我要投稿
**AI工作流自动化的黄金搭档，n8n与mcp强强联合，轻松实现网页AI搜索** 核心内容： 1. 介绍Dify和n8n两款AI工作流工具的特点及适用场景 2. 演示如何获取Brave搜索API密钥，并在n8n上创建工作流 3. 详细讲解如何将mcp集成到n8n工作流中，实现网页AI搜索功能
在AI技术高速发展的今天，AI 工作流平台逐渐成为日常工作中的得力助手。无论是内容生成、数据处理，还是自动化决策，这类平台正不断解放人力、提升效率。其中，dify 和 n8n 是两款受到广泛关注的 AI 工作流工具，它们各具特色，适用于不同的使用场景。
Dify 强调与大语言模型（如 GPT 系列）的集成，适合构建对话式应用和智能问答系统，但它在联网搜索能力上存在一定局限，例如无法直接使用网页搜索功能。而 n8n 则是一款开源的工作流自动化平台，灵活性更高，能够通过 API 直接调用网页搜索服务，为任务提供更加实时、丰富的数据支持。
鉴于之前有几篇系列文章已介绍过n8n和MCP的基本操作，这里就直接奔入主题实战操作演示。没有基础的小伙伴跟着步骤也能正常实现。
第一步：安装 Docker(省略)
第二步：获取Brave 搜索API 秘钥
秘钥保存好创建mcp 服务器的时候会用上
• 1. 起始节点：添加一个会话用于发送消息
{
"mcpServers": {
"brave-search": {
"command": "npx",
"args": [
"-y",
"@modelcontextprotocol/server-brave-search"
],
"env": {
"BRAVE_API_KEY": "YOUR_API_KEY_HERE"
}
}
}
}
mcp list tool会有两个工具列表，分别是brave_web_search、brave_local_search，下面运行测试一下brave搜索mcp服务器有哪些工具列表
和文档中提供的工具列表一致
brave_web_search | query（字符串）：搜索词 - count（数字，可选）：每页结果数（最多 20 条） - offset（数字，可选）：分页偏移量（最大 9） | |
brave_local_search | query（字符串）：本地搜索词 - count（数字，可选）：结果数量（最多 20 条） |
brave_web_search 返回的 JSON 格式，下面是你需要填写的内容：{
"query": "AI news",
"count": 10,
"offset": 0
}
53AI，企业落地大模型首选服务商
产品：场景落地咨询+大模型应用平台+行业解决方案
承诺：免费场景POC验证，效果验证后签署服务协议。零风险落地应用大模型，已交付160+中大型企业
2025-03-06
2024-09-04
2025-01-25
2024-09-26
2024-10-30
2024-09-03
2025-03-12
2024-12-11
2025-02-18
2024-12-25
2025-05-14
2025-05-06
2025-04-29
2025-04-25
2025-04-22
2025-04-16
2025-04-15
2025-04-13
回到顶部
粤ICP备17114055号