--- title: "Como automatizar o seu app GoodBarber com n8n e MCP" description: "Passámos um dia a ligar o n8n ao servidor MCP da GoodBarber para montar uma automação a sério: um workflow que traduz todas as manhãs para francês os artigos do" canonical_url: "https://pt.goodbarber.com/blog/como-automatizar-o-seu-app-goodbarber-com-n8n-e-mcp-—-sem-escrever-codigo-a1273/" lang: pt date: 2026-06-11 last_updated: 2026-09-03 --- # Como automatizar o seu app GoodBarber com n8n e MCP [Voltar](/blog/make-it-r19/) # Como automatizar o seu app GoodBarber com n8n e MCP — sem escrever código Escrito por [Pierre-Laurent Medori](https://pt.goodbarber.com/blog/author/pierre-medori/) na Quinta-Feira 11 Junho 2026· Última atualização: Quinta-Feira 3 Setembro 2026 ## Passámos um dia a ligar o n8n ao servidor MCP da GoodBarber para montar uma automação a sério: um workflow que traduz todas as manhãs para francês os artigos do blog do nosso app, sob a forma de rascunhos prontos a rever. Esta é a configuração exata que usámos, o que correu mal pelo caminho e as três lições que lhe poupam uma tarde. ## Porquê n8n + MCP em vez de Zapier + API REST ![](https://cmsphoto.ww-cdn.com/superstatic/121801/art/grande/96933265-67560162.jpg?v=1781163579.4026182) A resposta curta: com MCP, é a API que se explica à máquina — deixa de construir os pedidos à mão. Uma integração REST clássica significa ler a documentação de uma API, construir cada pedido HTTP e gerir a autenticação e a paginação por conta própria. **MCP (Model Context Protocol)** inverte esse trabalho: o seu app GoodBarber expõe as suas operações como **tools** que qualquer cliente MCP descobre e chama sozinho. O nosso app de teste — uma Content App — expôs **62 tools** no momento em que nos ligámos: artigos, parágrafos, eventos, mapas, galerias, vídeos, sons. O n8n conta aqui porque é uma das raras plataformas de automação com um **MCP Client node** nativo — e porque os seus nodes AI Agent podem entregar esses 62 tools ao Claude e deixar o modelo decidir quais chamar. As plataformas ao estilo do Zapier automatizam *apps*; o n8n + MCP automatiza o *seu* app. | | REST + automação clássica | MCP + n8n | | ---------------------- | -------------------------------------- | ----------------------------------- | | Trabalho de integração | Um pedido por ação, feito à mão | Tools descobertos automaticamente | | Autenticação | Uma chave API por pedido | Uma única ligação OAuth | | A IA no ciclo | Você faz o parsing, a IA vê fragmentos | O agente chama os tools diretamente | ## Setup: n8n ligado à GoodBarber em 5 minutos Toda a ligação cabe num node e num ecrã OAuth. Esta é a sequência que seguimos no n8n.cloud: 1. Crie um workflow, adicione um node **AI Agent** e ligue-lhe um modelo Claude (uma chave API Anthropic nos credentials do n8n). 2. Adicione um node **MCP Client Tool** com o endpoint https://mcp.goodbarber.dev/mcp/sse, o transport **HTTP Streamable** e a autenticação **MCP OAuth2**. 3. Clique em Connect. O n8n regista-se sozinho junto do servidor GoodBarber (dynamic client registration) e abre-se uma página de autorização da GoodBarber. 4. Cole a **Public API key** do seu app — gera-a no back-office, na página *Public API / MCP server* — e valide. É tudo. O credential mostra «Account connected» e o node lista todos os tools que o seu app expõe — a página [GoodBarber MCP](https://pt.goodbarber.com/mcp/) detalha o catálogo completo por tipo de app. Cinco minutos, sem código, sem ginástica de webhooks. ## Workflow 1 — traduzir os artigos do blog automaticamente ![](https://cmsphoto.ww-cdn.com/superstatic/121801/art/grande/96933265-67560164.jpg?v=1781163580.6906247) O objetivo: cada artigo publicado na nossa secção de blog em inglês recebe uma tradução em francês na secção francesa, todas as manhãs às 9 h. A nossa primeira versão era a óbvia: um trigger Schedule e um único AI Agent com todos os tools de artigo — listar os artigos, detetar as traduções em falta, traduzir, criar. Funcionou no primeiro ensaio em seco. Depois bateu numa parede: um agente reenvia toda a sua conversa a cada passo, e os payloads de artigo são pesados. As nossas execuções queimavam entre 40.000 e 77.000 tokens de entrada por minuto — acima dos limites de uma conta API de gama básica, com qualquer modelo. A versão que corre em produção todos os dias é mais sóbria, e ensinou-nos o padrão verdadeiro: **nodes determinísticos para a canalização, e o modelo só onde há discernimento**. Quatro nodes HTTP Request chamam os tools MCP diretamente (o credential MCP OAuth2 do n8n liga-se a um simples node HTTP — é esse o truque), um pequeno node Code escolhe o artigo mais antigo por traduzir, e uma única chamada ao Claude traduz o artigo inteiro de uma vez. As traduções chegam ao CMS com as imagens e os embeds preservados, por cerca de 5.000 tokens por execução em vez de 70.000. Duas decisões de design fazem todo o trabalho sobre o custo. Só expomos os tools de que o workflow realmente precisa — o node MCP Client do n8n aceita uma seleção de tools, e reduzir a nossa aos cinco tools de artigo poupou milhares de tokens de esquema em cada chamada ao modelo. E a idempotência cabe numa convenção de slug: a versão francesa de *health-benefits-journaling* é *health-benefits-journaling-fr* — se o slug existe, o artigo já está feito, por isso o pipeline nunca traduz duas vezes. Hoje o pipeline escreve rascunhos e quem publica somos nós. É uma escolha editorial, não um limite técnico: a qualidade de tradução do Claude é suficientemente constante para confiarmos neste workflow sem humano no ciclo — direto para publicação. ## Workflow 2 — transformar um feed RSS em rascunhos de artigo O mesmo padrão ingere conteúdo em vez de o traduzir. O trigger RSS integrado do n8n vigia qualquer feed; um node Claude reformata cada entrada num título, um resumo e um corpo limpos; **cms_create_article** e **cms_create_article_paragraph** criam o rascunho na secção que escolher. A sua equipa editorial abre o back-office de manhã com uma fila de rascunhos preparados em vez de uma lista de links por tratar. ## Workflow 3 — um resumo editorial semanal no Telegram O reporting é onde o agente brilha, porque o número de operações é pequeno. Um trigger Schedule dispara todas as sextas-feiras; o agente chama **cms_list_articles** sobre a janela da semana, o Claude escreve um resumo curto — o que saiu, o que continua em rascunho, o que está agendado — e um node Telegram entrega-o no canal da equipa. Dez minutos de configuração para um batimento editorial recorrente. ## A que estar atento A honestidade torna um tutorial útil, por isso aqui ficam as duas coisas que realmente nos morderam. - **Os limites de API de gama básica não combinam com agentes faladores.** Num tier baixo da Anthropic, uma única execução de um agente tudo-em-um ultrapassava os limites de tokens por minuto. Separe a canalização da inteligência, ou conte com um tier superior. - **As respostas de lista são pesadas.** As listas de artigos devolvem o conteúdo completo e os conjuntos de imagens — ótimo para um assistente interativo, pesado dentro do ciclo de um agente. Recupere um artigo de cada vez quando o orçamento de tokens conta. ## O que vem a seguir O nosso app de teste agora traduz-se sozinho todas as manhãs. Se quiser o mesmo ponto de partida: a página [44 skills da GoodBarber](https://pt.goodbarber.com/mcp/) explica o que o servidor MCP expõe, [Connect Claude](https://pt.goodbarber.com/connect-claude-app/) detalha a configuração do lado do assistente, e o repositório open source [goodbarber-skills](https://github.com/goodbarber/goodbarber-skills) contém as receitas prontas a usar — incluindo os workflows de CMS sobre os quais este artigo é construído. E se está a perguntar-se porque tornámos os nossos apps [prontos para agentes de IA](https://pt.goodbarber.com/blog/o-seu-app-goodbarber-esta-pronto-para-agentes-de-ia-44-skills-para-claude-code-cursor-e-qualquer-cliente-mcp-a1270/) em primeiro lugar, também contámos essa história. E para encontrar todos os outros clientes e workflows suportados pelo servidor, percorra o [guia completo do MCP da GoodBarber](https://pt.goodbarber.com/mcp-complete-guide/). ![PIERRE MEDORI](https://blog.goodbarber.com/_public/profile/b5/b5f3704c4117b921f2e8146eddf0b0763b3e1692-default.jpg) Sobre o autor[PIERRE MEDORI](https://pt.goodbarber.com/blog/author/pierre-medori/)Head of Backend Engineering Sou Head of Backend Engineering na GoodBarber, onde construímos a plataforma que permite a qualquer pessoa criar aplicações nativas sem escrever uma linha de código. A minha equipa é responsável por tudo o que acontece nos bastidores — as APIs, os serviços e a infraestrutura que transformam um projeto no-code em aplicações realmente publicadas, com alojamento, notificações push e uma loja completa. Escrevo sobre a engenharia que mantém o no-code a funcionar em grande escala e sobre o papel que a IA desempenha nisso. [Saiba mais](https://pt.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/)