Como automatizar o seu app GoodBarber com n8n e MCP — sem escrever código

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.

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.