Model Context Protocol

Model Context Protocol (MCP) — это открытый протокол для подключения AI моделей к внешним источникам данных и инструментам.

Нода для подключения MCP серверов к AI Agent:

1. Добавьте AI Agent

   Создайте AI Agent ноду с моделью

2. Добавьте MCP Client Tool

   Подключите к Tools входу агента

3. Настройте подключение

   Укажите способ запуска MCP сервера

4. Протестируйте

   Запустите агента с запросом

Для MCP серверов, работающих по HTTP:

Для локальных MCP серверов:

npx -y @modelcontextprotocol/server-filesystem /path/to/allowed/directory

Возможности:

• Чтение файлов
• Запись файлов
• Листинг директорий
• Поиск по содержимому

npx -y @modelcontextprotocol/server-postgres postgresql://user:pass@host:5432/db

Возможности:

• Выполнение SQL запросов
• Описание схемы
• Просмотр таблиц

npx -y @modelcontextprotocol/server-github

Требует: GITHUB_PERSONAL_ACCESS_TOKEN

Возможности:

• Работа с репозиториями
• Issues и Pull Requests
• Поиск кода

npx -y @modelcontextprotocol/server-slack

Требует: SLACK_BOT_TOKEN, SLACK_TEAM_ID

Возможности:

• Отправка сообщений
• Чтение каналов
• Поиск

npx -y @modelcontextprotocol/server-puppeteer

Возможности:

• Навигация по страницам
• Скриншоты
• Извлечение контента

Connection Type: STDIO
Command: npx
Arguments: ["-y", "@modelcontextprotocol/server-filesystem", "/home/user/documents"]

Connection Type: STDIO
Command: npx
Arguments: ["-y", "@modelcontextprotocol/server-postgres"]
Environment:
  DATABASE_URL: postgresql://user:pass@localhost:5432/mydb

Connection Type: SSE
URL: https://my-mcp-server.example.com/sse
Headers:
  Authorization: Bearer my-api-key

• Указывайте минимально необходимые пути
• Используйте read-only режим где возможно
• Ограничивайте SQL операции

❌ Не храните секреты в workflow
✅ Используйте переменные окружения n8n

MCP серверы работают в отдельных процессах, но:

• Filesystem сервер имеет доступ к указанным путям
• Database сервер может выполнять любые SQL
• Puppeteer сервер может посещать любые сайты

Агент читает документацию из файлов и отвечает на вопросы.

Агент анализирует данные, выполняя SQL запросы.

Агент собирает информацию из веб-страниц.

import { Server } from '@modelcontextprotocol/sdk/server';

const server = new Server({
  name: 'my-server',
  version: '1.0.0'
});

server.setRequestHandler('tools/list', async () => ({
  tools: [{
    name: 'my_tool',
    description: 'My custom tool',
    inputSchema: { type: 'object', properties: {} }
  }]
}));

server.setRequestHandler('tools/call', async (request) => {
  // Handle tool call
  return { content: [{ type: 'text', text: 'Result' }] };
});

from mcp.server import Server

server = Server("my-server")

@server.list_tools()
async def handle_list_tools():
    return [
        {"name": "my_tool", "description": "My custom tool"}
    ]

@server.call_tool()
async def handle_call_tool(name: str, arguments: dict):
    return {"content": [{"type": "text", "text": "Result"}]}

Дополнительная документация по MCP:

• MCP серверы — каталог популярных серверов
• RAG — работа с документами
• AI Agent — создание агентов