当Gemini CLI遇见n8n：免费撸Google顶级模型的玩法

当Gemini CLI遇见n8n：免费撸Google顶级模型的玩法当Gemini CLI遇见n8n：免费撸Google顶级模型的玩法 Modified June 29, 2025 No access n8n + Gemini CLI 演示 00:00 Gemini CLI与n8n整合方案 Unable to preview. Please download the file. Code block Bash Copy 其他我就不展开讲了，大家可以自行看一下代码。测试请求： Code block JSON Copy 指定目标语言翻译 curl s X POST "https://n8n.orb.local/webhook/translate" \ H "Content Type: application/json" \ d '{ "text": "Hello, how are you today?", "target languages": ["中文", "日语", "法语", "德语"] }' 预期响应格式： Code block JSON Copy { "success": true, "original text": "Hello, how are you today?", "requested languages": [ "Chinese", "Japanese", "French", "German" ], "translations": { "Chinese": "你好，你今天好吗？ (Nǐ hǎo, nǐ jīntiān hǎo ma?)", "Japanese": "こんにちは、今日はお元気ですか？ (Konnichiwa, kyō wa o genki desu ka?)", "French": "Bonjour, comment allez vous aujourd'hui ?", "German": "Hallo, wie geht es Ihnen heute?" }, "extracted count": 4, "timestamp": "2025 06 28T15:08:49.285Z", "model used": "gemini cli proxy", "request id": "c7ff8e19 5ad8 43f6 8dee e5c61871d119" } 流程已经打通，API 已经就绪，现在轮到你来发挥创意了！现在你手中就握着这样一把万能钥匙——Gemini的智慧 + n8n的灵活性 + 你的想象力。二、利用Gemini CLI + MCP生成n8n工作流第一种方案解决了"如何用"的问题，但还有一个更深层的思考：能否让 AI 直接帮我们创建工作流？如果说 API 包装是"授人以鱼"，那么 MCP 就是"授人以渔"。传统的工作流创建需要：拖拽节点、配置参数、调试连接——复杂流程往往耗费数小时。但如果 AI 能直接帮你生成完整的 n8n 工作流呢？ Gemini CLI 是支持 MCP Server 的调用的。所以我们可以通过 Gemini CLI + n8n MCP Server 让他帮我们自动生成 n8n 的工作流，至于什么是 n8n MCP Server？这里不再多做介绍，我在旧文：告别手动拖拽！AI 3分钟生成完整n8n工作流里有做过介绍，一些关键的配置也可以在那边找到。 2.1 配置MCP 💡 打通 AI 与 n8n 的任督二脉配置过程非常简单。编辑 /.gemini/settings.json，将 n8n MCP Server 集成进去即可： Code block Bash Copy { "theme": "GitHub", "selectedAuthType": "oauth personal", "mcpServers": { "n8n local": { "command": "node", "args": [ "/path/to/your/cloned/n8n mcp server/build/index.js" ], "env": { "N8N API URL": "http://your n8n instance:5678/api/v1", "N8N API KEY": "YOUR N8N API KEY" } } } } 配置完成后，魔法开始了。输入 /mcp，你会看到一个工具列表：11个工具，覆盖工作流的完整生命周期。 2.2 实战演示 💡 一句话生成复杂工作流我的需求很简单： 🙋 参考模板 @n8n workflows/ , 使用 n8n local 创建一个 n8n 工作流：每天早上7点自动获取温州的天气信息，然后用 Claude AI 分析这些数据，生成一份包含天气状况、穿衣建议和出行提醒的预报，最后发送到我的 Telegram。具体流程： 1. 定时触发节点（每天7:00） 2. 城市用 Set 节点设置，独立出来 3. 使用高德地图 MCP 来获取温州天气 4. 用 OpenRouter 的 Claude 模型分析天气数据 5. 格式化成美观的中文预报 6. 通过 Telegram Bot 发送消息请直接在n8n平台上创建这个工作流，并确保所有节点正确连接。神奇的事情发生了。首先，@n8n workflows/ 这个看似简单的符号发挥了关键作用。这不是普通的路径引用，而是 MCP 的智能目录索引功能。通过 @ 符号，AI 能够直接读取我预先准备的工作流模板库，理解我的设计模式、命名习惯、节点配置偏好。然后，它开始有条不紊地创建每个节点、配置每个参数、建立每个连接。中途会询问权限确认。毕竟，让 AI 直接操作你的生产环境需要谨慎。点击"允许一次"，见证自动化的诞生。几秒钟后——工作流创建成功！ 2.3 注意事项 💡 Token 限制的现实考量理想很丰满，现实有骨感。 Gemini CLI 虽然支持100万Token，但如果参考目录过大，依然会触发限制：错误信息 JavaScript Copy ✕ [API Error: [{ "error": { "code": 400, "message": "The input token count (9549303) exceeds the maximum number of tokens allowed (1048576).", "errors": [ { "message": "The input token count (9549303) exceeds the maximum number of tokens allowed (1048576).", "domain": "global", "reason": "badRequest" } ], "status": "INVALID ARGUMENT" } } ]] 解决方案？精选参考模板，或者分批处理大型项目。质量永远比数量更重要。写在最后今天我们用 API 包装 CLI，用 MCP 生成工作流。明天呢？当 AI 能够理解你的意图、学习你的习惯、甚至预测你的需求时，"编程"这个概念还有意义吗？也许我们正在进入一个新时代：程序员不再编写代码，而是编写想法。当技术实现变得微不足道时，创意、判断力、对需求的理解变得更加宝贵。技术的最高境界，是让技术本身变得透明无感。那么问题来了：在这个AI与人类共舞的时代，你准备好重新定义自己的角色了吗？ 🔗 原文链接：https://mp.weixin.qq.com/s/wT IezzjBx8hlDomFwnwOw 作者：林月半子的AI笔记 n8n MCP Server 告别手动拖拽！AI 3分钟生成完整n8n工作流 No access n8n + Gemini CLI 演示 00:00 No access n8n + Gemini CLI 演示 00:00 Gemini CLI与n8n整合方案 Unable to preview. Please download the file. Gemini CLI与n8n整合方案 Unable to preview. Please download the file. 其他我就不展开讲了，大家可以自行看一下代码。测试请求：预期响应格式：流程已经打通，API 已经就绪，现在轮到你来发挥创意了！现在你手中就握着这样一把万能钥匙——Gemini的智慧 + n8n的灵活性 + 你的想象力。二、利用Gemini CLI + MCP生成n8n工作流第一种方案解决了"如何用"的问题，但还有一个更深层的思考：能否让 AI 直接帮我们创建工作流？如果说 API 包装是"授人以鱼"，那么 MCP 就是"授人以渔"。传统的工作流创建需要：拖拽节点、配置参数、调试连接——复杂流程往往耗费数小时。但如果 AI 能直接帮你生成完整的 n8n 工作流呢？ Gemini CLI 是支持 MCP Server 的调用的。所以我们可以通过 Gemini CLI + n8n MCP Server 让他帮我们自动生成 n8n 的工作流，至于什么是 n8n MCP Server？这里不再多做介绍，我在旧文：告别手动拖拽！AI 3分钟生成完整n8n工作流里有做过介绍，一些关键的配置也可以在那边找到。 n8n MCP Server 告别手动拖拽！AI 3分钟生成完整n8n工作流 2.1 配置MCP 💡 打通 AI 与 n8n 的任督二脉打通 AI 与 n8n 的任督二脉配置过程非常简单。编辑 /.gemini/settings.json，将 n8n MCP Server 集成进去即可：配置完成后，魔法开始了。输入 /mcp，你会看到一个工具列表：11个工具，覆盖工作流的完整生命周期。 2.2 实战演示 💡 一句话生成复杂工作流一句话生成复杂工作流我的需求很简单： 🙋 参考模板 @n8n workflows/ , 使用 n8n local 创建一个 n8n 工作流：每天早上7点自动获取温州的天气信息，然后用 Claude AI 分析这些数据，生成一份包含天气状况、穿衣建议和出行提醒的预报，最后发送到我的 Telegram。具体流程： 1. 定时触发节点（每天7:00） 2. 城市用 Set 节点设置，独立出来 3. 使用高德地图 MCP 来获取温州天气 4. 用 OpenRouter 的 Claude 模型分析天气数据 5. 格式化成美观的中文预报 6. 通过 Telegram Bot 发送消息请直接在n8n平台上创建这个工作流，并确保所有节点正确连接。参考模板 @n8n workflows/ , 使用 n8n local 创建一个 n8n 工作流：每天早上7点自动获取温州的天气信息，然后用 Claude AI 分析这些数据，生成一份包含天气状况、穿衣建议和出行提醒的预报，最后发送到我的 Telegram。具体流程： 1. 定时触发节点（每天7:00） 2. 城市用 Set 节点设置，独立出来 3. 使用高德地图 MCP 来获取温州天气 4. 用 OpenRouter 的 Claude 模型分析天气数据 5. 格式化成美观的中文预报 6. 通过 Telegram Bot 发送消息请直接在n8n平台上创建这个工作流，并确保所有节点正确连接。神奇的事情发生了。首先，@n8n workflows/ 这个看似简单的符号发挥了关键作用。这不是普通的路径引用，而是 MCP 的智能目录索引功能。通过 @ 符号，AI 能够直接读取我预先准备的工作流模板库，理解我的设计模式、命名习惯、节点配置偏好。然后，它开始有条不紊地创建每个节点、配置每个参数、建立每个连接。中途会询问权限确认。毕竟，让 AI 直接操作你的生产环境需要谨慎。点击"允许一次"，见证自动化的诞生。几秒钟后——工作流创建成功！ 2.3 注意事项 💡 Token 限制的现实考量 Token 限制的现实考量理想很丰满，现实有骨感。 Gemini CLI 虽然支持100万Token，但如果参考目录过大，依然会触发限制：解决方案？精选参考模板，或者分批处理大型项目。质量永远比数量更重要。写在最后今天我们用 API 包装 CLI，用 MCP 生成工作流。明天呢？当 AI 能够理解你的意图、学习你的习惯、甚至预测你的需求时，"编程"这个概念还有意义吗？也许我们正在进入一个新时代：程序员不再编写代码，而是编写想法。当技术实现变得微不足道时，创意、判断力、对需求的理解变得更加宝贵。技术的最高境界，是让技术本身变得透明无感。那么问题来了：在这个AI与人类共舞的时代，你准备好重新定义自己的角色了吗？ 🔗 原文链接：https://mp.weixin.qq.com/s/wT IezzjBx8hlDomFwnwOw 作者：林月半子的AI笔记最近两天，GitHub 上最炙手可热的开源项目非 Gemini CLI 莫属！免费白嫖 Google 顶级大模型？这简直是开发者的福音。每天1000次免费调用额度，不用白不用。 Gemini CLI 作为一个 n8n 玩家，我突然意识到：为什么不把这两个看似毫不相关的工具结合起来？CLI 的强大能力 + 可视化工作流的便捷性 = 无限可能！但现实总比理想复杂一些。 CLI 工具天生就是为命令行而生的，它像一座强大却孤立的城堡。而 n8n 作为现代化的工作流平台，更习惯于 HTTP API、WebHook 这样的标准化接口。如何让这两个看似不兼容的世界产生化学反应？灵感往往源于最简单的想法。既然 CLI 是孤岛，那就为它建一座桥梁！把 CLI 包装成 RESTful API，让它融入现代微服务生态。这不仅仅是技术整合，更是一次架构思维的革命——从面向开发者的工具，转变为面向生态系统的服务。本文将展示两种不同的整合方案： • 方案一：通过 API 包装实现 CLI 与 n8n 的完美融合 • 方案二：利用 MCP 协议让 AI 直接生成 n8n 工作流开始阅读前，我把 Gemini CLI 与 n8n 的整合实践做成了一个 AI播客，两个 AI 主播深度对话，从 API 包装到 MCP 生成全覆盖。先听播客再看文章，上手更快！本播客由扣子空间（space.coze.cn）一键生成 space.coze.cn 🙋 项目地址： https://github.com/lqshow/awesome n8n workflows/tree/main/workflows/multi language translator 项目地址： https://github.com/lqshow/awesome n8n workflows/tree/main/workflows/multi language translator 让我们开始这段从命令行到可视化自动化的精彩旅程！一、在n8n中如何集成Gemini CLI 1.1 从 CLI 到微服务的华丽转身第一直觉：包装成 RESTful API。为什么？因为这符合现代微服务架构的黄金法则——标准化、解耦合、可扩展。想象一下：一个简单的 HTTP 请求，就能调用世界顶级的 AI 模型。 CLI 工具本质上是面向开发者的。但 API ？它面向的是整个生态系统。实现过程比想象中更简单。我只是给 AI 丢了一个朴素的提示词： 💡 提示词：帮我创建一个基于 Python FastAPI 的服务，用来包装 Gemini CLI 的调用。提示词：帮我创建一个基于 Python FastAPI 的服务，用来包装 Gemini CLI 的调用。两轮对话。仅仅两轮！AI 就为我构建了一个完整的包装服务。这就是 2025 年的开发体验——想法到实现的距离，从未如此之短。 💡 当然，现实总比理想复杂一些。作为 AI Studio 的用户，我需要处理 Google Cloud 项目的认证问题。但这些技术细节，反而让整个解决方案更加健壮。当然，现实总比理想复杂一些。作为 AI Studio 的用户，我需要处理 Google Cloud 项目的认证问题。但这些技术细节，反而让整个解决方案更加健壮。首先，我们启动一下服务：接下来我们做个简单测试，当然要从最基础的开始：响应？干净利落：让我们来点有挑战性的——让AI写诗： ok，API 测试完毕，让我们回到 n8n 工作流上。 1.2 n8n 工作流配置 🙋 API 服务搭建完成后，下一个关键问题是：如何让 n8n 与我们的 Gemini CLI 服务无缝对接？ API 服务搭建完成后，下一个关键问题是：如何让 n8n 与我们的 Gemini CLI 服务无缝对接？这里涉及两个核心设计决策：第一个决策：接口调用方式 n8n 作为工作流编排平台，最自然的方式就是通过 HTTP Request 节点调用我们刚刚创建的 API 服务。这形成了一个完美的架构：第二个决策：触发机制我们有多种选择：定时触发、手动触发、或者 Webhook 触发。为什么最终选择了 Webhook？ Webhook 的优势在于它的即时性和灵活性。为了演示这套架构的威力，我们来构建一个智能翻译服务。想象这样的场景： • 用户通过前端界面提交翻译请求 • 第三方系统需要实时调用翻译服务 • 移动应用需要集成多语言功能 Webhook 让我们的 n8n 工作流变成了一个真正的微服务端点。一个简单的 HTTP POST 请求，就能触发整个智能翻译流程。更重要的是无状态设计的哲学。每个请求都是独立的，包含完整的上下文信息。没有复杂的会话管理，没有状态依赖。工作流全貌：这里我就说一下 Gemini 翻译这个节点，最重要的是 Body 的配置。我把 "Specify Body" 改为 "JSON" 而不是 "Using Fields Below"，然后在 JSON 文本框中输入：

在小宇宙note 阅读完整内容