n8n结合FastGPT RAG与MCP Server补全知识库短板

暑假要来了，教培业务的旺季也快到了。小红书、公众号上，都得提前把暑假相关的内容铺起来。但内容生产这事儿，一直是块老大难——怎么才能写出不空洞、有垂直业务经验的文章，真正吸引目标客户呢？

答案其实挺明确的：借助RAG。把自己的行业经验文章整理成知识库，每次写新内容之前，先到知识库里搜一圈相关素材，再基于这些真实积累来生产，这样能最大程度上解决AI幻觉和内容空洞的问题。

之前的文章提到过，目前手头的所有业务工作流都放到了n8n里。但n8n本身并没有很好的知识库能力——这算是个明显的短板。而目前最适合个人或者中小团队用的知识库，是FastGPT。它最近升级的MCP Server，正好能供外部工作流调用。

方案不就来了吗：把FastGPT上的知识库打包成MCP Server，供n8n在生产内容的时候调用。效果就像这样——n8n里的AI Agent会通过MCP，直接调用FastGPT里的知识库工作流。

一、FastGPT MCP Server

FastGPT可以通过docker-compose的方式安装。如果已经装过了，需要升级到最新版，当前最新版本是4.9.11。
安装文件可以参考官方仓库：
https://github.com/labring/FastGPT/pkgs/container/fastgpt

升级FastGPT

以宝塔面板为例，打开Docker的容器编排页面，把原有的docker-compose内容复制出来备份好。

然后去这里获取最新的docker-compose文件：
https://github.com/labring/FastGPT/blob/main/deploy/docker/docker-compose-pgvector.yml

如果还没安装的同学，直接用这个文件来安装就行。

这里有个小技巧：可以用Cursor来对比新旧两个文件的差异，确保自定义的部分也同步到新文件里。比如我设置了默认root密码，这个在新的yml文件里也要同步过去。

接着把改好的docker-compose文件复制粘贴到容器编排页面。再点「跳转目录」，接下来要配置config.json。

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

需要修改文件中的mpcServerProxyEndpoint，改成你自己的IP地址——这是后面n8n工作流需要调用的地址。注意，这里暴露的是3005接口，要在宝塔面板添加相关的端口开放权限，确保外部能正常访问才行。

把修改好的config.json放到跟前面FastGPT的docker-compose文件同一个目录里，也就是前面「跳转目录」后打开的路径。

最后，回到Docker面板点停止、更新镜像，就可以了。这时打开FastGPT，就能看到已经是最新版本。

搭建知识库工作流

注意，这里不能直接使用知识库应用，否则返回的是经过AI处理后的结果。我们要的是原汁原味的、知识库里匹配到的精准相关内容，所以要通过工作流的形式把知识库引用返回。

如图所示：
（图片占位）

设置好后一定要点保存并发布，如果不发布的话，亲测是返回不了结果的。

创建MCP服务

接下来，在工作台点开MCP服务，新建服务。这里有一个要点：名字必须是英文的。因为n8n是纯国外平台，加上AI大模型本身对中文就不够敏感，用中文命名很容易调用失败。

新建好后，点开始使用，切换到SSE。这里的接入地址就是要用的地址。

二、n8n工作流调用

回到n8n工作流。这是小红书模板工作流：先生成多个方向的选题标题，然后根据标题生成内容，后面再根据内容生成多张图片，最终全部保存到飞书多维表格，再调用矩阵工具读取飞书表格进行批量发布。今天要解决的，是生成正文这个环节——通过接入知识库作为参考，让AI生成的内容更扎实。

在AI Agent的Tool里，搜索MCP，找到MCP Client Tool。同时要注意n8n的版本，确保在1.94.1或以上才有MCP能力。

接着，在SSE Endpoint输入前面在FastGPT准备好的调用网址。点Execute step测试一下：随便输入一个内容标题，看到能正确返回内容就行。

这里每个业务对于返回内容是否精准的判断标准都不同，所以具体效果如何，可以直接到FastGPT里调优即可。

接着，回到AI Agent节点，测试大模型回答。注意这里的要点有两个：

一是大模型本身要有调用工具的能力。这里用的是魔塔社区里的API——DeepSeek R1 0528虽然强但没有工具调用能力，遗憾不能用，最终选的是Qwen3-235B-A22B。

二是提示词中要明确让AI去调用MCP工具来获取参考内容。除非把MCP的名字和简介写得足够好，跟当前内容匹配，否则大部分模型不会主动去调用的。

最后，正常看到大模型有调用MCP的日志，就说明跑通了。

至此，就把FastGPT通过MCP Server的形式整合到了n8n工作流里面。原本就好用的n8n，补全了知识库这个短板，又向前进了一步。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：n8n结合FastGPT RAG与MCP Server补全知识库短板要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题