Comment automatiser votre app GoodBarber avec n8n et MCP — sans une ligne de code

La réponse courte : avec MCP, c'est l'API qui s'explique à la machine — vous ne fabriquez plus les requêtes à la main.

Une intégration REST classique, c'est lire la doc d'une API, construire chaque requête HTTP, gérer l'authentification et la pagination soi-même. MCP (Model Context Protocol) inverse ce travail : votre app GoodBarber expose ses opérations comme des tools qu'un client MCP découvre et appelle tout seul. Notre app de test — une Content App — a exposé 62 tools dès la connexion : articles, paragraphes, événements, cartes, galeries, vidéos, sons.

Si n8n compte ici, c'est qu'il fait partie des rares plateformes d'automatisation dotées d'un MCP Client node natif — et que ses nodes AI Agent peuvent confier ces 62 tools à Claude en le laissant décider lesquels appeler. Les plateformes façon Zapier automatisent des apps ; n8n + MCP automatise votre app.

L'objectif : chaque article publié dans notre section de blog anglaise reçoit une traduction française dans la section française, tous les matins à 9 h.

Notre première version était la plus évidente : un trigger Schedule et un seul AI Agent tenant tous les tools d'article — lister les articles, repérer les traductions manquantes, traduire, créer. Elle a marché au premier essai à blanc. Puis elle a heurté un mur : un agent renvoie toute sa conversation à chaque étape, et les payloads d'article sont volumineux. Nos exécutions brûlaient 40 000 à 77 000 tokens d'entrée par minute — au-delà des limites d'un compte API d'entrée de gamme, quel que soit le modèle.

La version qui tourne en production tous les jours est plus sobre, et elle nous a appris le vrai pattern : des nodes déterministes pour la tuyauterie, et le modèle seulement là où il y a du jugement. Quatre nodes HTTP Request appellent les tools MCP directement (le credential MCP OAuth2 de n8n se branche sur un simple node HTTP — c'est l'astuce), un petit node Code choisit l'article le plus ancien non traduit, et un seul appel à Claude traduit l'article entier d'un coup. Les traductions arrivent dans le CMS avec leurs images et leurs embeds préservés, pour environ 5 000 tokens par exécution au lieu de 70 000.

Deux choix de conception font tout le travail sur le coût. Nous n'exposons que les tools dont le workflow a réellement besoin — le node MCP Client de n8n accepte une sélection de tools, et ramener la nôtre aux cinq tools d'article a économisé des milliers de tokens de schéma à chaque appel au modèle. Et l'idempotence tient en une convention de slug : la version française de health-benefits-journaling est health-benefits-journaling-fr — si le slug existe, l'article est déjà fait, donc le pipeline ne traduit jamais deux fois.

Aujourd'hui le pipeline écrit des brouillons et c'est nous qui publions. C'est un choix éditorial, pas une limite technique : la qualité de traduction de Claude est assez constante pour que nous fassions confiance à ce workflow sans humain dans la boucle — directement en ligne.