Montar un RAG con n8n te deja la documentación indexada y consultable por significado desde tu agente, sin que los textos pasen por ningún proveedor externo. Al terminar tienes Outline como fuente de verdad, n8n troceando e indexando documentos, PostgreSQL con pgvector buscando por parecido y un MCP para que el agente consulte todo. Es el capítulo 2 de la serie Cómo crear tu empleado digital, así que necesitas el capítulo 1 montado: un VPS con Coolify y Outline funcionando.
Cómo funciona el RAG que vas a montar
El RAG son cinco piezas: la documentación de origen, n8n que la trocea, un modelo de embeddings que la convierte en vectores, pgvector que busca por parecido y un MCP que lleva la respuesta a tu agente. La documentación es donde escribes: aquí Outline, la wiki privada del capítulo anterior, aunque también valen los Markdown de un repositorio, como los posts de mi blog.
En el medio está n8n, un orquestador visual donde montas flujos con cajitas y él mueve los datos. Trocea cada documento para que al preguntar recibas el párrafo exacto que responde, y cada trozo pasa por un modelo de embeddings que lo convierte en un vector: una lista larga de números que representa de qué va el texto. Textos con significados parecidos acaban con números parecidos aunque no compartan ni una palabra.
Esos números se guardan en PostgreSQL con pgvector, una extensión que le enseña a buscar por parecido: le dices «dame lo que más se parezca a esto» en vez de «dame lo que contenga esta palabra».
Para cerrar el círculo, un MCP hace de puente entre tu agente y todo lo demás. Habla el mismo idioma que Claude Code, Codex o Cursor y solo sabe que cuando el agente pide algo hay que llamar a n8n; la respuesta vuelve con el documento de origen y su enlace. Si aún no tienes claro qué es un MCP, te lo expliqué en ¿Qué son los servidores MCP? La evolución de la IA en 2025.
n8n lleva además una tarea programada que cada hora repasa la documentación, compara y solo toca lo que ha cambiado.
Qué necesitas antes de empezar
Necesitas el capítulo 1 de la serie montado, es decir, un VPS con Coolify y Outline, y como mínimo un KVM2 de Hostinger, que patrocina el vídeo. Conforme avanza la serie se queda corto: yo subo al KVM4 en el próximo capítulo porque si no no me caben todos los servicios. Si vais a contratarlo, el código DEVKNIVES o DEVKNIVES10 os quita un 10%, y marcando la opción de Coolify preinstalado os ahorráis un paso.
El resto son los repos públicos que dejo enlazados en la descripción del vídeo: el compose de PostgreSQL con pgvector, el del servidor de embeddings, los workflows de n8n y el MCP.
Los tres servicios en Coolify, paso a paso
Los tres servicios van en el mismo proyecto de Coolify y cada uno sale de un repo público con su compose: PostgreSQL con pgvector, el servidor de embeddings y n8n. Solo n8n necesita dominio, y el último paso, la red compartida, es lo que hace que se vean entre sí.
-
PostgreSQL con pgvector. En tu proyecto de Coolify, New resource → Public GitHub repository, pega la URL del repo y elige Docker Compose. Ponle nombre, carga el compose y ve a las variables de entorno: genera una contraseña aleatoria larga y pégala en el campo de password. Yo la dejé sin caracteres especiales para no buscarme jaleos con el compose. Guarda, dale a Deploy y en unos segundos lo tienes en verde. Comprueba Runtime → Logs: todo en info, sin errores. No le asignes dominio, es una base de datos con red interna a la que accede n8n.
-
Servidor de embeddings. Mismo proceso con el segundo repo. Usa Text Embeddings Inference en su versión CPU, así que no necesita gráfica, y el modelo es multilingual E5 Small. Podrías usar embeddings de OpenAI, pero te atan a su modelo y cuestan dinero; en tu servidor, la documentación no sale de casa. El primer deploy tarda porque descarga la imagen y el modelo. Si ves un «download failed» en los logs, en mi caso no afectó a la indexación.
-
n8n. New resource, escribe n8n y te aparecen dos plantillas: coge la simple, la de n8n con Postgres; la variante con worker añade cosas que no necesitamos. Hazle deploy y asígnale subdominio, https://n8n.tudominio.com, con el puerto interno 3000. Si prefieres otro camino, ya te conté cómo tener n8n en un servidor gratis.
-
DNS en Hostinger. En el panel de DNS agrega un registro tipo A, nombre n8n, la misma IP del servidor, y baja el TTL a 300 para que la propagación tarde menos. A mí me lo detectó al instante, pero puede tardar de minutos a un día.
-
Cuenta y licencia. Entra al subdominio y créate la cuenta rápido, antes de que lo haga otro. n8n te pide activar licencia: te llega por correo y se pega en Usage → Activation key.
-
Red compartida. Los tres servicios tienen que verse entre sí. En el servicio de pgvector: Advanced → Docker Compose → connect to predefined network, guarda y redespliega. En n8n: General → Network attachment → connect to the predefined Coolify network, y reinicia si ya estaba arrancado. Si te lo saltas, la credencial de Postgres no conecta y te pegas con ello un rato.
Credenciales en n8n: Postgres, Outline y tu clave del RAG
Son tres: Postgres con los datos del compose, una API key de Outline y la clave del RAG, una contraseña aleatoria que protege los endpoints. Créalas antes de importar los workflows, porque los flujos las piden nodo a nodo.
-
Postgres. Credencial de tipo Postgres. El host es el nombre del servicio, porque están en el mismo servidor y en la misma red. La base de datos, el usuario y la contraseña son los de las variables de entorno que configuraste en Coolify; si no te acuerdas, las ves en el panel del servicio. Guarda y comprueba que conecta.
-
Outline. En tu wiki, Ajustes → Profile → API keys, genera una clave nueva, ponle n8n de nombre y elige que no expire. Si no marcas permisos concretos, tiene acceso total. En n8n la creas como credencial Header auth y pegas la API key como valor.
-
La clave del RAG. Otra credencial Header auth con una contraseña aleatoria que solo sepáis vosotros. Es la llave que protege los endpoints del RAG: sin ella, cualquiera podría usar tu n8n y tu índice.
Importa los workflows y conecta el MCP
Son tres workflows (indexar Outline, búsqueda semántica y reindex programado) más un servidor MCP. Los workflows se importan copiando y pegando sobre el lienzo de n8n (Start from scratch, Ctrl+V) o arrastrando el fichero; el MCP se instala por terminal y se registra en tu agente.
- Indexar Outline: lista los documentos con la API key de Outline, los trocea, genera los embeddings, los guarda en Postgres y borra los fragmentos sobrantes. Lleva un botón para indexar ya y un webhook para dispararlo desde fuera.
- API de búsqueda semántica: recibe la pregunta, la convierte en embedding y devuelve los trozos más parecidos de pgvector.
- Reindex programado: cada hora llama a la API de n8n para reindexar. Ojo con este: la credencial que pide es la clave del RAG, la tuya, no la de Outline.
En los tres asigna las credenciales (el webhook te avisará con un candado) y en la configuración pon tu URL de Outline y la del servicio de embeddings, que n8n detecta por el nombre del contenedor al estar en la misma red. Dale a Publish en cada workflow, porque sin publicar no se ejecutan.
Para el MCP, a la terminal:
- Ejecuta el
npm installque dejo en el repo. - Recarga la shell (un
sourceo pestaña nueva) y comprueba la versión; en mi instalación marcó 0.1.0. - Edita el fichero de variables de entorno: URL de tu n8n, la clave del RAG (la misma del Header auth; guárdala bien, porque n8n no te la vuelve a mostrar), la URL de Outline sin la barra del final y el token de Outline.
- Si al guardar protesta, te falta la carpeta de configuración: créala con
mkdiry listo.
Luego instálalo en tu agente. Yo se lo pasé a OpenCode tal cual («ya hice el npm install, configúralo y haz que funcione») y en un minuto lo tenía conectado; para Claude Code es un mcp add y el comando está en el propio repo. Para rellenar documentación cómodamente, instálate también el MCP de Outline y dile qué quieres volcar: te lo deja en la wiki sin tocar la interfaz.
Cómo comprobar que funciona
El RAG funciona si le preguntas algo que solo esté en tus documentos y vuelve el fragmento correcto con el enlace al de origen. Para probarlo, carga documentación real en Outline: yo volqué las transcripciones de mis 60 vídeos del canal, porque quiero tener almacenado todo lo que he hecho para preguntarle a mi agente qué dije, qué hice y qué dejé pendiente. Lo suyo es ir rellenándola con el tiempo.
Dale a indexar desde el MCP o espera la pasada de la hora. Le mandé: «Usa el MCP para decirme cuántas veces he hablado en mi canal sobre Kimi y qué he comentado al respecto, pero resumido». Respuesta: dos vídeos, con el resumen de cada uno. En uno presenté Kimi 2.7 Code y la suscripción de 23 € que recomendé; en el otro, que Kimi 3 es una bestia y funcionó mejor de lo esperado. Cada dato con su documento de origen y su enlace.
Preguntas con tus palabras, busca por significado y te contesta citando la fuente. Es más rápido y más preciso que la búsqueda contextual, y como lo juntéis con toda vuestra memoria, os va a flipar.
Errores frecuentes y cómo salir de ellos
Los seis fallos de esta lista salen de la red compartida, las credenciales y el Publish. Si n8n no carga o Postgres no conecta, revisa eso primero.
- n8n no carga tras el deploy: ábrelo en ventana de incógnito y actualiza. A mí me pasó y así entró.
- La credencial de Postgres no conecta: casi seguro es la red compartida. Conecta los servicios a la predefined network de Coolify y redespliega.
- Los workflows no se disparan: falta el Publish.
- El fichero de entorno del MCP no se guarda: falta la carpeta de configuración,
mkdiry ya está. - Contraseñas con caracteres raros: mejor una larga sin caracteres especiales y te ahorras peleas con el compose.
- DNS lento: puede tardar de minutos a un día; el TTL a 300 ayuda, pero si el registro ya estaba cacheado, toca esperar.
El siguiente paso lo tienes claro: vuelca tus primeras notas en Outline, dale a indexar y hazle a tu agente una pregunta que solo se responda con tu documentación. En el capítulo 3 montamos con n8n el flujo del correo, que te avisa por WhatsApp o Telegram solo de lo que importa, y os cuento cuánto podéis cobrar a una empresa por instalarle todo esto.



¿Qué te ha parecido?
Déjame tu opinión, pregunta o sugerencia. Los comentarios se sincronizan con GitHub Discussions .