在AI应用领域，如何高效整合知识库以提升内容生成的质量，一直是技术爱好者和从业者的关注焦点。本文将介绍一种创新的解决方案：通过将 FastGPT 的知识库与 n8n 工作流结合，利用 MCP Server 实现强大的知识库调用能力，从而补全 n8n 在知识管理方面的短板。
暑假要来了，我的教培业务也要开始进入旺季。小红书、公众号上都要开始做暑假相关的内容
但内容生产又成了老大难问题。
怎么才能写出不空洞、有垂直业务经验的文章吸引目标客户呢？
答案是借助RAG：用行业经验文章形成知识库，每次写文章前都先到知识库搜一下相关内容，再基于这些内容来生产，能最大程度上解决AI幻觉、内容空间等问题。
昨天文章也提到，我所有业务工作流都放到了n8n里，但n8n并没有很好的知识库能力。
之前文章有讲到，目前最适合个人或者中小团队用的知识库是Fastgpt，而它最近升级的MCP Server能供外部工作流调用。
解决方案不就来了吗：把FastGPT上的知识库打包成MCP Server，供n8n在生产内容的时候调用。
目前效果是这样的：n8n里的AI Agent会通过MCP调用FastGPT里的知识库工作流。
FastGPT可以通过docker-compose的方式安装，但如果已经安装了，就需要升级到最新版，目前是4.9.11
https://github.com/labring/FastGPT/pkgs/container/fastgpt
以宝塔面板为例，打开docker-容器编排
如图的位置就是docker-compose的内容，把它复制出来备份好。
进这里获得最新的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，直接用这个来安装即可。
这里可以用cursor来对比两个文件的差异，确保我们自定义的部分也同步到新的文件里。
例如我设置了默认root密码，这个在新的yml文件里也要设置。
接着把改好的docker-compose文件复制黏贴进去如图位置。
再点「跳转目录」，接下来要设置config.json
在这里下载：
https://raw.githubusercontent.com/labring/FastGPT/refs/heads/main/projects/app/data/config.json
修改图中mpcServerProxyEndpoint，改成你的ip，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。
然后把修改好的config.json放到跟前面FastGPT的docker-compose文件同一个目录里。
也就是前面的「跳转目录」后打开的路径。
最后，回到docker面板点停止-更新镜像，即可。
此时打开Fastgpt，就能看到是最新版本了。
注意这里不能直接用知识库应用，否则会是经过AI处理后的结果。
我们要的是原汁原味知识库里匹配到的精准相关内容，就要通过工作流的形式把知识库引用返回。
如图：
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。
接下来，在工作台，点开MCP服务-新建服务
这里有一个要点：名字要是英文的，因为n8n是纯国外平台，加上AI大模型，本身对中文就不是很敏感，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我们要用的。
此时回到n8n工作流
这是我的小红书模板工作流：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。
今天我们要解决的是生成正文这里，通过接入知识库作为参考让AI生成内容效果更佳。
在AI Agent的Tool，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了。
这里每个业务对于返回内容是否精准的判断都不同，所以我这里就隐去了。
具体返回效果如果，可以直接到FastGPT里处理好即可。
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：
1是大模型要有调工具的能力，这里我用的是魔塔社区里的API，Deepseek R1 0528虽然强但无工具调用能力，遗憾不能用。我用的是Qwen3-235B-A22B
2是提示词中要明确让AI去掉用MCP工具来获取参考内容
除非把MCP名字和简介写的很好，跟当前内容匹配，否则大部分模型不会主动去调用的。
最后我们能正常看到大模型有调用mcp即可。
至此我们就把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，补全了它知识库短板，又全面了。。
以上就是今天分享的全部内容。
本文由人人都是产品经理作者【饼干哥哥】，微信公众号：【饼干哥哥AGI】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。
题图来自Unsplash，基于 CC0 协议。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。