不知不覺已經來到 Day 29。

前面幾天開始接觸 AI Agent 之後，陸續加入了：

Chat Model

Tools

Google Sheets

Memory

Webhook

Authentication

每一天都是單獨測試一個功能。

所以今天不打算再學新的 Node，而是把前面做過的東西全部整理起來，完成一個比較完整的小專案：

AI 訊息處理 Agent

希望外部使用者可以把訊息傳進來，Agent 根據內容決定怎麼處理，需要時使用 Tool，最後再把結果回傳。

今天要完成什麼？

今天希望完成的架構是：

外部使用者
    ↓
HTTP Request
    ↓
Authentication
    ↓
  Webhook
    ↓
 AI Agent
 ↙   ↓    ↘
Model Memory Tools
             ↓
       Google Sheets
    ↓
 Response

簡單來說，就是：

外部系統 → 驗證 → Agent → 記憶 / 工具 → 回傳結果

這也是目前 29 天學習內容的一次總整理。

圖 1　AI 訊息處理 Agent 完整 Workflow

Step 1：先整理使用情境

在開始接 Node 之前，我先決定這個 Agent 到底要做什麼。

今天的小專案設定成：

可以接收外部訊息的 AI Agent

使用者可以詢問一般問題，例如：

請用一句話介紹 AI 自動化。

也可以提供資料：

姓名：Student
主題：AI Automation
狀態：Learning

再要求：

幫我把剛剛的資料記錄下來。

這時候 Agent 就需要：

理解問題
↓
參考 Memory
↓
判斷是否需要 Tool
↓
需要記錄 → Google Sheets
↓
完成後回傳結果

這樣就把前面幾天的功能真正放進同一個情境。

Step 2：Webhook 當作系統入口

首先還是從 Webhook 開始。

外部程式可以送：

{
  "sessionId": "demo-user-001",
  "message": "請用一句話介紹 AI 自動化"
}

這裡保留兩個資料：

sessionId
message

message 是使用者真正想問的內容。

sessionId 則是為了後面的對話 Session / Memory 概念。

所以資料進入：

External Request
↓
Webhook
↓
message
↓
AI Agent

圖 2　Webhook 接收到外部傳入的訊息

Step 3：保留昨天的驗證

Day 28 最重要的事情就是：

不能讓任何知道 Webhook URL 的人都直接使用 Agent。

所以今天正式整合時，也保留 Authentication。

概念：

Request
↓
驗證資訊
↓
Webhook
↓
驗證成功
↓
AI Agent

如果驗證失敗：

Request
↓
Authentication ✕
↓
拒絕

如果成功：

Request
↓
Authentication ✓
↓
AI Agent

這也讓今天的小專案不只是：

「功能可以跑。」

而是開始考慮：

「誰可以使用？」

Step 4：接上 AI Agent + Chat Model

通過 Webhook 之後，就把 message 交給 AI Agent。

例如收到：

{
  "sessionId": "demo-user-001",
  "message": "什麼是 API？"
}

Agent 實際要處理的是：

什麼是 API？

所以流程變成：

Webhook
↓
取得 message
↓
AI Agent
↓
Chat Model
↓
產生回答

這就是 Agent 最基本的能力。

圖 3　Webhook 將訊息交給 AI Agent 處理

Step 5：加入 Memory

接著把 Day 26 的 Memory 放回來。

因為如果沒有 Memory：

第一句：
我的專案叫 AI Automation。

第二句：
我的專案叫什麼？

Agent 不一定知道第二句是在問前面的內容。

所以今天保留：

AI Agent
   │
 Memory

再搭配前面傳入的 Session 概念：

sessionId = demo-user-001

讓同一段對話可以使用對應的上下文。

概念：

demo-user-001
↓
第一句
↓
Memory
↓
第二句
↓
Agent 參考前面的對話

這樣 Agent 就不只是單次問答，而開始比較像真正的連續對話。

Step 6：加入 Google Sheets Tool

接著把 Day 25 做過的 Google Sheets Tool 放回來。

表格先準備：

接著對 Agent 說：

姓名 Student，
主題 AI Automation，
狀態 Learning。

下一句：

幫我把剛剛那筆資料記錄下來。

這時候希望 Agent 可以：

取得 Memory
↓
找到前面的資料
↓
理解「記錄」
↓
選擇 Google Sheets Tool
↓
新增資料

最後 Google Sheets 出現：

圖 4　AI Agent 使用 Google Sheets Tool 成功新增資料

Step 7：把結果回傳出去

現在外部資料已經：

進入 Webhook
↓
通過驗證
↓
交給 Agent
↓
Agent 使用 Memory / Tool

最後還差：

Response

例如成功記錄資料後，可以回傳類似：

{
  "reply": "資料已成功記錄。"
}

如果只是一般問題：

{
  "reply": "API 是讓不同軟體系統彼此交換資料與功能的一種介面。"
}

這樣才完成完整的一來一回：

外部 Request
↓
n8n
↓
AI Agent
↓
處理
↓
Response
↓
外部系統收到結果

圖 5　外部系統成功收到 AI Agent 的回傳結果

Step 8：開始完整測試

整合完之後，最重要的不是看 Workflow 很漂亮。

而是：

實際測試。

今天可以準備四組測試。

測試一：一般問答

傳入：

{
  "sessionId": "day29-demo",
  "message": "請用一句話介紹 AI 自動化"
}

預期：

Authentication ✓
↓
Webhook ✓
↓
AI Agent ✓
↓
Response ✓

這次不需要使用 Google Sheets。

測試二：Memory

第一句：

我的專案名稱叫 AI Automation。

第二句：

我的專案叫什麼？

如果使用相同 Session，而且 Memory 設定正確，Agent 應該可以利用前面的對話回答。

這是在測：

Agent 有沒有記住上下文。

測試三：Tool

先提供：

姓名 Student
主題 AI Automation
狀態 Learning

再說：

幫我把剛剛那筆資料記錄下來。

接著直接去 Google Sheets 檢查。

這是在測：

Agent 有沒有真的執行 Tool。

不要只看 Agent 說：

「已完成。」

一定要確認 Sheets 真的多了一列。

測試四：Authentication

最後故意使用錯誤的驗證資訊。

例如：

X-API-Key: WRONG_KEY

預期：

Request
↓
驗證失敗
↓
Agent 不應該執行

出錯時不要整個重做

今天把所有功能接在一起後，Workflow 明顯比前面複雜。

如果出錯，我會重新使用 Day 18 學到的方法：

Webhook 有收到嗎？
↓
JSON 結構正確嗎？
↓
Authentication 有通過嗎？
↓
Agent 有收到 message 嗎？
↓
Memory 的 Session 正確嗎？
↓
Agent 有呼叫 Tool 嗎？
↓
Sheets 有新增嗎？
↓
Response 有回去嗎？

一個 Node 一個 Node 看。

而不是看到：

Workflow Failed

就開始把整條 Workflow 拆掉。

這個除錯方式反而是這 29 天裡面，我覺得最實用的習慣之一。

回頭看 Day 6

今天做完之後，我回去看第一次操作 n8n 的 Workflow。

Day 6 當時只有：

Manual Trigger
↓
建立測試資料
↓
Output

那時候只是在理解：

Trigger 是什麼？

Node 是什麼？

資料怎麼往下傳？

現在 Day 29 已經變成：

External System
       ↓
Authentication
       ↓
    Webhook
       ↓
    AI Agent
   ↙    ↓     ↘
Model Memory  Tools
              ↓
        Google Sheets
       ↓
    Response

其實每一個東西都不是突然出現的。

Webhook 是 Day 10 學的。

Google Sheets 是 Day 11 開始使用的。

Authentication 是 Day 21、Day 28 認識的。

Agent 是 Day 23 開始的。

Tools 是 Day 24、Day 25。

Memory 是 Day 26。

Webhook + Agent 是 Day 27。

最後今天才全部組起來。

這個專案目前還不完美

雖然今天終於把整個小專案完成，但我覺得它還不能算真正可以直接上線的正式產品。

例如還有很多可以改善的地方：

更完整的錯誤處理

更嚴格的權限控制

Request 數量限制

更可靠的資料驗證

Agent Tool 權限管理

更長期的 Memory 設計

成本與 Token 使用量控制

更完整的前端介面

所以今天的成果比較像：

一個 AI Agent Prototype。

但對我來說已經很有意義。

因為這不是單純問 ChatGPT 一個問題，而是把 AI 放進一個可以真正接收資料、執行工具和回傳結果的 Workflow 裡。

今天最大的收穫

Day 29 最大的感覺不是：

「我又學會一個新 Node。」

因為今天其實幾乎沒有學新的東西。

真正的收穫是：

開始知道怎麼把不同功能組成一個完整系統。

Webhook 自己沒有 AI。

AI Agent 自己沒有外部入口。

Memory 自己不會執行任務。

Google Sheets 自己也不會理解自然語言。

但是把它們組合起來：

Webhook
+
Authentication
+
AI Agent
+
Memory
+
Tools
+
Response

就變成了一個可以實際運作的 AI 自動化 Prototype。

今日小結

今天完成了這 29 天以來最完整的一個 Workflow：

AI 訊息處理 Agent

它可以做到：

接收外部 Request

驗證 Request

將訊息交給 AI Agent

使用 Memory 保留對話上下文

根據任務選擇 Tool

將資料寫入 Google Sheets

將處理結果回傳給外部系統

從 Day 1 還在問：

「AI 自動化到底是什麼？」

到現在已經真的做出一個小型 AI Agent。

明天就是最後一天。

Day 30 不打算再加任何功能。

我要回頭看看：

這 30 天到底學了什麼？

哪些地方最容易卡住？

AI 自動化和我一開始想的一不一樣？

這個 Agent 之後還可以怎麼繼續做？