n8n Workflow erstellen mit Claude Code und n8n-MCP

Wünschten Sie sich jemals, Sie könnten einer KI einfach sagen, sie solle einen Automatisierungsworkflow erstellen, und dieser würde fix und fertig in n8n erscheinen? Was wäre, wenn Ihr KI-Assistent n8n-Workflows direkt erstellen, aktualisieren und ausführen könnte, ohne JSON manuell zu kopieren oder Knoten zu ziehen? Willkommen bei n8n-MCP mit Claude Code, einem System, das natürliche Sprache in reale, einsatzbereite Workflow-Automatisierung umwandelt.

Was ist n8n-MCP und warum sollte es Sie interessieren?

n8n-MCP ist ein Model Context Protocol-Server, der Ihre n8n-Workflows als ausführbare Tools für KI-Assistenten wie Claude Code bereitstellt. Anstatt Workflows manuell über die n8n-Benutzeroberfläche oder die REST-API auszuführen, beschreiben Sie in natürlicher Sprache, was Sie möchten, und Claude Code ruft den richtigen Workflow auf, übergibt Parameter und gibt Ergebnisse zurück.

Die Verschiebung ist subtil, aber massiv. Traditionelle KI-Code-Assistenten generieren Code. Mit n8n-MCP führen sie Workflows aus. Ihr Websuch-Workflow wird zu einem Tool. Ihre Datenanreicherungs-Pipeline wird zu einem Tool. Ihr Slack-Benachrichtigungs-Flow wird zu einem Tool. Claude Code wird zu einem Agenten, der reale Systeme orchestriert, nicht nur zu einem Code-Generator.

Für Entwickler, die interne Tools erstellen oder Forschung automatisieren, bedeutet dies, dass Sie:

Live-APIs abfragen können, ohne Fetch-Calls zu schreiben
Daten-Pipelines aus Ihrem Editor auslösen können
Externe Daten vor dem Commit von Code validieren können
Benutzerdefinierte Agenten erstellen können, die auf Ihren Stack zugeschnitten sind

Das Protokoll ist einfach: n8n-MCP übersetzt die Tool-Aufrufe von Claude Code in HTTP-Anfragen an Ihre n8n-Webhook-Knoten und leitet dann die Antworten an Claude zurück. Sie erhalten die volle Leistung der über 400 n8n-Integrationen in Ihrem CLI-Workflow.

💡

Möchten Sie ein großartiges API-Test-Tool, das schöne API-Dokumentation generiert?

Möchten Sie eine integrierte All-in-One-Plattform, damit Ihr Entwicklerteam mit maximaler Produktivität zusammenarbeiten kann?

Apidog erfüllt all Ihre Anforderungen und ersetzt Postman zu einem viel günstigeren Preis!

button

Schritt 1: n8n installieren und einen Websuch-Workflow erstellen

Zuerst benötigen Sie eine laufende n8n-Instanz. Für die lokale Entwicklung ist Docker am schnellsten.

# Erstelle ein Verzeichnis für n8n-Daten
mkdir ~/n8n-data && cd ~/n8n-data

# Starte n8n mit Docker
docker run -d --name n8n \
  -p 5678:5678 \
  -v $(pwd):/home/node/.n8n \
  --restart unless-stopped \
  docker.n8n.io/n8nio/n8n

Öffnen Sie http://localhost:5678 und schließen Sie die Einrichtung ab. Erstellen Sie ein Administratorkonto.

using n8n self hosted with docker desktop

Den Websuch-Workflow erstellen

Klicken Sie auf Neuer Workflow
Fügen Sie einen Webhook-Knoten (Trigger) hinzu

HTTP-Methode: POST
Pfad: web-search
Antwortmodus: Wenn letzter Knoten beendet ist

3. Fügen Sie einen HTTP Request-Knoten hinzu

URL: https://duckduckgo.com/html/?q={{ $json.query }}
Methode: GET

4. Fügen Sie einen HTML Extract-Knoten hinzu

Daten-Eigenschaft: data
Extraktionswerte:
Schlüssel: results
CSS-Selektor: .result__a
Rückgabewert: Text

5. Fügen Sie einen Set-Knoten zur Formatierung der Ausgabe hinzu

Werte zum Setzen:
results: {{ $json.results }}

6. Verbinden Sie Webhook → HTTP → HTML Extract → Set

7. Aktivieren Sie den Workflow (Schalter oben rechts)

Manuell testen:

curl -X POST http://localhost:5678/webhook/web-search \
  -H "Content-Type: application/json" \
  -d '{"query":"trending AI topics 2026"}'

Sie sollten ein JSON-Array mit Suchergebnissen sehen. Dieser Workflow ist nun bereit für die MCP-Bereitstellung.

Schritt 2: n8n-MCP installieren und konfigurieren

Der n8n MCP-Server überbrückt n8n und Claude Code. Installieren Sie ihn global oder in einem Projektverzeichnis.

# Klonen Sie das n8n-MCP-Repository
git clone https://github.com/czlonkowski/n8n-mcp.git
cd n8n-mcp

# Abhängigkeiten installieren
npm install

# Projekt bauen
npm run build

Umgebungsvariablen konfigurieren

Erstellen Sie eine .env-Datei im n8n-MCP-Verzeichnis:

# .env
N8N_API_URL=http://localhost:5678
N8N_API_KEY=n8n_api_key_hier

Holen Sie sich Ihren n8n-API-Schlüssel unter Einstellungen → API in der n8n-Benutzeroberfläche. Wenn Sie keinen API-Schlüsselbereich sehen, müssen Sie ihn möglicherweise über eine Umgebungsvariable beim Starten von n8n aktivieren:

# n8n stoppen und mit aktivierter API neu starten
docker stop n8n
docker rm n8n

docker run -d --name n8n \
  -p 5678:5678 \
  -v $(pwd):/home/node/.n8n \
  -e N8N_BASIC_AUTH_ACTIVE=true \
  -e N8N_BASIC_AUTH_USER=admin \
  -e N8N_BASIC_AUTH_PASSWORD=ihrpasswort \
  --restart unless-stopped \
  docker.n8n.io/n8nio/n8n

Generieren Sie nun einen API-Schlüssel in der Benutzeroberfläche.

Den MCP-Server starten

# Starte den MCP-Server
npm start

Standardmäßig läuft er auf http://localhost:3001. Sie sollten Folgendes sehen:

n8n MCP Server läuft auf http://localhost:3001
Verfügbare Tools: [ 'web-search' ]

Der Server erkennt Workflows mit Webhook-Pfaden automatisch und stellt sie als Tools bereit.

Schritt 3: Claude Code für die Verwendung von n8n-MCP konfigurieren

Claude Code verwendet eine Konfigurationsdatei, um MCP-Tools zu finden. Erstellen oder bearbeiten Sie Ihre Claude Code-Konfiguration.

# Claude Code Konfigurationsverzeichnis finden
# macOS: ~/Library/Application Support/Claude Code
# Linux: ~/.config/Claude Code
# Windows: %APPDATA%/Claude Code

cd ~/Library/Application\ Support/Claude Code

Erstellen Sie eine Datei namens mcp.json:

{
  "mcpServers": {
    "n8n": {
      "command": "node",
      "args": ["/path/to/n8n-mcp/dist/index.js"],
      "env": {
        "N8N_API_URL": "http://localhost:5678",
        "N8N_API_KEY": "Ihr_n8n_api_key"
      }
    }
  }
}

Wichtig: Verwenden Sie absolute Pfade für args. Relative Pfade schlagen fehl, wenn Claude Code den Prozess startet.

Die Verbindung überprüfen

Starten Sie Claude Code in Ihrem Projekt:

claude

Nach dem Laden geben Sie ein:

/list-tools

Sie sollten sehen:

Verfügbare Tools:
- n8n:web-search (Führt den Web-Such-Workflow aus)

Wenn das Tool nicht erscheint, überprüfen Sie die Protokolle:

# In einem anderen Terminal, Claude Code Logs anzeigen
tail -f ~/Library/Application\ Support/Claude\ Code/logs/mcp.log

Häufige Probleme:

ENOENT: Falscher Pfad zu n8n-mcp/dist/index.js
ECONNREFUSED: n8n läuft nicht auf localhost:5678
401: Falscher N8N_API_KEY

Schritt 4: Praktische Anwendung – Websuche von Claude Code aus

Jetzt geschieht die Magie. Starten Sie in einem beliebigen Projektverzeichnis Claude Code und führen Sie aus:

claude

Geben Sie an der Eingabeaufforderung ein:

Verwenden Sie das Websuch-Tool in n8n, um nach trendenden KI-Themen im Jahr 2026 zu suchen

Claude Code wird:

Das Tool n8n:web-search erkennen
Ihre Absicht ("trendende KI-Themen im Jahr 2026") analysieren
Den Abfrageparameter extrahieren
Den MCP-Server aufrufen
Der MCP-Server ruft den n8n-Webhook auf
n8n führt den Workflow aus und gibt Ergebnisse zurück
MCP gibt JSON an Claude Code zurück
Claude Code formatiert und zeigt die Antwort an

Beispielsitzung

$ claude
> Verwenden Sie das Websuch-Tool in n8n, um nach trendenden KI-Themen im Jahr 2026 zu suchen

Ich helfe Ihnen, mit dem n8n-Websuch-Tool nach trendenden KI-Themen im Jahr 2026 zu suchen.

Rufe n8n:web-search auf mit Abfrage: "trending AI topics 2026"

Tool gab 8 Ergebnisse zurück:
1. "Quantum AI Breakthroughs in 2026: What Developers Need to Know" (Quanten-KI-Durchbrüche im Jahr 2026: Was Entwickler wissen müssen)
2. "Multimodal LLMs: Beyond Text and Images" (Multimodale LLMs: Jenseits von Text und Bildern)
3. "Edge AI Deployment: Reducing Cloud Costs by 40%" (Edge-KI-Bereitstellung: Cloud-Kosten um 40% senken)
4. "AI Code Review Agents: Adoption Surge in Enterprise" (KI-Code-Review-Agenten: Adoptionsschub in Unternehmen)
5. "Federated Learning: Privacy-First AI Training" (Föderiertes Lernen: Datenschutzorientiertes KI-Training)
6. "Synthetic Data Generation: Quality vs. Quantity Debate" (Generierung synthetischer Daten: Debatte über Qualität vs. Quantität)
7. "AI Hallucination Detection: New Open Source Tools" (Erkennung von KI-Halluzinationen: Neue Open-Source-Tools)
8. "Neuromorphic Computing: Hardware-Software Co-Design Trends" (Neuromorphes Computing: Hardware-Software Co-Design Trends)

Basierend auf diesen Ergebnissen sind hier die wichtigsten trendenden KI-Themen im Jahr 2026:
- Quanten-KI-Integration wird für Entwickler praktisch
- Multimodale Modelle, die über Text/Bilder hinaus auf Audio/Video erweitert werden
- Edge-KI-Bereitstellung zur Kostensenkung
- KI-Agenten für die Code-Überprüfung gewinnen in Unternehmen an Bedeutung
- Datenschutzfreundliches föderiertes Lernen
- Pipelines für synthetische Daten
- Tools zur Erkennung von Halluzinationen
- Fortschritte in der neuromorphen Hardware

In Ihrer n8n-Benutzeroberfläche sehen Sie derweil die Workflow-Ausführung in Echtzeit, was beweist, dass Claude Code sie ferngesteuert ausgelöst hat.

Fortgeschrittene Muster: Aufbau agentischer Workflows

Muster 1: Daten aus mehreren Quellen anreichern

Erstellen Sie einen Workflow, der einen GitHub-Benutzer abruft und dann dessen aktuelle Tweets nachschlägt:

Webhook-Knoten (enrich-user)
HTTP Request → GitHub API (/users/{{ $json.username }})
HTTP Request → X API (/users/by/username/{{ $json.username }})
Merge-Knoten (Antworten zusammenführen)
Set-Knoten (endgültiges Objekt formatieren)

Jetzt in Claude Code:

Benutzerprofil für @johndoe mit dem enrich-user Workflow anreichern

Claude übergibt Parameter automatisch und empfängt strukturierte Daten.

Muster 2: Bedingte Tool-Auswahl

Erstellen Sie mehrere Workflows und lassen Sie Claude wählen:

web-search-duckduckgo: Kostenlos, aber langsamer
web-search-serpapi: Kostenpflichtig, aber strukturiert
web-search-google: Benutzerdefinierter Scraper

In Ihrer Aufforderung:

Suchen Sie nach Python async patterns. Verwenden Sie das schnellste verfügbare Websuch-Tool.

Claude liest die Tool-Beschreibungen und wählt basierend auf Ihrer Anweisung.

Muster 3: Workflows verketten

Die Ausgabe eines Workflows kann einen anderen auslösen. Erstellen Sie:

fetch-data: Ruft Rohdaten ab
analyze-data: Akzeptiert Daten, führt Analyse durch
summarize-data: Akzeptiert Analyse, erstellt Zusammenfassung

In Claude Code:

Vertriebsdaten abrufen, Q1-Trends analysieren und wichtige Erkenntnisse zusammenfassen

Claude wird die drei Workflows nacheinander verketten und die Ausgaben zwischen ihnen übergeben.

Vergessen Sie nicht, Ihre Webhooks zu sichern

Fügen Sie in n8n Authentifizierungs-Header hinzu:

Bearbeiten Sie den Webhook-Knoten
Setzen Sie Authentifizierung: Header Auth
Name: X-API-Key
Wert: Ihr-sicheres-webhook-geheimnis

Aktualisieren Sie die .env-Datei für n8n-MCP:

N8N_WEBHOOK_SECRET=Ihr-sicheres-webhook-geheimnis

Ändern Sie den MCP-Server, um Header zu übergeben (Sie müssen src/index.ts bearbeiten):

// In der Tool-Ausführungsfunktion
const response = await fetch(webhookUrl, {
  method: 'POST',
  headers: {
    'Content-Type': 'application/json',
    'X-API-Key': process.env.N8N_WEBHOOK_SECRET
  },
  body: JSON.stringify(parameters)
});

Ratenbegrenzung

Fügen Sie eine Redis-Cache-Schicht hinzu, um Missbrauch zu verhindern:

// In n8n-MCP, bevor der Webhook aufgerufen wird
import Redis from 'ioredis';
const redis = new Redis();

const rateLimitKey = `rate_limit:${toolName}:${Date.now() / 60000}`;
const count = await redis.incr(rateLimitKey);
if (count > 10) { // 10 Aufrufe pro Minute
  throw new Error('Ratenbegrenzung überschritten');
}
await redis.expire(rateLimitKey, 60);

Fehlerbehandlung

Verbessern Sie den MCP-Server, um strukturierte Fehler zurückzugeben:

try {
  const response = await fetch(webhookUrl, {...});
  if (!response.ok) {
    throw new Error(`HTTP ${response.status}: ${await response.text()}`);
  }
  return await response.json();
} catch (error) {
  return {
    error: error.message,
    status: 'failed'
  };
}

Claude Code zeigt den Fehler an und kann automatisch erneut versuchen.

Fazit

n8n-MCP verwandelt n8n von einem manuellen Automatisierungstool in ein programmierbares, agentisches Backend für Claude Code. Sie erstellen Workflows visuell, stellen sie als Tools bereit und orchestrieren komplexe Aufgaben mit natürlicher Sprache. Die Einrichtung ist unkompliziert: n8n installieren, einen Webhook-Workflow erstellen, den MCP-Server starten und Claude Code konfigurieren. Das Ergebnis ist ein benutzerdefinierter KI-Agent, der Ihren Stack kennt und reale Aufgaben ausführen kann. Und wenn Sie APIs in diesen Workflows erstellen, testen Sie diese mit Apidog – denn selbst KI-Agenten brauchen zuverlässige Verträge.

button