轻松集成Fastgpt MCP到n8n，流畅打造强大的RAG工作流程【一键快速上线至公网】真是赞不绝口！

大家好，我是袋鼠帝

我最近真的是爱上n8n了，用起来贼爽

熟练之后，3分钟内就可以搞定一个简单的功能。

关键是还支持一键发布到公网，太省事儿了～

n8n确实是一款能让普通人快速、灵活搭建AI Agent，workflow的平台工具，支持本地化部署，自由度超高（缺点就是前期上手难度有点高）。

它又被称之为德国工匠打造的 “自动化乐高”

n8n于2019 年由前《加勒比海盗》视觉设计师 Jan Oberhauser 创立，因不满 Zapier 等工具的 “不灵活” 和高成本，秉持 “自由可持续，开放且务实” 理念，打造的完全开源的自动化工作流工具。其核心目标是通过可视化 + 代码双模式，让任何人都能连接不同应用，实现复杂流程自动化（官网：https://docs.n8n.io/）。

前几期文章分享出来之后

部分朋友提出了一个问题：n8n能用RAG做知识库吗？

经过一段时间的研究，我发现n8n虽然支持用RAG搭建知识库，但是整个过程比较复杂：

它需要手动搭建文件上传向量数据库的工作流，而且还需要手动搭建一个通过RAG问答的工作流。

左边是文件上传工作流，右边是RAG问答工作流。

即便搭建好，使用起来体验感也不是太好。

所以我就在想，能不能把我最中意的Fastgpt知识库接入到n8n使用呢？

边想，我就边打开了Fastgpt的Github地址

https://github.com/labring/FastGPT

卧槽，Fastgpt最近更新挺频繁呀

最令我兴奋的是，它终于支持MCP了～

而且支持双向MCP（既可以作为客户端接入其他MCP-Server使用，又可以作为服务端对外提供MCP-Server）

而且n8n官方也在最近支持了MCP。

那岂不是可以把fastgpt的知识库发布成MCP-Server直接接入n8n啦！

经过我的实践，这个方案完全可行，而且整个对接过程非常丝滑

MCP不愧是万能插座呀，自由的神！

并且接入后的RAG效果非常棒（因为Fastgpt本身RAG就做的很棒）

整个操作步骤如下：

1.本地部署好n8n；

2.本地部署/升级Fastgpt；

3.在Fastgpt创建对外的MCP-Server；

4.在n8n接入Fastgpt—MCP-Server。

部署/升级Fastgpt

Fastgpt在v4.9.6版本开始支持了MCP

不过目前的最新版是v4.9.7-fix2

本期还是使用docker-compose来部署/升级fastgpt（需要先安装docker）

需要两个东西：

1.fastgpt的docker-compose.yml文件；

2.fastgpt的config.json文件

可以直接访问下面这个地址，获取fastgpt最新的docker-compose.yml文件：

https://github.com/labring/FastGPT/blob/main/deploy/docker/docker-compose-pgvector.yml

下面这个地址可以获取fastgpt的最新config.json文件

https://raw.githubusercontent.com/labring/FastGPT/refs/heads/main/projects/app/data/config.json

无法访问的朋友也可以在公众号后台私信：“v4.9.7-fix2” 获取上述2个文件

下面的步骤对于直接部署/升级fastgpt都适用

需要升级的话，就先备份一下旧的docker-compose.yml

然后把最新的docker-compose.yml和config.json放到同一个文件夹下

config.json里面有个MCP-Server的地址配置，需要特别注意

因为我的fastgpt和n8n都是本地docker部署的，所以fastgpt对外提供MCP-Server的地址可以填本机的局域网IP，端口固定填3005即可。

如果是云服务器部署，可以换成外网IP或者域名。

准备好之后，我们就打开文件所在路径的控制台/终端

执行docker-compose up -d 命令，看到类似下图这种日志就代表部署/升级成功。

温馨提示：如果fastgpt的镜像拉不下来，可以把docker-compose.yml文件里面的镜像都换成阿里云的镜像

创建Fastgpt MCP-Server

成功部署/升级fastgpt后

浏览器访问 127.0.0.1:3000 进入fastgpt的页面

工作台->MCP服务->新建服务

这里可以创建对外的Fastgpt MCP-Server

点开管理，可以看到，咱们可以管理这个MCP-Server下的“工具”

可以把在fastgpt创建的bot，工作流等...多个应用放到一个MCP-Server中。

但是目前看起来无法直接选择已经创建的fastgpt知识库...

卧槽，这是个很大的问题。

本来我一开始是把fastgpt的知识库接入一个bot，然后把bot放入MCP-Server，作为其中的一个工具。

但是这里面有个问题：当接入n8n之后，n8n工作流中获取到的是已经被fastgpt的大模型总结后的知识库内容，而不是知识库的原始内容，这样就比较尴尬。

想了半天，直到我看见Fastgpt的MCP-Server支持接入工作流，我就突然灵机一

可以把知识库放到工作流中呀～

说干就干，直接在fastgpt新建一个工作流，里面只添加知识库搜索和指定回复节点，配置好知识库参数（最低相关度，引用上限等等），最后点击右上角的保存并发布。

注意：工作流的名称一定要是英文，应用介绍也一定要写。

回到刚刚的MCP服务这里，创建一个只有wechatmp-knowledge工作流的MCP-Server

点击开始使用

在SSE一栏，复制这个下图中的地址

这个就是你刚刚创建的fastgpt-mcp-server的sse地址

n8n接入Fastgpt-MCP-Server

回到n8n的工作流编辑页面

在AI Agent节点的Tool这里，点击加号

添加官方的MCP Client Tool节点

在MCP Client Tool的配置中，我们填入刚刚复制的fastgpt-mcp-server的sse地址（还可以给这个节点改个形象的名称）

在chat对话框中发出问题进行测试

可以看到成功调用了fastgpt-mcp-server，并从fastgpt的知识库中获取到了正确答案～

知识库问答效果就不用多说了，fastgpt是我认为轻量LLM应用平台中，知识库效果最好的了。

另外，可以看到，我们刚刚在fastgpt创建的工作流的名称和介绍会在n8n这边用到。

最后，我们打开思路

除了把fastgpt的知识库封装到工作流，打包成MCP-Server可以快速接入n8n外。

同样也可以把fastgpt的插件、搭载知识库的bot等打包成MCP-Server对外提供出去使用。

还有，可以在fastgpt中创建一个搭载知识库的bot，发布成API的形式（fastgpt的API兼容了OpenAI API）

在n8n的AI Agent节点 添加模型那里添加fastgpt的bot

配置凭证：把base_url换成fastgpt的API地址，apikey填写bot的key

模型随便填都可以，反正不会生效（会以fastgpt bot里面配置的模型为准）

这样就ok啦！

这个方式同样可以把fastgpt的知识库接入n8n使用，只不过模型什么的配置都走fastgpt这边了。

调试完成之后，我们双击最开头的chat message节点

开启make chat publicly available

就可以得到一串chat url链接，复制下来

别忘了，把工作流保存、激活

我甚至可以在手机浏览器里面访问使用

关键它这个公网聊天页面的功能还支持非常多的定制化配置，比如支持设置密码访问，可以增加上传文件功能等等...

我觉得特别适合用来快速构建自己的MVP产品，或者搭建一些AI工作流给自己或者公司内部提效用。

除了chat message节点，其他很多触发节点都支持发布到外网访问

这块大家可以去探索一下，自由度真的太高了

如果你的n8n是部署在本地，参考这篇可以让外网访问本地n8n服务

本地n8n提供外网访问

袋鼠帝，公众号：袋鼠帝AI客栈斩获86K Star！最强开源MCP平台【双向+本地MCP】自由度拉满，太绝了～

「写在最后」

在之前n8n文章的评论区

有读者问：为什么不直接用代码实现呢？我感觉自己写代码还更容易实现。

这个问题引发了我的一些思考..

确实，n8n初期上手难度会大一些，但是熟练过后，它的效率远超传统代码。

它强大的社区生态能满足从简单到复杂的各类需求，让创意快速变为现实。

当然，复杂的企业级项目还是适合用代码开发，但对于大多数场景，n8n已然足够。

最重要的一点

我认为技术不应该是围墙，而应该是桥梁。

如果我用代码去实现，可能大部分朋友都没法搞定了。

我希望做到技术平权，让更多非技术背景的朋友也能动手参与

不管是用AI提效，还是快速搭建属于自己的MVP产品，亦或是体验创造的乐趣。

这可能就是我分享文章的初衷吧

总之，技术、工具是为人服务的，不应该是少数人的特权

当创造力不再受限于技术

每个人的想法都能照进现实

这才是科技最美的模样

当然，这条路还很长，需要我们共同努力～