Agentic AI Development using n8n and MCP

Section 1: Agentic AI และรูปแบบการคิดของ Agent

• ความหมายของ Agentic AI และความต่างจากงานอัตโนมัติแบบกำหนดเงื่อนไขตายตัว

• องค์ประกอบหลัก: Perception, Planning, Reasoning, Memory และ Action

• ReAct: ให้ Agent คิดสลับกับการเรียกเครื่องมือจนได้คำตอบ

• Reflexion: ให้ Agent ทบทวนผลลัพธ์ของตนเองแล้วปรับแก้

• Chain-of-Thought และการเลือกรูปแบบให้เหมาะกับงานและค่าใช้จ่าย

• ตัวอย่างการใช้งานจริงในงานบริการลูกค้า งานเอกสาร และงานปฏิบัติการ

Section 2: สถาปัตยกรรมของ n8n

• แนวคิด Low-code / No-code Workflow Automation และตำแหน่งของ n8n

• องค์ประกอบหลัก: Node, Connection, Workflow และ Credential

• Runtime Architecture และรูปแบบการ Execute ของ Workflow

• เปรียบเทียบ n8n Cloud กับ Self-hosted

• ความต่างระหว่าง Community Edition กับ Enterprise Edition

Section 3: Node สำคัญสำหรับงาน Agentic AI

• Trigger Node: Webhook, Gmail และ Schedule

• AI Node: OpenAI และ Text Classifier สำหรับจัดหมวดข้อความ

• Communication Node: Gmail, Slack และ HTTP Request

• Data Processing Node: Code, JSON และ Split in Batches

• Database Node (MSSQL, MongoDB) และ Utility Node (IF, Switch, Merge)

Section 4: Lab: n8n Cloud และระบบคัดแยกอีเมลด้วย AI

• สมัครและตั้งค่าบัญชี n8n Cloud พร้อมแนวปฏิบัติที่ดีบน Cloud

• เชื่อม Credential ของ Gmail และ OpenAI อย่างปลอดภัย

• ตั้งค่า Gmail Trigger ให้รับอีเมลใหม่เข้ามาใน Workflow

• ใช้ Text Classifier แยกอีเมลเป็นหมวดงาน ส่วนตัว ท่องเที่ยว และอื่น ๆ

• ใช้ IF / Switch Node ส่งอีเมลแต่ละหมวดไปยังเส้นทางที่ต่างกัน

Section 5: Lab: ตอบอีเมลและนัดหมายอัตโนมัติ

• เชื่อม OpenAI Model เข้ากับ Workflow ที่คัดแยกอีเมลไว้แล้ว

• เขียน Prompt ให้ร่างคำตอบตรงบริบทและน้ำเสียงที่ต้องการ

• ตั้งค่า Gmail Node ให้ส่งคำตอบกลับอัตโนมัติ

• สร้างนัดหมายใน Google Calendar จากเนื้อหาในอีเมล

• ทดสอบ Workflow ทั้งเส้นและตรวจผลจาก Execution Log

Section 6: Lab: ติดตั้ง n8n Community Edition ด้วย Docker

• เตรียมเครื่องและติดตั้ง Docker กับ Docker Compose

• เขียนและปรับแต่งไฟล์ docker-compose.yml สำหรับ n8n

• รัน n8n และเข้าใช้งานผ่านหน้าเว็บบนเครื่องของตนเอง

• ตั้งค่า Environment Variables และการเก็บ Credentials อย่างปลอดภัย

• ย้าย Workflow จาก n8n Cloud มาทำงานบน Self-hosted

Section 7: Lab: MCP Server กับ n8n

• สถาปัตยกรรม MCP: Host, Client, Server และการเปิดเครื่องมือให้ Agent

• ติดตั้ง MCP Server ด้วย Docker และตั้งค่าการทำงาน

• เชื่อม MCP Server เข้ากับ n8n เพื่อให้ Agent เรียกใช้เครื่องมือได้

• ทดสอบการทำงานของ MCP Server และตรวจผลการเรียกเครื่องมือ

Section 8: Lab: เชื่อม Slack เข้ากับ Workflow

• สร้าง Slack App และขอ API Token พร้อมกำหนดสิทธิ์ที่จำเป็น

• ตั้งค่า Webhook และ Event Subscriptions ให้ n8n รับข้อความได้

• เชื่อม Slack เข้ากับ Workflow ของ n8n

• ทดสอบการรับและส่งข้อความผ่าน Slack API

Section 9: Lab: ฐานข้อมูล MSSQL ผ่าน MCP

• ติดตั้ง Microsoft SQL Server บน Docker และเตรียมข้อมูลลูกค้าจำลอง

• ตั้งค่าการเชื่อมต่อฐานข้อมูลผ่าน MCP Server

• ให้ Agent ดึงข้อมูลธุรกรรมของลูกค้าและทดสอบผลลัพธ์

• จำกัดสิทธิ์ของบัญชีฐานข้อมูลให้ Agent เข้าถึงเท่าที่จำเป็น

Section 10: Lab: ระบบ RAG ด้วย Qdrant

• แนวคิด Retrieval-Augmented Generation และประโยชน์ต่องานตอบคำถาม

• ติดตั้ง Vector Database Qdrant บน Docker

• นำเอกสารนโยบายบริการลูกค้าเข้า Qdrant ด้วย OpenAI Embeddings

• สร้างส่วน Retrieval และเชื่อมระบบ RAG เข้ากับ MCP Server

• ทดสอบการค้นหานโยบายที่เกี่ยวข้องกับคำถามของลูกค้า

Section 11: ออกแบบ Customer Service Agent

• ออกแบบ User Flow และลำดับบทสนทนากับลูกค้า

• กลยุทธ์การจัดการ Context ให้ Agent รู้ว่ากำลังคุยเรื่องอะไรกับใคร

• การออกแบบ System Prompt และ Prompt ให้ตอบตรงนโยบาย

• วางแผนการจัดการข้อมูล และขั้นตอนสร้างคำตอบจากหลายแหล่ง

Section 12: Lab: สร้าง Customer Service Agent

• สร้าง Workflow รับข้อความจาก Slack และให้ Agent ตีความคำถาม

• ดึงประวัติธุรกรรมของลูกค้าจาก MSSQL ผ่าน MCP

• ค้นหานโยบายที่เกี่ยวข้องจาก Qdrant

• สร้างคำตอบด้วย AI จากข้อมูลลูกค้าและนโยบาย แล้วตอบกลับทาง Slack

• บันทึกประวัติบทสนทนาลง MSSQL เพื่อใช้อ้างอิงต่อ

Section 13: Lab: จัดการบทสนทนาที่ซับซ้อน

• รองรับบทสนทนาหลายรอบ (Multi-turn Conversation)

• กลยุทธ์การจดจำ Context ข้ามข้อความ

• Fallback เมื่อ Agent ไม่มั่นใจ และการส่งต่อเจ้าหน้าที่ (Human Handoff)

• ปรับ Prompt ให้คำตอบเป็นไปตามนโยบายอย่างสม่ำเสมอ

Section 14: Performance Tuning และการ Scale

• วิเคราะห์ประสิทธิภาพและหาจุดคอขวดของ Workflow

• ปรับการตั้งค่า Docker ให้พร้อมสำหรับ Production

• กลยุทธ์การ Scale ทั้ง n8n และ MCP Server เมื่อปริมาณงานเพิ่มขึ้น

• สรุปแนวทางนำ Agent ไปใช้กับงานจริงขององค์กร