مدیر وظایف تلگرام با هوش مصنوعی و وظایف گوگل

مدیر وظایف تلگرام با قدرت هوش مصنوعی و سرور MCP

این گردش کار از هوش مصنوعی برای ایجاد یک سیستم مدیریت وظایف پیچیده مستقیماً در تلگرام استفاده می‌کند. این سیستم با وظایف گوگل ادغام شده و به کاربران امکان می‌دهد لیست کارهای خود را به صورت مکالمه‌ای مدیریت کنند. این سیستم از دستورات متنی و صوتی پشتیبانی می‌کند، یادداشت‌های صوتی را رونویسی می‌کند و از یک عامل هوش مصنوعی با حافظه برای درک زمینه و اجرای وظایف استفاده می‌کند. گنجاندن سرور MCP، ماژولار بودن و مقیاس‌پذیری عملیات مبتنی بر هوش مصنوعی را افزایش می‌دهد.

دسته‌بندی‌ها: سایر، هوش مصنوعی

کاتالوگ Axeto: https://axeto.ai/n8n

---

۱. نمای کلی گردش کار

این گردش کار، مدیر وظایف تلگرام با قدرت هوش مصنوعی و سرور MCP، برای تسهیل مدیریت وظایف از طریق پیام‌های تلگرام که با وظایف گوگل ادغام شده و با کمک هوش مصنوعی تقویت شده است، طراحی شده است. این گردش کار برای افراد، تیم‌ها و توسعه‌دهندگانی که می‌خواهند وظایف را به صورت مکالمه‌ای و بدون نیاز به جابجایی بین برنامه‌ها مدیریت کنند، هدف‌گذاری شده است.

گردش کار به صورت منطقی به بخش‌های زیر تقسیم می‌شود:

• ۱.۱ دریافت و پیش‌پردازش پیام ورودی: پیام‌های تلگرام (متنی یا صوتی) را دریافت می‌کند، انواع پیام را تشخیص می‌دهد و ورودی را برای پردازش هوش مصنوعی آماده می‌کند.
• ۱.۲ مدیریت و رونویسی یادداشت صوتی: پیام‌های صوتی را تشخیص می‌دهد، فایل‌های صوتی را از تلگرام دانلود می‌کند و آن‌ها را برای پردازش بیشتر به متن رونویسی می‌کند.
• ۱.۳ پردازش هوش مصنوعی و مدیریت حافظه: از یک عامل هوش مصنوعی با حافظه مکالمه‌ای و یک مدل زبان OpenAI برای تفسیر دستورات کاربر، تولید دستورالعمل‌های مرتبط با وظایف و مدیریت زمینه گفتگو استفاده می‌کند.
• ۱.۴ مدیریت وظایف از طریق API وظایف گوگل: ایجاد، بازیابی و به‌روزرسانی وظایف را در وظایف گوگل بر اساس دستورالعمل‌های هوش مصنوعی، از جمله مدیریت وظایف امروز و وظایف پیش رو، انجام می‌دهد.
• ۱.۵ ادغام سرور MCP: از گره‌های MCP Server Trigger و MCP Client برای هماهنگ کردن ابزارهای هوش مصنوعی و عملیات وظایف استفاده می‌کند و مدیریت وظایف مبتنی بر هوش مصنوعی را به صورت ماژولار و مقیاس‌پذیر امکان‌پذیر می‌سازد.
• ۱.۶ ارسال پاسخ تلگرام: پاسخ‌های تولید شده توسط هوش مصنوعی را به کاربر در تلگرام ارسال می‌کند و حلقه تعامل را کامل می‌کند.

---

۲. جزئیات گره‌ها

۲.۱ دریافت و پیش‌پردازش پیام ورودی

این بخش مسئول دریافت اولیه پیام‌ها از تلگرام است و ورودی‌های متنی و صوتی را برای پردازش مناسب تفکیک می‌کند.

• پیام ورودی (گره راه‌انداز تلگرام)

* نقش: گوش دادن به پیام‌های جدید تلگرام (به‌روزرسانی‌های از نوع "message") که به ربات ارسال می‌شوند.

* پیکربندی: از اعتبارنامه‌های API تلگرام استفاده می‌کند؛ بر روی تمام به‌روزرسانی‌های پیام راه‌اندازی می‌شود.

* ورودی‌ها: وب‌هوک خارجی از تلگرام.

* خروجی‌ها: JSON پیام را به گره Switch ارسال می‌کند.

* موارد مرزی: قطعی API تلگرام، پیکربندی نادرست وب‌هوک، انواع پیام پشتیبانی نشده.

* یادداشت چسبان: ## تابع اصلی برای دریافت و ارسال پیام‌های تلگرام

• Switch (n8n-nodes-base.switch)

* نقش: بررسی می‌کند که آیا پیام ورودی حاوی یک پیام صوتی است تا گردش کار را بر اساس آن هدایت کند.

* پیکربندی: شرط بررسی می‌کند که آیا message.voice وجود دارد (اعتبارسنجی نوع دقیق).

* ورودی‌ها: خروجی از گره پیام ورودی.

* خروجی‌ها: در صورت وجود message.voice به مسیر "Voice Note" هدایت می‌کند؛ در غیر این صورت، به مسیر "extra" (برای پیام‌های متنی) هدایت می‌کند.

* موارد مرزی: پیام‌های بدون صدا یا متن، JSON نامعتبر.

* یادداشت چسبان: ## تابع اصلی برای دریافت و ارسال پیام‌های تلگرام

• chatInput (n8n-nodes-base.set)

* نقش: استخراج و تنظیم محتوای متنی پیام و شناسه کاربر برای پردازش هوش مصنوعی. این گره پیام‌های متنی را مدیریت می‌کند.

* پیکربندی: chatInput را از message.text و id را از message.from.id اختصاص می‌دهد.

* ورودی‌ها: خروجی از گره Switch (برای پیام‌های متنی).

* خروجی‌ها: ورودی ساختاریافته را به گره AI Agent ارسال می‌کند.

* موارد مرزی: پیام‌های متنی خالی یا نامعتبر.

۲.۲ مدیریت و رونویسی یادداشت صوتی

این بخش پیام‌های صوتی را با دانلود فایل صوتی، رونویسی آن به متن با استفاده از OpenAI و آماده‌سازی آن برای تجزیه و تحلیل هوش مصنوعی پردازش می‌کند.

• audio_id (n8n-nodes-base.set)

* نقش: استخراج file_id و file_unique_id از پیام صوتی که برای دانلود فایل صوتی ضروری هستند.

* پیکربندی: file_id و file_unique_id را از message.voice تنظیم می‌کند.

* ورودی‌ها: خروجی از گره Switch (برای پیام‌های صوتی).

* خروجی‌ها: شناسه‌های فایل را به گره download_audio ارسال می‌کند.

* موارد مرزی: شناسه‌های فایل گمشده یا نامعتبر.

• download_audio (n8n-nodes-base.telegram)

* نقش: دانلود فایل صوتی از سرورهای تلگرام با استفاده از شناسه فایل استخراج شده.

* پیکربندی: از اعتبارنامه‌های API تلگرام استفاده می‌کند؛ منبع روی "file" تنظیم شده است؛ پارامتر fileId از گره قبلی گرفته می‌شود.

* ورودی‌ها: خروجی از گره audio_id.

* خروجی‌ها: داده‌های فایل صوتی را برای گره transcribeAudio فراهم می‌کند.

* موارد مرزی: خرابی دانلود فایل تلگرام، مشکلات شبکه.

• transcribeAudio (@n8n/n8n-nodes-langchain.openAi)

* نقش: رونویسی فایل صوتی دانلود شده به متن با استفاده از قابلیت‌های رونویسی صوتی OpenAI.

* پیکربندی: از اعتبارنامه‌های API OpenAI استفاده می‌کند؛ منبع روی "audio" تنظیم شده است؛ عملیات "transcribe".

* ورودی‌ها: خروجی از گره download_audio.

* خروجی‌ها: متن رونویسی شده.

* موارد مرزی: فرمت‌های صوتی پشتیبانی نشده، خطاهای رونویسی، محدودیت‌های نرخ API.

• audioInput (n8n-nodes-base.set)

* نقش: تنظیم متن رونویسی شده از یادداشت صوتی به عنوان chatInput برای مرحله پردازش هوش مصنوعی.

* پیکربندی: chatInput را از فیلد text نتیجه رونویسی اختصاص می‌دهد.

* ورودی‌ها: خروجی از گره transcribeAudio.

* خروجی‌ها: متن رونویسی شده را به گره AI Agent ارسال می‌کند.

* موارد مرزی: نتایج رونویسی خالی.

۲.۳ پردازش هوش مصنوعی و مدیریت حافظه

این بخش هسته هوش مصنوعی را تشکیل می‌دهد، ورودی کاربر را تفسیر می‌کند، تاریخچه مکالمه را حفظ می‌کند و در مورد اقدامات مناسب تصمیم می‌گیرد.

• AI Agent (@n8n/n8n-nodes-langchain.agent)

* نقش: گره مرکزی پردازش هوش مصنوعی. ورودی کاربر را تفسیر می‌کند، زمینه گفتگو را با استفاده از حافظه مدیریت می‌کند و تعیین می‌کند که کدام ابزارها (مانند Google Tasks) فراخوانی شوند.

* پیکربندی: شامل یک پیام سیستمی است که به عامل دستور می‌دهد قبل از انجام اقداماتی مانند به‌روزرسانی وظایف، از ابزارهای خاصی (مانند get_tasks) استفاده کند. همچنین زمینه تاریخ فعلی را برای مدیریت بهتر وظایف در بر می‌گیرد.

* ورودی‌ها: chatInput را از گره‌های chatInput (متنی) یا audioInput (صوتی) دریافت می‌کند. به Simple Memory و ابزارهای مختلف هوش مصنوعی متصل است.

* خروجی‌ها: chatOutput حاوی پاسخ تولید شده توسط هوش مصنوعی به کاربر را تولید می‌کند.

* موارد مرزی: خطاهای مدل هوش مصنوعی، مهلت پاسخ، ورودی نامعتبر منجر به تفسیر نادرست.

• Simple Memory (n8n-nodes-base.memoryBufferWindow)

* نقش: حفظ زمینه مکالمه برای هر جلسه کاربر، با کلیدگذاری بر اساس شناسه کاربر تلگرام. این به هوش مصنوعی اجازه می‌دهد تا تعاملات قبلی را در یک مکالمه به خاطر بسپارد.

* پیکربندی: طول پنجره زمینه روی ۲۰ پیام تنظیم شده است. کلید جلسه به طور پویا از شناسه کاربر تلگرام مشتق می‌شود.

* ورودی‌ها: تاریخچه مکالمه را به AI Agent تغذیه می‌کند.

* خروجی‌ها: وضعیت حافظه به‌روزرسانی شده که برای نوبت‌های بعدی دوباره به عامل تغذیه می‌شود.

* موارد مرزی: سرریز حافظه در صورت تجاوز از پنجره زمینه، خطاهای مشتق کلید جلسه.

• OpenAI Chat Model (@n8n/n8n-nodes-langchain.lmChatOpenAi)

* نقش: قابلیت‌های درک و تولید زبان زیربنایی را برای AI Agent فراهم می‌کند.

* پیکربندی: از مدل gpt-4o-mini استفاده می‌کند. اعتبارنامه‌های API OpenAI باید پیکربندی شوند.

* ورودی‌ها: درخواست‌های مدل زبان را از AI Agent دریافت می‌کند.

* خروجی‌ها: تکمیل متن و پاسخ‌ها را به AI Agent برمی‌گرداند.

* موارد مرزی: محدودیت‌های نرخ API OpenAI، خطاهای احراز هویت، مشکلات در دسترس بودن مدل.

• chatOutput (n8n-nodes-base.set)

* نقش: آماده‌سازی متن پاسخ نهایی هوش مصنوعی برای ارسال مجدد به کاربر از طریق تلگرام.

* پیکربندی: chatOutput را از فیلد output گره AI Agent اختصاص می‌دهد.

* ورودی‌ها: خروجی از گره AI Agent.

* خروجی‌ها: پاسخ قالب‌بندی شده را به گره sendMessage (تلگرام) ارسال می‌کند.

* موارد مرزی: خروجی هوش مصنوعی خالی یا نامعتبر.

۲.۴ مدیریت وظایف از طریق API Google Tasks

این بخش ابزارهایی را که عامل هوش مصنوعی می‌تواند برای تعامل با Google Tasks استفاده کند، تعریف می‌کند و به کاربران امکان ایجاد، مشاهده و تکمیل وظایف را می‌دهد.

• create_todays_task (n8n-nodes-base.googleTasksTool)

* نقش: ایجاد یک وظیفه جدید در لیست "Today's Tasks" در Google Tasks.

* پیکربندی: شناسه لیست وظایف ثابت است. فیلدهایی مانند عنوان، یادداشت‌ها، تاریخ سررسید و وضعیت تکمیل به صورت پویا بر اساس دستورالعمل‌های هوش مصنوعی تنظیم می‌شوند.

* ورودی‌ها: فراخوانی ابزار هوش مصنوعی که از MCP Server Trigger نشأت می‌گیرد.

* خروجی‌ها: تأیید ایجاد وظیفه.

* موارد مرزی: داده‌های وظیفه نامعتبر ارائه شده توسط هوش مصنوعی، خطاهای احراز هویت API گوگل.

• create_upcoming_task (n8n-nodes-base.googleTasksTool)

* نقش: ایجاد یک وظیفه جدید در لیست تعیین شده "Upcoming Tasks" در Google Tasks.

* پیکربندی: مشابه create_todays_task، اما لیست شناسه وظیفه متفاوتی را هدف قرار می‌دهد.

* ورودی‌ها: فراخوانی ابزار هوش مصنوعی.

* خروجی‌ها: تأیید ایجاد وظیفه.

* موارد مرزی: مشابه create_todays_task.

• complete_task (n8n-nodes-base.googleTasksTool)

* نقش: علامت‌گذاری یک وظیفه مشخص به عنوان تکمیل شده در Google Tasks.

* پیکربندی: از Task_ID ارائه شده توسط هوش مصنوعی برای شناسایی و به‌روزرسانی وضعیت وظیفه به تکمیل شده استفاده می‌کند. عملیات روی "update" تنظیم شده است.

* ورودی‌ها: فراخوانی ابزار هوش مصنوعی.

* خروجی‌ها: تأیید تکمیل وظیفه.

* موارد مرزی: Task_ID نامعتبر، وظیفه در Google Tasks یافت نشد.

• get_todays_tasks (n8n-nodes-base.googleTasksTool)

* نقش: بازیابی تمام وظایف موجود در لیست "Today's Tasks" در Google Tasks.

* پیکربندی: عملیات روی "getAll" تنظیم شده است و تمام وظایف را از لیست مشخص شده برمی‌گرداند.

* ورودی‌ها: فراخوانی ابزار هوش مصنوعی.

* خروجی‌ها: لیستی از وظایف که سپس توسط هوش مصنوعی پردازش می‌شود.

* موارد مرزی: خطاهای API گوگل، خالی بودن لیست وظایف.

• get_upcoming_tasks (n8n-nodes-base.googleTasksTool)

* نقش: بازیابی تمام وظایف از لیست "Upcoming Tasks" در Google Tasks.

* پیکربندی: مشابه get_todays_tasks، اما برای لیست وظایف آینده.

* ورودی‌ها: فراخوانی ابزار هوش مصنوعی.

* خروجی‌ها: لیستی از وظایف آینده برای پردازش هوش مصنوعی.

* موارد مرزی: مشابه get_todays_tasks.

۲.۵ ادغام سرور MCP

این بخش از چارچوب MCP (پردازش مکالمه ماژولار) برای فعال کردن عامل هوش مصنوعی برای فراخوانی ابزارهای خارجی (مانند Google Tasks) و دریافت نتایج آن‌ها به روشی ساختاریافته استفاده می‌کند.

• MCP Server Trigger (@n8n/n8n-nodes-langchain.mcpTrigger)

* نقش: به عنوان یک نقطه پایانی سرور ابزار هوش مصنوعی عمل می‌کند. درخواست‌ها را از عامل هوش مصنوعی (از طریق کلاینت MCP) برای اجرای ابزارهای خاص دریافت می‌کند و نتایج را برمی‌گرداند.

* پیکربندی: یک مسیر وب‌هوک پیکربندی شده است. این گره به درخواست‌های ابزار هوش مصنوعی گوش می‌دهد و آن‌ها را به گره‌های مناسب Google Tasks یا ابزارهای دیگر هدایت می‌کند.

* ورودی‌ها: فراخوانی ابزار هوش مصنوعی که از AI Agent از طریق MCP Client نشأت می‌گیرد.

* خروجی‌ها: پاسخ‌ها را به AI Agent یا مستقیماً به گره‌های وظیفه مربوطه ارسال می‌کند.

* موارد مرزی: مشکلات شبکه که مانع دریافت درخواست‌ها توسط سرور می‌شود، پیکربندی نادرست وب‌هوک.

• MCP Client (@n8n/n8n-nodes-langchain.mcpClientTool)

* نقش: درخواست‌های ابزار هوش مصنوعی را از AI Agent به نقطه پایانی SSE (Server-Sent Events) MCP Server Trigger ارسال می‌کند.

* پیکربندی: URL نقطه پایانی SSE برای اشاره به مسیر وب‌هوک MCP Server Trigger پیکربندی شده است.

* ورودی‌ها: فراخوانی ابزار هوش مصنوعی که توسط AI Agent تولید شده است.

* خروجی‌ها: پاسخ‌ها را از MCP Server دریافت کرده و آن‌ها را به AI Agent برمی‌گرداند.

* موارد مرزی: خرابی اتصال SSE، مهلت زمانی در طول ارتباط با سرور.

۲.۶ ارسال پاسخ تلگرام

این بخش نهایی، پاسخ پردازش شده هوش مصنوعی را دریافت کرده و آن را از طریق تلگرام به کاربر ارسال می‌کند.

• sendMessage (n8n-nodes-base.telegram)

* نقش: ارسال پاسخ متنی نهایی تولید شده توسط هوش مصنوعی به کاربر در چت تلگرام که پیام اصلی از آنجا دریافت شده است.

* پیکربندی: از اعتبارنامه‌های API تلگرام استفاده می‌کند. پارامتر text از گره chatOutput پر می‌شود و chatId از پیام ورودی اصلی گرفته می‌شود.

* ورودی‌ها: خروجی از گره chatOutput.

* خروجی‌ها: تأیید تحویل پیام از تلگرام.

* موارد مرزی: خطاهای API تلگرام، chatId نامعتبر.

---

۳. جدول خلاصه