Blog

Cómo automatizar tu app GoodBarber con n8n y MCP — sin escribir código

Pasamos un día conectando n8n al servidor MCP de GoodBarber para montar una automatización real: un workflow que traduce cada mañana al francés los artículos del blog de nuestra app, como borradores listos para revisar. Esta es la configuración exacta que usamos, lo que se rompió por el camino y las tres lecciones que te ahorrarán una tarde.

Head of Backend Engineering

  Actualizado el   6 min de lectura

Por qué n8n + MCP en lugar de Zapier + API REST

La respuesta corta: con MCP, es la API la que se explica a la máquina — ya no construyes las peticiones a mano.

Una integración REST clásica significa leer la documentación de una API, construir cada petición HTTP y gestionar la autenticación y la paginación por tu cuenta. MCP (Model Context Protocol) invierte ese trabajo: tu app GoodBarber expone sus operaciones como tools que cualquier cliente MCP descubre y llama por sí solo. Nuestra app de prueba — una Content App — expuso 62 tools en el momento de conectarse: artículos, párrafos, eventos, mapas, galerías, vídeos, sonidos.

n8n importa aquí porque es una de las pocas plataformas de automatización con un MCP Client node nativo — y porque sus nodes AI Agent pueden entregar esos 62 tools a Claude y dejar que el modelo decida cuáles llamar. Las plataformas tipo Zapier automatizan apps; n8n + MCP automatiza tu app.

REST + automatización clásicaMCP + n8n
Trabajo de integraciónUna petición por acción, hecha a manoTools descubiertos automáticamente
AutenticaciónUna clave API por peticiónUna sola conexión OAuth
La IA en el bucleTú parseas, la IA ve fragmentosEl agente llama los tools directamente

Setup: n8n conectado a GoodBarber en 5 minutos

Toda la conexión cabe en un node y una pantalla OAuth. Esta es la secuencia que seguimos en n8n.cloud:

  1. Crea un workflow, añade un node AI Agent y conéctale un modelo Claude (una clave API de Anthropic en los credentials de n8n).
  2. Añade un node MCP Client Tool con el endpoint https://mcp.goodbarber.dev/mcp/sse, el transporte HTTP Streamable y la autenticación MCP OAuth2.
  3. Haz clic en Connect. n8n se registra solo ante el servidor de GoodBarber (dynamic client registration) y se abre una página de autorización de GoodBarber.
  4. Pega la Public API key de tu app — la generas en el back-office, en la página Public API / MCP server — y valida.

Eso es todo. El credential muestra «Account connected» y el node lista todos los tools que tu app expone — la página GoodBarber MCP detalla el catálogo completo por tipo de app. Cinco minutos, sin código, sin gimnasia de webhooks.

Workflow 1 — traducir los artículos del blog automáticamente

El objetivo: cada artículo publicado en nuestra sección de blog en inglés recibe una traducción al francés en la sección francesa, todas las mañanas a las 9 h.

Nuestra primera versión era la más obvia: un trigger Schedule y un único AI Agent con todos los tools de artículo — listar los artículos, detectar las traducciones que faltan, traducir, crear. Funcionó en la primera prueba en seco. Luego chocó contra un muro: un agente reenvía toda su conversación en cada paso, y los payloads de artículo son pesados. Nuestras ejecuciones quemaban entre 40.000 y 77.000 tokens de entrada por minuto — por encima de los límites de una cuenta API de gama básica, con cualquier modelo.

La versión que corre en producción cada día es más sobria, y nos enseñó el patrón de verdad: nodes deterministas para la fontanería, y el modelo solo donde hay criterio. Cuatro nodes HTTP Request llaman los tools MCP directamente (el credential MCP OAuth2 de n8n se conecta a un simple node HTTP — ese es el truco), un pequeño node Code elige el artículo más antiguo sin traducir, y una sola llamada a Claude traduce el artículo entero de una vez. Las traducciones llegan al CMS con sus imágenes y embeds preservados, por unos 5.000 tokens por ejecución en lugar de 70.000.

Dos decisiones de diseño hacen todo el trabajo sobre el coste. Solo exponemos los tools que el workflow necesita de verdad — el node MCP Client de n8n acepta una selección de tools, y reducir la nuestra a los cinco tools de artículo ahorró miles de tokens de esquema en cada llamada al modelo. Y la idempotencia cabe en una convención de slug: la versión francesa de health-benefits-journaling es health-benefits-journaling-fr — si el slug existe, el artículo ya está hecho, así que el pipeline nunca traduce dos veces.

Hoy el pipeline escribe borradores y publicamos nosotros. Es una decisión editorial, no un límite técnico: la calidad de traducción de Claude es lo bastante constante como para que confiemos en este workflow sin humano en el bucle — directo a publicación.

Workflow 2 — convertir un feed RSS en borradores de artículo

El mismo patrón ingiere contenido en lugar de traducirlo. El trigger RSS integrado de n8n vigila cualquier feed; un node Claude reformatea cada entrada en un título, un resumen y un cuerpo limpios; cms_create_article y cms_create_article_paragraph crean el borrador en la sección que elijas. Tu equipo editorial abre el back-office por la mañana con una cola de borradores preparados en lugar de una lista de enlaces por procesar.

Workflow 3 — un resumen editorial semanal en Telegram

El reporting es donde brilla el agente, porque el número de operaciones es pequeño. Un trigger Schedule se dispara cada viernes; el agente llama cms_list_articles sobre la ventana de la semana, Claude redacta un resumen corto — qué se publicó, qué sigue en borrador, qué está programado — y un node Telegram lo entrega en el canal del equipo. Diez minutos de configuración para un latido editorial recurrente.

A qué prestar atención

La honestidad hace útil un tutorial, así que estas son las dos cosas que de verdad nos mordieron.

  • Los límites de API de gama básica no encajan con agentes parlanchines. En un tier bajo de Anthropic, una sola ejecución de agente todo-en-uno superaba los límites de tokens por minuto. Separa la fontanería de la inteligencia, o presupuesta un tier superior.
  • Las respuestas de lista son pesadas. Las listas de artículos devuelven el contenido completo y los juegos de imágenes — perfecto para un asistente interactivo, pesado dentro del bucle de un agente. Recupera un artículo cada vez cuando el presupuesto de tokens cuenta.

Qué sigue

Nuestra app de prueba ahora se traduce sola cada mañana. Si quieres el mismo punto de partida: la página 44 skills de GoodBarber explica qué expone el servidor MCP, Connect Claude detalla la configuración del lado del asistente, y el repositorio open source goodbarber-skills contiene las recetas listas para usar — incluidos los workflows de CMS sobre los que se construye este artículo. Y si te preguntas por qué hicimos nuestras apps listas para agentes de IA en primer lugar, también contamos esa historia. Y para encontrar todos los demás clientes y workflows que admite el servidor, recorre la guía completa del MCP de GoodBarber.

Sigue leyendo

  5 min de lectura

Encuentra respuestas en tus podcasts con GoodBarber Chatbot

Imagina una emisora local cuya app ofrece programas en directo, una parrilla de programación y entrevistas a la carta. Cada grabación tiene un título y una descripción. Estos datos facilitan la navegación, pero una entrevista suele contener detalles útiles que no aparecen en el resumen.En nuestro ejemplo, el episodio se titula «La ciudad que compartimos». Su descripción presenta una conversación sobre la vida cotidiana en la ciudad. Durante la grabación, un urbanista explica las medidas contra el calor en verano: plantar árboles en los caminos a las escuelas, añadir sombra en los patios escolares y sustituir algunas superficies pavimentadas por zonas verdes.Ninguna de esas medidas aparece en el título ni en la descripción. Un oyente recuerda el tema y pregunta:¿Qué episodio explicó cómo la ciudad planea reducir el calor del verano?Hemos añadido los podcasts de audio a las fuentes de conocimiento de GoodBarber Chatbot para que preguntas como esta puedan llevar a tus programas. Hay dos niveles: la información escrita que publicas sobre cada episodio y el contenido hablado que decides transcribir.

  4 min de lectura

Tus transmisiones en vivo y tus videos de Twitch, ahora en tu app

En resumen. Twitch es una extensión de GoodBarber, el creador de apps sin código, que añade un canal de Twitch como fuente de una sección de videos. Cuando el canal está en vivo, la transmisión ocupa la parte superior de la sección; el resto del tiempo, la sección muestra los videos del canal. La conectas una sola vez, con un Client ID y un Client Secret de la consola de desarrolladores de Twitch. Es gratuita para las apps Content: cada sección cuenta como una de las extensiones incluidas en tu plan.El público está en Twitch. En septiembre de 2026, los espectadores vieron allí 1510 millones de horas de directos, con una media de 2,1 millones de personas viendo una transmisión en cualquier momento, según TwitchTracker. Así funciona la extensión para una creadora que hace un directo todos los martes a las 20:00.

  4 min de lectura

Convierte tus documentos en respuestas con GoodBarber Chatbot

En una app, publicar un documento útil es solo una parte del trabajo. También hay que ayudar a encontrar la información adecuada cuando llega el momento de actuar. Un archivo con un nombre claro facilita la consulta de una biblioteca, pero quien lo busca puede tener una pregunta más inmediata.La comunicación interna es solo una de las aplicaciones posibles. El mismo enfoque sirve para recursos educativos, guías para miembros de una organización, referencias técnicas u otros documentos útiles compartidos en una app. En nuestro ejemplo, un empleado prepara una visita a un cliente y necesita saber:¿Qué gastos de viaje necesitan autorización previa?Hemos incorporado los documentos a las fuentes de GoodBarber Chatbot para que los archivos que ya mantienes puedan alimentar estas conversaciones. Tú eliges los documentos. Los usuarios preguntan con sus propias palabras. El asistente busca los pasajes pertinentes y los utiliza para elaborar una respuesta.La pregunta se convierte en una vía de acceso a la política de viajes. El empleado puede partir de la decisión que debe tomar, aunque no conozca el título del documento que la explica.