昨天替 AI Agent 加入了 Memory。

現在 Agent 已經慢慢具備：

Chat Model → 理解問題

Tools → 執行任務

Memory → 記住對話上下文

例如：

「我的專案叫 AI Automation。」

下一句只要說：

「幫我把剛剛那個專案記錄下來。」

Agent 就有機會利用前面的對話資訊，再透過 Google Sheets Tool 執行任務。

不過目前還有一個問題。

這個 Agent 幾乎都只能在 n8n 裡面測試。

如果未來想做自己的網頁、APP，甚至讓其他系統把問題傳給 Agent，總不能每次都先打開 n8n。

所以今天要把之前學過的 Webhook 再拿回來。

讓外部系統也能把訊息送進 AI Agent。

今天要完成什麼？

今天的目標是建立：

外部程式 / 使用者
        ↓
      Webhook
        ↓
     AI Agent
     ↙     ↘
 Memory   Tools
        ↓
     Response

例如外部送進：

{
  "message": "請用一句話介紹 AI 自動化"
}

Webhook 收到後，把 message 傳給 AI Agent。

Agent 處理完成，再把結果回傳出去。

這樣 n8n 就開始有點像：

自己的 AI 後端服務。

📷 這裡放今天完整 Workflow

圖 1　Webhook 串接 AI Agent 的完整 Workflow（自行截圖）

Step 1：重新加入 Webhook

Webhook 在 Day 10 已經使用過。

當時的概念是：

讓外部資料可以進入 n8n。

所以今天新增一個 Webhook，讓它當作 AI Agent 的入口。

流程先建立成：

Webhook
   ↓
AI Agent

Webhook 可以接收外部送進來的資料。

例如：

{
  "message": "什麼是 AI Agent？"
}

圖 2　使用 Webhook 作為 AI Agent 的外部資料入口

Step 2：取得 Webhook 傳進來的資料

接下來先測試 Webhook。

送入：

{
  "message": "請介紹 AI 自動化"
}

如果接收成功，就可以在 Webhook 的 Output 中找到這筆資料。

實際的資料結構可能會像：

body
 └── message

所以在後面的 Agent 中，可能會使用類似：

{{ $json.body.message }}

來取得使用者輸入。

不過這裡還是要以自己 Webhook 實際收到的 JSON 結構為準。

圖 3　Webhook 成功接收到外部傳入的 message

Step 3：把 message 傳給 AI Agent

接著讓 AI Agent 使用 Webhook 傳進來的 message。

概念：

{
  "message": "請介紹 AI 自動化"
}
        ↓
     Webhook
        ↓
取得 message
        ↓
     AI Agent

這次 Agent 的問題不再是我直接在 AI Agent 裡輸入。

而是：

從外部 Request 傳進來。

這個差別非常重要。

因為只要其他系統可以送 HTTP Request，就有機會跟這個 Workflow 溝通。

Step 4：保留原本的 Chat Model

AI Agent 還是需要 Chat Model。

所以現在 Workflow 大概會變成：

Webhook
   ↓
AI Agent
   │
Chat Model

接著測試：

{
  "message": "請用一句話解釋什麼是 API"
}

如果設定正確，Agent 應該就可以讀到：

「請用一句話解釋什麼是 API」

然後交給 Chat Model 處理。

圖 4　AI Agent 成功處理 Webhook 傳入的訊息

Step 5：Tool 也可以繼續使用

更有趣的是：

換成 Webhook 之後，Agent 原本的 Tool 不一定要拿掉。

例如之前已經有 Google Sheets Tool。

那外部系統就可以傳：

{
  "message": "幫我記錄：姓名 Student，主題 AI Automation，狀態 Learning"
}

Agent 收到之後：

Webhook
↓
AI Agent
↓
理解「幫我記錄」
↓
Google Sheets Tool
↓
新增資料

也就是：

外部系統不需要自己知道 Google Sheets 怎麼操作。

它只需要把使用者的需求傳給 Agent。

至於需不需要使用 Google Sheets，則由 Agent 根據任務和可用 Tools 判斷。

Step 6：把 Agent 的結果回傳出去

到這裡還少最後一步。

外部系統把資料送進來後，最後也需要收到結果。

所以概念上完整流程是：

外部系統
↓
Webhook
↓
AI Agent
↓
處理問題 / 使用 Tool
↓
回傳結果
↓
外部系統

例如外部傳入：

{
  "message": "請用一句話介紹 n8n"
}

最後可以回傳類似：

{
  "reply": "n8n 是一個可以串接不同服務並建立自動化流程的工具。"
}

這樣外部程式就可以取得 Agent 的回答。

依照 Webhook 的回應設定方式，可以使用 Webhook 本身的回應機制，或在需要控制回傳內容時使用對應的 Response 節點。

圖 5　外部 Request 成功取得 AI Agent 回傳結果

Test URL 和正式使用有什麼差別？

使用 Webhook 時，我覺得這個地方很容易搞混。

測試 Workflow 時，通常會有測試用的 Webhook URL。

它比較適合：

開發、測試、確認資料有沒有進來。

真正希望外部服務長期呼叫時，則需要使用正式運作時對應的 Webhook URL，並讓 Workflow 處於可接收正式請求的狀態。

所以不能只是：

測試成功 → 複製測試網址 → 永遠拿來用

正式串接時還是要確認自己使用的是正確的 Webhook URL 與 Workflow 狀態。

這也是之前 Day 10 第一次使用 Webhook 時還沒有特別注意到的地方。

Step 7：Memory 怎麼辦？

昨天剛學 Memory，所以今天會出現一個很重要的問題。

假設外部第一次送：

{
  "message": "我的專案叫 AI Automation"
}

第二次送：

{
  "message": "我的專案叫什麼？"
}

如果希望 Agent 知道這兩個 Request 是同一段對話，就不能只考慮 message。

還需要有方法區分：

這是誰的對話？

概念上可以多帶一個：

{
  "sessionId": "user001",
  "message": "我的專案叫 AI Automation"
}

下一次：

{
  "sessionId": "user001",
  "message": "我的專案叫什麼？"
}

這樣 Memory 才比較有辦法把相關訊息放在同一個對話脈絡中。

至於實際 Session ID 如何設定，會依目前使用的 Memory、Trigger 與 n8n 版本而不同。

今天先理解：

外部聊天不只有 message，還需要考慮 Session。

就很夠了。

如果沒有 Session 會怎樣？

假設同時有兩個使用者：

使用者 A
我的專案叫 Project A

使用者 B
我的專案叫 Project B

如果 Memory 沒有正確區分不同對話，就可能造成上下文混亂。

所以理想概念是：

User A
↓
Session A
↓
Memory A

User B
↓
Session B
↓
Memory B

這讓我發現：

做自己的 AI Agent，不只是把 AI 接上去就結束了。

還要處理使用者、Session、Memory 和資料安全。

Webhook 可以接到什麼？

做到今天之後，Webhook 的用途突然變得很明顯。

未來可以想像：

網頁
  ↓
Webhook
  ↓
AI Agent

也可以：

APP
 ↓
Webhook
 ↓
AI Agent

甚至其他系統：

其他服務
↓
HTTP Request
↓
n8n Webhook
↓
AI Agent
↓
Tools

也就是說，AI Agent 不一定只能存在於 n8n 的操作畫面中。

n8n 可以放在後面負責：

接收資料

AI 處理

呼叫 Tools

執行 Workflow

回傳結果

而前面可以是其他使用者介面。

今天的測試

今天可以做三組測試。

測試 1：普通問答

傳入：

{
  "message": "什麼是 AI Agent？"
}

確認：

Webhook → Agent → 回傳回答

測試 2：使用 Tool

傳入：

{
  "message": "幫我記錄：姓名 Student，主題 AI Automation，狀態 Learning"
}

確認：

Agent 有沒有呼叫 Google Sheets Tool。

測試 3：連續對話

使用相同 Session 概念傳入：

第一句：
我的專案叫 AI Automation

第二句：
我的專案叫什麼？

確認 Memory 是否能正確取得前面的對話。

這三個測試都成功的話，今天的 Agent 就已經有：

外部輸入 + AI + Tool + Memory + 外部輸出

的基本架構了。

今天最大的收穫

Day 25 讓 Agent 可以：

真的操作 Google Sheets。

Day 26 加入：

Memory。

而今天加入 Webhook 之後，我覺得整個架構才開始比較像真正可以被其他程式使用的系統。

從：

我在 n8n 裡測試 Agent

慢慢變成：

外部系統
↓
n8n
↓
AI Agent
↓
Memory + Tools
↓
回傳結果

這也讓我開始理解，前面 20 多天學的東西其實不是分開的。

Webhook、JSON、API、Authentication、AI、Google Sheets、Memory……

現在開始慢慢組在一起了。

今日小結

今天把 Webhook 接到 AI Agent，讓外部 Request 也可以把訊息傳進 Agent。

完整概念：

             外部系統
                ↓
             Webhook
                ↓
             AI Agent
          ↙      ↓       ↘
      Memory  Chat Model  Tools
                         ↓
                   Google Sheets
                ↓
             Response

現在這個 Agent 已經開始有「可以給外部系統使用」的感覺。

不過還有一個很現實的問題：

如果任何人知道 Webhook URL，都可以一直傳 Request 怎麼辦？

前面 Day 21 才學過 Authentication，現在剛好可以真正把它用回來。