--- title: "Comment automatiser votre app GoodBarber avec n8n et MCP" description: "Nous avons passé une journée à connecter n8n au serveur MCP de GoodBarber pour monter une vraie automatisation : un workflow qui traduit chaque matin en françai" canonical_url: "https://fr.goodbarber.com/blog/comment-automatiser-votre-app-goodbarber-avec-n8n-et-mcp-—-sans-une-ligne-de-code-a1372/" lang: fr date: 2026-06-11 last_updated: 2026-09-03 --- # Comment automatiser votre app GoodBarber avec n8n et MCP [Retour](/blog/reussir-mon-app-r13/) # Comment automatiser votre app GoodBarber avec n8n et MCP — sans une ligne de code Ecrit par [Pierre-Laurent Medori](https://fr.goodbarber.com/blog/author/pierre-medori/) le Jeudi 11 Juin 2026 ## Nous avons passé une journée à connecter n8n au serveur MCP de GoodBarber pour monter une vraie automatisation : un workflow qui traduit chaque matin en français les articles de blog de notre app, sous forme de brouillons prêts à relire. Voici le montage exact que nous avons utilisé, ce qui a coincé en chemin, et les trois leçons qui vous feront gagner un après-midi. ## Pourquoi n8n + MCP plutôt que Zapier + API REST ![](https://cmsphoto.ww-cdn.com/superstatic/40142/art/grande/96933243-67560134.jpg?v=1781163564.4745426) 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. | | REST + automatisation classique | MCP + n8n | | --------------------- | ------------------------------------ | ------------------------------------- | | Travail d'intégration | Une requête à fabriquer par action | Tools découverts automatiquement | | Authentification | Une clé API par requête | Une seule connexion OAuth | | L'IA dans la boucle | Vous parsez, l'IA voit des fragments | L'agent appelle les tools directement | ## Setup : n8n connecté à GoodBarber en 5 minutes Toute la connexion tient en un node et un écran OAuth. Voici la séquence que nous avons suivie sur n8n.cloud : 1. Créez un workflow, ajoutez un node **AI Agent**, branchez-y un modèle Claude (une clé API Anthropic dans les credentials de n8n). 2. Ajoutez un node **MCP Client Tool** avec l'endpoint https://mcp.goodbarber.dev/mcp/sse, le transport **HTTP Streamable** et l'authentification **MCP OAuth2**. 3. Cliquez sur Connect. n8n s'enregistre tout seul auprès du serveur GoodBarber (dynamic client registration), et une page d'autorisation GoodBarber s'ouvre. 4. Collez la **Public API key** de votre app — vous la générez dans le back-office, sur la page *Public API / MCP server* — et validez. C'est tout. Le credential affiche « Account connected » et le node liste tous les tools que votre app expose — la page [GoodBarber MCP](https://fr.goodbarber.com/mcp/) détaille le catalogue complet par type d'app. Cinq minutes, sans code, sans gymnastique de webhooks. ## Workflow 1 — traduire les articles de blog automatiquement ![](https://cmsphoto.ww-cdn.com/superstatic/40142/art/grande/96933243-67560136.jpg?v=1781163565.93855) 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. ## Workflow 2 — transformer un flux RSS en brouillons d'articles Le même pattern ingère du contenu au lieu de le traduire. Le trigger RSS intégré de n8n surveille n'importe quel flux ; un node Claude reformate chaque entrée en un titre, un résumé et un corps propres ; **cms_create_article** et **cms_create_article_paragraph** créent le brouillon dans la section de votre choix. Votre équipe éditoriale ouvre le back-office le matin sur une file de brouillons préparés plutôt que sur une liste de liens à traiter. ## Workflow 3 — un digest éditorial hebdomadaire sur Telegram Le reporting, c'est là que l'agent brille, parce que le nombre d'opérations reste faible. Un trigger Schedule se déclenche chaque vendredi ; l'agent appelle **cms_list_articles** sur la fenêtre de la semaine, Claude rédige un court digest — ce qui est paru, ce qui est encore en brouillon, ce qui est programmé — et un node Telegram le livre sur le canal de l'équipe. Dix minutes de configuration pour un battement de cœur éditorial récurrent. ## Points de vigilance L'honnêteté rend un tutoriel utile, alors voici les deux choses qui nous ont vraiment mordus. - **Les limites d'API d'entrée de gamme ne conviennent pas aux agents bavards.** Sur un tier Anthropic bas, une seule exécution d'agent tout-en-un dépassait les limites de tokens par minute. Séparez la tuyauterie de l'intelligence, ou prévoyez un tier supérieur. - **Les réponses de liste sont volumineuses.** Les listes d'articles renvoient le contenu complet et les jeux d'images — parfait pour un assistant interactif, lourd dans la boucle d'un agent. Récupérez un article à la fois quand le budget de tokens compte. ## Et maintenant Notre app de test se traduit désormais toute seule chaque matin. Si vous voulez le même point de départ : la page [44 skills GoodBarber](https://fr.goodbarber.com/mcp/) explique ce que le serveur MCP expose, [Connect Claude](https://fr.goodbarber.com/connect-claude-app/) détaille la configuration côté assistant, et le dépôt open source [goodbarber-skills](https://github.com/goodbarber/goodbarber-skills) contient les recettes prêtes à l'emploi — dont les workflows CMS sur lesquels cet article est bâti. Et si vous vous demandez pourquoi nous avons rendu nos apps [prêtes pour les agents IA](https://fr.goodbarber.com/blog/votre-app-goodbarber-est-desormais-prete-pour-les-agents-ia-44-skills-pour-claude-code-cursor-et-tout-client-mcp-a1368/) en premier lieu, nous avons aussi raconté cette histoire. Et pour retrouver tous les autres clients et workflows pris en charge par le serveur, parcourez [le guide complet du MCP GoodBarber](https://fr.goodbarber.com/mcp-complete-guide/). ![PIERRE MEDORI](https://blog.goodbarber.com/_public/profile/b5/b5f3704c4117b921f2e8146eddf0b0763b3e1692-default.jpg) À propos de l'auteur[PIERRE MEDORI](https://fr.goodbarber.com/blog/author/pierre-medori/)Head of Backend Engineering Je suis Head of Backend Engineering chez GoodBarber, où nous construisons la plateforme qui permet à chacun de créer des applications natives sans écrire une ligne de code. Mon équipe gère tout ce qui se passe en coulisses — les API, les services et l'infrastructure qui transforment un projet no-code en véritables applications publiées, avec hébergement, notifications push et boutique complète. J'écris sur l'ingénierie qui fait tourner le no-code à grande échelle, et sur la place qu'y prend l'IA. [En savoir plus](https://fr.goodbarber.com/blog/author/pierre-medori/) [![LinkedIn](https://portal.ww-cdn.com/portal_static/svg/base2021/linkedin.3ed8162e2a2b.svg)](https://www.linkedin.com/in/pierre-laurent-medori/)