🤖 Presentando n8n MCP Local Agent: Crea y Gestiona Workflows y Data Tables con IA 100% Local y Privada con 0.5b de parametros

Built with n8n
,
1

¡Hola, comunidad de n8n! :waving_hand:

Quiero presentarles n8n MCP Local Agent, un proyecto de código abierto diseñado para interactuar con n8n mediante lenguaje natural de forma totalmente privada, sin depender de APIs en la nube y con una filosofía de validación estricta y segura.

:red_question_mark: ¿Qué es n8n MCP Local Agent?

Es un asistente interactivo para la terminal (CLI) que te permite conversar con tu instancia de n8n. Utilizando el protocolo de comunicación MCP (Model Context Protocol) y modelos de lenguaje locales, traduce tus instrucciones en lenguaje natural en workflows funcionales y bases de datos internas (Data Tables) listos para usar.

:building_construction: Los 5 Pilares del Proyecto

1. :brain: Inteligencia Híbrida y 100% Local (Privacidad Absoluta)

No necesitas enviar tus datos sensibles o tokens a n8n Cloud ni pagar APIs externas (como OpenAI). El agente corre completamente en tu máquina local usando Ollama con modelos ultra ligeros:

  • Router y Generador: qwen2.5:0.5b (~400MB)

  • Embeddings semánticos: embeddinggemma:latest (~600MB)

  • Respuestas instantáneas y sin costo de ejecución.

2. :shield: Validación Determinista (AST Validation) antes de Desplegar

A diferencia de otros generadores que inyectan código a ciegas en el servidor, este agente utiliza el parser sintáctico oficial de @n8n/workflow-sdk de forma local. El código generado por el LLM se compila y valida en tu máquina primero:

  • Si el código tiene un error sintáctico, el agente lo detecta, lo corrige de forma autónoma y nunca envía código roto al servidor.

  • El agente analiza el flujo y te alerta por adelantado sobre qué credenciales específicas (Slack, SMTP, Notion, etc.) necesitas configurar para activar el workflow.

3. :key: Variables KV Externas y Actualizaciones Inteligentes

Para sortear las limitaciones de variables de entorno globales en flujos complejos:

  • El agente incluye un caché local seguro de variables Clave-Valor (KV).

  • Puedes definir variables locales y el agente las inyecta dinámicamente como tokens (__KV_variable__) en tus flujos.

  • Al actualizar una variable, el agente localiza automáticamente todos los flujos que la consumen en tu n8n y los redepliega con el nuevo valor de forma transparente.

4. :bar_chart: Integración Nativa con Data Tables de n8n

El agente cuenta con un interceptor dinámico que te permite crear, modificar y poblar Data Tables (las bases de datos internas de n8n) usando lenguaje natural (con soporte completo en español e inglés). Resuelve automáticamente de fondo los IDs de proyecto requeridos para que no tengas que lidiar con parámetros técnicos complejos.

5. :floppy_disk: Historial y Estadísticas Cifrados Offline (AES-256-GCM)

Incluye una base de datos documental cifrada localmente que se sincroniza con tu servidor n8n. Esto te permite auditar ejecuciones pasadas, ver informes detallados de confiabilidad, duración de flujos y tasas de error de forma offline e instantánea directamente desde tu terminal.

:test_tube: Verificado y Listo para Usar

El repositorio incluye una batería de pruebas automatizadas mixtas (Node.js y PowerShell) para asegurar que la validación del SDK, los actualizadores y los enrutadores de lenguaje natural funcionen perfectamente en entornos Windows y multiplataforma.

:file_folder: Accede al Proyecto

Todo el código, manuales técnicos de diseño, diagramas de arquitectura y guías de instalación están disponibles bajo licencia MIT:

:backhand_index_pointing_right: n8n-mcp-local-agent en GitHub

¡Me encantaría recibir su feedback, ideas de mejora y saber qué flujos o estructuras de datos empiezan a construir de forma local con el agente! :rocket::robot:

2

The 100% local + strict validation philosophy is the right call for enterprise and regulated environments where sending workflow metadata to cloud APIs isn’t acceptable. Running on a 0.5b parameter model is impressive — curious how you handle ambiguous natural language instructions (e.g., when the user’s intent could map to multiple workflow structures). Does the validation layer catch those before execution, or does it ask for clarification?

3

Privacy is a first-class citizen here: all vector distance calculations, embedding generations, LLM orchestration, and AST validations happen locally (air-gapped) on the client machine.

To prevent a 0.5B model from failing on ambiguous queries, we don’t implement interactive clarification dialogues. Instead, we combine Regex Clustering and top-N Embeddings (using a strict cosine similarity threshold of >= 0.35) to map intents to secure predefined templates. If no template matches, it falls back to direct code generation backed by a 3-attempt self-correction loop: a local @n8n/workflow-sdk validator parses the code AST, and if it fails, it feeds the compiler’s exact error details back into the 0.5B model’s prompt for correction. If it fails to compile after 3 retries, the pipeline aborts immediately, ensuring that invalid code never reaches your remote n8n server.

4

The Regex Clustering + top-N Embeddings approach for intent disambiguation is smart - using a hard cosine similarity threshold as the gate before falling back to free-form generation keeps the surface area for unpredictable outputs tight. The AST validation loop is the right safety net for that fallback path. Appreciate the detailed breakdown.