MCP N8n Monitor

n8n监控MCP服务器 

一个模型上下文协议（MCP）服务器，为n8n工作流自动化实例提供实时监控、健康分析和错误调试。

🎯 概述

此MCP服务器将Claude AI连接到您的n8n实例，通过自然语言对话实现对工作流执行的智能监控和调试。

关键能力：

• 📊 实时工作流健康监控
• 🔍 详细的错误取证和调试
• 📈 执行指标和KPI跟踪
• 🚨 自动故障检测和警报

🏗️ 建筑

Claude Desktop ←→ MCP Server ←→ N8nMonitor ←→ n8n Webhook ←→ n8n API

服务器充当Claude和n8n实例之间的桥梁，将自然语言请求转换为结构化的API调用。

🎥 观看教程

请参阅YouTube上的完整演示和分步设置指南：


📦 安装

先决条件

• Python 3.10+
• 自托管n8n实例
• Claude桌面应用程序

设置

1. 克隆存储库

git clone 
cd mcp_n8n

1. 安装依赖项

pip install -r requirements.txt
# or using uv
uv pip install -r requirements.txt

1. 配置环境变量

创建一个 .env 项目根目录中的文件：

N8N_WEBHOOK_URL=https://your-n8n-instance.com/webhook/your-webhook-id

1. 配置n8n webhook

使用共享的n8n工作流\[此处\]来处理这些操作，该工作流包含连接到n8n实例的三个Webhook：

• get_active_workflows：获取您的实例中当前活动的所有工作流
• get_workflow_executions
• get_execution_details

看 n8n API参考 了解实施细节。

1. 添加到克劳德桌面

编辑您可以在Claude Desktop UI中访问的Claude Desktop配置文件： File > Settings > Developer > Edit Config

{
"n8n-monitor": {
    "command": "wsl",
    "args": [
    "-d",
    "Ubuntu",
    "bash",
    "-lc",
    "cd ~/path/to/mcp_n8n && uv run --with mcp[cli] mcp run server.py"
    ],
      "env": {
        "N8N_WEBHOOK_URL": ""
      }
    }
}

🚀 用法

配置后，您可以使用自然语言通过Claude与n8n实例进行交互：

查询示例

健康监测：

• “显示所有活动工作流”
• “我的n8n实例的健康状况如何？”
• “生成最近100次执行的运行状况报告”

调试错误：

• “工作流中的调试错误 7uvA2XQPMB5l4kI5"
• “是什么导致我的数据处理工作流程失败？”
• “显示所有工作流中的错误模式”

执行跟踪：

• “显示最近50次运行的执行指标”
• “哪些工作流最常失败？”
• “平均执行时间是多少？”

🛠️ 可用工具

1. get_active_workflows()

列出所有活动工作流及其ID、名称和元数据。

退货：

• 活动工作流总数
• 工作流详细信息（ID、名称、创建/更新日期）
• 汇总统计

2. get_workflow_executions(limit=50, include_kpis=True)

使用性能指标获取最近的工作流执行情况。

参数：

• limit：要检索的执行次数（1-100）
• include_kpis：包括计算的KPI（默认值：true）

退货：

• 执行摘要（总数、成功/失败计数）
• 成功/失败率
• 执行时间指标（平均值、最小值、最大值）
• 执行模式（手动、触发、webhook）
• 健康状况指标
• 需要注意的工作流程

3. get_workflow_health_report(limit=50)

为所有工作流生成全面的运行状况分析。

参数：

• limit：需要分析的最近处决人数

退货：

• 总体健康状况(🟢 健康/🟡 警告/🔴 严重）
• 有问题的工作流列表
• 健康工作流程列表
• 时间度量和执行模式
• 可操作的警报

4. get_error_executions(workflow_id)

检索特定工作流的详细错误调试信息。

参数：

• workflow_id：要分析的工作流ID（例如“CGvCrnUyGHgB7fi8”）

退货：

• 错误计数和详细错误列表
• 失败节点信息（名称、类型、位置）
• 错误消息和严重级别
• 触发上下文（导致失败的原因）
• 错误模式和频率
• 节点故障统计
• 误差的时间范围

📊 健康状况指标

• 🟢 健康的：失败率\25%的故障率

🧪 测试

运行测试套件以验证功能：

python test.py

这将执行三个测试场景：

1. 使用KPI进行执行跟踪
2. 健康报告生成
3. 执行调试时出错

测试结果保存到：

• execution_data.json
• health_report.json
• error_executions_test.json

📝 日志记录

所有操作都记录到 n8n_monitor.log.

查看实时日志：

tail -n 100 -f n8n_monitor.log

查看最近的活动：

tail -n 50 n8n_monitor.log

📁 项目结构

.
├── server.py                    # MCP server with tool definitions
├── utils/
│   └── n8n_monitor_sync.py     # Core n8n monitoring logic
├── test_n8n.py                 # Test suite
├── requirements.txt            # Python dependencies
├── pyproject.toml              # Project metadata
├── n8n_monitor.log             # Runtime logs
└── README.md                   # This file

🔧 配置

环境变量

n8n Webhook要求

n8n webhook接受具有以下操作有效载荷的POST请求：

获取活动工作流：

{
  "action": "get_active_workflows"
}

获取处决：

{
  "action": "get_workflow_executions",
  "limit": 50
}

获取错误详细信息：

{
  "action": "get_execution_details",
  "limit": 5,
  "workflow_id": "your-workflow-id"
}

🐛 故障排除

服务器未连接

• 验证webhook URL是否正确 .env
• 检查n8n实例是否可访问
• 审核日志： tail -f n8n_monitor.log

未执行死刑

• 确保您的n8n实例有执行历史记录
• 检查webhook是否配置正确
• 验证webhook操作路由是否正常工作

执行错误显示0个结果

• 确认工作流ID正确
• 检查工作流是否实际执行失败
• 验证 get_execution_details webhook路由正常工作

📚 资源

• n8n API文档
• 我的n8n创建者个人资料
• FastMCP文档

🤝 贡献

欢迎投稿！请确保：

• 测试通过： python test.py
• 日志内容全面
• 文档已更新
• 函数与n8n工作流兼容（并且不会过载）。

📄 许可证

MIT许可证-您可以在自己的项目中自由使用！

关于我🤓

高级供应链和数据科学顾问，具有物流和运输运营方面的国际经验。 如需就分析和可持续供应链转型提供咨询或建议，请随时通过以下方式与我联系 Logigreen咨询 或 领英