクトリには、次のような MCP Server のファイルが含まれています。

• Python 仮想環境（.venv フォルダー）
• MCP サーバーのコードを含む server.py ファイル

server.py ファイルを開くには、プロジェクトフォルダーに移動して mcp_server ディレクトリを開きます。このファイルはディレクトリのルートにあります。

Windows の場合：

explorer mcp_server

Linux の場合：

ls -la mcp_server

このファイルには、MCP Server が提供するツール（現在は ping と echo）を定義する Python コードが含まれています。

MCP Server の変更

server.py ファイルを変更して、MCP Server の新しい機能をテスト、実装できます。

server.py ファイルの編集

1. プロジェクトフォルダー内の mcp_server ディレクトリに移動します。
2. 任意のテキストエディター（Notepad、VSCode など）で server.py ファイルを開きます。
3. このファイルには、MCP サーバーを定義する Python コードが含まれています。以下のコードでは、n8n で使用するツールの定義を確認できます。

   from mcp.server.fastmcp import FastMCP
    
   mcp = FastMCP('ping_server')
   
   @mcp.tool(name='ping')
   def ping() -> str:
       """
       A simple ping tool that returns a message.
       """
       return 'pong'
   
   @mcp.tool(name='echo')
   def echo(message: str) -> str:
       """
       An echo tool that returns the message sent to it.
       """
       return f"{message} I love you!"
   
   if __name__ == '__main__':
       mcp.run(transport='sse')
   

tools に加えて、resources と prompt も追加できます。詳しくは、MCP Server の公式ドキュメントを参照してください。

変更の適用

server.py ファイルを変更した後、n8n の MCP Client が変更を認識できるように、コンテナを再起動する必要があります。

1. ターミナルまたはコマンドプロンプトを開きます。

2. プロジェクトフォルダーに移動します。

3. 次のコマンドを実行します。

   docker-compose restart
   

4. 両方のコンテナが再起動するまで待ちます。

5. n8n に戻り、新しいツールをテストします。

セキュリティに関する考慮事項

このアプリケーションは実験と学習を目的として開発されているため、次の点に注意してください。

• MCP Server には認証手順が実装されていません。
• 隔離されたテスト環境でのみ使用することをお勧めします。
• 適切なセキュリティ対策を実装せずに、本番環境で使用しないでください。

ドキュメント

Model Context Protocol の詳細については、次を参照してください。

• MCP 公式ドキュメント

参考資料

• Model Context Protocol の Python SDK
• MCP サーバーの例

ライセンス

このプロジェクトは MIT ライセンスの下でライセンスされています。詳細については、LICENSE ファイルを参照してください。