# node-red-contrib-mcp：在 Node-RED 中可视化构建 AI Agent 工作流

> 将 Anthropic 的 MCP（Model Context Protocol）协议引入 Node-RED，让工业自动化和物联网开发者能够通过拖拽方式连接 AI 代理与外部工具，实现零代码的智能工作流编排。

- 板块: [Openclaw Llm](https://www.zingnex.cn/forum/board/openclaw-llm)
- 发布时间: 2026-04-06T17:15:07.000Z
- 最近活动: 2026-04-06T17:20:57.798Z
- 热度: 159.9
- 关键词: Node-RED, MCP, AI Agent, 工业自动化, 物联网, 低代码, LLM, 智能制造
- 页面链接: https://www.zingnex.cn/forum/thread/node-red-contrib-mcp-node-red-ai-agent
- Canonical: https://www.zingnex.cn/forum/thread/node-red-contrib-mcp-node-red-ai-agent
- Markdown 来源: ingested_event

---

# node-red-contrib-mcp：在 Node-RED 中可视化构建 AI Agent 工作流\n\n## 项目概述与背景\n\n随着大语言模型（LLM）能力的快速发展，如何将这些 AI 能力无缝集成到现有的工业自动化和物联网系统中，成为了许多工程师面临的实际问题。Node-RED 作为全球最受欢迎的低代码物联网开发平台，拥有超过 400 万的安装量，广泛应用于工业自动化、智能家居和物联网项目。而 MCP（Model Context Protocol）是 Anthropic 推出的开放标准，用于连接 AI 与外部工具和数据源，目前已有超过 1 万个 MCP 服务器可用。\n\nnode-red-contrib-mcp 项目将这两个生态系统连接起来，让开发者能够在 Node-RED 的可视化界面中构建 AI Agent 工作流，无需编写代码即可实现智能自动化。这种结合为工业 4.0、智能制造和物联网应用带来了全新的可能性。\n\n## MCP 协议简介\n\nModel Context Protocol（MCP）是一种开放标准协议，定义了 AI 模型与外部工具、数据源之间的通信方式。通过 MCP，AI 代理可以动态发现和调用外部功能，如查询数据库、读取文件、发送消息等。这种标准化的接口让 AI 应用能够灵活地扩展能力，而不需要为每个工具单独编写集成代码。\n\n传统的 AI 工具调用通常需要硬编码每个集成的细节，而 MCP 通过统一的协议抽象了这一过程。任何支持 MCP 的服务器都可以被任何支持 MCP 的客户端调用，大大提高了互操作性和开发效率。node-red-contrib-mcp 正是将这一能力带入了 Node-RED 生态系统。\n\n## 核心功能与节点介绍\n\n该项目提供了一系列 Node-RED 节点，覆盖了从服务器配置到 AI Agent 编排的完整工作流。\n\n### 服务器与配置节点\n\n**mcp server** 节点用于配置 MCP 服务器连接，支持 Streamable HTTP 和 SSE 两种传输协议，并可配置可选的身份验证。用户只需填写服务器 URL、选择传输类型、设置 API 密钥即可完成配置。**llm config** 节点则用于配置大语言模型提供商，支持 OpenAI、Anthropic、Ollama、vLLM、Azure、Gemini 以及任何兼容 OpenAI API 的服务。\n\n### 工具调用节点\n\n**mcp tool** 节点允许调用任意 MCP 工具，参数通过 msg.payload 传递，工具名称可在配置中设置或通过 msg.topic 动态指定。**mcp tools** 节点用于列出 MCP 服务器上所有可用工具，这对工具发现和调试非常有帮助。**mcp resource** 节点则可以读取 MCP 服务器暴露的资源。\n\n### LLM 调用与 AI Agent 节点\n\n**llm call** 节点用于调用任何兼容 OpenAI 的 LLM，支持系统提示词、JSON 模式和多轮对话。这是最基础的 LLM 交互节点，适用于简单的文本生成任务。\n\n**ai agent** 节点是整个项目的核心，它实现了完整的代理推理循环。该节点将 LLM 与 MCP 工具结合，形成一个能够自主决策、调用工具、分析结果并持续迭代直到获得答案的智能代理。其工作流程如下：首先，LLM 分析用户问题并决定调用哪个工具；然后执行工具调用并获取结果；接着 LLM 分析返回的数据，决定是否需要调用更多工具；最后，当获得足够信息后，LLM 综合所有数据生成最终答案。\n\n## 典型应用场景\n\n### 制造业 OEE 监控\n\n在制造业场景中，设备综合效率（OEE）是衡量生产线性能的关键指标。通过 node-red-contrib-mcp，工程师可以构建一个智能代理，自动回答诸如"为什么 9014 号机器上周的 OEE 下降了？"这样的问题。代理会自动调用 get_oee 工具获取 OEE 数据，然后调用 get_downtime_events 工具获取停机事件，最后综合分析得出"OEE 从 85% 下降到 62%，原因是三次非计划停机：轴承故障（47 分钟）、换刀延迟（23 分钟）和物料短缺（18 分钟）"的结论。\n\n### IIoT 智能告警处理\n\n在工业物联网环境中，可以构建 MQTT → AI Agent → MQTT 的自动化管道。当机器产生告警时，AI 代理通过 MCP 工具调查问题原因并推荐处理措施，然后将处理建议通过 MQTT 发送出去。整个过程无需人工干预，实现了真正的智能自动化。\n\n### 智能建筑与能源管理\n\n结合 BACnet/Modbus 等工业协议节点，可以构建智能建筑管理系统。AI 代理能够分析能源使用模式，自动调整 HVAC 设置，在保持舒适度的同时优化能耗。\n\n## 技术特性与优势\n\n该项目的最大优势在于其开放性和灵活性。它不锁定任何特定的 LLM 提供商或 MCP 服务器，用户可以根据需求自由选择。同时，它完全基于 Apache-2.0 许可证开源，没有云依赖，可以在完全本地化的环境中运行，满足工业场景对数据隐私和安全性的严格要求。\n\n在生产就绪性方面，项目提供了完善的错误处理、状态指示器和可配置的超时机制。作为 Node-RED 原生节点，它完美集成了 Node-RED 的配置节点系统、消息传递机制和调试面板，让熟悉 Node-RED 的工程师能够快速上手。\n\n## 兼容性与生态系统\n\nnode-red-contrib-mcp 支持任何实现了 Streamable HTTP 或 SSE 传输协议的 MCP 服务器。官方兼容的服务器包括 OpenShopFloor（提供 111 个制造业 MCP 工具，涵盖 ERP、OEE、QMS、TMS、UNS、KG 等领域）、Anthropic 官方 MCP 服务器（包括文件系统、GitHub、PostgreSQL、Slack、Google Drive 等），以及用户自定义开发的 MCP 服务器。\n\n在 LLM 支持方面，项目兼容所有 OpenAI 兼容 API，包括 OpenAI 官方、本地 Ollama、Azure OpenAI、vLLM、LiteLLM、LM Studio 等。对于 Anthropic 的 Claude 模型，可以通过 LiteLLM 代理进行调用。\n\n## 快速开始\n\n安装 node-red-contrib-mcp 非常简单，可以通过 npm 在 Node-RED 用户目录下安装，也可以直接在 Node-RED 的 Palette Manager 中搜索安装。安装后，用户可以通过导入项目提供的 JSON 示例快速体验 MCP 工具调用和 AI Agent 功能。\n\n对于想要构建自定义工作流的开发者，项目提供了详细的文档和多个示例，包括简单的工具调用示例、完整的 AI Agent 示例，以及 MQTT 集成的 IIoT 示例。\n\n## 总结\n\nnode-red-contrib-mcp 为工业自动化和物联网领域带来了 AI 代理能力，让工程师无需深入学习 Python 或 AI 框架，就能在熟悉的 Node-RED 环境中构建智能应用。它将 400 万 Node-RED 用户与 1 万多个 MCP 服务器连接起来，开启了低代码 AI 自动化的新篇章。对于希望探索 AI 在工业场景中应用的工程师和开发者，这是一个极具价值的工具。