LINE MCP Server: เชื่อมต่อ AI Agent กับ LINE ด้วย Model Context Protocol

#แนะนำ MCP และ LINE

วิธีที่ AI agent โต้ตอบกับบริการภายนอกกำลังเปลี่ยนแปลงอย่างพื้นฐาน ก่อนหน้านี้ การเชื่อมต่อ AI assistant เช่น Claude หรือ Gemini กับแพลตฟอร์มส่งข้อความอย่าง LINE ต้องเขียนโค้ด webhook, API wrapper และใช้ความพยายามในการพัฒนาอย่างมาก สิ่งนี้เปลี่ยนไปแล้วด้วย Model Context Protocol (MCP) และ LINE Bot MCP Server อย่างเป็นทางการ

MCP เป็นมาตรฐานสำคัญสำหรับการผสาน AI agent ในปัจจุบัน ด้วยยอดดาวน์โหลด SDK มากกว่า 97 ล้านครั้งต่อเดือน และระบบนิเวศของ MCP server มากกว่า 5,800 ตัว บริษัท AI รายใหญ่รวมถึง OpenAI, Google และ Microsoft ได้นำ MCP มาใช้เป็นโปรโตคอลการผสานหลัก สำหรับธุรกิจที่ดำเนินงานบน LINE หมายความว่า AI agent สามารถควบคุม LINE Official Account ผ่านภาษาธรรมชาติได้โดยตรง -- ไม่ต้องเขียนโค้ดเอง

#ทำไมสิ่งนี้จึงสำคัญสำหรับธุรกิจ LINE

LINE มีผู้ใช้งานรายเดือนมากกว่า 200 ล้านคนในญี่ปุ่น ไทย ไต้หวัน และอินโดนีเซีย ธุรกิจที่ใช้ LINE Official Account สามารถใช้ AI agent เพื่อ:

• ส่งข้อความ ถึงลูกค้าด้วยคำสั่งภาษาธรรมชาติ
• สร้างเนื้อหาภาพที่สวยงาม ด้วย Flex Messages อัตโนมัติ
• ดึงโปรไฟล์ผู้ใช้ และปรับแต่งการโต้ตอบเฉพาะบุคคล
• ทำให้ workflow แคมเปญเป็นอัตโนมัติ โดยไม่ต้องเขียนโค้ด LINE API
• ขยายการสนับสนุนลูกค้า โดยเชื่อมต่อ AI assistant กับ LINE โดยตรง

พร้อมสร้าง LINE integration ด้วย AI หรือยัง? สำรวจบริการพัฒนา LINE ของเรา

#Model Context Protocol คืออะไร?

Model Context Protocol (MCP) เป็นมาตรฐานเปิดที่พัฒนาโดย Anthropic กำหนดวิธีที่ AI agent สื่อสารกับเครื่องมือและบริการภายนอก คิดว่าเป็นตัวแปลงสากล -- แทนที่จะสร้างการผสานเฉพาะสำหรับทุก AI model และทุกบริการ MCP ให้ interface มาตรฐานที่ AI agent ใดก็ใช้ได้

#MCP ทำงานอย่างไร

AI Agent (Claude, Gemini, GPT ฯลฯ)
       |
       v
  MCP Client (ในตัว AI agent)
       |
       v
  MCP Protocol (JSON-RPC มาตรฐาน)
       |
       v
  MCP Server (LINE Bot MCP Server)
       |
       v
  LINE Messaging API
       |
       v
  LINE Official Account --> ผู้ใช้

#แนวคิดหลัก

#ระบบนิเวศ MCP ในปี 2026

ระบบนิเวศ MCP เติบโตอย่างรวดเร็ว:

• MCP server มากกว่า 5,800 ตัว ครอบคลุมฐานข้อมูล, API, เครื่องมือ SaaS และแพลตฟอร์มส่งข้อความ
• ดาวน์โหลด SDK มากกว่า 97 ล้านครั้งต่อเดือน ใน Python, TypeScript, Java และ Go
• ผู้ให้บริการ AI รายใหญ่ทั้งหมดนำมาใช้: OpenAI, Google, Microsoft, Anthropic
• พร้อมสำหรับองค์กร: Authentication, authorization และ audit logging ในตัวโปรโตคอล
• ตัวเลือก transport: stdio สำหรับ local, HTTP พร้อม SSE สำหรับ remote

เรียนรู้เพิ่มเติมเกี่ยวกับ LINE API ในบทเรียน LINE API integration

#ภาพรวม LINE Bot MCP Server

LINE Bot MCP Server เป็น implementation อย่างเป็นทางการที่เผยแพร่โดย LINE Corporation ที่ github.com/line/line-bot-mcp-server เชื่อมต่อ AI agent กับ LINE Messaging API ให้ควบคุม LINE Official Account ด้วยภาษาธรรมชาติ

#เครื่องมือที่รองรับ

#แตกต่างจาก integration แบบดั้งเดิมอย่างไร

// วิธีแบบดั้งเดิม: Custom webhook + API code
import { Client } from "@line/bot-sdk";

const client = new Client({
  channelAccessToken: process.env.LINE_CHANNEL_ACCESS_TOKEN!,
});

app.post("/webhook", async (req, res) => {
  const events = req.body.events;
  for (const event of events) {
    if (event.type === "message" && event.message.type === "text") {
      await client.replyMessage(event.replyToken, {
        type: "text",
        text: "สวัสดี!",
      });
    }
  }
  res.sendStatus(200);
});

// วิธี MCP: AI agent ควบคุม LINE โดยตรง
// แค่บอก Claude ด้วยภาษาธรรมชาติ:

"ส่งข้อความต้อนรับถึงผู้ใช้ U1234567890 บน LINE
ว่า 'ยินดีต้อนรับสู่ร้านของเรา! ดูคอลเลกชันใหม่
พร้อมส่วนลด 20% สัปดาห์นี้'"

// AI agent เรียก push_text_message ผ่าน MCP อัตโนมัติ

การเปลี่ยนแปลงนี้หมายความว่าผู้ดำเนินธุรกิจ นักการตลาด และทีมที่ไม่ใช่นักเทคนิคสามารถควบคุม LINE bot ผ่าน AI สนทนาได้ สำรวจบริการ LINE chatbot ของเรา

#คู่มือการตั้งค่าและกำหนดค่า

การตั้งค่า LINE Bot MCP Server ต้องการสองส่วนหลัก: ข้อมูลรับรอง LINE API และ MCP server

#ขั้นตอนที่ 1: สร้าง LINE Official Account และ Channel

1. ไปที่ LINE Developers Console
2. สร้าง Provider ใหม่
3. สร้าง Messaging API Channel ใหม่
4. จด Channel Access Token (long-lived) จาก Messaging API tab
5. จด Channel Secret จาก Basic Settings tab

สำหรับรายละเอียด ดูคู่มือตั้งค่า LINE Official Account

#ขั้นตอนที่ 2: ติดตั้งผ่าน npx (แนะนำสำหรับ Development)

# ไม่ต้องติดตั้ง -- รันได้เลย
npx @line/line-bot-mcp-server

#ขั้นตอนที่ 3: ติดตั้งผ่าน Docker (แนะนำสำหรับ Production)

# ดึง image อย่างเป็นทางการ
docker pull ghcr.io/line/line-bot-mcp-server:latest

# รันด้วย environment variables
docker run -it --rm \
  -e CHANNEL_ACCESS_TOKEN=your_channel_access_token \
  -e DESTINATION=your_user_id \
  ghcr.io/line/line-bot-mcp-server:latest

#ขั้นตอนที่ 4: กำหนดค่ากับ Claude Desktop

{
  "mcpServers": {
    "line-bot": {
      "command": "npx",
      "args": ["-y", "@line/line-bot-mcp-server"],
      "env": {
        "CHANNEL_ACCESS_TOKEN": "your_channel_access_token_here",
        "DESTINATION": "your_default_user_id_here"
      }
    }
  }
}

#ขั้นตอนที่ 5: กำหนดค่า Docker ใน Claude Desktop

{
  "mcpServers": {
    "line-bot": {
      "command": "docker",
      "args": [
        "run", "-i", "--rm",
        "-e", "CHANNEL_ACCESS_TOKEN",
        "-e", "DESTINATION",
        "ghcr.io/line/line-bot-mcp-server:latest"
      ],
      "env": {
        "CHANNEL_ACCESS_TOKEN": "your_channel_access_token_here",
        "DESTINATION": "your_default_user_id_here"
      }
    }
  }
}

#ขั้นตอนที่ 6: ทดสอบการเชื่อมต่อ

คุณ: "ส่งข้อความทดสอบไปที่ LINE ว่า สวัสดีจาก AI"

Claude: ฉันจะส่งข้อความไปยังบัญชี LINE ของคุณ
[เรียก push_text_message ด้วยข้อความ "สวัสดีจาก AI"]
ส่งข้อความสำเร็จ!

#ตัวแปรสภาพแวดล้อม

ต้องการความช่วยเหลือในการตั้งค่า? ดูบริการพัฒนาแอป LINE

#ความสามารถและกรณีใช้งาน

เมื่อเชื่อมต่อแล้ว AI agent สามารถดำเนินการต่างๆ บน LINE Official Account ผ่านคำสั่งภาษาธรรมชาติ

#ส่งข้อความ

Prompt: "ส่งข้อความถึงผู้ใช้ U1234567890 ว่า:
ขอบคุณสำหรับคำสั่งซื้อ! หมายเลขติดตาม TH20260402001
คาดว่าจัดส่ง: 5 เมษายน 2026"

#สร้างและส่ง Flex Messages

Prompt: "สร้าง Flex Message สำหรับโปรโมชันฤดูร้อน:
- แบนเนอร์ hero image
- หัวข้อ: Summer Collection 2026
- ป้ายส่วนลด 20%
- ปุ่ม 'ซื้อเลย' ลิงก์ไปที่ https://shop.example.com
ส่งถึงผู้ใช้ U1234567890"

#สถานการณ์ใช้งานจริง

ค้นพบวิธีทำ automation ขนาดใหญ่ด้วยบริการ LINE automation

#รูปแบบการผสานขั้นสูง

#รวม MCP กับ Webhook Handler

สำหรับการสื่อสารสองทาง รวม MCP server (ขาออก) กับ webhook handler (ขาเข้า):

// app/api/webhooks/line/route.ts
import { NextRequest, NextResponse } from "next/server";
import crypto from "crypto";

const CHANNEL_SECRET = process.env.LINE_CHANNEL_SECRET!;

function verifySignature(body: string, signature: string): boolean {
  const hash = crypto
    .createHmac("SHA256", CHANNEL_SECRET)
    .update(body)
    .digest("base64");
  return hash === signature;
}

export async function POST(req: NextRequest) {
  const body = await req.text();
  const signature = req.headers.get("x-line-signature") || "";

  if (!verifySignature(body, signature)) {
    return NextResponse.json({ error: "ลายเซ็นไม่ถูกต้อง" }, { status: 401 });
  }

  const { events } = JSON.parse(body);
  for (const event of events) {
    if (event.type === "message" && event.message.type === "text") {
      await forwardToAIAgent(event);
    }
  }

  return NextResponse.json({ status: "ok" });
}

#สถาปัตยกรรม Multi-Agent

ลูกค้าส่งข้อความบน LINE
       |
       v
  Webhook Handler (ขาเข้า)
       |
       v
  AI Router Agent
       |
       +---> Sales Agent (สอบถามสินค้า)
       |        |---> MCP: push_flex_message
       |
       +---> Support Agent (แก้ปัญหา)
       |        |---> MCP: push_text_message
       |
       +---> Marketing Agent (จัดการแคมเปญ)
                |---> MCP: broadcast_flex_message

#สร้างเครื่องมือ MCP แบบกำหนดเอง

import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";
import { z } from "zod";

const server = new McpServer({
  name: "custom-line-tools",
  version: "1.0.0",
});

server.tool(
  "send_order_status",
  "ส่งอัพเดทสถานะคำสั่งซื้อพร้อมข้อมูลติดตามให้ผู้ใช้ LINE",
  {
    user_id: z.string().describe("LINE user ID"),
    order_id: z.string().describe("Order ID"),
    status: z.enum(["confirmed", "shipped", "delivered"]),
    tracking_number: z.string().optional(),
  },
  async ({ user_id, order_id, status, tracking_number }) => {
    const flexMessage = buildOrderStatusFlex(order_id, status, tracking_number);
    await lineClient.pushMessage(user_id, flexMessage);
    return { content: [{ type: "text", text: `ส่งสถานะแล้ว` }] };
  }
);

สำหรับสถาปัตยกรรม chatbot ขั้นสูง ดูบทเรียนพัฒนา LINE chatbot

#แนวทางปฏิบัติที่ดีและความปลอดภัย

#ข้อพิจารณาด้านความปลอดภัย

#เพิ่มประสิทธิภาพ

1. ใช้ stdio transport สำหรับ development: เร็วที่สุด overhead น้อยสุด
2. ใช้ HTTP+SSE สำหรับ remote: รองรับ AI agent หลายตัวพร้อมกัน
3. แคชโปรไฟล์ผู้ใช้: หลีกเลี่ยงการเรียก get_profile ซ้ำ
4. Broadcast อย่างฉลาด: LINE จำกัดข้อความ broadcast ต่อเดือนตามแผน
5. ตรวจสอบโควตาข้อความ: ใช้ get_message_quota ก่อนแคมเปญใหญ่

#เริ่มต้นกับ LineBot.pro

การตั้งค่า MCP integration กับ LINE ต้องเข้าใจทั้งระบบนิเวศ AI agent และ LINE platform API LineBot.pro ทำให้ workflow ทั้งหมดง่ายขึ้น

#LineBot.pro นำเสนออะไร

• MCP-Ready Integration: LINE Bot MCP Server สำเร็จรูปพร้อมจัดการข้อมูลรับรองและ monitoring
• AI Chatbot Builder: สร้าง LINE bot อัจฉริยะด้วย NLP, sentiment analysis และรองรับหลายภาษา
• Rich Message Generator: ออกแบบ Flex Messages แบบ visual หรือด้วย AI prompt
• Campaign Automation: จัดตาราง broadcast, แบ่งกลุ่มผู้ชม และ trigger ข้อความอัตโนมัติ
• Analytics Dashboard: ข้อมูลเชิงลึก real-time

#แผนและราคา

#เริ่มสร้างวันนี้

1. สร้างบัญชีฟรี -- รับ 50 เครดิต AI ฟรี
2. เชื่อมต่อ LINE Official Account -- ผสานระบบด้วยคลิกเดียว
3. เปิดใช้งาน MCP integration -- กำหนดค่า AI agent เข้าถึงบัญชี LINE ของคุณ
4. เริ่มส่งข้อความ -- ใช้ภาษาธรรมชาติควบคุม LINE bot

เริ่มทดลองใช้ฟรี หรือ ดูแผนราคา

#แหล่งข้อมูลเพิ่มเติม

• คู่มือการผสาน AI ใน LINE
• บทเรียน LINE API Integration
• บทเรียนพัฒนา LINE Chatbot
• บริการพัฒนา LINE
• บริการ LINE Chatbot
• บริการ LINE Automation