n8n + MCP: conecta tus agentes de IA a cualquier herramienta

El Model Context Protocol (MCP) resolvió un problema que frenó a los agentes IA durante años: ¿cómo habla un modelo de IA con tus herramientas? Antes de MCP, cada integración era personalizada. Necesitabas un conector para Slack, otro para tu base de datos y otro para tu CRM. Cada uno se rompía de forma independiente, requería mantenimiento separado y te ataba a un proveedor de IA específico.

MCP cambió eso. En diciembre de 2025 superaba los 97 millones de descargas mensuales del SDK y los 10.000 servidores activos, según Anthropic. Es ahora el estándar común adoptado por Claude, ChatGPT, Gemini, Copilot, VS Code y, para automatización, n8n.

Este tutorial muestra cómo combinar el motor de workflows de n8n con MCP para construir agentes IA que usan tus herramientas reales de negocio.

Qué Hace MCP (Versión de 30 Segundos)

MCP es un protocolo estándar que permite a los modelos de IA descubrir y usar herramientas externas. Piensa en él como USB para IA: conecta una herramienta, y cualquier modelo de IA puede usarla.

flowchart LR
    AI["Modelo IA<br/>(Ollama, Claude, GPT)"]
    MCP["Protocolo MCP"]
    AI <--> MCP
    MCP <--> DB["Base de Datos"]
    MCP <--> CRM["CRM"]
    MCP <--> DOCS["Documentos"]
    MCP <--> API["Tus APIs"]
    
    style AI fill:#F5A623,color:#0B1628
    style MCP fill:#059669,color:#FAFAFA

Sin MCP, escribes código de integración personalizado para cada herramienta + cada modelo de IA. Con MCP, escribes un servidor MCP por herramienta, y cualquier modelo de IA puede usarla.

Por Qué n8n + MCP Es Poderoso

n8n aporta tres cosas que MCP solo no proporciona:

1. Orquestación de workflows: MCP conecta IA a herramientas. n8n orquesta workflows multi-paso que usan esas conexiones, “busca el documento, analízalo, actualiza el CRM, notifica al equipo.”
2. Diseño visual: Construye workflows de agentes arrastrando nodos, no escribiendo código.
3. Self-hosted: Tu instancia de n8n corre localmente. Combinada con Ollama para inferencia, todo el pipeline se queda en tu hardware.

Construyendo un Workflow con Agente MCP

Requisitos Previos

• n8n instalado (recomendamos self-hosted)
• Ollama ejecutándose con un modelo capaz (qwen2.5:7b o mejor)
• Un servidor MCP para tu herramienta (ver “Servidores MCP Disponibles” abajo)

Paso 1: Configurar un Servidor MCP

Los servidores MCP exponen tus herramientas a los modelos de IA. Ejemplo usando el servidor MCP de sistema de archivos (permite a la IA leer/buscar documentos):

# Ejecutar el servidor MCP oficial de sistema de archivos (stdio)
npx -y @modelcontextprotocol/server-filesystem /ruta/a/tus/documentos

El paquete es @modelcontextprotocol/server-filesystem en npm (consultado el 2026-10-09); no existe @anthropic-ai/mcp-server-filesystem. Habla por stdio, mientras que el nodo MCP Client Tool de n8n pide un endpoint SSE. Para unir ambos, envuélvelo con supergateway:

npx -y supergateway \
  --stdio "npx -y @modelcontextprotocol/server-filesystem /ruta/a/tus/documentos" \
  --port 8000 --baseUrl http://localhost:8000 \
  --ssePath /sse --messagePath /message
# n8n MCP Client Tool -> endpoint SSE: http://localhost:8000/sse

Esto inicia un servidor que expone lectura, búsqueda y listado de archivos como herramientas MCP. Tu agente IA puede ahora preguntar “encuentra todos los contratos que mencionan cláusulas de renovación” y el servidor MCP traduce eso en operaciones de filesystem.

Paso 2: Crear el Workflow en n8n

En n8n, construye un workflow con estos nodos:

1. Webhook Trigger: recibe consultas de usuarios u otros sistemas
2. AI Agent Node: conecta con Ollama + herramientas MCP
3. Code Node: procesa la respuesta del agente
4. Output Node: envía resultados (email, Slack, respuesta webhook)

Paso 3: Definir el Comportamiento del Agente

El system prompt determina cómo tu agente usa las herramientas MCP:

Eres un analista de documentos para un bufete de abogados. Tienes acceso 
al repositorio de documentos de la firma via herramientas MCP. Cuando te 
hagan una pregunta:

1. Busca documentos relevantes usando la herramienta de busqueda
2. Lee los documentos mas relevantes
3. Analiza el contenido y proporciona una respuesta con fuentes
4. Siempre cita el nombre del documento y la seccion

Nunca inventes informacion. Si no encuentras documentos relevantes, dilo.

Paso 4: Probar y Desplegar

Ejecuta una consulta de prueba por el webhook:

curl -X POST http://localhost:5678/webhook/mcp-agent \
  -H "Content-Type: application/json" \
  -d '{"query": "Cuales son las condiciones de pago en el contrato Martinez?"}'

El agente: recibe la consulta → busca documentos vía MCP → lee archivos relevantes → analiza con Ollama → devuelve una respuesta con fuentes. Todo localmente.

Servidores MCP Disponibles (10.000+)

El ecosistema MCP tiene ya 10.000+ servidores públicos. Los clave para negocios:

Ejemplo Real: Agente de Inteligencia Documental

Un workflow completo que desplegamos para bufetes y consultorías:

flowchart TD
    QUERY["Consulta del Usuario<br/>'Cuales son los limites de<br/>responsabilidad en nuestros<br/>contratos con proveedores?'"]
    QUERY --> AGENT["Agente n8n"]
    AGENT --> SEARCH["MCP: Buscar<br/>Documentos"]
    SEARCH --> READ["MCP: Leer<br/>Top 5 Resultados"]
    READ --> ANALYZE["Ollama: Analizar<br/>(DeepSeek R1 14B)"]
    ANALYZE --> FORMAT["Formatear Respuesta<br/>con Citas"]
    FORMAT --> DELIVER["Email + Slack<br/>Notificacion"]
    
    style QUERY fill:#1E293B,color:#FAFAFA
    style AGENT fill:#F5A623,color:#0B1628
    style ANALYZE fill:#059669,color:#FAFAFA
    style DELIVER fill:#059669,color:#FAFAFA

El diferenciador clave: DeepSeek R1 con su razonamiento cadena-de-pensamiento muestra cómo llegó a su análisis, no solo la conclusión.

La Arquitectura de Privacidad

Aquí es donde MCP local + n8n + Ollama supera a las alternativas cloud:

Bajo el RGPD y la Ley de IA de la UE, el despliegue local elimina el riesgo de transferencia de datos por completo.

Para Empezar

1. Instalar n8n: docker run -it --rm -p 5678:5678 n8nio/n8n
2. Instalar Ollama: curl -fsSL https://ollama.com/install.sh | sh && ollama pull qwen2.5:7b
3. Elegir un servidor MCP: Empieza con filesystem para Q&A de documentos
4. Construir tu primer workflow: Usa el nodo AI Agent con herramientas MCP configuradas
5. Probar con consultas reales: Aliméntalo con preguntas de negocio reales

Para un punto de partida más simple, consulta nuestro tutorial de RAG con n8n + Ollama que cubre lo básico de Q&A de documentos sin MCP.

¿Quieres que construyamos esto para ti? Agenda una evaluación gratuita de 15 minutos: evaluaremos tu panorama de herramientas y diseñaremos un workflow con agente MCP adaptado a tu negocio.

Tutoriales relacionados: n8n Automatización IA | n8n + Ollama RAG | Revisión de Código con IA

Fuentes: Especificación MCP | Anthropic: donación de MCP a la Agentic AI Foundation | Por Qué Ganó MCP (The New Stack) | n8n Agentes IA | MCP Roadmap 2026

Lecturas relacionadas

• Construye un agente IA que aprende solo con n8n: Tutorial del Learning Loop
• Crea un Pipeline de Contenido con IA usando n8n: De RSS a Blog
• Agentes de IA para pymes: de dónde sale de verdad el retorno

Siguientes pasos

• Instala n8n usando Docker para tener tu propio entorno.
• Configura Ollama con un modelo como Qwen2.5 para procesar la información.
• Elige un servidor MCP, como filesystem, para empezar a leer tus archivos.
• Construye tu primer workflow de agente para automatizar tareas documentales.

Trabaja con nosotros

Podemos hacer este análisis con tus datos reales antes de recomendar hardware. Una conversación de 30 minutos suele bastar para saber si tiene sentido en tu caso: reserva una llamada o mira cómo trabajamos en consultoría.