เปลี่ยน n8n ให้กลายเป็นกองทัพ AI Agent ทำงานเป็นทีมแบบโปร

ปลุกกองทัพ AI Agent ใน n8n ให้ตื่น

ถ้ามี AI Agent แค่ตัวเดียว มันก็ฉลาดในระดับหนึ่งนะ แต่ถ้าเราสร้าง กองทัพ AI Agent ให้ทำงานเป็นทีม พร้อมประสานงานกันอย่างเป็นระบบเมื่อไหร่ บอกเลยว่า Workflow จะโหดขึ้นหลายเท่า

บทความนี้เหมาะกับสายอัตโนมัติที่อยากให้ AI ทำงานให้แทบทุกอย่าง โดยไม่ต้องเขียนโค้ดเอง แค่ใช้ n8n ให้เป็นก็พอ

เลือกระบบ n8n ให้เหมาะกับการปั้น AI Agent

ก่อนจะไปเล่น Agent กันจริงจัง มาดูภาพรวมระบบที่เหมาะกับการใช้งานแบบหนักๆ กันก่อน เพราะการให้ AI Agent คุยกันเอง เรียก Workflow ข้ามไปมา และตอบโต้กับเราบ่อยๆ นั้น กิน Execution เยอะมาก

ดังนั้นแนวทางที่เวิร์กคือ เน้น Self-host / VPS / Server ส่วนตัว มากกว่าพึ่งแพ็กเกจฟรี หรือแพ็กเกจที่จำกัด Execution หนักๆ

n8n บน Official Cloud ของ n8n

• ใช้สอนมือใหม่ได้ดี เพราะหน้าตาเหมือนกันเป๊ะ ทำตามได้ง่าย

• ข้อดี

  • สมัครและเริ่มต้นไวมาก

  • มี Free Trial ให้ลองเล่น

  • Login ผ่าน Google / Microsoft ได้สบายๆ

• ข้อจำกัดสำคัญ

  • ใช้ได้แค่ประมาณ 2,500 Executions/เดือน

  • มีจำนวน Active Workflows จำกัด

เหมาะกับสายเริ่มต้น ทดลอง หรือใช้กับงานเบาๆ ที่ยังไม่ต้องรันยับ

n8n บน VPS / Cloud ส่วนตัว

• เหมาะกับการใช้งานจริงจัง เอาไว้เป็น ระบบหลักของตัวเอง

• ข้อดีคือ

  • ไม่มีลิมิต Execution จะรันซ้ำกี่รอบก็ได้

  • จะมี Workflow กี่ตัวก็จัดไป

  • ราคาต่อเดือนถ้าเทียบกับสิ่งที่ได้ถือว่าคุ้มมาก

• เลือก Server ใกล้ไทย เช่น Malaysia จะตอบสนองได้ลื่นกว่า

สรุปง่ายๆ คือ อยากเล่นเบาๆ ใช้ Official Cloud ได้ แต่ถ้าคิดจะสร้างกองทัพ AI Agent ใช้งานจริง ต้องไปสาย VPS / Self-host เท่านั้น

เข้าใจ AI Agent ให้ชัดก่อน แล้วจะออกแบบได้โหดขึ้น

AI Agent ใน n8n คืออะไร?

AI Agent คือ Node พิเศษใน n8n ที่เราสามารถตั้งให้มันเป็นเหมือนผู้ช่วยอัจฉริยะของเราได้ คล้าย ChatGPT แต่ยืดหยุ่นกว่า เพราะมันไม่ใช่แค่ตอบคำถาม แต่ยัง

• ดึงข้อมูลจากระบบอื่น

• ส่งอีเมลแทนเรา

• คุยกับ API ภายนอก

• หรือแม้แต่ สั่ง Workflow อื่นใน n8n ให้ทำงานต่อ

พูดง่ายๆ คือมันคือหัวสมองใน Workflow ที่จะ คิด วิเคราะห์ ตัดสินใจ แล้วลงมือทำ ไม่ใช่แค่พิมพ์ตอบสวยๆ

ส่วนประกอบหลักของ AI Agent

พลังของ AI Agent จะเกิดจากการผสมกันของ

• AI Model

• Automation (Workflow)

• Memory

• Tools

เมื่อรวมกันแล้ว เราจะได้ Workflow ที่ คิดเองเป็น ตัดสินใจได้ และส่งผลลัพธ์ออกมาในรูปแบบพร้อมใช้งานต่อ

Main Node : AI Agent

หัวใจของระบบคือ Node นี้ ซึ่งจะมี Prompt สำคัญ 2 แบบ

💬 User Prompt

• คือ คำสั่งหรือคำถามเฉพาะเจาะจง ที่เราส่งให้ AI ทำงาน

• ให้คิดเหมือนข้อความที่เราพิมพ์คุยกับ ChatGPT นั่นแหละ ทุกข้อความคือ User Prompt

🗒️ System Prompt

• ใช้กำหนด บทบาท (Role) และ กฎ (Rules) ให้ AI

• ใส่ Context ว่า AI ตัวนี้คือใคร ต้องพูดโทนไหน ห้ามทำอะไร

• คล้ายการตั้งค่าพวก Custom Instruction / Custom GPTs

System Prompt ที่ดีจะทำให้ AI นิ่งและคงเส้นคงวา ไม่หลุดคาแรกเตอร์

Sub-Node สำคัญที่ทำให้ AI Agent มีชีวิต

1. Chat Model – เลือกสมองให้ถูกงาน

เราต้องเลือกว่าจะให้ Agent ใช้สมองของ Model เจ้าไหน เช่น

• OpenAI

• Gemini

• Claude

• Deepseek

• หรือผ่าน OpenRouter ที่ยิง API เดียว แต่สลับใช้หลาย Model ได้

แนวทางที่เวิร์กคือ

• เริ่มจาก โมเดลที่ถูกสุดที่ยังทำงานได้ดี

• ถ้างานยากเกิน ค่อยขยับขึ้นไปใช้ตัวเทพ

แนวโน้มระยะยาว: AI จะยิ่งเก่งขึ้นและราคาถูกลง ดังนั้นออกแบบให้สลับโมเดลได้จะยืดหยุ่นมาก

2. Memory – ให้ AI จำเรื่องราวได้

ปกติแล้ว AI ไม่ได้จำสิ่งที่คุยกับเราเองอัตโนมัติ ทุกครั้งที่มัน “จำ” ได้ เป็นเพราะระบบไปยัด History กลับเข้าไปให้ตอนส่งคำสั่งใหม่

ใน n8n เราต้องเลือก Memory เอง เช่น

• งานแชตสั้นๆ ไม่ต้องเก็บยาว: ใช้ Simple Memory

• อยากเก็บประวัติยาวๆ ลงฐานข้อมูลจริง: ใช้ Memory แบบ Database เช่น Postgres Chat Memory

และเรายังสามารถทำ Memory กลางที่ใช้ร่วมกันระหว่างหลาย Agent เพื่อให้ Agent หลายตัว “รู้จัก” เรื่องเดียวกันได้ด้วย

3. Tools – แขนขาของ AI Agent

ถ้าไม่มี Tools AI ก็จะเป็นแค่บอทตอบข้อความ แต่พอใส่ Tools เข้าไปเมื่อไหร่ มันจะสามารถ ลงมือทำงานจริง ได้ เช่น

• ดึงข้อมูลจากฐานข้อมูล / ชีต

  • Google Sheets, MySQL ฯลฯ

• ส่งอีเมล

  • ผ่าน Gmail API หรือ SMTP ต่างๆ

• เรียก API ภายนอก

  • ผ่าน HTTP Request

• จัดการปฏิทิน

  • เช่น Google Calendar

จุดที่โหดที่สุดคือ

• มี Tool ชื่อ Call n8n Workflow Tool

• ทำให้ AI Agent สั่ง Workflow อื่นใน n8n ได้เหมือนเรียกฟังก์ชัน

นั่นหมายความว่า ถ้าเราออกแบบ Workflow เก่งๆ เราแทบจะต่อขยายความสามารถของ AI ได้ไม่รู้จบ

และในเวอร์ชันใหม่ๆ ยังรองรับการเรียก Tools ผ่าน MCP อีกชั้น ทำให้ต่อกับระบบภายนอกได้ง่ายขึ้นไปอีก

ให้ AI เลือกค่าที่กรอกใน Tools เอง

เวลาเจอช่องใน Tool ที่มีไอคอนรูปดาว ให้เข้าใจว่า

• เราสามารถสั่งให้ AI เป็นคนตัดสินใจเองว่าจะกรอกค่าอะไร ลงช่องนั้น

• โดยอ้างอิงจาก Context ปัจจุบัน และข้อมูลจาก Node อื่นๆ

จริงๆ แล้วเบื้องหลังคือมันเรียกฟังก์ชันพิเศษใน n8n ชื่อ `$fromAI` เช่น

```js
{{ $fromAI(‘toRecipientEmail’, ‘Main Recipient Email’, ‘string’, ‘ThepExcel@gmail.com’) }}
```

เรากำหนดได้ทั้ง

• key (ชื่อ field)

• description

• ประเภทข้อมูล

• ค่า default

แล้วปล่อยให้ AI เติมข้อมูลให้เราอัตโนมัติ

หลักการทำงานพื้นฐานของ Node AI Agent

ลำดับโดยรวมจะประมาณนี้

1. รับ Input จาก Node ก่อนหน้า (เช่น ข้อความจาก Chat หรือข้อมูลจากฟอร์ม)

2. AI ใช้ Memory (ถ้ามี) เพื่อดึงบริบทเก่าๆ มาร่วมคิด

3. ถ้าจำเป็น จะตัดสินใจเรียก Tools ที่เราติดตั้งให้

4. ประมวลผล แล้วตอบกลับในรูปแบบที่เราต้องการ

5. บันทึกสิ่งที่เกิดขึ้นลง Memory เพื่อใช้ในอนาคต

ตัวอย่างคำสั่งง่ายๆ เช่น

```text
อ่านข้อมูลใน Spreadsheet ที ว่าเป็นเรื่องอะไร?
```

Workflow ก็จะประมาณนี้

• AI เช็ก Memory ก่อนว่ามีข้อมูลเก่าที่เกี่ยวข้องมั้ย

• เรียก Tool อ่านข้อมูลจาก Google Sheets

• วิเคราะห์เนื้อหา

• ตอบกลับแบบเข้าใจง่าย

• เซฟ History ลง Memory ไว้

จาก Agent ตัวเดียว ถ้าออกแบบดีๆ ก็เทพได้ แต่ถ้าเรา ต่อหลาย Agent ให้คุยกันเอง จะยิ่งทรงพลังขึ้นอีกเยอะ

แนวทางให้ AI Agent ทำงานร่วมกันแบบทีม

แนวทางที่ 1: ต่อ AI Agent หลายตัวเรียงกันเป็นสายพาน

รูปแบบนี้คือ

• ให้ User กรอกหัวข้อบทความลงฟอร์ม

• ส่งหัวข้อนั้นไปให้ Research Agent หาข้อมูลจาก Internet (เช่นใช้ SerpAPI)

• เอาข้อมูลที่ได้ส่งต่อให้ Content Creator Agent ที่มี Tool เขียน Google Docs ให้เลย

ข้อดีของวิธีนี้

• เหมาะกับงานที่ขั้นตอน แน่นอน ตายตัว

• ลำดับงานชัดเจน ทำอะไรก่อนหลังควบคุมง่าย

ข้อเสีย

• ถ้าอยากใช้ เฉพาะ Research Agent ตัวเดียว ใน Workflow อื่น

• หรืออยากใช้ Content Creator Agent คนเดียว

• หรืออยากสลับลำดับ เช่น ให้เขียนก่อนแล้วค่อย Research เพิ่ม

เราต้องมานั่ง Config ใหม่หลายจุด ทำให้ Reuse ยาก

แนวทางที่ 2: แยกเป็น Sub-Workflow แล้วใช้ Tools ประสานงานกัน

แนวคิดคือ

• แยกงานออกเป็น Sub-Workflow เล็กๆ ที่ทำหน้าที่เฉพาะทาง

• ให้แต่ละ Sub-Workflow มี Agent ของตัวเอง

• จากนั้นให้ Agent ตัวอื่นเรียกมันผ่าน Call n8n Workflow Tool ตามความจำเป็น

ข้อดีคือ

• ออกแบบเป็น Modular ต่อกันภายหลังง่าย

• แต่ละ Agent ทำงานใน Sub-Workflow ของตัวเอง

• อยากเรียกใช้ตัวไหน ในลำดับใด ก็สั่งผ่าน Tools ได้เลย

ส่วนประกอบสำคัญของการใช้ AI Agent ผ่าน Sub-Workflow

1. Trigger – ให้ Agent พร้อมทำงานเมื่อถูก Workflow อื่นเรียก

ใน Sub-Workflow ทุกตัวที่อยากให้ Agent ข้างในถูกเรียกใช้ ต้องเริ่มด้วย Trigger:

• `When Executed by Another Workflow`

ตรงนี้ทำให้

• Workflow นี้กลายเป็น “ฟังก์ชัน” ที่ Workflow อื่นเรียกใช้ได้

• เรากำหนดได้ว่าจะรับ Input กี่ Field และแต่ละ Field คืออะไร

2. Chat Model – ให้สมองของ Agent ยืดหยุ่นมากขึ้น

เทคนิคที่น่าสนใจคือ

• เลือกใช้ OpenRouter เป็น Chat Model

• แล้วอ้างอิงชื่อ Model ด้วยสูตร (Expression)

แบบนี้เราจะ

• เปลี่ยน Model ตามความยากของงานได้อัตโนมัติ

• หรือสลับเจ้า AI ผู้ให้บริการได้ โดยไม่ต้องแก้ Flow เยอะ

3. Memory – ทำให้หลาย Agent รู้เรื่องเดียวกัน

ถ้าอยากให้ AI ทำงานแบบฉลาดขึ้น

• งานสั้นๆ ครั้งเดียวจบ: Simple Memory ก็พอ

• ระบบคุยยาวๆ หลายรอบ: ใช้ Memory แบบ Database

เรายังสามารถ

• สร้าง Memory กลาง แล้วให้ หลาย Agent ใช้ร่วมกัน

• ทำให้ Agent แต่ละตัวรู้พื้นฐานคล้ายกัน ประสานงานกันลื่นขึ้น

4. Tools – ต่อขยายจาก Tools ปกติสู่การเรียก Workflow อื่น

ประเภท Tools ที่ใช้บ่อย

• Tools ปกติ: Google Sheets, HTTP Request, Gmail, Calendar, Notion ฯลฯ

• MCP Client: ต่อกับบริการภายนอกที่รองรับ MCP

• Call n8n Workflow Tool: เรียกใช้ Sub-Workflow อื่นที่เราออกแบบไว้

ข้อดีคือ

• ภายใน Tool นี้ยังใช้ `$fromAI` ได้

• แปลว่าให้ AI คิดเองว่าจะส่งค่าอะไรไปเรียก Sub-Workflow ไหน ด้วยพารามิเตอร์อะไร

5. Structured Output – บังคับให้ AI ตอบเป็น JSON ที่ควบคุมได้

ใน Node AI Agent เราสามารถเปิด

• โหมด Require Specific Output Format

• บังคับให้ AI ตอบในรูปแบบที่กำหนด เช่น JSON Schema

ตัวอย่างกรณีระบบจองคิว

```json
{
“status”: “success”,
“appointment”: {
“date”: “2025-06-01”,
“starttime”: “14:00”,
“endtime”: “15:00”,
“durationmins”: 60,
“invitee”: “max”
}
}
```

ข้อดีคือ

• ต่อออกไป UI, Database, Email หรือ Workflow ถัดไปได้แบบไม่ต้องเดา

6. ตั้ง Prompt ใน Node หลัก AI Agent ให้ฉลาดตั้งแต่ต้น

อย่าลืม

• กำหนดทั้ง User Prompt และ System Prompt ให้ดี

• ใส่วันที่ปัจจุบันให้ AI รู้ด้วย เพราะตัวมันไม่รู้เองว่า “ตอนนี้ปีไหน” ถ้าเราไม่บอก

เราสามารถใช้สูตร

```js
{{ $now }}
```

แล้วฝังลงไปใน System Prompt

ตัวอย่างโครง System Prompt แบบครบๆ

```text

Role & Personality

You are น้องฟ้า, personal AI assistant for พี่ระ. You are 27, cheerful and skilled in Excel, AI automation, and programming.

General Rules

• Don’t hallucinate. It’s okay to say “I don’t know.”

• Answer in Thai but keep technical terms in English.

• Clarify if unsure.

• now: {{ $now }}
  ```

เทคนิคเสริมที่ช่วยให้ตอบเนียนขึ้น

• ใช้ Few-shot Prompting ใส่ตัวอย่างคำตอบที่เราชอบ

• แบ่งคำตอบเป็นหัวข้อด้วย `###` หรือ Markdown

• ใช้ JSON Structured Output เพื่อควบคุมโครงสร้างผลลัพธ์

• ใส่เวลา, timezone, role, rules ให้ครบตั้งแต่ต้น

7. Node ต่อจาก AI – แยก แก้ รวมข้อมูลเพิ่มได้อีกชั้น

หลังจาก AI ตอบแล้ว เราสามารถใช้ Node อื่นช่วยจัดทรงข้อมูลได้ เช่น

• Split Out (🔀)

  • ถ้า Output จาก AI เป็น array หรือมีหลายรายการใน item เดียว

  • ใช้แยกให้แต่ละรายการกลายเป็น item แยกกัน

• HTTP Request (🌐)

  • ส่งข้อมูลแต่ละชิ้นไปยัง API ภายนอก เช่น ตรวจสถานะ หรือดึงข้อมูลเพิ่ม

• Edit Fields (✍️)

  • เลือกเฉพาะ field ที่ต้องการ เปลี่ยนชื่อ หรือจัดรูปแบบใหม่

• Aggregate (📦)

  • ถ้าแยกเป็นหลาย item ไปแล้ว แต่อยากรวมกลับมาเป็น item เดียวตอนท้าย

ทั้ง 4 Node นี้จะใช้หรือไม่ใช้เลยก็ได้ ขึ้นอยู่กับว่าคุณอยากให้ Workflow ซับซ้อนแค่ไหน และ Output ต้องออกมาหน้าตาแบบใด

8. ทำให้ AI ตัวหลักกลายเป็น Sub-Workflow อีกชั้นก็ยังได้

เราสามารถ

• สร้าง Agent ตัวหนึ่งให้เป็น “หัวหน้า” คอยสั่ง Agent อื่นผ่าน Tools

• แล้วเอา Agent หัวหน้าตัวเดิมไปใส่ใน Sub-Workflow อีกที

ผลลัพธ์คือ

• ได้โครงสร้างที่ยืดหยุ่นสุดๆ

• ระบบ AI ของเราจะเหมือน องค์กรที่มีหัวหน้า – หัวหน้าฝ่าย – ลูกทีม ทำงานเป็นชั้นๆ

แนวทางที่ 3: Workflow ที่ลำดับตายตัว แต่ยัง Reuse ได้ด้วย Sub-Workflow

บางงานเราอยากได้

• ลำดับชัดเจนมาก ว่าทำอะไรต่อจากอะไร

• แต่ก็ยังอยาก Reuse ชิ้นส่วนต่างๆ ได้ใน Workflow อื่น

วิธีหนึ่งคือใช้ Node

• Execute Sub Workflow

แล้วต่อกันเป็นสายพานตามขั้นตอนที่วางไว้ เช่น

1. Sub-Workflow A: รับข้อมูลดิบ → ทำความสะอาด

2. Sub-Workflow B: ส่งให้ AI วิเคราะห์

3. Sub-Workflow C: สร้างสรุป / Report

ผลลัพธ์คือ

• ได้ทั้ง ความแน่นอนของลำดับขั้นตอน

• และได้ความยืดหยุ่นเพราะแต่ละขั้นสามารถเรียกใช้ซ้ำในระบบอื่นๆ ได้

สรุป: ทำไม AI Agent ใน n8n ถึงโหดระดับ “AI Stack”

AI Agent ใน n8n ไม่ได้เป็นแค่ Node เท่ๆ แต่มันคือ หัวใจของ Automation ยุคใหม่ ที่

• ไม่ได้แค่ทำตามเงื่อนไข IF–THEN แบบเดิมๆ

• แต่คิด วิเคราะห์ ตัดสินใจ และ

• คุยกับ Agent ตัวอื่น ทำงานเป็นทีมได้

จุดเด่นที่ทำให้มันทรงพลังมากคือ

• เชื่อมกับ โมเดลระดับท็อปผ่าน OpenRouter หรือ API อื่นได้

• ใช้ Memory ระยะยาว เพื่อดึงประวัติการคุยเก่าๆ กลับมาใช้งานเมื่อไหร่ก็ได้

• ขยายความสามารถผ่าน Tools + Sub-Workflow + MCP เรียกได้ว่าต่อออกไปได้ไม่รู้จบ

• บังคับให้ AI ตอบแบบมีโครงสร้าง เช่น JSON พร้อมส่งต่อให้ Node ถัดไป

เมื่อคุณเริ่ม

• ออกแบบ Workflow ที่ให้ AI ทำงานต่อกันเป็นสายพาน

• หรือสร้างระบบให้ Agent หลายตัวคุยกันเองผ่าน Tools และ Sub-Workflow

คุณจะเริ่มเห็นว่า AI Stack ของตัวเองเริ่มกลายเป็น “กองทัพ AI” ที่ทำงานให้คุณแบบอัตโนมัติแทบทั้งระบบ

และเชื่อเถอะว่า พอคุณเริ่มปลุกกองทัพ AI Agent ของตัวเองขึ้นมาแล้ว คุณจะรู้สึกเหมือนกำลังสร้างจักรวาล Automation ที่พร้อมทำงานให้ 24 ชม. แบบไม่บ่นเลยทีเดียว