@jirasakn/line-bot-mcp-server v0.0.2

English | 日本語

LINE Bot MCP Server - พร้อมรองรับการตอบกลับ (Reply)

เซิร์ฟเวอร์ Model Context Protocol (MCP) ที่ใช้สำหรับเชื่อมต่อ AI Agent เข้ากับ LINE Official Account ผ่าน LINE Messaging API รองรับทั้งการส่งข้อความแบบ Push และการตอบกลับข้อความของผู้ใช้โดยตรง (Reply)

!NOTE Repository นี้เป็นเวอร์ชัน Preview สำหรับการทดลองใช้งาน ซึ่งอาจมีฟังก์ชันบางอย่างไม่ครบถ้วนสมบูรณ์

ฟีเจอร์เด่น

• ส่งข้อความ (Push Message): ส่งข้อความไปหาผู้ใช้ LINE ได้โดยตรง
• บรอดแคสต์ (Broadcast): ส่งข้อความหาผู้ติดตามทั้งหมดพร้อมกัน
• ตอบกลับ (Reply): ตอบกลับข้อความจากผู้ใช้ได้ทันที
• ดึงข้อมูลโปรไฟล์: ดูข้อมูลโปรไฟล์ของผู้ใช้
• ตรวจสอบโควต้า: เช็คจำนวนข้อความที่ใช้ไปและที่เหลืออยู่

เครื่องมือ (Tools)

1. push_text_message

   • หน้าที่: ส่งข้อความแบบตัวอักษรธรรมดา (Plain Text) ไปยังผู้ใช้
   • พารามิเตอร์:
     • userId (string, optional): ระบุ User ID ของผู้ใช้ที่ต้องการส่งข้อความถึง (หากไม่ระบุ จะใช้ค่าจาก DESTINATION_USER_ID)
     • message.text (string): ข้อความที่ต้องการส่ง

2. push_flex_message

   • หน้าที่: ส่งข้อความแบบ Flex Message ที่สามารถออกแบบหน้าตาได้อย่างอิสระ
   • พารามิเตอร์:
     • userId (string, optional): ระบุ User ID ของผู้ใช้ที่ต้องการส่งข้อความถึง (หากไม่ระบุ จะใช้ค่าจาก DESTINATION_USER_ID)
     • message.altText (string): ข้อความที่จะแสดงเมื่ออุปกรณ์ไม่รองรับ Flex Message
     • message.contents (object): โครงสร้างของ Flex Message ในรูปแบบ JSON

3. reply_text_message

   • หน้าที่: ตอบกลับข้อความของผู้ใช้ด้วยข้อความแบบตัวอักษรธรรมดา
   • พารามิเตอร์:
     • replyToken (string): replyToken ที่ได้จาก Webhook Event เมื่อผู้ใช้ส่งข้อความมา (มีอายุสั้น)
     • message.text (string): ข้อความที่ต้องการตอบกลับ

4. reply_flex_message

   • หน้าที่: ตอบกลับข้อความของผู้ใช้ด้วย Flex Message
   • พารามิเตอร์:
     • replyToken (string): replyToken ที่ได้จาก Webhook Event (มีอายุสั้น)
     • message.altText (string): ข้อความที่จะแสดงเมื่ออุปกรณ์ไม่รองรับ Flex Message
     • message.contents (object): โครงสร้างของ Flex Message ในรูปแบบ JSON

5. broadcast_text_message

   • หน้าที่: บรอดแคสต์ข้อความแบบตัวอักษรธรรมดาไปยังผู้ติดตามทั้งหมด
   • พารามิเตอร์:
     • message.text (string): ข้อความที่ต้องการบรอดแคสต์

6. broadcast_flex_message

   • หน้าที่: บรอดแคสต์ Flex Message ไปยังผู้ติดตามทั้งหมด
   • พารามิเตอร์:
     • message.altText (string): ข้อความที่จะแสดงเมื่ออุปกรณ์ไม่รองรับ Flex Message
     • message.contents (object): โครงสร้างของ Flex Message ในรูปแบบ JSON

7. get_profile

   • หน้าที่: ดึงข้อมูลโปรไฟล์ของผู้ใช้ (ชื่อ, รูปโปรไฟล์, ข้อความสถานะ, และภาษา)
   • พารามิเตอร์:
     • userId (string, optional): User ID ของผู้ใช้ที่ต้องการดูข้อมูล (หากไม่ระบุ จะใช้ค่าจาก DESTINATION_USER_ID)

8. get_message_quota

   • หน้าที่: ตรวจสอบโควต้าการส่งข้อความของ LINE Official Account
   • พารามิเตอร์: ไม่มี

การใช้งานข้อความตอบกลับ (Reply Message)

การตอบกลับด้วย replyToken เป็นวิธีที่แนะนำมากกว่าการส่งข้อความแบบ Push Message เนื่องจาก:

1. ไม่มีค่าใช้จ่าย: ไม่ถูกนับรวมในโควต้าการส่งข้อความรายเดือน
2. ประสบการณ์ที่ดีกว่า: ผู้ใช้จะเห็นว่าเป็นการตอบกลับข้อความของตนเองโดยตรง
3. ต่อเนื่อง: ช่วยให้บทสนทนาเป็นไปอย่างต่อเนื่อง

ขั้นตอนการใช้งาน:

1. ตั้งค่า Webhook URL ใน LINE Official Account ของคุณเพื่อรับ Event ต่างๆ (ดูวิธีได้ที่: Setting up your webhook URL)
2. เมื่อได้รับ Webhook Event จากผู้ใช้ ให้ดึงค่า replyToken ออกมา
3. ใช้เครื่องมือ reply_text_message หรือ reply_flex_message พร้อมกับ replyToken ที่ได้มา

ข้อควรระวัง: replyToken มีอายุการใช้งานสั้นมาก (ประมาณ 1 นาที) จึงควรตอบกลับทันทีหลังจากได้รับ Event

วิธีการติดตั้ง

วิธีที่ 1: ติดตั้งผ่าน npx

สิ่งที่ต้องมี:

• Node.js v20 ขึ้นไป

ขั้นตอน:

1. สร้าง LINE Official Account: หากยังไม่มี สามารถสร้างได้ที่ LINE for Business และเปิดใช้งาน Messaging API ตาม คำแนะนำนี้
2. ตั้งค่า AI Agent: เพิ่มการตั้งค่าสำหรับ AI Agent ของคุณ (เช่น Claude Desktop, Cline) โดยกำหนดค่า Environment Variables ดังนี้:
   • CHANNEL_ACCESS_TOKEN (จำเป็น): Channel Access Token ของคุณ (ดูวิธีได้ที่: Channel access tokens)
   • DESTINATION_USER_ID (ทางเลือก): User ID เริ่มต้นสำหรับส่งข้อความ หากไม่ได้ระบุ userId ในแต่ละคำสั่ง (ดูวิธีได้ที่: Getting user IDs)

ตัวอย่างการตั้งค่า:

{
  "mcpServers": {
    "line-bot": {
      "command": "npx",
      "args": [
        "@jirasakn/line-bot-mcp-server"
      ],
      "env": {
        "CHANNEL_ACCESS_TOKEN" : "YOUR_CHANNEL_ACCESS_TOKEN",
        "DESTINATION_USER_ID" : "YOUR_USER_ID"
      }
    }
  }
}

วิธีที่ 2: ติดตั้งผ่าน Docker

ขั้นตอน:

1. สร้าง LINE Official Account: (ดูขั้นตอนเดียวกับวิธีที่ 1)

2. สร้าง Docker Image:

   # โคลนโปรเจกต์
   git clone git@github.com:jirasakn/line-bot-mcp-server.git
   
   # สร้าง Docker image
   docker build -t jirasakn/line-bot-mcp-server .

3. ตั้งค่า AI Agent:

   • CHANNEL_ACCESS_TOKEN (จำเป็น)
   • DESTINATION_USER_ID (ทางเลือก)

ตัวอย่างการตั้งค่า:

{
  "mcpServers": {
    "line-bot": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "-e",
        "CHANNEL_ACCESS_TOKEN",
        "-e",
        "DESTINATION_USER_ID",
        "jirasakn/line-bot-mcp-server"
      ],
      "env": {
        "CHANNEL_ACCESS_TOKEN" : "YOUR_CHANNEL_ACCESS_TOKEN",
        "DESTINATION_USER_ID" : "YOUR_USER_ID"
      }
    }
  }
}

การกำหนดเวอร์ชัน (Versioning)

โปรเจกต์นี้ใช้ระบบ Semantic Versioning (ดูเพิ่มเติมที่ semver.org)

การมีส่วนร่วม (Contributing)

หากต้องการมีส่วนร่วมในการพัฒนา โปรดอ่าน แนวทางการมีส่วนร่วม