eCommerce
Sistemi di abbonamento
RAG Chatbot
Corsi online
Prenotazione online
Guida turistica
Eventi
Creatori di contenuti
Consegna locale e Ritiro in negozio
Giornale
Radio
Scuole e università
Fede
Organizzazioni
Ristorante
Alimentari
Costruisci l'app su misura
Comunicazione con i dipendenti
APP BUILDER SENZA CODICE
TECNOLOGIA
PERCHÉ GOODBARBER?
Design
RISORSE DEL PRODOTTO
TEMI
RIVENDITORI DI APP
SCOPRICome automatizzare la tua app GoodBarber con n8n e MCP — senza scrivere codice
Scritto da Pierre-Laurent Medori il
Abbiamo passato una giornata a collegare n8n al server MCP di GoodBarber per costruire un'automazione vera: un workflow che traduce ogni mattina in francese gli articoli del blog della nostra app, sotto forma di bozze pronte da rivedere. Ecco la configurazione esatta che abbiamo usato, cosa si è inceppato lungo la strada e le tre lezioni che ti faranno risparmiare un pomeriggio.
Perché n8n + MCP invece di Zapier + API REST
La risposta breve: con MCP è l'API che si spiega alla macchina — non costruisci più le richieste a mano.
Un'integrazione REST classica significa leggere la documentazione di un'API, costruire ogni richiesta HTTP e gestire autenticazione e paginazione da solo. MCP (Model Context Protocol) ribalta questo lavoro: la tua app GoodBarber espone le sue operazioni come tools che qualsiasi client MCP scopre e chiama da solo. La nostra app di test — una Content App — ha esposto 62 tools nel momento stesso in cui ci siamo collegati: articoli, paragrafi, eventi, mappe, gallerie, video, suoni.
n8n conta qui perché è una delle rare piattaforme di automazione con un MCP Client node nativo — e perché i suoi node AI Agent possono affidare quei 62 tools a Claude e lasciare che sia il modello a decidere quali chiamare. Le piattaforme in stile Zapier automatizzano le app; n8n + MCP automatizza la tua app.
| REST + automazione classica | MCP + n8n | |
|---|---|---|
| Lavoro di integrazione | Una richiesta per azione, costruita a mano | Tools scoperti automaticamente |
| Autenticazione | Una chiave API per richiesta | Una sola connessione OAuth |
| L'IA nel ciclo | Tu fai il parsing, l'IA vede frammenti | L'agente chiama i tools direttamente |
Setup: n8n collegato a GoodBarber in 5 minuti
Tutta la connessione sta in un node e una schermata OAuth. Ecco la sequenza che abbiamo seguito su n8n.cloud:
- Crea un workflow, aggiungi un node AI Agent e collegaci un modello Claude (una chiave API Anthropic nei credentials di n8n).
- Aggiungi un node MCP Client Tool con l'endpoint https://mcp.goodbarber.dev/mcp/sse, il transport HTTP Streamable e l'autenticazione MCP OAuth2.
- Clicca su Connect. n8n si registra da solo presso il server GoodBarber (dynamic client registration) e si apre una pagina di autorizzazione GoodBarber.
- Incolla la Public API key della tua app — la generi nel back-office, nella pagina Public API / MCP server — e conferma.
Tutto qui. Il credential mostra «Account connected» e il node elenca tutti i tools che la tua app espone — la pagina GoodBarber MCP descrive il catalogo completo per tipo di app. Cinque minuti, senza codice, senza acrobazie di webhook.
Workflow 1 — tradurre automaticamente gli articoli del blog
L'obiettivo: ogni articolo pubblicato nella nostra sezione di blog in inglese riceve una traduzione in francese nella sezione francese, ogni mattina alle 9.
La nostra prima versione era quella ovvia: un trigger Schedule e un solo AI Agent con tutti i tools di articolo — elencare gli articoli, individuare le traduzioni mancanti, tradurre, creare. Ha funzionato al primo test a vuoto. Poi ha sbattuto contro un muro: un agente rimanda tutta la sua conversazione a ogni passo, e i payload degli articoli sono pesanti. Le nostre esecuzioni bruciavano dai 40.000 ai 77.000 token in ingresso al minuto — oltre i limiti di un account API di fascia base, con qualsiasi modello.
La versione che gira in produzione ogni giorno è più snella, e ci ha insegnato il pattern vero: node deterministici per l'idraulica, e il modello solo dove serve giudizio. Quattro node HTTP Request chiamano i tools MCP direttamente (il credential MCP OAuth2 di n8n si collega a un semplice node HTTP — è questo il trucco), un piccolo node Code sceglie l'articolo più vecchio non tradotto, e una sola chiamata a Claude traduce l'intero articolo in un colpo solo. Le traduzioni arrivano nel CMS con immagini ed embed preservati, per circa 5.000 token a esecuzione invece di 70.000.
Due scelte di progettazione fanno tutto il lavoro sul costo. Esponiamo solo i tools di cui il workflow ha davvero bisogno — il node MCP Client di n8n accetta una selezione di tools, e ridurre la nostra ai cinque tools di articolo ha risparmiato migliaia di token di schema a ogni chiamata al modello. E l'idempotenza sta in una convenzione di slug: la versione francese di health-benefits-journaling è health-benefits-journaling-fr — se lo slug esiste, l'articolo è già fatto, quindi il pipeline non traduce mai due volte.
Oggi il pipeline scrive bozze e a pubblicare siamo noi. È una scelta editoriale, non un limite tecnico: la qualità di traduzione di Claude è abbastanza costante da farci fidare di questo workflow senza un umano nel ciclo — dritto alla pubblicazione.
Workflow 2 — trasformare un feed RSS in bozze di articolo
Lo stesso pattern ingerisce contenuti invece di tradurli. Il trigger RSS integrato di n8n sorveglia qualsiasi feed; un node Claude riformatta ogni voce in un titolo, un riassunto e un corpo puliti; cms_create_article e cms_create_article_paragraph creano la bozza nella sezione che scegli. Il tuo team editoriale apre il back-office la mattina su una coda di bozze pronte invece che su una lista di link da lavorare.
Workflow 3 — un riepilogo editoriale settimanale su Telegram
Il reporting è dove l'agente brilla, perché il numero di operazioni è piccolo. Un trigger Schedule scatta ogni venerdì; l'agente chiama cms_list_articles sulla finestra della settimana, Claude scrive un breve riepilogo — cosa è uscito, cosa è ancora in bozza, cosa è programmato — e un node Telegram lo consegna sul canale del team. Dieci minuti di configurazione per un battito editoriale ricorrente.
A cosa fare attenzione
L'onestà rende utile un tutorial, quindi ecco le due cose che ci hanno davvero morso.
- I limiti API di fascia base non sono adatti ad agenti chiacchieroni. Su un tier Anthropic basso, una sola esecuzione di un agente tutto-in-uno superava i limiti di token al minuto. Separa l'idraulica dall'intelligenza, oppure metti in conto un tier superiore.
- Le risposte di lista sono pesanti. Le liste di articoli restituiscono il contenuto completo e i set di immagini — ottimo per un assistente interattivo, pesante dentro il ciclo di un agente. Recupera un articolo alla volta quando il budget di token conta.
E adesso
La nostra app di test ora si traduce da sola ogni mattina. Se vuoi lo stesso punto di partenza: la pagina 44 skill di GoodBarber spiega cosa espone il server MCP, Connect Claude illustra la configurazione lato assistente, e il repository open source goodbarber-skills contiene le ricette pronte all'uso — compresi i workflow CMS su cui è costruito questo articolo. E se ti chiedi perché abbiamo reso le nostre app pronte per gli agenti IA in primo luogo, abbiamo raccontato anche quella storia.