【详细教程】如何将SQLBot的MCP服务集成到n8n

# 回答要求：
按需调用 mcp_start 和 mcp_question 工具获取信息回答问题。

mcp_start 账号密码：
username:admin
password:SQLBot@123456

工具调用逻辑：
首先调用 mcp_start 工具，获取 access_token 和 chat_id ，帮我记住这两个参数，之后不要重复调用 mcp_start，直接使用即可；然后再调用 mcp_question 工具，其中 token 和 chat_id 参数是调用 mcp_start 工具返回，question 是用户提问。

# 用户提问：
{{ $json.chatInput }}

# 输出要求
- 如果 mcp_question 中有图片，请直接返回图片
- 请将 mcp_question 的执行结果中的数据、SQL以及图片内容展示
- 请将 mcp_question 的执行过程在结尾进行总结

# 限制
- 不要输出MCP详细执行过程
- 生成内容不要放在 mcp_question 执行过程中
- 严格按照输出要求输出内容，不要输出MCP调用过程

说明：直接在提示词中将用户名密码写死，让AI可以直接进行调用，然后把聊天的用户输入传给AI，让AI调用并回答问题。

③给AI代理节点配置AI模型：选择要配置的模型，填写api key，保存校验。

④添加MCP Client工具，填写sse_url，选择sse协议，认证默认none，工具选择mcp_start和mcp_question两个工具或者直接选择all（all里包含这两个工具）。

4.2. 表单触发器调用

①添加一个表单触发器，填写表单标题，添加三个表单元素：username、password、question用来给AI传参。

②添加AI代理节点，选择自定义提示词，填写提示词

提示词示例：

# 回答要求：
按需调用 mcp_start 和 mcp_question 工具获取信息回答问题。

mcp_start 账号密码：
username:{{ $json.username }}
password:{{ $json.password }}

工具调用逻辑：
首先调用 mcp_start 工具，获取 access_token 和 chat_id ，帮我记住这两个参数，之后不要重复调用 mcp_start，直接使用即可；然后再调用 mcp_question 工具，其中 token 和 chat_id 参数是调用 mcp_start 工具返回，question 是用户提问。

# 用户提问：
{{ $json.question }}

# 输出要求
- 如果 mcp_question 中有图片，请直接返回图片
- 请将 mcp_question 的执行结果中的数据、SQL以及图片内容展示
- 请将 mcp_question 的执行过程在结尾进行总结

# 限制
- 不要输出MCP详细执行过程
- 生成内容不要放在 mcp_question 执行过程中
- 严格按照输出要求输出内容，不要输出MCP调用过程

说明：在提示词中传入表单输入的三个参数，让AI调用mcp工具回答问题。

③给AI代理节点配置AI模型：选择要配置的模型，填写api key，保存校验。

④添加MCP Client工具，填写sse_url，选择sse协议，认证默认none，工具选择mcp_start和mcp_question两个工具或者直接选择all（all里包含这两个工具）。

五、表格展示

5.1.聊天触发器调用

组件	设置	截图
聊天触发器	添加聊天触发器
AI代理	①选择自定义提示词 ②填写提示词
AI模型	①选择AI模型 ②配置api key ③保存校验
Mcp调用工具	①填写sse_url ②选择sse协议 ③选择mcp工具

5.2. 表单触发器调用

组件	设置	截图
表单触发器	添加三个表单元素：username、password、question
AI代理	①选择自定义提示词 ②填写提示词
AI模型	①选择AI模型 ②配置api key ③保存校验
Mcp调用工具	①填写sse_url ②选择sse协议 ③选择mcp工具

六、演示效果

6.1. 方案一：聊天触发器调用

6.2. 方案二：表单触发器调用

七、总结

两种方式的输出结果都是一样的。在问数上，表单触发器可以通过表单进行传参，但是每次问数都需要重新填写表单；而聊天触发器可以在聊天窗口不停问数，无需重复填写表单信息，更加方便。

八、详细视频地址

【【详细教程】如何将SQLBot的MCP服务集成到n8n】 https://www.bilibili.com/video/BV1xGe1zrE2o/?share_source=copy_web&vd_source=d66e1339b701dc8f348d56b0063218ec

2048 AI社区

有“AI”的1024 = 2048，欢迎大家加入2048 AI社区

更多推荐

终结 AI 幻觉！a1facts.ai：用结构化知识图谱构建可信赖的 Python AI 框架

本体” 是 a1facts.ai 的基础，它相当于为特定领域制定 “知识字典”，明确概念、属性及概念间的关系。概念：疾病（如 “糖尿病”）、症状（如 “多饮多尿”）、检查项目（如 “血糖检测”）；属性：疾病的 “发病年龄”“治愈率”，症状的 “出现频率”；关系：“糖尿病”→“典型症状”→“多饮多尿”，“血糖检测”→“用于诊断”→“糖尿病”。a1facts.ai 提供了简洁的 Python API

2048 AI社区

《MCP (Model Context Protocol) 极简入门：彻底改变你与AI模型交互的方式》

MCP通过$\nabla \text{Context}$梯度实现动态优先级调整，是处理复杂工作流的理想框架。$$ \text{锚点} = {\text{任务类型}, \text{关键约束}, \text{输出格式}} $$MCP是一种革新性的AI交互协议，通过结构化上下文管理，显著提升模型理解能力和任务执行精度。$$ w_k = e^{-\lambda k} \quad (k=\text{对话轮次

2048 AI社区

PyBrain机器学习实战:PyBrain模型权重加载与训练入门

本文介绍了如何在PyBrain中使用预训练模型权重。主要内容包括：1) PyBrain库的安装与基本使用，通过构建简单神经网络并提取权重；2) 模型权重的加载与应用，包括PyTorch与PyBrain模型间的权重转换；3) 模型微调与优化，使用BackpropTrainer进行训练。文章提供了完整的代码示例，展示了模型创建、权重转换、训练和预测的全流程。