Cara Pakai n8n MCP: Biarkan AI yang Bikin Workflow n8n untuk Kamu

n8n MCP adalah fitur built-in n8n yang membuat AI seperti Claude atau Cursor bisa membangun workflow n8n untukmu, cukup dari satu instruksi bahasa biasa. Kamu tidak lagi merangkai node satu per satu. Kamu tinggal menjelaskan apa yang kamu mau, dan AI menuliskan workflow-nya langsung ke instance n8n kamu.

Artikel ini memandu kamu dari nol: mengaktifkan MCP di n8n, menyambungkan AI, meminta AI membangun workflow nyata yang berguna untuk bisnis, sampai memahami batas amannya supaya kamu tidak melepas kendali terlalu jauh.

Apa Itu n8n MCP, Dijelaskan dengan Sederhana

MCP adalah singkatan dari Model Context Protocol, semacam bahasa standar yang membuat AI bisa bicara langsung dengan tools lain. Sebelum MCP, AI seperti Claude cuma bisa menjawab pertanyaanmu. Setelah MCP, Claude bisa membaca database, mengirim email, atau membangun workflow, asalkan tool yang diajak bicara menyediakan "pintu" MCP.

n8n punya pintu itu. Saat kamu menyalakan MCP di n8n, instance n8n-mu berubah jadi MCP server. AI yang kamu pakai, misalnya Claude Desktop atau Cursor, menjadi MCP client yang bisa mengirim perintah ke sana.

Yang AI kirim bukan teks biasa, tapi panggilan fungsi nyata: cari workflow, buat workflow baru, tambah node, sambungkan node, jalankan tes, sampai terbitkan. Semua itu dilakukan AI dengan aman karena dia hanya bisa melakukan apa yang kamu izinkan lewat permission MCP.

Bedanya dengan Node AI di Dalam Workflow

Dua hal ini sering bikin bingung, padahal sangat berbeda.

Node AI di dalam workflow adalah saat kamu membangun workflow biasa, lalu di salah satu langkahnya kamu pasang node Claude atau OpenAI untuk membaca, mengklasifikasi, atau menyusun teks. AI jadi bagian dari jalannya workflow. Kami bahas cara membangun yang seperti ini di Cara Bikin Workflow AI di n8n.

n8n MCP adalah saat kamu memakai AI untuk membangun workflow itu sendiri. AI tidak ada di dalam workflow; dia ada di luarinya sebagai arsitek yang merangkai node, mengisi parameter, dan menyambungkan garis untukmu.

Cara paling gampang membedakannya: node AI adalah workflow yang pakai AI. MCP adalah AI yang membuat workflow.

Yang Bisa AI Lakukan Setelah Tersambung ke n8n

Setelah MCP nyala dan AI tersambung, dia bisa mengakses sekumpulan tools yang n8n sediakan lewat pintu MCP. Yang paling sering dipakai:

• Mencari workflow yang sudah ada, berguna kalau kamu mau tanya "workflow mana yang mengurus email masuk?" dan AI bisa menjawab sambil membaca workflow aslimu.
• Membaca struktur workflow secara detail: node apa saja, bagaimana tersambung, parameter apa yang diisi.
• Membuat workflow baru dari nol, cukup dari instruksi bahasa biasa. Ini yang kita pakai di tutorial ini.
• Mengedit workflow yang sudah ada: tambah node, hapus node, ubah koneksi, ganti parameter.
• Menjalankan workflow untuk menguji hasilnya, baik mode manual untuk testing maupun mode production untuk workflow yang sudah terbit.
• Menerbitkan atau mematikan workflow supaya dia jalan otomatis atau berhenti.
• Mengetes workflow tanpa kredensial asli dengan pin data, sehingga aman saat eksperimen.

Satu hal penting yang perlu kamu tahu sejak awal: AI tidak bisa melihat credential atau API key kamu. Data sensitif di setiap node disensor oleh n8n sebelum dikirim ke AI. Ini desain yang disengaja supaya kamu bisa melepas AI membangun tanpa khawatir kredensialmu bocor ke model.

Persiapan: Apa yang Kamu Butuhkan

Sebelum mulai, pastikan empat hal ini sudah siap:

• Instance n8n yang jalan. Bisa n8n Cloud trial atau self-hosted. Kalau kamu belum punya, panduan singkatnya ada di n8n Adalah. Untuk self-hosted, pastikan instance-nya bisa diakses publik lewat URL https kalau kamu mau memakai AI berbasis web seperti Claude.ai.
• Versi n8n 2.13 atau lebih baru. Fitur building workflow lewat MCP baru tersedia di versi itu ke atas. Dialog "Connect a client" yang mempermudah setup baru matang di 2.33 ke atas, jadi kami sarankan selalu pakai versi terbaru.
• Salah satu AI yang support MCP. Yang paling gampang untuk pemula adalah Claude Desktop (jalur OAuth paling matang). Cursor, VS Code, Claude Code, Codex CLI, dan Gemini CLI juga bisa, tapi tutorial ini akan memakai Claude Desktop sebagai contoh utama.
• Satu gambaran workflow yang jelas di kepalamu. AI bisa membangun apa saja, tapi hasilnya hanya sebagus instruksimu. Kita akan pakai satu kasus nyata di bawah supaya kamu lihat cara menuliskan instruksi yang benar.

Langkah 1: Nyalakan MCP di n8n

Hanya pemilik instance atau admin yang bisa melakukan langkah ini. Kalau kamu satu-satunya pengguna, kamu sudah otomatis pemiliknya.

1. 01Di editor n8n, buka menu Settings di pojok kiri bawah.
2. 02Cari halaman bernama Instance-level MCP.
3. 03Klik tombol Enable MCP access.

Selesai. Di halaman itu sekarang akan muncul tiga bagian: Connection details, Access, dan Connected clients. Kamu akan kembali ke halaman ini nanti untuk mengatur workflow mana yang bisa disentuh AI.

Di bagian Connection details, klik tombol Connect. Sebuah dialog akan terbuka dengan dua tab: OAuth (recommended) dan API key. Kita akan pakai OAuth karena lebih aman dan tidak ada token yang harus kamu simpan manual.

Langkah 2: Sambungkan AI ke n8n

Masih di dialog Connect a client itu, ikuti langkah ini untuk Claude Desktop:

1. 01Di dropdown Your client, pilih Claude Desktop Web atau Claude.ai (keduanya AI web yang sama).
2. 02Klik tombol One-click setup. n8n akan membawa URL server MCP-mu dan memasangkannya ke Claude.
3. 03Kamu akan diarahkan ke Claude untuk menyetujui koneksi. Klik Allow.

Kalau AI-mu tidak ada di daftar one-click, pakai tab API key di dialog yang sama. Salin blok Configuration JSON yang n8n sediakan, lalu tempelkan ke file konfigurasi MCP milik AI-mu. Formatnya beda-beda per aplikasi; misalnya untuk Claude Desktop filenya bernama "claude_desktop_config.json", untuk Cursor filenya ada di ".cursor/mcp.json". Dokumentasi resmi n8n punya contoh lengkap untuk setiap client.

Setelah tersambung, kamu bisa cek di halaman Settings > Instance-level MCP > Connected clients untuk memastikan AI-mu tercatat di sana.

Langkah 3: Minta AI Membangun Workflow Follow-Up Lead

Sekarang bagian menyenangkannya. Kita akan meminta AI membangun satu workflow yang benar-benar berguna untuk bisnis: Lead Router.

Ini kasus yang hampir dipakai semua industri. Setiap ada leads masuk dari form website, workflow ini membaca pesannya, mengkategorikan dia sebagai lead panas, hangat, atau dingin, lalu mengarahkannya ke jalur yang benar: panas dikirim ke WhatsApp sales, hangat masuk daftar nurturing, dingin diarsipkan.

Buka AI-mu (Claude Desktop di contoh ini), lalu kirimkan prompt ini:

Bangun satu workflow n8n baru bernama Lead Router. Dia punya satu Webhook trigger yang menerima data form dengan field nama, email, nomor WhatsApp, dan pesan. Sambungkan ke satu node AI Claude yang membaca isi pesan dan menentukan apakah lead ini panas, hangat, atau dingin berdasarkan kejelasan niat beli dari pesannya. Node AI ini harus balas hanya satu kata: panas, hangat, atau dingin, tanpa penjelasan tambahan. Lanjutkan ke node IF dengan tiga cabang. Kalau panas, kirim notifikasi ke WhatsApp saya dan tambahkan baris ke Google Sheet Leads Panas. Kalau hangat, tambahkan ke Google Sheet Nurturing dan kirim email sambutan. Kalau dingin, cukup arsipkan. Setelah selesai, jalankan tes dengan pin data supaya tidak perlu kredensial asli, lalu laporkan struktur workflow-nya ke saya sebelum kamu terbitkan.

Perhatikan pola prompt yang benar di sini:

• Spesifik soal trigger dan datanya. AI perlu tahu apa yang memicu workflow dan field apa yang datang.
• Spesifik soal output AI. "Balas hanya satu kata" mencegah AI menuliskan jawaban bertele-tele yang merusak logika percabangan.
• Spesifik soal aksi tiap cabang. Jangan biarkan AI menebak apa yang harus terjadi setelah klasifikasi.
• Minta tes pakai pin data. Ini membuat AI mengetes tanpa menyentuh akun Gmail atau Google Sheets kamu yang asli.
• Minta review sebelum publish. Kamu tetap yang menilai hasil akhirnya, bukan AI.

AI akan memproses prompt ini, memanggil tools MCP (kamu akan melihat di layar AI-mu deretan panggilan seperti "create_workflow_from_code" dan "test_workflow"), lalu melaporkan kembali struktur workflow yang dia bangun beserta hasil tesnya.

Langkah 4: Test, Review, dan Publish

Jangan pernah melewatkan langkah ini. Sebagus apapun AI, prompt yang kurang jelas bisa menghasilkan workflow yang salah arah.

Setelah AI melaporkan hasilnya, lakukan tiga pemeriksaan ini:

1. 01Buka workflow-nya di editor n8n. Lihat struktur node-nya dengan mata. Apakah sesuai ekspektasimu: trigger, AI klasifikasi, IF tiga cabang, masing-masing dengan aksi yang benar?
2. 02Baca hasil tes yang AI jalankan. Dia harus melaporkan apakah workflow-nya jalan sampai akhir atau error di node mana. Kalau ada error, minta AI memperbaiki dulu sebelum lanjut.
3. 03Periksa parameter yang sensitif. AI tidak bisa melihat credential, jadi dia pasti membiarkan field credential kosong. Kamu sendiri yang harus mengisi koneksi Google Sheets, WhatsApp, dan emailnya.

Kalau ketiganya oke, kamu bisa meminta AI menerbitkan workflow lewat tool "publish_workflow", atau kamu sendiri yang mengaktifkannya di editor. Sejak detik itu workflow-mu hidup, dan setiap ada leads masuk dari form website, sistem ini yang akan merutekannya.

Batas Aman: Hal yang Perlu Kamu Pahami Sebelum Melepas AI

AI yang membangun workflow itu mengasyikkan, tapi ada empat batas yang sebaiknya kamu pegang supaya ini tetap aman:

Credential tidak pernah diserahkan. n8n sudah melindungi ini di level sistem, tapi tetap biasakan untuk tidak pernah menempelkan API key di prompt. Kalau AI butuh kredensial, dia akan memintamu mengisi langsung di node, dan itu yang benar.

Review dulu sebelum publish. AI bisa salah. Dia bisa membangun workflow dengan node yang tidak ada di n8n, menyambungkan garis yang salah, atau mengetik ekspresi yang rusak. Satu menit membaca struktur workflow dengan mata menghemat satu jam debugging di production.

Enable per workflow, bukan global. Secara default, AI hanya bisa melihat dan mengeksekusi workflow yang kamu enable satu per satu di halaman MCP settings. Jangan pakai opsi "Auto-expose new workflows" sampai kamu betul-betul percaya dengan alur kerjamu, karena begitu auto-expose nyala, AI bisa menyentuh workflow baru tanpa kamu sadar.

Bedakan draft dan production. AI bisa membangun workflow tapi tidak otomatis menerbitkannya. Workflow yang belum dipublish aman untuk diutak-atik; workflow yang sudah published berjalan di production dan menyentuh data nyata. Tentukan kapan kamu setuju untuk publish, dan pastikan itu keputusan manusia, bukan AI.

Keterbatasan n8n MCP yang Perlu Kamu Tahu

Supaya ekspektasimu realistis sebelum mencoba, ini hal-hal yang saat ini belum bisa dilakukan MCP:

• Tidak bisa workflow dengan human-in-the-loop. Workflow yang butuh persetujuan manusia di tengah jalan, misalnya "kirim draft email dulu ke saya untuk dicek sebelum dikirim", belum bisa di-execute lewat MCP.
• Tidak bisa trigger yang butuh input manual di luar pola standar. Hanya Webhook, Chat Trigger, Form Trigger, Schedule Trigger, dan Manual Trigger yang bisa di-execute dari AI.
• Butuh instance versi baru. Building lewat MCP baru ada di n8n 2.13 ke atas. Kalau instance-mu masih versi lama, update dulu.
• Self-hosted harus publicly accessible untuk AI berbasis web seperti Claude.ai. Kalau instance-mu cuma jalan di laptop tanpa tunnel, pakai AI berbasis CLI seperti Claude Code yang bisa mengakses localhost.

Keterbatasan ini bukan penghalang, tapi penting diketahui supaya kamu tidak kaget di tengah jalan.

Ke Mana dari Sini

Setelah workflow pertamamu lewat MCP jalan, ada tiga arah untuk naik level:

1. 01Lipatgandakan dengan kasus yang lebih kompleks. AI bisa membangun workflow yang panjang selama kamu bisa mendeskripsikannya dengan jelas. Latih skill prompting-mu dengan kasus-kasus nyata dari bisnismu sendiri.
2. 02Pahami dalemannya supaya tidak bergantung penuh ke AI. MCP mempercepat, tapi kamu tetap harus paham node, trigger, dan ekspresi untuk memperbaiki ketika workflow-nya error. Materi mendasarnya ada di Belajar n8n dari Nol.
3. 03Bangun AI yang juga beroperasi di dalam workflow. Setelah AI jadi pembangun, langkah berikutnya adalah menjadikannya bagian dari workflow itu sendiri, misalnya AI yang membalas pertanyaan pelanggan langsung di dalam alur. Itu yang kami bahas di AI Agent Adalah.

Kalau kamu mau masuk ke AI automation dengan jalur terstruktur dan bimbingan, kelas n8n Dari 0 Sampai Jago menuntunmu dari instalasi sampai workflow AI yang kompleks dengan studi kasus bisnis nyata. Untuk pendalaman AI agent dan MCP secara lengkap, AI Automation Masterclass adalah jalur yang paling komprehensif di katalog kami.

Satu hal yang kami tekankan di WithMi Academy: cara terbaik belajar adalah dengan workflow yang benar-benar jalan. MCP membuat kamu bisa sampai ke titik itu lebih cepat dari sebelumnya. Nyalakan MCP hari ini, beri satu instruksi sederhana ke AI, dan biarkan dia membangun workflow pertamanya untukmu. Setelah itu, kamu akan paham kenapa banyak orang bilang ini adalah cara paling masuk akal memulai n8n di 2026.