本教程将演示在Windows操作系统中通过Docker技术实现n8n自动化任务管理工具的安装配置，并集成MCP模块以支持智能任务处理。配合cpolar内网穿透解决方案，用户可突破网络限制实现远程云端访问功能，整个过程无需配置公网IP地址或租用云端服务器即可完成。

作为开源低代码自动化工具，n8n平台内置超过400种服务接口和900个可直接调用的流程模板，其可视化编辑器支持构建跨平台应用连接方案。该工具采用画布式工作流设计，通过图形化节点组合可有效降低人工操作频率，同时其本地化部署特性能保障企业数据安全。

官方文档提供两种安装方案，本案例采用Docker容器化部署模式。接下来将分步骤解析具体实施方法，包括环境配置、服务集成及远程访问设置等关键环节的操作流程。

首先访问Docker官网下载地址，下载X86_64版本的Docker Desktop for Windows：

其他操作系统下载与安装Docker可以查看这篇文章：Linux、Windows、MacOS安装Docker

可选: 如果想自己指定安装目录，可以打开cmd等终端工具使用命令行的方式 ：

参数 –installation-dir=D:\Docker可以指定安装位置：

然后，在任务栏搜索功能，勾选适用于Linux的Windows子系统 、虚拟机平台

管理员权限打开命令提示符（cmd），安装wsl2：

等待wsl安装成功：

如因网络问题无法拉取docker镜像可按下方步骤操作配置镜像源：

Setting->Docker Engine->添加上换源的那一段，如下图：

点击应用并保存后，重新打开docker desktop后，左下角显示 engine running 即可正常使用Docker。

在n8n的github主页：https://github.com/n8n-io/n8n 我们可以看到docker拉取并运行n8n容器的命令：

打开cmd终端，执行命令即可：

n8n容器启动后，在浏览器中输入 :5678

在docker desktop中也能看到容器信息：

访问后如果显示 n8n 注册账号页面，则说明安装成功：

填写注册信息后，点击next下一步：

再简单填写一下调查问题点击get started继续：

点击获取免费的license key到邮箱：

最后进入邮箱，点击激活license key即可。

在n8n的主界面，我们首先点击右侧的使用现成的AI Agent模版进行创建即可：

打开后，我们能看到提供了一个基础的工作流模版，我下面进行一下简单的修改，以便调用本地大模型进行工作：

这个工作流的流程是接受到聊天信息后传导至后边的AI Agent模块，然后调用聊天大模型，这里的示例使用的是OpenAI的模型，我在本地已经安装了Ollama来调用大模型，所以先将这个删除：

删除之后，点击加号，在右侧的语言模型栏中能看到ollama chat model，选择即可：

在跳转的配置界面中，点击创建新凭证：

然后输入你的ollama安装设备的IP地址，左上方的名字也可以自定义修改：

看到连接测试成功的提示，即配置成功：

PS：为了成功远程调用本地安装的Ollama，我们需要提前进行一下环境变量设置：

然后重启一下ollama服务即可

然后，选择一下要通过ollama调用本地哪个大模型：（支持函数调用的模型）

然后点击返回即可：

现在可以在n8n主界面看到模型已经修改为了ollama chat model：

memory部分默认保留，tool暂时不用管，稍后添加：

我们先用这个简单的工作流来测试一下：

运行结束后，可以看到工作流的每个节点都显示绿色的对号表示没有出错：

底部左侧能看到聊天交互中的提问与回答，在右边的日志面板中点击模型也能查看聊天记录：

接下来，我们可以在n8n中添加MCP节点来实现在工作流中支持MCP服务。

点击个人账号–设置：

点击社区节点后安装一个社区节点：

输入节点名称：n8n-nodes-mcp 勾选下面选项，点击安装：

安装完成后，需要重启一下n8n服务，我们现在就能在n8n工作流中中集成mcp服务了：

回到首页，点击刚才创建的工作流：

点击添加tool：

输入mcp，选择下面描述为Use MCP client的MCP Client Tool：

选择后，在弹出的页面首先点击新建进行mcp服务的设置：

这里我们创建一个Tavily MCP Server进行演示，这是一款开源项目，AI助手可以方便地利用 Tavily 提供的搜索和提取工具，获得实时网络搜索和数据提取能力，快速获取和解析网络上的信息资源。

Tavily MCP Server的github主页：https://github.com/tavily-ai/tavily-mcp

在添加Tavily MCP Server到n8n工作流中之前，我们需要先获得它的安装参数与API Key，都可以在它的github主页获得。

将上边的参数添加到新建的MCP服务配置中：

这里的环境变量需要添加的是TAVILY_API_KEY：

三项都填好后，保存即可：

然后在跳转的页面给这个mcp服务重新命名一下方便识别，大家可以自定义：

修改完点击返回，可以看到已经在tool中添加了一个Tavily Mcp服务：

然后在AI Agent中进行一下设置修改：

将source for prompt选项修改为define below，然后下面的prompt修改为：{{"Choose proper tool for user input:"+$json.chatInput }} 即根据用户的输入选择工具

现在我们在聊天框中向它提个问题，可以看到每个节点都正常执行工作流，并给出了答案：

到这里就成功在本地部署了n8n工作流平台并学习了如何调用本地大模型与添加mcp服务，之后你可以根据自己的需求添加其他的mcp服务来打造自己的全自动AI助手啦。

但如果想实现不在同一网络环境下，也能随时随地在线使用n8n平台在网页中让AI助手执行任务，那就需要借助cpolar内网穿透工具来实现公网访问了！接下来介绍一下如何安装cpolar内网穿透，过程同样非常简单：

首先进入cpolar官网：

cpolar官网地址: https://www.cpolar.com

点击免费使用注册一个账号，并下载最新版本的cpolar：

登录成功后，点击下载cpolar到本地并安装（一路默认安装即可）本教程选择下载Windows版本。

cpolar安装成功后，在浏览器上访问:9200，使用cpolar账号登录,登录后即可看到配置界面,结下来在WebUI管理界面配置即可。

接下来配置一下 n8n Web UI 页面的公网地址：

登录后，点击左侧仪表盘的隧道管理——创建隧道，

隧道名称：n8n（可自定义命名，注意不要与已有的隧道名称重复）

协议：选择 http

本地地址：5678

域名类型：选择随机域名

地区：选择China Top

隧道创建成功后，点击左侧的状态——在线隧道列表,查看所生成的公网访问地址，有两种访问方式。

使用上面的任意一个公网地址,在电脑或手机平板任意设备的浏览器进行登录访问,即可成功看到n8n的 WebUI 界面,这样一个公网地址且可以远程访问就创建好了,使用了cpolar的公网域名,无需自己购买云服务器,即可随时随地在网页中远程使用本地部署的AI工作流平台了！

小结

为了方便演示，我们在上边的操作过程中使用cpolar生成的HTTP公网地址隧道，其公网地址是随机生成的。这种随机地址的优势在于建立速度快，可以立即使用。然而，它的缺点是网址是随机生成，这个地址在24小时内会发生随机变化，更适合于临时使用。

如果有长期远程访问本地部署的n8n通过WebUI在线使用工作流平台，或者异地访问与使用其他本地部署的服务的需求，但又不想每天重新配置公网地址，还想让公网地址好看又好记并体验更多功能与更快的带宽，那我推荐大家选择使用固定的二级子域名方式来配置一个公网地址。

接下来演示如何为其配置固定的HTTP公网地址，该地址不会变化，方便分享给别人长期查看你部署的项目，而无需每天重复修改服务器地址。

配置固定http端口地址需要将cpolar升级到专业版套餐或以上。

登录cpolar官网，点击左侧的预留，选择保留二级子域名，设置一个二级子域名名称，点击保留:

保留成功后复制保留成功的二级子域名的名称：myn8n，大家也可以设置自己喜欢的名称。

返回Cpolar web UI管理界面，点击左侧仪表盘的隧道管理——隧道列表，找到所要配置的隧道：n8n，点击右侧的编辑：

修改隧道信息，将保留成功的二级子域名配置到隧道中

域名类型：选择二级子域名

Sub Domain：填写保留成功的二级子域名：myn8n

点击更新(注意,点击一次更新即可,不需要重复提交)

更新完成后,打开在线隧道列表,此时可以看到公网地址已经发生变化,地址名称也变成了固定的二级子域名名称的域名：

最后,我们使用上边任意一个固定的公网地址访问,可以看到访问成功,这样一个固定且永久不变的公网地址就设置好了，可以随时随地在公网环境异地在线访问本地部署的Open WebUI来使用QWQ32B大模型了！

经过上述操作流程，我们成功在Windows设备上完成n8n自动化平台的本地部署，并通过cpolar内网穿透方案实现了基于公网浏览器的远程操作。该过程不仅配置了固定二级域名的公网访问路径，还验证了整个系统的稳定性与可靠性。

实际测试验证了该自动化平台的稳定性和高效性，其可视化流程编排功能和丰富的API接口支持，为跨系统任务自动化提供了便捷解决方案。对于企业用户而言，这种本地部署+远程访问的组合方式，既保障了数据安全又突破了网络环境限制。

对平台未来功能扩展充满期待，特别是在智能流程优化和多模态任务处理方面。欢迎在评论区交流技术细节。