MCP

n8n:用可视化画布和自定义代码搭建工作流与 AI 代理

适合在自托管环境用可视化画布加自定义代码搭建工作流和 AI 代理,但第一次使用前必须先装好 Docker 并了解其 fair-code 许可证对商用场景的限制。

官方来源 · n8n-io/n8n

安装

curl -fsSL https://get.n8n.io | sh

适合谁

  • 适合想在自托管环境里搭建工作流自动化和 AI 代理的团队:用可视化画布编排流程,需要时在节点里写 JavaScript、Python 或引入 npm 包,并接入 OpenAI、Anthropic、Google 或开源模型。
  • 适合希望同时保留图形化搭建和代码灵活性的用户,官方描述中集成了 400+ 集成。
  • 不适合的情况:n8n 采用 Sustainable Use License 和 n8n Enterprise License 的 fair-code 分发方式,不是传统意义上的完全开源许可证;如果你的使用场景对许可证有硬性要求,需要先自行确认条款是否允许。
  • 官方明确推荐通过 Docker 运行,没有 Docker 环境时第一次尝试会受阻;除此之外其他运行方式的官方前提在本次证据中未说明。

3 分钟完成第一次尝试

推荐主路径是官方 README 给出的安装脚本(需要本机已安装 Docker):

curl -fsSL https://get.n8n.io | sh
  1. 前提:确认 Docker 已安装并能运行。
  2. 执行上面的官方安装脚本。
  3. 如果你想手动控制数据位置,官方也给出了 Docker 手动方式:先用 docker volume create n8n_data 创建卷,再按官方说明运行 docker.n8n.io/n8nio/n8n 镜像并映射端口 5678,在浏览器打开 http://localhost:5678 访问编辑器。注意这属于本地部署配置,涉及在本地创建卷和运行容器,不是只读操作;确切的完整 docker run 参数请以官方 README 原文为准。
  4. 能看到编辑器界面即为第一次尝试成功的信号。

首次建议先在编辑器里做低风险操作:浏览界面、查看可用集成和节点类型。真正执行会连接外部服务或写数据的动作之前,先确认节点行为,因为本证据未包含各节点的读写性质说明。

使用案例

案例一:搭建一条 AI 工作流。在 http://localhost:5678 的可视化画布上创建工作流,插入使用 JavaScript 或 Python 的代码节点,并接入 OpenAI、Anthropic、Google 或开源模型。可期待的结果:官方描述支持“可视化搭建 + 自定义代码”的组合;具体某个模型节点的参数配置在本次证据中没有逐字说明,能确认到的边界是平台原生具备 AI 能力和这些模型的接入能力。

案例二:自托管部署验证。用 docker volume create n8n_data 创建数据卷,按官方 README 的手动 Docker 部署步骤运行镜像并访问 http://localhost:5678 验证编辑器可用。可期待的结果:n8n 在本地 Docker 中运行,数据卷 n8n_data 已创建;工作流执行会产生本地状态写入,删除卷或容器的影响在本次证据中未说明,操作前请自行确认。

使用边界

  • 读写性质:n8n 编辑器和工作流执行会触发外部服务调用和本地数据写入(如数据卷),首次尝试应停留在浏览和查看层面,真实执行前明确每个节点会做什么。
  • 凭证要求:官方证据未说明首次启动是否强制注册账号或邮箱,未知信息不要自行假设。
  • 许可限制:fair-code,Sustainable Use License + n8n Enterprise License,商用或分发前需核对许可证条款。
  • 尚未确认:各具体节点的只读/写行为、撤销路径、数据隐私边界,以及除 Docker 外其他安装方式的官方前提,这些在本次证据中均未说明,不代表没有风险。