n8n AI Agent ဆောက်ခြင်း

AI Agent ဆိုတာ ဘာလဲ?

AI Agent ဆိုတာ Simple LLM Call ထက် ပိုတဲ့ System ပါ။ AI ကို Tools (Search, Database, API) ပေးပြီး ကိုယ်တိုင်ဆုံးဖြတ်ပြီး Task ကို Complete လုပ်ဖို့ ခွင့်ပြုတဲ့ Pattern ပါ:

Simple LLM:         AI Agent:
  Prompt               Prompt
     ↓                    ↓
  Response           [Think: What tools do I need?]
                          ↓
                     [Use Tool: Search Web]
                          ↓
                     [Use Tool: Calculate]
                          ↓
                     [Final Response]

n8n ၏ AI Agent Node (ReAct Agent) သည် LangChain ကို Built-in ပေးပြီး Tools ကို Dynamic ရွေးချယ်သည်။

AI Agent Workflow ဆောက်ပုံ

Chat Trigger User Message ဝင်

AI Agent Node Think → Tool → Answer

Response to User Chat Response

User မေးသမျှ Agent က Tool သုံးပြီး ဖြေပေးသည်

Agent Node Setup

Canvas မှ “AI Agent” Node ကို ထည့်ပြီး Sub-nodes ချိတ်ဆက်ပါ:

AI Agent Node
├── Chat Model (Required)
│   └── [OpenAI GPT-4o] or [Claude Sonnet]
│
├── Memory (Optional — Conversation History)
│   └── [Window Buffer Memory]
│
└── Tools (ပေးချင်သော Capabilities)
    ├── [Calculator]       ← Math တွက်ဖို့
    ├── [SerpAPI Search]   ← Web Search
    ├── [Wikipedia]        ← Knowledge Lookup
    └── [Code Executor]    ← Code Run လုပ်ဖို့

System Prompt (Agent ၏ Role):

You are a helpful assistant for a Myanmar e-commerce company.
You can:
- Search for product information
- Calculate prices and discounts
- Look up order status from database
- Answer questions in Myanmar language

Always be polite and concise. Respond in the same language the user wrote in.

Memory ထည့်ခြင်း — Conversation History

Memory မရှိရင် Agent က ရှေ့ Message ကို မမှတ်မိ။ Window Buffer Memory ထည့်လိုက်ရင် Conversation History ကို Track လုပ်သည်:

Memory Configuration:
  Window Buffer Memory:
    Context Window Size: 10   ← နောက်ဆုံး Messages ၁၀ ခု မှတ်မိ
    Session Key: {{ $('Chat Trigger').item.json.sessionId }}

Custom Tools ထည့်ခြင်း

Agent ကို ကိုယ်ပိုင် Database, API နဲ့ ချိတ်ဆက်ဖို့ “Call n8n Workflow” Tool ကို သုံးသည်:

AI Agent

Tool: Get Order Status Workflow call

MySQL: Query Orders ORDER BY id

Return to Agent

Agent ကနေ Database Query Tool ကို ခေါ်ပြီး Order Status ကိုပြသည်

Order Status Tool Workflow

Agent ကနေ ဒီ Sub-Workflow ကို Tool ဖြစ်အောင် Configure လုပ်ပါ:

// Tool Workflow — Get Order Status
// Input: { orderId: "ORD-123" }
const orderId = $json.orderId;

// MySQL Node ကနေ Query
const query = `SELECT * FROM orders WHERE id = '${orderId}' LIMIT 1`;

// Return structured result to Agent
return [{
  json: {
    orderId,
    status: $('MySQL').first().json.status,
    createdAt: $('MySQL').first().json.created_at,
    total: $('MySQL').first().json.total_amount,
    message: `Order ${orderId} is currently: ${$('MySQL').first().json.status}`
  }
}];

Customer Support Agent — Complete Example

Chat Trigger n8n Chat UI

AI Agent GPT-4o + Memory + Tools

Window Buffer Memory Last 10 messages

Chat Response

Memory + Tools ပါသော Complete Customer Support Agent

Tools ဖြင့် Agent ၏ Capability:

Tool	Agent သည် ဘာ တတ်သလဲ
Order Status Lookup	”ORD-456 ဘယ်ရောက်ပြီ?” မေးသောအခါ
Product Search	”Laptop အကောင်းဆုံး ဘာလဲ?”
Calculator	”20% Discount နဲ့ 45,000 ဆိုရင် ဘယ်နှစ်ကျ?”
FAQ Knowledge Base	”Return Policy က ဘာလဲ?”

Agentic Workflow ဥပမာ

User: “ကျွန်တော်ရဲ့ Order ORD-789 ဘယ်ရောက်ပြီ? ပြီးရင် အောင်မြင်ရင် Review တစ်ခု ချင်တယ်”

Agent ၏ Thinking Process:

Step 1: Parse Intent
  → "Order status" + "Request review if delivered"

Step 2: Use Order Status Tool
  → Query: SELECT * FROM orders WHERE id='ORD-789'
  → Result: { status: "delivered", deliveredAt: "2025-01-10" }

Step 3: Decide Next Action
  → Status = delivered → Send review request

Step 4: Use Email Tool
  → Send review request email to customer

Step 5: Final Response
  → "ORD-789 သည် 2025-01-10 တွင် ပို့ဆောင်ပြီးဖြစ်ပါသည်။
     Review တောင်းဆိုသော Email ပေးပို့ပြီးဖြစ်ပါသည်။"

နောက်သင်ခန်းစာမှာ Database Operations — n8n မှ MySQL/PostgreSQL ကို တိုက်ရိုက် ချိတ်ဆက်နည်း လေ့လာမည်!