Lokaler KI-Assistent (Ollama und MCP) mit Llama 3.2, RAG und Suche bauen
Fortgeschritten
Dies ist ein Support Chatbot, AI RAG-Bereich Automatisierungsworkflow mit 9 Nodes. Hauptsächlich werden McpClientTool, Agent, ChatTrigger, LmChatOllama, McpClientTool und andere Nodes verwendet. Lokalen KI-Assistenten (Ollama und MCP) mit Llama 3.2, RAG und Suche bauen
Voraussetzungen
- •Keine besonderen Voraussetzungen, sofort nach Import nutzbar
Verwendete Nodes (9)
Kategorie
Workflow-Vorschau
Visualisierung der Node-Verbindungen, mit Zoom und Pan
Workflow exportieren
Kopieren Sie die folgende JSON-Konfiguration und importieren Sie sie in n8n
{
"meta": {
"instanceId": "558d88703fb65b2d0e44613bc35916258b0f0bf983c5d4730c00c424b77ca36a",
"templateCredsSetupCompleted": true
},
"nodes": [
{
"id": "cb29d79a-40dc-4077-8810-45c695229609",
"name": "Bei Empfang einer Chat-Nachricht",
"type": "@n8n/n8n-nodes-langchain.chatTrigger",
"position": [
0,
0
],
"webhookId": "349f7ccf-6700-42b1-8137-fdde62c4bdfa",
"parameters": {
"options": {}
},
"typeVersion": 1.1
},
{
"id": "c090dbad-f2dc-4db5-84c0-0f96ab5fb922",
"name": "KI-Agent",
"type": "@n8n/n8n-nodes-langchain.agent",
"position": [
220,
0
],
"parameters": {
"options": {
"systemMessage": "You are a helpful assistant. You have access to two MCP Servers. One which has access to a RAG Database, and one which has access to a tool to search google.\n\nWhen you get a question about current events, you use the search engine MCP Server to fetch information.\n\nWhen people ask more general questions, you use your RAG Database"
}
},
"typeVersion": 2
},
{
"id": "8688fdd5-7cb6-4d45-bda5-39c31f24ffcd",
"name": "Ollama Chat-Modell",
"type": "@n8n/n8n-nodes-langchain.lmChatOllama",
"position": [
-120,
240
],
"parameters": {
"options": {}
},
"credentials": {
"ollamaApi": {
"id": "xHuYe0MDGOs9IpBW",
"name": "Local Ollama service"
}
},
"typeVersion": 1
},
{
"id": "2db79ee1-07c3-49bc-863a-129066a4c758",
"name": "Einfacher Speicher",
"type": "@n8n/n8n-nodes-langchain.memoryBufferWindow",
"position": [
60,
300
],
"parameters": {},
"typeVersion": 1.3
},
{
"id": "c82053cf-99f2-40cb-8c07-eac3f199f7b2",
"name": "MCP-Client: RAG",
"type": "@n8n/n8n-nodes-langchain.mcpClientTool",
"position": [
360,
300
],
"parameters": {
"sseEndpoint": "http://localhost:5678/mcp/8d7910ab-f0db-4042-9da9-f580647a8a8e"
},
"typeVersion": 1
},
{
"id": "020a7821-5c15-48cb-a5bd-1d3251130b80",
"name": "Haftnotiz",
"type": "n8n-nodes-base.stickyNote",
"position": [
280,
220
],
"parameters": {
"color": 3,
"height": 240,
"content": "## MCP Client: RAG\n"
},
"typeVersion": 1
},
{
"id": "3d0b7c23-18f4-49ec-bb2a-4192959250e8",
"name": "Haftnotiz1",
"type": "n8n-nodes-base.stickyNote",
"position": [
600,
220
],
"parameters": {
"color": 6,
"width": 400,
"height": 240,
"content": "## MCP Client: Bright Data\n"
},
"typeVersion": 1
},
{
"id": "c41ee2cf-73ef-4f38-bc0b-36ff5091d18c",
"name": "MCP-Client: BD_Werkzeugs",
"type": "n8n-nodes-mcp.mcpClientTool",
"position": [
680,
300
],
"parameters": {},
"credentials": {
"mcpClientApi": {
"id": "gtICJ1VBUVNpQahr",
"name": "MCP Client (STDIO) account"
}
},
"typeVersion": 1
},
{
"id": "85a32e4d-02c0-4811-a33d-3d77f4705f35",
"name": "MCP-Client: BD_Execute",
"type": "n8n-nodes-mcp.mcpClientTool",
"position": [
840,
300
],
"parameters": {
"toolName": "search_engine",
"operation": "executeTool",
"toolParameters": "={{ /*n8n-auto-generated-fromAI-override*/ $fromAI('Tool_Parameters', ``, 'json') }}"
},
"credentials": {
"mcpClientApi": {
"id": "gtICJ1VBUVNpQahr",
"name": "MCP Client (STDIO) account"
}
},
"typeVersion": 1
}
],
"pinData": {},
"connections": {
"2db79ee1-07c3-49bc-863a-129066a4c758": {
"ai_memory": [
[
{
"node": "c090dbad-f2dc-4db5-84c0-0f96ab5fb922",
"type": "ai_memory",
"index": 0
}
]
]
},
"c82053cf-99f2-40cb-8c07-eac3f199f7b2": {
"ai_tool": [
[
{
"node": "c090dbad-f2dc-4db5-84c0-0f96ab5fb922",
"type": "ai_tool",
"index": 0
}
]
]
},
"8688fdd5-7cb6-4d45-bda5-39c31f24ffcd": {
"ai_languageModel": [
[
{
"node": "c090dbad-f2dc-4db5-84c0-0f96ab5fb922",
"type": "ai_languageModel",
"index": 0
}
]
]
},
"MCP-Client: BD_Tools": {
"ai_tool": [
[
{
"node": "c090dbad-f2dc-4db5-84c0-0f96ab5fb922",
"type": "ai_tool",
"index": 0
}
]
]
},
"85a32e4d-02c0-4811-a33d-3d77f4705f35": {
"ai_tool": [
[
{
"node": "c090dbad-f2dc-4db5-84c0-0f96ab5fb922",
"type": "ai_tool",
"index": 0
}
]
]
},
"cb29d79a-40dc-4077-8810-45c695229609": {
"main": [
[
{
"node": "c090dbad-f2dc-4db5-84c0-0f96ab5fb922",
"type": "main",
"index": 0
}
]
]
}
}
}Häufig gestellte Fragen
Wie verwende ich diesen Workflow?
Kopieren Sie den obigen JSON-Code, erstellen Sie einen neuen Workflow in Ihrer n8n-Instanz und wählen Sie "Aus JSON importieren". Fügen Sie die Konfiguration ein und passen Sie die Anmeldedaten nach Bedarf an.
Für welche Szenarien ist dieser Workflow geeignet?
Fortgeschritten - Support-Chatbot, KI RAG
Ist es kostenpflichtig?
Dieser Workflow ist völlig kostenlos. Beachten Sie jedoch, dass Drittanbieterdienste (wie OpenAI API), die im Workflow verwendet werden, möglicherweise kostenpflichtig sind.
Verwandte Workflows
RAG-Pipeline
Lokaler Chatbot auf Basis von Retrieval-Augmented Generation (RAG)
Form Trigger
Agent
Chat Trigger
+
Form Trigger
Agent
Chat Trigger
13 NodesThomas Janssen
Engineering
KI-gestützte Service-Desk-Lösung mit Supabase und JIRA
Automatisierter Slack IT-Service-Desk basierend auf GPT, Supabase-Vektorsuche und JIRA-Tickets
If
Set
Slack
+
If
Set
Slack
25 Nodesinderjeet Bhambra
Support-Chatbot
Einen in eine Website einbettbaren Wissensbasis-Chatbot mit OpenAI und Notion erstellen
Erstellen Sie einen Wissensbasis-Chatbot, der in eine Website eingebettet werden kann, mit OpenAI und Notion
Notion Tool
Agent
Chat Trigger
+
Notion Tool
Agent
Chat Trigger
9 NodesGegenfeld
Support-Chatbot
Einen intelligenten Chatbot mit OpenAI GPT und Airtable-Wissensbasis erstellen
Erstellen Sie einen intelligenten Chatbot mit OpenAI GPT und einer Airtable-Wissensbasis
Airtable Tool
Agent
Chat Trigger
+
Airtable Tool
Agent
Chat Trigger
9 NodesGegenfeld
Support-Chatbot
Pipedream MCP-Server
Skalierbaren KI-Chatbot mit GPT-4 und Pipedream bauen: Integration von Calendly und Gmail
Agent
Chat Trigger
Lm Chat Open Ai
+
Agent
Chat Trigger
Lm Chat Open Ai
8 NodesDavide
Support-Chatbot
KI-gesteuerter WhatsApp-Chatbot
Ein RAG-betriebener WhatsApp-Chatbot für Dokumente mit GPT-4o-mini und MongoDB erstellen
Set
Code
Switch
+
Set
Code
Switch
35 NodesMuhammad Shahzaib Shahid
Support-Chatbot
Workflow-Informationen
Schwierigkeitsgrad
Fortgeschritten
Anzahl der Nodes9
Kategorie2
Node-Typen7
Autor
Thomas Janssen
@thomasjanssen-techExterne Links
Auf n8n.io ansehen →
Diesen Workflow teilen