目標與概念

目標：
透過 n8n 自動呼叫 Gemini LLM Agent，完成文字處理任務（例如翻譯、摘要、問答）。

概念說明：
n8n Workflow 可以串接多個節點，形成自動化處理鏈。
基本流程如下：

1. 接收輸入文字（Webhook 節點）
2. 呼叫 LLM API（HTTP Request 節點）
3. 處理模型回應（Function 節點）
4. 回傳結果給使用者

操作環境準備

• 已完成 Day24 的基本 Workflow
• Docker 中的 n8n 容器正在運行
• 已取得 Gemini LLM API Key
• 已安裝 Postman 或 curl 以便測試 Webhook

建立 Webhook 節點

1. 新增 Workflow，命名為 llm-agent-workflow

2. 新增 Webhook 節點

   • URL：/llm-agent
   • Method：POST

這個節點負責接收外部輸入，例如來自前端或測試工具的文字請求。

呼叫 Gemini LLM API（HTTP Request 節點）

1. 新增 HTTP Request 節點

2. 設定內容如下：

   • Method：POST

   • URL：https://api.gemini.com/v1/llm（示意用 URL）

   • Headers：

     Authorization: Bearer <YOUR_API_KEY>
     

   • Body（JSON）：

     {
       "prompt": "{{$json["text"]}}",
       "temperature": 0.7,
       "max_tokens": 150
     }
     

3. 將 Webhook 節點連接到 HTTP Request 節點

這一步的功能是讓 n8n 將輸入文字傳送至 Gemini 模型進行處理。

處理 LLM 回應（Function 節點）

1. 新增 Function 節點

2. 輸入以下程式碼：

   return [{
     json: {
       answer: $json["choices"][0]["text"] || "LLM 沒回應"
     }
   }];
   

3. 將 HTTP Request 節點連接至 Function 節點

這個節點負責解析 LLM 的回傳內容，並將結果整理成標準 JSON 格式輸出。

設定 Webhook 回傳

1. 點選 Webhook 節點
2. 將 Response Mode 設為「Last Node」
3. Function 節點的輸出結果將自動作為最終回應

這樣使用者呼叫 Webhook 時，就能直接收到 LLM 的回覆結果。

測試與驗證

使用 curl 進行測試：

curl -X POST http://localhost:5678/webhook/llm-agent \
  -H "Content-Type: application/json" \
  -d '{"text":"請將以下英文翻譯成中文：I love AI"}'

預期回傳：

{"answer": "我喜歡人工智慧"}

若看到這個結果，就代表整個流程運作正常。

錯誤排查與調整建議

• HTTP Request 失敗

  • 確認 API Key 是否正確
  • 檢查 Body JSON 格式是否正確

• LLM 無回應或空值

  • 檢查 Prompt 是否傳入正確
  • Function 節點可加入空值判斷避免報錯

• Webhook 無回應

  • Workflow 是否啟用（Activate）

應用延伸方向

• 可作為通用的文字處理 API（翻譯、摘要、問答等）
• 可搭配 Gradio 打造 Web 互動介面
• 可延伸至自動報告、檔案分析或智慧客服任務

今日重點整理

• 完成 LLM Agent 自動化串接流程
• 熟悉 n8n 的 Webhook → HTTP Request → Function 節點資料流轉
• Workflow 可直接處理文字輸入並返回 JSON 結果
• 為後續 Gradio 串接與更完整 AI 自動化任務奠定基礎