超实用教程：n8n + MCP（MinIO Client Processor）构建智能文件处理流水线 - 从零部署到企业级自动化实战

一、架构设计

二、环境准备

1. 安装n8n（Docker方式）：

docker run -d --name n8n \
  -p 5678:5678 \
  -v ~/.n8n:/home/node/.n8n \
  n8nio/n8n

2. 部署MinIO：

docker run -d \
  -p 9000:9000 \
  -p 9001:9001 \
  -v /mnt/data:/data \
  minio/minio server /data --console-address ":9001"

3. MCP处理器（Python示例）：

# mcp_processor.py
import boto3
from minio import Minio

def process_file(bucket_name, object_name):
    minio_client = Minio(
        "minio:9000",
        access_key="your-access-key",
        secret_key="your-secret-key",
        secure=False
    )
    
    # 下载文件
    data = minio_client.get_object(bucket_name, object_name)
    
    # 处理逻辑（示例：文本转大写）
    processed_data = data.read().decode('utf-8').upper()
    
    # 上传结果
    result_key = f"processed/{object_name}"
    minio_client.put_object(
        bucket_name, 
        result_key, 
        io.BytesIO(processed_data.encode()), 
        len(processed_data)
    )
    return result_key

三、n8n工作流配置

1. HTTP Trigger节点（接收触发）

   • 方法：POST
   • 路径：/minio-process

2. MinIO节点配置：

{
  "credentials": {
    "accessKey": "AKIAIOSFODNN7EXAMPLE",
    "secretKey": "wJalrXUtnFEMI/K7MDENG/bPxRfiCYEXAMPLEKEY",
    "endpoint": "http://minio:9000"
  },
  "operation": "upload",
  "bucketName": "input-bucket",
  "fileName": "={{$json.fileName}}",
  "binaryData": "={{$json.fileData}}"
}

3. MCP处理节点（SSH节点执行远程命令）：

# 连接配置：SSH到MCP服务器
docker exec mcp_processor python /app/mcp_processor.py input-bucket {{$json.fileName}}

4. 结果通知节点（企业微信机器人）：

{
  "webhookUrl": "https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=xxx",
  "message": "文件处理完成！\n下载链接：http://minio:9000/output-bucket/{{$json.processedKey}}"
}

四、完整工作流测试

1. 触发请求示例：

curl -X POST http://n8n-server:5678/minio-process \
  -H "Content-Type: application/json" \
  -d '{
    "fileName": "sample.txt",
    "fileData": "VGhpcyBpcyBhIHRlc3QgZmlsZQ=="
  }'

2. 预期结果：
   • MinIO的input-bucket生成sample.txt
   • MCP生成大写文本文件到output-bucket/processed/sample.txt
   • 企业微信收到成功通知

五、高级优化方案

1. 错误处理机制：

2. 性能优化代码（使用MinIO异步通知）：

from minio.notificationconfig import NotificationConfig
from minio.commonconfig import QueueConfig

# 配置MinIO事件通知
config = NotificationConfig(
    queue_config_list=[
        QueueConfig("arn:minio:sqs::1:webhook", ["s3:ObjectCreated:*"])
    ]
)
minio_client.set_bucket_notification("input-bucket", config)

六、关键注意事项

1. 安全配置：

   • 为n8n和MinIO启用HTTPS
   • 使用Vault管理敏感凭证
   • 限制MinIO桶权限（最小化原则）

2. 扩展场景：

   • 对接AI模型推理（在MCP中集成PyTorch）
   • 添加文件审核步骤（人工审批节点）
   • 连接数据库记录操作日志

总结：本方案实现了从文件上传→自动处理→结果通知的完整自动化流程，结合n8n的低代码优势与MCP的处理能力，适用于AI数据处理、报告生成等场景。实际部署时需根据数据量调整MinIO分片策略和MCP并发参数。