Przeszkól swój zespół programistyczny z Claude Code
Bezpłatna rozmowa diagnostyczna. Pokażemy, od których skilli i workflow zacząć, żeby Twoi developerzy realnie oszczędzali czas.
Wybierz dogodny termin bezpłatnej rozmowy (30 min).
Umów bezpłatną rozmowęFilm: Claude Code steruje n8n — tworzenie workflowów bez klikania
Poniżej pełny tutorial z komendami i konfiguracją — możesz czytać bez oglądania.
Co to jest MCP?
MCP (Model Context Protocol) to otwarty standard, który pozwala modelom AI komunikować się z zewnętrznymi narzędziami w ustandaryzowany sposób.
Prościej: to jak REST API, ale dla AI. Zamiast pisać dla każdego modelu osobną integrację — tworzysz jeden serwer MCP i każdy klient (Claude Code, Gemini, Cursor) może z nim gadać.
Trzy warstwy:
- Klient (host) — aplikacja gdzie piszesz i promptujesz, np. Claude Code
- Serwer MCP — program który tłumaczy polecenia AI na język konkretnego narzędzia (n8n ma wbudowany)
- Zasoby i narzędzia — to co AI może faktycznie robić: pobierz workflowy, uruchom workflow, sprawdź błędy
Krok 1: Włącz MCP w n8n
W panelu n8n:
- Lewy dolny róg → kółko zębate (Settings)
- Wybierz Instance Level MCP
- Upewnij się że MCP jest ustawione na Enabled
- Skopiuj adres serwera i access token — będą potrzebne za chwilę
Krok 2: Podłącz Claude Code do n8n
W terminalu, w katalogu projektu:
Bash1claude mcp add --transport http "n8n Connection" https://TWOJ-SERWER/mcp --header "Authorization: Bearer TWOJ-TOKEN"
Podmień TWOJ-SERWER i TWOJ-TOKEN na wartości z panelu n8n.
Sprawdź czy połączenie działa:
Bash1 2claude /mcp
Powinieneś zobaczyć n8n Connection na liście — to znak sukcesu.
Krok 3: Zrozum ograniczenia wbudowanego MCP
Wbudowany serwer MCP w n8n jest read-only plus execute. Możesz:
- Przeglądać istniejące workflowy
- Uruchamiać workflowy
- Pobierać szczegóły workflowów
Czego nie możesz — tworzyć nowych workflowów bezpośrednio.
Przy próbie tworzenia Claude odpowie: "Nie mam narzędzia MCP do tworzenia workflowów. Mogę przygotować gotowy plik JSON do importu."
To nadal użyteczne — Claude generuje poprawny JSON workflow, który importujesz w n8n przez Add Workflow → Import from file.
Krok 4: Pełna kontrola przez n8n-turbo MCP
Żeby AI mógł tworzyć workflowy (nie tylko czytać) — potrzebujesz community rozwiązania. Autorem jest Romuald Członkowski, działa przez n8n API.
Najpierw wygeneruj klucz API w n8n:
- Settings → API → Create an API key
- Wybierz projekt, ustaw datę ważności, kliknij Save
- Skopiuj klucz
Następnie usuń stare połączenie MCP i dodaj nowe:
Bash1 2 3 4 5 6claude mcp remove "n8n Connection" claude mcp add --transport pipe "n8n Turbo" \ -- npx -y n8n-mcp-turbo \ --n8n-url https://TWOJ-SERWER \ --n8n-api-key TWOJ-KLUCZ-API
Sprawdź dostępne narzędzia:
Bash1 2 3claude /mcp # wybierz n8n Turbo → View Tools
Zobaczysz 20 narzędzi — w tym create_workflow. Teraz możemy tworzyć.
W praktyce: workflow RSS → Slack jednym zdaniem
Stwórz mi workflow, który monitoruje RSS Tech Crunch
i wysyła nowe artykuły na Slaka.
Claude:
- Wybiera narzędzie
create_workflowz n8n Turbo - Buduje strukturę workflow z węzłami RSS i Slack
- Tworzy go bezpośrednio w n8n przez API
W n8n pojawia się gotowy workflow: RSS trigger co 15 minut → filtr tylko nowych artykułów → Slack. Jedyne co trzeba dołożyć ręcznie: credentials dla Slaka.
Bardziej złożone zadanie: Viral Machine
Stwórz workflow o nazwie Viral Machine. Zacznij od triggera Google Drive
który wykrywa nowe pliki wideo w folderze Reels. Pobierz plik. Rozdziel
na trzy równoległe akcje: upload YouTube, Facebook, Instagram Business.
Zadbaj o poprawne przekazywanie danych binarnych.
Wynik po kilkudziesięciu sekundach: kompletny workflow z triggerem Drive, węzłem pobierania pliku i trzema równoległymi uploadami. Credentials do uzupełnienia — logika gotowa.
Kiedy to ma sens?
MCP + Claude Code w n8n sprawdza się gdy:
- Prototypujesz szybko — nie wiesz jak ułożyć węzły, chcesz zobaczyć punkt startowy
- Budujesz złożone flow — wiele równoległych gałęzi, skomplikowane mapowanie danych
- Uczysz się n8n — widzisz jak AI konstruuje workflow i uczysz się na przykładach
- Powtarzasz podobne wzorce — raz powiesz jak zbudować template, AI stosuje go kolejny raz
Nie zastępuje to rozumienia n8n — AI popełnia błędy, credentiale i tak konfigurujesz ręcznie. Ale czas na stworzenie działającego szkieletu skraca się z 30 minut do 2.
Dalej w tym klastrze
- Jak zbudować chatbota AI na własnych danych? RAG z n8n i Qdrant
- Własny serwer MCP w Pythonie — Dependency Guardian
Chcesz żeby AI zarządzał automatyzacjami w Twojej firmie? Porozmawiajmy →
