AI & LLM

AI model integration, text generation, embeddings, and autonomous agents.

18 modules

Module	Description
ตัวแทนอัตโนมัติ	AI agent ที่ควบคุมตัวเองพร้อมหน่วยความจำและพฤติกรรมมุ่งเป้าหมาย
ตัวแทนแบบลูกโซ่	ห่วงโซ่การประมวลผล AI แบบลำดับพร้อมหลายขั้นตอน
Agent การใช้เครื่องมือ	AI Agent ที่สามารถเรียกใช้เครื่องมือ/ฟังก์ชันได้
การฝังข้อความ	สร้างเวกเตอร์ฝังจากข้อความโดยใช้โมเดล AI
AI ดึงข้อมูล	ดึงข้อมูลที่มีโครงสร้างจากข้อความโดยใช้ AI
Local Ollama Chat	แชทกับ LLM ในเครื่องผ่าน Ollama (ออฟไลน์อย่างสมบูรณ์)
AI Memory	หน่วยความจำการสนทนาสำหรับ AI Agent
Entity Memory	ดึงและติดตาม entity (บุคคล สถานที่ แนวคิด) จากการสนทนา
Redis Memory	หน่วยความจำการสนทนาถาวรโดยใช้การจัดเก็บ Redis
Vector Memory	หน่วยความจำเชิงความหมายโดยใช้ vector embeddings สำหรับการดึงบริบทที่เกี่ยวข้อง
AI Model	การกำหนดค่าโมเดล LLM สำหรับ AI Agent
AI Tool	Expose a module as a tool for AI Agent
การวิเคราะห์วิชั่น	วิเคราะห์ภาพโดยใช้โมเดล AI วิชั่น
Claude Chat	ส่งข้อความแชทไปยัง Anthropic Claude AI และรับการตอบกลับ
Google Gemini Chat	ส่งข้อความแชทไปยัง Google Gemini AI และรับการตอบกลับ
OpenAI Chat	ส่งข้อความแชทไปยังโมเดล OpenAI GPT
DALL-E Image Generation	สร้างรูปภาพโดยใช้ DALL-E
AI Agent	AI Agent อัตโนมัติพร้อมการเชื่อมต่อหลายพอร์ต (โมเดล, หน่วยความจำ, เครื่องมือ)

Modules

ตัวแทนอัตโนมัติ

agent.autonomous

AI agent ที่ควบคุมตัวเองพร้อมหน่วยความจำและพฤติกรรมมุ่งเป้าหมาย

Parameters:

Name	Type	Required	Default	Description
goal	string	Yes	-	เป้าหมายที่ agent ต้องบรรลุ
context	string	No	-	เป้าหมายที่ agent ต้องบรรลุ
max_iterations	number	No	5	บริบทหรือข้อจำกัดเพิ่มเติม
llm_provider	select (openai, ollama)	No	openai	ขั้นตอนการใช้เหตุผลสูงสุด
model	string	No	gpt-4-turbo-preview	ชื่อโมเดล (เช่น gpt-4, llama2, mistral)
ollama_url	string	No	http://localhost:11434	ชื่อโมเดล (เช่น gpt-4, llama2, mistral)
temperature	number	No	0.7	URL เซิร์ฟเวอร์ Ollama (เฉพาะสำหรับผู้ให้บริการ ollama)

Output:

Field	Type	Description
result	string	ระดับความคิดสร้างสรรค์ (0-2)
thoughts	array	ผลลัพธ์การดำเนินการ
iterations	number	ผลลัพธ์การดำเนินการ
goal_achieved	boolean	ขั้นตอนการใช้เหตุผลของ agent

Example: Research task

goal: Research the latest trends in AI and summarize the top 3
max_iterations: 5
model: gpt-4

Example: Problem solving

goal: Find the best approach to optimize database queries
context: PostgreSQL database with 10M records
max_iterations: 10

ตัวแทนแบบลูกโซ่

agent.chain

ห่วงโซ่การประมวลผล AI แบบลำดับพร้อมหลายขั้นตอน

Parameters:

Name	Type	Required	Default	Description
input	string	Yes	-	อินพุตเริ่มต้นสำหรับห่วงโซ่
chain_steps	array	Yes	-	อินพุตเริ่มต้นสำหรับห่วงโซ่
llm_provider	select (openai, ollama)	No	openai	อาร์เรย์ของขั้นตอนการประมวลผล (แต่ละตัวคือเทมเพลต prompt)
model	string	No	gpt-4-turbo-preview	ชื่อโมเดล (เช่น gpt-4, llama2, mistral)
ollama_url	string	No	http://localhost:11434	ชื่อโมเดล (เช่น gpt-4, llama2, mistral)
temperature	number	No	0.7	URL เซิร์ฟเวอร์ Ollama (เฉพาะสำหรับผู้ให้บริการ ollama)

Output:

Field	Type	Description
result	string	ระดับความคิดสร้างสรรค์ (0-2)
intermediate_results	array	ผลลัพธ์การดำเนินการ
steps_completed	number	ผลลัพธ์การดำเนินการ

Example: Content pipeline

input: AI and machine learning trends
chain_steps: ["Generate 5 blog post ideas about: {input}", "Take the first idea and write a detailed outline: {previous}", "Write an introduction paragraph based on: {previous}"]
model: gpt-4

Example: Data analysis chain

input: User behavior data shows 60% bounce rate
chain_steps: ["Analyze what might cause this issue: {input}", "Suggest 3 solutions based on: {previous}", "Create an action plan from: {previous}"]

Agent การใช้เครื่องมือ

agent.tool_use

AI Agent ที่สามารถเรียกใช้เครื่องมือ/ฟังก์ชันได้

Parameters:

Name	Type	Required	Default	Description
prompt	string	Yes	-	เป้าหมายหรือภารกิจสำหรับเอเจนต์
tools	array	Yes	-	รายการคำจำกัดความของเครื่องมือ [{name, description, parameters}]
provider	select (openai, anthropic)	No	openai	ผู้ให้บริการ LLM สำหรับเอเจนต์
model	string	No	gpt-4o	โมเดลที่จะใช้
api_key	string	No	-	คีย์ API (ใช้ตัวแปรสภาพแวดล้อมหากไม่มี)
max_iterations	number	No	10	จำนวนรอบการเรียกใช้เครื่องมือสูงสุด
system_prompt	string	No	-	คำถามระบบเสริมเพื่อแนะนำเอเจนต์

Output:

Field	Type	Description
result	string	คำตอบสุดท้ายของเอเจนต์
tool_calls	array	การเรียกใช้เครื่องมือทั้งหมดระหว่างการทำงาน
iterations	number	จำนวนรอบที่ทำเสร็จแล้ว
model	string	โมเดลที่ใช้

Example: File Processing Agent

prompt: Read the config file and update the version number
tools: [{"name": "read_file", "description": "Read contents of a file", "parameters": {"type": "object", "properties": {"path": {"type": "string", "description": "File path"}}, "required": ["path"]}}, {"name": "write_file", "description": "Write contents to a file", "parameters": {"type": "object", "properties": {"path": {"type": "string", "description": "File path"}, "content": {"type": "string", "description": "File content"}}, "required": ["path", "content"]}}]
provider: openai
model: gpt-4o
max_iterations: 5

การฝังข้อความ

ai.embed

สร้างเวกเตอร์ฝังจากข้อความโดยใช้โมเดล AI

Parameters:

Name	Type	Required	Default	Description
text	string	Yes	-	ข้อความที่จะฝัง
provider	select (openai, local)	No	openai	ผู้ให้บริการ AI สำหรับการฝัง
model	string	No	text-embedding-3-small	โมเดลการฝังที่ใช้
api_key	string	No	-	คีย์ API (ใช้ตัวแปรสิ่งแวดล้อมหากไม่มี)
dimensions	number	No	-	มิติการฝัง (สำหรับโมเดลที่รองรับ)

Output:

Field	Type	Description
embeddings	array	อาร์เรย์เวกเตอร์ฝัง
model	string	โมเดลที่ใช้สำหรับการฝัง
dimensions	number	จำนวนมิติในเวกเตอร์ฝัง
token_count	number	จำนวนโทเค็นที่ประมวลผล

Example: Single Text Embedding

text: The quick brown fox jumps over the lazy dog
provider: openai
model: text-embedding-3-small

Example: Reduced Dimensions

text: Semantic search query
provider: openai
model: text-embedding-3-small
dimensions: 256

AI ดึงข้อมูล

ai.extract

ดึงข้อมูลที่มีโครงสร้างจากข้อความโดยใช้ AI

Parameters:

Name	Type	Required	Default	Description
text	string	Yes	-	ข้อความที่ต้องการดึงข้อมูลจาก
schema	object	Yes	-	สคีมา JSON ที่กำหนดฟิลด์ที่จะดึง
instructions	string	No	-	คำแนะนำเพิ่มเติมในการดึงข้อมูล
provider	select (openai, anthropic)	No	openai	ผู้ให้บริการ AI ที่ใช้
model	string	No	gpt-4o-mini	โมเดลที่ใช้สำหรับการดึงข้อมูล
api_key	string	No	-	คีย์ API (ใช้ตัวแปรสิ่งแวดล้อมหากไม่มี)
temperature	number	No	0	อุณหภูมิการสุ่มตัวอย่าง (0-2)

Output:

Field	Type	Description
extracted	object	ข้อมูลที่มีโครงสร้างที่ดึงออกมา
model	string	โมเดลที่ใช้สำหรับการดึงข้อมูล
raw_response	string	การตอบสนองดิบจากโมเดล

Example: Extract Contact Info

text: John Smith is a senior engineer at Acme Corp. Email: john@acme.com
schema: {"type": "object", "properties": {"name": {"type": "string"}, "title": {"type": "string"}, "company": {"type": "string"}, "email": {"type": "string"}}}
provider: openai
model: gpt-4o-mini

Example: Extract Invoice Data

text: Invoice #1234 from Acme Corp. Total: $500.00. Due: 2024-03-01
schema: {"type": "object", "properties": {"invoice_number": {"type": "string"}, "vendor": {"type": "string"}, "total": {"type": "number"}, "due_date": {"type": "string"}}}
instructions: Extract all invoice fields. Parse amounts as numbers.

Local Ollama Chat

ai.local_ollama.chat

แชทกับ LLM ในเครื่องผ่าน Ollama (ออฟไลน์อย่างสมบูรณ์)

Parameters:

Name	Type	Required	Default	Description
prompt	string	Yes	-	ข้อความที่จะส่งไปยัง LLM ในเครื่อง
model	select (llama2, llama2:13b, llama2:70b, mistral, mixtral, codellama, codellama:13b, phi, neural-chat, starling-lm)	No	llama2	ข้อความที่จะส่งไปยัง LLM ในเครื่อง
temperature	number	No	0.7	Temperature ในการสุ่ม (0-2)
system_message	string	No	-	ข้อความบทบาทระบบ (ไม่บังคับ)
ollama_url	string	No	http://localhost:11434	ข้อความบทบาทระบบ (ไม่บังคับ)
max_tokens	number	No	-	URL เซิร์ฟเวอร์ Ollama

Output:

Field	Type	Description
response	string	โทเค็นสูงสุดในการตอบกลับ (ไม่บังคับ ขึ้นอยู่กับโมเดล)
model	string	การตอบกลับจากการดำเนินการ
context	array	การตอบกลับจากการดำเนินการ
total_duration	number	ชื่อโมเดลหรือตัวระบุ
load_duration	number	บริบทการสนทนาสำหรับคำขอติดตาม
prompt_eval_count	number	ระยะเวลาประมวลผลทั้งหมด
eval_count	number	ระยะเวลาโหลดโมเดล

Example: Simple local chat

prompt: Explain quantum computing in 3 sentences
model: llama2

Example: Code generation with local model

prompt: Write a Python function to calculate fibonacci numbers
model: codellama
temperature: 0.2
system_message: You are a Python programming expert. Write clean, efficient code.

Example: Local reasoning task

prompt: What are the pros and cons of microservices architecture?
model: mistral
temperature: 0.7

AI Memory

ai.memory

หน่วยความจำการสนทนาสำหรับ AI Agent

Parameters:

Name	Type	Required	Default	Description
memory_type	select (buffer, window, summary)	Yes	buffer	ประเภทการจัดเก็บหน่วยความจำ
window_size	number	No	10	จำนวนข้อความล่าสุดที่จะเก็บ (สำหรับหน่วยความจำแบบหน้าต่าง)
session_id	string	No	-	ตัวระบุเฉพาะสำหรับเซสชันการสนทนานี้
initial_messages	array	No	[]	ประวัติการสนทนาที่โหลดไว้ล่วงหน้า

Output:

Field	Type	Description
memory_type	string	ประวัติการสนทนาที่โหลดไว้ล่วงหน้า
session_id	string	ประวัติการสนทนาที่โหลดไว้ล่วงหน้า
messages	array	ประเภทหน่วยความจำ
config	object	ตัวระบุเซสชัน

Example: Simple Buffer Memory

memory_type: buffer

Example: Window Memory (last 5 messages)

memory_type: window
window_size: 5

Entity Memory

ai.memory.entity

ดึงและติดตาม entity (บุคคล สถานที่ แนวคิด) จากการสนทนา

Parameters:

Name	Type	Required	Default	Description
entity_types	multiselect	No	['person', 'organization', 'location']	Types of entities to extract and track
extraction_model	select (llm, spacy, regex)	Yes	llm	Model for entity extraction
session_id	string	No	-	Unique identifier for this memory session
track_relationships	boolean	No	True	Track relationships between entities
max_entities	number	No	100	Maximum number of entities to remember

Output:

Field	Type	Description
memory_type	string	จำนวน entity สูงสุดที่จะจดจำ
session_id	string	จำนวน entity สูงสุดที่จะจดจำ
entities	object	ประเภทหน่วยความจำ (entity)
relationships	array	ตัวระบุเซสชัน
config	object	Entity ที่ติดตามตามประเภท

Example: People & Organizations

entity_types: ["person", "organization"]
extraction_model: llm

Example: Full Entity Tracking

entity_types: ["person", "organization", "location", "concept"]
track_relationships: true
max_entities: 200

Redis Memory

ai.memory.redis

หน่วยความจำการสนทนาถาวรโดยใช้การจัดเก็บ Redis

Parameters:

Name	Type	Required	Default	Description
redis_url	string	Yes	redis://localhost:6379	Redis connection URL
key_prefix	string	No	flyto:memory:	Prefix for all Redis keys
session_id	string	Yes	-	Unique identifier for this memory session
ttl_seconds	number	No	86400	Time-to-live for memory entries (0 = no expiry)
max_messages	number	No	100	Maximum messages to store per session
load_on_start	boolean	No	True	Load existing messages from Redis on initialization

Output:

Field	Type	Description
memory_type	string	โหลดข้อความที่มีอยู่จาก Redis เมื่อเริ่มต้น
session_id	string	โหลดข้อความที่มีอยู่จาก Redis เมื่อเริ่มต้น
messages	array	ประเภทหน่วยความจำ (redis)
connected	boolean	ตัวระบุเซสชัน
config	object	ประวัติข้อความที่โหลด

Example: Local Redis

redis_url: redis://localhost:6379
session_id: my-session
ttl_seconds: 3600

Example: Cloud Redis with Auth

redis_url: redis://:password@redis-cloud.example.com:6379
session_id: user-session
ttl_seconds: 86400
max_messages: 500

Vector Memory

ai.memory.vector

หน่วยความจำเชิงความหมายโดยใช้ vector embeddings สำหรับการดึงบริบทที่เกี่ยวข้อง

Parameters:

Name	Type	Required	Default	Description
embedding_model	select (text-embedding-3-small, text-embedding-3-large, text-embedding-ada-002, local)	Yes	text-embedding-3-small	Model to use for generating embeddings
top_k	number	No	5	Number of most relevant memories to retrieve
similarity_threshold	number	No	0.7	Minimum similarity score (0-1) for retrieval
session_id	string	No	-	Unique identifier for this memory session
include_metadata	boolean	No	True	Include timestamp and other metadata with memories

Output:

Field	Type	Description
memory_type	string	รวม timestamp และ metadata อื่น ๆ กับหน่วยความจำ
session_id	string	รวม timestamp และ metadata อื่น ๆ กับหน่วยความจำ
embedding_model	string	ประเภทหน่วยความจำ (vector)
config	object	ตัวระบุเซสชัน

Example: Default Vector Memory

embedding_model: text-embedding-3-small
top_k: 5

Example: High Precision Memory

embedding_model: text-embedding-3-large
top_k: 10
similarity_threshold: 0.85

AI Model

ai.model

การกำหนดค่าโมเดล LLM สำหรับ AI Agent

Parameters:

Name	Type	Required	Default	Description
provider	select (openai, anthropic, ollama)	No	openai	AI model provider
model	string	No	gpt-4o	Specific model to use
temperature	number	No	0.7	Creativity level (0=deterministic, 1=creative)
api_key	string	No	-	API key (defaults to provider env var)
base_url	string	No	-	Custom API base URL (for Ollama or proxies)
max_tokens	number	No	4096	โทเค็นสูงสุดในการตอบกลับ

Output:

Field	Type	Description
provider	string	โทเค็นสูงสุดในการตอบกลับ
model	string	ชื่อผู้ให้บริการ LLM
config	object	ชื่อผู้ให้บริการ LLM

Example: OpenAI GPT-4

provider: openai
model: gpt-4o
temperature: 0.7

Example: Anthropic Claude

provider: anthropic
model: claude-3-5-sonnet-20241022
temperature: 0.5

AI Tool

ai.tool

Expose a module as a tool for AI Agent

Parameters:

Name	Type	Required	Default	Description
module_id	string	Yes	-	Module ID to expose as tool (e.g. http.request, data.json_parse)
tool_description	string	No	-	Custom description for the agent (overrides module default)

Output:

Field	Type	Description
module_id	string	Module ID exposed as tool

Example: HTTP Request Tool

module_id: http.request

Example: JSON Parse Tool

module_id: data.json_parse

การวิเคราะห์วิชั่น

ai.vision.analyze

วิเคราะห์ภาพโดยใช้โมเดล AI วิชั่น

Parameters:

Name	Type	Required	Default	Description
image_path	string	No	-	เส้นทางท้องถิ่นไปยังไฟล์ภาพ
image_url	string	No	-	URL ของภาพที่ต้องการวิเคราะห์
prompt	string	No	Describe this image in detail	ต้องการวิเคราะห์หรือถามเกี่ยวกับภาพอะไร
provider	select (openai, anthropic)	No	openai	ผู้ให้บริการ AI สำหรับการวิเคราะห์วิชั่น
model	string	No	gpt-4o	โมเดลวิชั่นที่ใช้
api_key	string	No	-	คีย์ API (ใช้ตัวแปรสิ่งแวดล้อมหากไม่มี)
max_tokens	number	No	1000	จำนวนโทเค็นสูงสุดในการตอบสนอง
detail	select (low, high, auto)	No	auto	ระดับรายละเอียดของภาพ (ต่ำ/สูง/อัตโนมัติ)

Output:

Field	Type	Description
analysis	string	การวิเคราะห์ภาพโดย AI
model	string	โมเดลที่ใช้สำหรับการวิเคราะห์
provider	string	ผู้ให้บริการที่ใช้สำหรับการวิเคราะห์
tokens_used	number	จำนวนโทเค็นที่ใช้

Example: Analyze Screenshot

image_path: /tmp/screenshot.png
prompt: Describe what you see in this UI screenshot
provider: openai
model: gpt-4o

Example: Analyze from URL

image_url: https://example.com/photo.jpg
prompt: What objects are in this image?
provider: anthropic
model: claude-sonnet-4-20250514

Claude Chat

api.anthropic.chat

ส่งข้อความแชทไปยัง Anthropic Claude AI และรับการตอบกลับ

Parameters:

Name	Type	Required	Default	Description
api_key	string	No	-	Anthropic API key (ค่าเริ่มต้น env.ANTHROPIC_API_KEY)
model	string	No	claude-3-5-sonnet-20241022	โมเดล Claude ที่จะใช้
messages	array	Yes	-	อาร์เรย์ของออบเจ็กต์ข้อความพร้อม role และ content
max_tokens	number	No	1024	เนื้อหาที่ส่งคืนจากการดำเนินการ
temperature	number	No	1.0	Temperature ในการสุ่ม (0-1) ค่าสูงทำให้เอาต์พุตสุ่มมากขึ้น
system	string	No	-	System prompt เพื่อกำหนดพฤติกรรม Claude

Output:

Field	Type	Description
content	string	System prompt เพื่อกำหนดพฤติกรรม Claude
model	string	ข้อความตอบกลับของ Claude
stop_reason	string	โมเดลที่ใช้สำหรับการตอบกลับ
usage	object	เหตุผลที่โมเดลหยุดสร้าง (end_turn, max_tokens ฯลฯ)

Example: Simple question

messages: [{"role": "user", "content": "What is the capital of France?"}]
max_tokens: 100

Example: Text summarization

system: You are a helpful assistant that summarizes text concisely.
messages: [{"role": "user", "content": "Summarize this article: ${article_text}"}]
max_tokens: 500

Google Gemini Chat

api.google_gemini.chat

ส่งข้อความแชทไปยัง Google Gemini AI และรับการตอบกลับ

Parameters:

Name	Type	Required	Default	Description
api_key	string	No	-	Google AI API key (ค่าเริ่มต้น env.GOOGLE_AI_API_KEY)
model	string	No	gemini-1.5-pro	โมเดล Gemini ที่จะใช้
prompt	string	Yes	-	ข้อความ prompt ที่จะส่งไปยัง Gemini
temperature	number	No	1.0	ควบคุมความสุ่ม (0-2) ค่าสูงทำให้เอาต์พุตสุ่มมากขึ้น
max_output_tokens	number	No	2048	จำนวนโทเค็นสูงสุดในการตอบกลับ

Output:

Field	Type	Description
text	string	Generated text response from Gemini
model	string	Model used for generation
candidates	array	All candidate responses

Example: Simple question

prompt: Explain quantum computing in simple terms

Example: Content generation

prompt: Write a professional email about ${topic}
temperature: 0.7
max_output_tokens: 500

OpenAI Chat

api.openai.chat

ส่งข้อความแชทไปยังโมเดล OpenAI GPT

Parameters:

Name	Type	Required	Default	Description
prompt	string	Yes	-	ข้อความที่จะส่งไปยัง GPT
model	select (gpt-4-turbo-preview, gpt-4, gpt-3.5-turbo)	No	gpt-4-turbo-preview	ข้อความที่จะส่งไปยัง GPT
temperature	number	No	0.7	Temperature ในการสุ่ม (0-2)
max_tokens	number	No	1000	Temperature ในการสุ่ม (0-2)
system_message	string	No	-	โทเค็นสูงสุดในการตอบกลับ

Output:

Field	Type	Description
response	string	ข้อความบทบาทระบบ (ไม่บังคับ)
model	string	การตอบกลับจากการดำเนินการ
usage	object	การตอบกลับจากการดำเนินการ

Example: Simple chat

prompt: Explain quantum computing in 3 sentences
model: gpt-3.5-turbo

Example: Code generation

prompt: Write a Python function to calculate fibonacci numbers
model: gpt-4
temperature: 0.2
system_message: You are a Python programming expert

DALL-E Image Generation

api.openai.image

สร้างรูปภาพโดยใช้ DALL-E

Parameters:

Name	Type	Required	Default	Description
prompt	string	Yes	-	คำอธิบายรูปภาพที่จะสร้าง
size	select (256x256, 512x512, 1024x1024, 1792x1024, 1024x1792)	No	1024x1024	คำอธิบายรูปภาพที่จะสร้าง
model	select (dall-e-3, dall-e-2)	No	dall-e-3	เวอร์ชันโมเดล DALL-E
quality	select (standard, hd)	No	standard	คุณภาพรูปภาพ (DALL-E 3 เท่านั้น)
n	number	No	1	จำนวนรูปภาพที่จะสร้าง (1-10)

Output:

Field	Type	Description
images	array	List of generated images
model	string	Model name or identifier

Example: Generate artwork

prompt: A serene mountain landscape at sunset, digital art
size: 1024x1024
model: dall-e-3
quality: hd

Example: Create logo

prompt: Modern tech startup logo with blue and green colors
size: 512x512
model: dall-e-2
n: 3

AI Agent

llm.agent

AI Agent อัตโนมัติพร้อมการเชื่อมต่อหลายพอร์ต (โมเดล, หน่วยความจำ, เครื่องมือ)

Parameters:

Name	Type	Required	Default	Description
prompt_source	select (manual, auto)	No	manual	ตำแหน่งที่จะรับ task prompt
task	string	No	-	งานที่ต้องการให้ Agent ทำ ใช้ {{input}} เพื่ออ้างอิงข้อมูลต้นทาง
prompt_path	string	No	{<!-- -->{input}<!-- -->}	พาธสำหรับดึง prompt จากอินพุต (เช่น {{input.message}})
join_strategy	select (first, newline, separator, json)	No	first	วิธีจัดการอินพุตอาร์เรย์
join_separator	string	No	`

---

| ตัวคั่นสำหรับรวมรายการในอาร์เรย์ | |max_input_size| number | No |10000| จำนวนอักขระสูงสุดสำหรับ prompt (ป้องกัน overflow) | |system_prompt| string | No |You are a helpful AI agent. Use the available tools to complete the task. Think step by step.| คำแนะนำสำหรับพฤติกรรมของ Agent | |tools| array | No |[]| รายการรหัสโมดูล (ทางเลือกแทนการเชื่อมต่อโหนดเครื่องมือ) | |context| object | No |{}| รายการรหัสโมดูล (ทางเลือกแทนการเชื่อมต่อโหนดเครื่องมือ) | |max_iterations| number | No |10| ข้อมูลบริบทเพิ่มเติมสำหรับ Agent | |provider | select (openai, anthropic, ollama) | No | openai| AI model provider | |model| string | No |gpt-4o| Specific model to use | |temperature| number | No |0.3| Creativity level (0=deterministic, 1=creative) | |api_key| string | No | - | API key (defaults to provider env var) | |base_url` | string | No | - | Custom API base URL (for Ollama or proxies) |

Output:

Field	Type	Description
ok	boolean	Agent ทำงานสำเร็จหรือไม่
result	string	Agent ทำงานสำเร็จหรือไม่
steps	array	Agent ทำงานสำเร็จหรือไม่
tool_calls	number	ผลลัพธ์สุดท้ายจาก Agent
tokens_used	number	รายการขั้นตอนที่ Agent ดำเนินการ

Example: Web Research Agent

task: Search for the latest news about AI and summarize the top 3 stories
tools: ["http.request", "data.json_parse"]
model: gpt-4o

Example: Data Processing Agent

task: Read the CSV file, filter rows where status is "active", and count them
tools: ["file.read", "data.csv_parse", "array.filter"]
model: gpt-4o