n8n, MCP и локальная модель: автоматизация, которая не ходит в облако
Как связать n8n с локальной моделью и MCP, чтобы автоматизация работала внутри своего контура. Разбор подхода и honest-сравнение: когда нужен воркфлоу-движок, а когда хватит агента на компьютере.
n8n любят за то, что из него собираешь автоматизацию как из кубиков: узлы, связи, триггеры. Но как только к автоматизации подключается ИИ, всплывает вопрос приватности — по умолчанию модель облачная, и данные из твоих воркфлоу уходят наружу. Разберём, как связать n8n с локальной моделью и MCP, чтобы всё оставалось у тебя, и где вместо тяжёлого движка хватит агента на компьютере.
Почему автоматизация тянется в облако
n8n сам по себе можно развернуть у себя — это его сильная сторона. Но ИИ-узлы в воркфлоу по умолчанию ходят к облачным моделям через API. Получается странная картина: движок стоит локально, а данные, которые он обрабатывает нейросетью, всё равно улетают провайдеру. Для рабочих процессов с чувствительной информацией это дыра.
Чинится это тем, чтобы и модель была локальной. Тогда контур замыкается: и движок, и нейросеть, и данные — на твоей стороне.
Как подключить локальную модель
Принцип тот же, что и с заменой облачного API в других инструментах. n8n умеет обращаться к моделям по OpenAI-совместимому адресу, а локальный такой адрес поднимают через Ollama или LM Studio. В настройках узла вместо облачного провайдера указываешь локальный адрес — и воркфлоу считает на твоей модели, не выходя в сеть.
При чём тут MCP
Отдельная связка, которая усиливает автоматизацию. MCP даёт модели доступ к инструментам — базам, сервисам, файлам — по единому стандарту. В связке с локальной моделью это позволяет строить автоматизацию, где агент не только генерирует текст, но и работает с реальными данными, и при этом всё остаётся в контуре. Про то, как MCP устроен для агентов, есть отдельный разбор.
Проверь связку по частям. Сначала подними локальную модель и убедись, что она отвечает. Потом подключи её к n8n по локальному адресу. И только потом добавляй MCP-инструменты. Так проще найти, на каком шаге что-то не поднялось.
А точно ли тебе нужен n8n
Честный вопрос, который стоит задать до того, как строить воркфлоу. n8n — мощный движок для сложных многошаговых процессов с ветвлениями, триггерами и интеграциями. Если у тебя именно такая задача — он на своём месте.
Но часть задач, ради которых люди берутся за n8n, на деле проще. «Каждое утро собери сводку», «разбери входящие файлы», «проверь что-то по расписанию» — это не воркфлоу из десяти узлов, а одна задача агенту. Для такого целый движок избыточен.
Когда хватит агента на компьютере
Для личной и несложной автоматизации Дока закрывает сценарий без воркфлоу-движка. Она работает по расписанию — cron-агент запускает твою задачу к нужному времени, — умеет файлы, терминал и подключение сервисов через MCP, и при этом изначально считает на локальной модели. То есть тот же результат «автоматизация без облака», но без сборки графа из узлов: ты просто описываешь задачу словами.
Про то, когда движок избыточен и хватит агента, есть отдельное сравнение.
Практический вывод
Если тебе нужна приватная автоматизация, держи локальной не только n8n, но и саму модель — через локальный адрес и MCP. А если задача несложная и личная, честнее сразу взять агента с расписанием: меньше настройки, тот же приватный результат. Скачать Доку можно бесплатно.