Điều hướng
Mục lục: 🏠 Wiki N8N - Trang chủ Bài trước: 21-Kết nối OpenAI và Anthropic Claude vào n8n Bài tiếp theo: 23-Ứng dụng RAG và Vector Store trong n8n
🕵️ Xây dựng AI Agent với các Tools tùy chỉnh
Tổng quan
AI Agent trong n8n không chỉ “trả lời câu hỏi” — nó tự quyết định cần dùng công cụ nào, gọi API nào, và thực hiện nhiều bước để hoàn thành một mục tiêu phức tạp. Đây là bước nhảy vọt từ “chatbot” sang “trợ lý tự hành”.
🤖 Sự khác biệt: LLM đơn giản vs AI Agent
graph TD subgraph Simple["💬 LLM đơn giản"] U1["User: Thời tiết HN hôm nay?"] --> L1["LLM"] L1 --> R1["❌ Xin lỗi, tôi không biết\n(dữ liệu cũ từ training)"] end subgraph Agent["🕵️ AI Agent"] U2["User: Thời tiết HN hôm nay?"] --> A["AI Agent\n(Suy nghĩ)"] A -->|Cần dữ liệu thực| T1["🔧 Tool: Weather API"] T1 --> A A --> R2["✅ Hà Nội hôm nay 32°C,\nnắng, độ ẩm 78%"] end
🏗️ Cấu trúc AI Agent trong n8n
graph LR I["📥 Input\n(từ user)"] --> AG["🧠 AI Agent Node\n(LLM + Reasoning)"] AG <-->|Sử dụng| T1["🌐 HTTP Request Tool\n(gọi API ngoài)"] AG <-->|Sử dụng| T2["🔍 Google Search Tool"] AG <-->|Sử dụng| T3["📊 Google Sheets Tool\n(đọc/ghi dữ liệu)"] AG <-->|Sử dụng| T4["💻 Code Tool\n(thực thi code)"] AG --> O["📤 Output\n(câu trả lời cuối cùng)"]
⚙️ Thiết lập AI Agent Node
Các thành phần bắt buộc
| Thành phần | Vai trò | Node dùng |
|---|---|---|
| Chat Model | Bộ não — quyết định hành động | OpenAI / Anthropic / Gemini |
| Tools | Công cụ Agent có thể sử dụng | HTTP Request, Code, Search… |
| Memory (tùy chọn) | Ghi nhớ lịch sử hội thoại | Window Buffer Memory |
Các loại Agent
| Loại | Đặc điểm | Dùng khi nào |
|---|---|---|
| ReAct Agent | Reasoning + Acting theo vòng lặp | Hầu hết use cases |
| Plan-and-Execute | Lập kế hoạch trước, thực hiện sau | Tasks phức tạp nhiều bước |
| OpenAI Functions | Dùng function calling của OpenAI | Cần độ chính xác cao |
🔧 Tạo Custom Tool cho Agent
Tool 1: Tra cứu thông tin từ Google Sheets
Kết nối Google Sheets Tool → Agent có thể đọc/tìm kiếm dữ liệu từ bảng tính của bạn.
Cấu hình:
- Tool Name:
search_product_database - Description:
Tìm kiếm thông tin sản phẩm trong database. Input: tên sản phẩm (string) - Operation: Get rows with filter
Tool 2: Gửi email qua Gmail
Tool Name: send_email
Description: Gửi email đến địa chỉ được chỉ định.
Input JSON: { "to": "email@example.com", "subject": "...", "body": "..." }
Tool 3: Gọi Custom API
Dùng HTTP Request Tool để tạo tool gọi bất kỳ API nào:
- Name:
get_weather - Description:
Lấy thông tin thời tiết hiện tại. Input: tên thành phố - URL:
https://api.openweathermap.org/data/2.5/weather?q={{ $fromAI("city") }}&appid=YOUR_KEY
🎯 Ví dụ: Agent Hỗ trợ Khách hàng
Hệ thống:
Bạn là trợ lý hỗ trợ khách hàng của cửa hàng ABC.
Bạn có thể:
1. Tra cứu thông tin đơn hàng (dùng tool: check_order)
2. Kiểm tra tồn kho sản phẩm (dùng tool: check_inventory)
3. Tạo ticket hỗ trợ (dùng tool: create_support_ticket)
Luôn xác nhận thông tin với khách trước khi thực hiện bất kỳ hành động nào.
Luồng hoạt động:
sequenceDiagram participant C as Khách hàng participant A as AI Agent participant DB as Database C->>A: "Đơn hàng #1234 của tôi đang ở đâu?" A->>DB: check_order(order_id="1234") DB-->>A: { status: "shipping", location: "Hà Nội" } A->>C: "Đơn hàng #1234 đang được vận chuyển,\nhiện tại đang ở Hà Nội và sẽ đến trong 1-2 ngày."
⚠️ Lưu ý khi xây dựng AI Agent
Kiểm soát quyền của Agent
Agent có thể thực hiện các hành động thực tế (gửi email, ghi dữ liệu, gọi API thanh toán…). Hãy giới hạn tools chỉ ở mức cần thiết và thêm bước xác nhận cho các hành động quan trọng.
Viết Tool Description thật rõ ràng
Agent quyết định dùng tool nào dựa vào tên và description của tool. Description phải mô tả rõ: tool làm gì, input cần gì, output trả về gì. Đây là yếu tố quan trọng nhất để Agent hoạt động đúng.
Điều hướng
Bài trước: 21-Kết nối OpenAI và Anthropic Claude vào n8n Bài tiếp theo: 23-Ứng dụng RAG và Vector Store trong n8n