Contenido del curso
Configuración de MCP client en N8N con OpenAI
Interactuar eficientemente con el MCP Server desde una herramienta como N8N puede facilitar significativamente tareas operativas y mejorar la agilidad en consultas rápidas. Para ello es esencial comprender claramente cómo configurar un flujo de trabajo usando MCP client, N8N, y un modelo AI como GPT de OpenAI.
¿Cómo crear un nuevo workflow con MCP client?
El primer paso esencial es crear un flujo de trabajo en N8N para vincularlo con el servidor MCP:
¿Cómo configurar MCP client y SSE endpoint?
Esta configuración es clave para garantizar la conexión correcta con tu servidor MCP:
Es recomendable utilizar autenticación para mayor seguridad.
¿Cómo configurar memoria, chat y prompt para tu AI agent?
Configurar correctamente estos elementos asegura la operatividad del agente AI:
En la sección prompt user message, tu configuración lucirá similar a esto:
{ "chat_input": "tuconsulta" }
Recuerda que el prompt debe configurarse como un system message, orientado a interactuar de manera eficaz con el MCP Server y Supabase.
¿Qué prueba sencilla valida que todo está funcionando correctamente?
Realizar una prueba rápida te permitirá verificar la correcta integración:
Así comprobarás de inmediato que tu nueva configuración opera correctamente.
Alex Henrry Naupay Ferrer
EstudianteAlex Henrry Naupay Ferrer
Estudiante
MARIA GUADALUPE ZAMORA ESPARZA
Estudiante
Jorge Luis Padilla Tirado
Estudiante
Camilo Andrés Riveros Lesmes
Estudiante
Carlos Rodriguez
Estudiante
Kevin Costa
Estudiante
Samuel Miranda Martínez
Estudiante
Juan Felipe Reyes Morales
Estudiante
Sebastian David Acero Serrato
Estudiante
Favio Náquira
EstudianteFavio Náquira
EstudianteFavio Náquira
Estudiante
Andres Mauricio Heredia Guerrero
Estudiante
Jose Bossa
Estudiante
Ronald Cuello
Estudiante
Alejandro Montaño
Estudiante
Alejandro Torres
Estudiante
Afu Tse
Estudiante
Sebastián Duque
Estudiante
Gedward Romo
EstudianteTavo Montoya
Estudiante
Lizeth Marin
Estudiante
Altair Barahona
Estudiante
Eduardo Rodriguez Cisneros
Estudiante
André Melo
Estudiante
William Ruiz
Estudiante
Mateo Montoya Henao
EstudianteGedward Romo
Estudiante
Gabriel Obregón
Estudiante
Etlin Ortega
EstudianteImagen. En el tool del MCP Server Trigger deben hacer el cambio. En el video lo configura para select, se debe configurar para "Execute Query" y como query: {{ $fromAI("sql_query") }}. Aquí se podrían añadir otros postgres tools para que consulte las tablas existentes y sus definiciones.
También podrías modificar el prompt en el flow del MPC Client para que el AI Agent construya mejor la query a ejecutar, de momento le puse: Eres un agente que se conecta al MCP Server Trigger, y a las herramientas que tiene disponible. El nombre exacto del departamento o área están en las tablas específicas, el usuario podría usar nombres semejantes o una mezcla de minúsculas o mayúsculas. Responde siempre según la base de datos y herramientas que tengas conectado.
Y ya con esto:
Con esto ya dio el número que coincide con la consulta en bd, estoy viendo que si haces preguntas distintas sobre otros datos no todos los devuelve como el tipo de trabajo
supongo que eso se revisa en el prompt para mejorar la respuesta
Propmt del ejercicio: Eres un agente que se conecta al MCP Server Trigger, y a las herramientas que tiene disponible.
Responde siempre según la base de datos en Supabase, nunca respondas información que no funciona
{{ $json.chatInput }}
Existe una inconsistencia, ya que al validar la respuesta con una consulta el resultado debe ser 44.
En el video da 15 colaboradores, con mi flujo me da 24. Algo no está procesando bien los datos de la BD.
Me pasa exactamente lo mismo
Lo mismo, tuve variadas respuestas, primero 18, después 38, despues 10 (truncado), despues 38 y despues 20.
Los MCP vuelven a la herramienta una nave espacial. Ya se acabó la época de repetir los tareas más de dos veces. Ya la solución esta a la mano.
En la configuracion del MCP Client del agente no me sale la opción performance, solo me sale la opción Postgres, alguién me podria ayudar a explicar por que ? y que implicaciones tiene esto ?
Así mismo, cuando hago la pregunta de "cuantos colaboradores hay en el área legal ?" la respuesta que me da el chat es "10 Colaboradores" y no 15, a que se puede deber este error ?
a mi me responde que son 18, pero revisando la BD realmente son 44. No se si se deba a alguna alucinación y por ahora también pediría ayuda a ver como se corrige eso.
ese nombre performance lo pone el profesor fuera de clase, como tú le pusiste postgres (o mejor dicho, no cambiaste el por defecto) ese es el que te aparece
Estoy usando la versión Community y en Tools to Include no deja seleccionar nada, ¿Hay que configurar algo adicional?
Encontré el problema: MCP utiliza una conexión SSE, y servidores web como traefik, nginx o coolify la comprimen, dejándola inservible. La solución puede ser de dos formas:
acabo de hacer la prueba localhost, y básicamente era porque no estaba activo el flujo :P
El chat trigger en n8n permite iniciar flujos automáticos basados en interacciones en un chat, como el de un agente inteligente. Su función principal es captar mensajes de los usuarios y activar un workflow que responda a esos mensajes. Esto facilita la integración de servicios y la creación de agentes inteligentes que interactúan en tiempo real con los usuarios, utilizando herramientas como MCP Client y bases de datos para consultas precisas.
Configuración usada con Azure AI:
Excelente, me sirvio esta configuracion. Gracias!
MCP como dijo Freddy es una solucion de alto nivel y al alcance de un experto podrias configurar mas parametros mediante codigo de configuracion mas alla de la interfaz grafica
Explicación simple, sencilla y directo a la practica :D
Hola a todos, les dejo mi aporte dado que me han salido muchas inconsistencias (El conteno de colaboradores nunca es preciso, siempre falla).
De esta forma pude tener siempre resultados a acordes a lo que tenemos en SupaBase.
<u>Paso numero 1</u>
Rol
Eres un agente conectado al MCP Server Trigger con acceso de solo lectura a Supabase (PostgreSQL). Tu tarea es convertir preguntas de usuarios en consultas SQL correctas y eficientes sobre la tabla `empleados`.
Esquema (única tabla disponible)
empleados (
id int4 PRIMARY KEY,
nombres varchar,
apellidos varchar,
email varchar,
nacionalidad varchar,
fecha_nacimiento date,
fecha_ingreso_empresa date,
pais_base varchar,
tipo_trabajo varchar,
departamento varchar,
desempeno varchar,
nivel_salarial varchar
)
Reglas
1) Genera únicamente SQL `SELECT` (nunca INSERT/UPDATE/DELETE/DDL).
2) Usa solo las columnas listadas en el esquema. No inventes campos.
3) Si el usuario usa sinónimos:
- “empleados”, “colaboradores”, “trabajadores”, “ayudantes”, “staff” ⇒ registros de `empleados`.
- “departamento”, “área”, “cargo”, “unidad” ⇒ columna `departamento`.
4) Normalización de `departamento`: si el usuario lo escribe en minúsculas, conviértelo a “Title Case” (primera letra de cada palabra en mayúscula) para comparaciones por igualdad.
5) Para búsquedas por texto usa `ILIKE` cuando proceda; para fechas usa formato `YYYY-MM-DD`.
6) Si falta un dato indispensable (p. ej., rango de fechas o el campo por el que filtrar) y no puedes inferirlo con seguridad, pide una aclaración mínima.
7) Devuelve solo la consulta SQL en texto plano (sin explicaciones ni comentarios). Por defecto limita resultados con `LIMIT 100` y añade `ORDER BY` cuando sea útil.
Ejemplos de estilo (no los imprimas si no aplican):
-- Conteo por departamento: SELECT departamento, COUNT(*) FROM empleados GROUP BY departamento ORDER BY COUNT(*) DESC;
-- Filtrado por fecha: SELECT * FROM empleados WHERE fecha_ingreso_empresa BETWEEN '2025-01-01' AND '2025-06-30' LIMIT 100;
Es necesario tener este nivel de detalle de las tablas, dado que tiende dar datos incorrectos si no lo hacen. De esta forma, cualquier modelo es soportado.
Exacto! Gracias al prompt el modelo puede saber como dar la instruccion del query al MCP Server
A todos les dejo este corto, pero sustancioso video:
Son hacks de uso de n8n, adicional el autor tiene varios templates interesantes para probar y sumar a los del curso.
Abrazo
Que prosigue hacer con las respuestas erroneas que obtenemos?, que se tiene que hacer o solo es mejorar el promt (no lo creo)?
Para que la respuesta sea más fiable: 1. MCP CLIENT: En OpenAI Chat Model seleccionar un modelo más inteligente como o4-mini para evitar respuestas del estilo "No pude acceder a esa información" que son causadas porque generó mal la consulta SQL. 2. MCP SERVER: En nodo Postgres - Tool Description: Set Manually con este texto "Herramienta para consultar la base de datos de empleados en Supabase. Permite ejecutar queries SQL sobre la tabla empleados y tablas relacionadas" - Operation: Execute Query
- Query: {{ $fromAI("sql_query") }}
A mi me dió como resultado 17 colaboradores, en Supabase hice la consulta:
SELECT count(\*) FROM empleados WHERE departamento = 'Legal'; ````	 Y da como resultado 44 pibes... Como dir+ia el Señor Cara de Papa: "Algo anda mal ᕙ(⇀‸↼‶)ᕗ " 
a mi me respondió que hay 11 jaja
excelente clase
✨ Visual Summary of the Lecture: Configuración de MCP client en N8N con OpenAI ✨
1. The Central Idea (The Core 💡): This class focuses on integrating the MCP Client with N8N to allow an AI agent to interact with an MCP Server via chat.
2. Key Points (In Bullet Points 📌):
3. The Crucial Example or Fact 🚀: The class demonstrates querying "Cuántos colaboradores hay en el área legal?" to show the functional interaction between the AI agent and the MCP server.
4. Connection or Next Step 🔗: This knowledge sets the stage for connecting with external clients like Cloud Desto, which will be covered in the next class.
🏛️ Senior Architect's Deep Dive
1. Critical Limitations & Edge Cases: ⚠️ The lecture explicitly mentions skipping authentication for simplicity, which is a major security limitation for production environments. Relying solely on the N8N chat trigger also limits external integration without further steps.
2. The Expert-Level Debate: ⚖️ "Security vs. Usability." The class prioritizes ease of setup (usability) by omitting authentication initially, but this creates a significant security trade-off for any real-world deployment.
3. Strategic Weakness (The "But..."): This is great, but the primary reliance on N8N's internal chat for user interaction significantly limits the agent's reach and practical application in a broader enterprise context.
Para quienes tienen un subdominio en su n8n selfhosted, es importante configurar su proxy reverse para aceptar las conexiones "sse". Estuve revisando varias horas por el que me daba timeout.
Buscando la documentacion y comentarios, di con la configuracion para que funcione correctamente.
Luego, es ir afinando el prompt del "AI Agent" para que el modelo sea mas "inteligente" creando los queries para consumir en Supabase.
Definitivamente, es una maravilla los MCP
🧠 Configurar Workflow con MCP Client en N8N y OpenAI
🔧 1. Crear el Workflow en N8N
🌐 2. Conectar MCP Client y el SSE Endpoint
🧩 3. Configuración del AI Agent
{
"chat_input": "tuconsulta"
}
💡 El prompt debe ser un system message, orientado a trabajar con MCP Server y Supabase.
✅ 4. Validar que Funciona
Consulta, los datos de la base de datos, nunca viajan a open AI?, no me queda claro
