สร้างผู้ช่วย AI ในเครื่องพร้อมค้นหาเว็บ: ตั้งค่า MCP + Ollama

วิธีเชื่อมโมเดลภาษาในเครื่องกับการค้นหาเว็บ โดยยังรักษาความเป็นส่วนตัวของข้อมูล

การตั้งค่าเครื่องมือ AI สำหรับใช้ในธุรกิจมักหมายถึงการเลือกระหว่างความสะดวกสบายและความเป็นส่วนตัว โซลูชันบนคลาวด์ใช้งานง่ายแต่ส่งข้อมูลของคุณไปที่อื่น ระบบในเครื่องเก็บข้อมูลไว้บนอุปกรณ์ของคุณแต่อาจยุ่งยากในการตั้งค่าและขยายความสามารถเพิ่มเติม

วันนี้ เราจะอธิบายขั้นตอนการสร้างการตั้งค่า AI เชิงปฏิบัติที่ให้ทั้งสองอย่าง: โมเดลภาษา ในเครื่องที่สามารถค้นหาเว็บได้เมื่อต้องการ ทั้งหมดนี้ในขณะที่รักษาการสนทนาและการประมวลผลไว้บนฮาร์ดแวร์ของคุณเอง แนวทางนี้สอดคล้องอย่างสมบูรณ์แบบกับปรัชญาระบบที่ติดตั้งและดูแลเองของเรา คล้ายกับที่เราแสดงให้เห็นว่าคุณสามารถ รันแพลตฟอร์มระบบอัตโนมัติ n8n ของคุณเอง เพื่อการควบคุมเวิร์กโฟลว์อย่างสมบูรณ์

เครื่องมือที่เราใช้

เริ่มต้นด้วยการทำความเข้าใจว่าแต่ละส่วนทำหน้าที่อะไร:

Ollama: ระบบประมวลผล AI ในเครื่องของคุณ

Ollama คือซอฟต์แวร์ที่รัน โมเดลภาษาขนาดใหญ่ บนคอมพิวเตอร์ของคุณเอง คิดว่ามันเป็นวิธีที่จะมีความสามารถคล้าย ChatGPT โดยไม่ต้องส่งสิ่งใดไปยัง OpenAI หรือผู้ให้บริการคลาวด์อื่น ๆ มันจัดการการดาวน์โหลดโมเดล การจัดการหน่วยความจำ และให้บริการผ่าน API ที่เรียบง่าย

ข้อได้เปรียบหลัก? เมื่อใช้โมเดลในเครื่อง ทุกอย่างจะอยู่ในเครื่อง คำถาม คำตอบของ AI และการประมวลผลใด ๆ เกิดขึ้นทั้งหมดบนเครื่องของคุณ สิ่งนี้มีความสำคัญสำหรับการหารือทางธุรกิจที่ละเอียดอ่อน ข้อมูลที่เป็นกรรมสิทธิ์ หรือเพียงเมื่อคุณต้องการหลีกเลี่ยงค่าสมัครสมาชิก AI รายเดือน

Model Context Protocol (MCP): การเพิ่มความสามารถ

โมเดลภาษา ยอดเยี่ยมสำหรับการสนทนาและการใช้เหตุผล แต่ไม่สามารถท่องเว็บ อ่านไฟล์ หรือโต้ตอบกับระบบอื่นได้ด้วยตัวเอง Model Context Protocol (MCP) แก้ปัญหานี้โดยมอบวิธีมาตรฐานในการให้โมเดล AI เข้าถึงเครื่องมือภายนอก

คิดว่า MCP เป็นนักแปลสากลระหว่างโมเดล AI ของคุณและซอฟต์แวร์อื่น ๆ ต้องการให้ AI ค้นหาเว็บหรือไม่? มี เซิร์ฟเวอร์ MCP สำหรับนั้น ต้องการให้มันอ่านฐานข้อมูลหรือไม่? มี เซิร์ฟเวอร์ MCP อีกตัว ความสวยงามคือเมื่อคุณตั้งค่าโปรโตคอลแล้ว การเพิ่มความสามารถใหม่ ๆ ก็ง่ายขึ้นมาก

mcphost: การเชื่อมต่อที่เชื่อถือได้

ในทางปฏิบัติ แม้มีมาตรฐาน MCP แต่ยังต้องมีซอฟต์แวร์เพื่อเชื่อมต่อโมเดล AI ในเครื่องกับ เซิร์ฟเวอร์ MCP จริง ๆ mcphost ทำสิ่งนี้ได้อย่างแม่นยำ และทำได้ดี

เราลองตัวเลือกอื่นก่อน (เช่น ollmcp) แต่พบกับการหมดเวลาของการเชื่อมต่ออย่างต่อเนื่องและปัญหาการกำหนดค่า mcphost ใช้ไฟล์ที่ระบุค่ากำหนดชัดเจนแทนที่จะพยายามค้นหาทุกอย่างอัตโนมัติ ซึ่งหมายความว่ามันทำงานได้อย่างน่าเชื่อถือในการใช้งานจริง ณ เดือนตุลาคม 2026 ที่เก็บโค้ดของ mcphost ถูกเก็บถาวรแล้ว และผู้ดูแลแนะนำ Kit เป็นตัวสืบทอด คำสั่งด้านล่างยังคงอธิบายการใช้งาน mcphost

DuckDuckGo เซิร์ฟเวอร์ MCP: การค้นหาเว็บแบบส่วนตัว

สำหรับความสามารถการค้นหาเว็บ เราใช้ DuckDuckGo เซิร์ฟเวอร์ MCP ซึ่งให้ AI ในเครื่องของคุณค้นหาเว็บผ่าน DuckDuckGo (เซิร์ฟเวอร์ส่งคำค้นไปยังปลายทางการค้นหาแบบ HTML ของ DuckDuckGo แทนการใช้ API อย่างเป็นทางการ) นโยบายความเป็นส่วนตัวของ DuckDuckGo ระบุว่าไม่ติดตามผู้ใช้หรือบันทึกประวัติการค้นหา มันเป็นส่วนเติมเต็มที่สมบูรณ์แบบสำหรับการตั้งค่าในเครื่องที่เน้นความเป็นส่วนตัว

uv: การจัดการสภาพแวดล้อม Python

uv คือตัวจัดการแพ็กเกจ Python ที่รวดเร็วซึ่งจัดการการสร้างสภาพแวดล้อมที่แยกและการจัดการ สิ่งที่ต้องพึ่งพา เราใช้มันเพื่อรัน DuckDuckGo เซิร์ฟเวอร์ MCP อย่างสะอาดโดยไม่รบกวนโครงการ Python อื่น ๆ บนระบบของคุณ

ทุกอย่างทำงานร่วมกันอย่างไร

นี่คือลำดับการทำงานเมื่อคุณขอให้ AI ในเครื่องค้นหาบางสิ่ง:

1. คุณพิมพ์คำถามเช่น "ค้นหาพัฒนาการล่าสุดด้านกฎระเบียบอีคอมเมิร์ซ"
2. mcphost รับข้อความของคุณและส่งต่อไปยังโมเดล Ollama ในเครื่องของคุณ
3. โมเดลรู้ว่าจำเป็นต้องค้นหาและเรียกใช้ DuckDuckGo เซิร์ฟเวอร์ MCP ผ่านโปรโตคอล MCP
4. เซิร์ฟเวอร์ MCP ค้นหา DuckDuckGo และส่งคืนผลลัพธ์
5. โมเดลในเครื่องของคุณประมวลผลผลการค้นหาและให้คำตอบที่ครอบคลุม
6. ทุกอย่างอยู่บนเครื่องของคุณยกเว้นการค้นหาเว็บจริงเท่านั้น

การตั้งค่านี้: ขั้นตอนเชิงปฏิบัติ

การเตรียมรากฐาน

ก่อนอื่น คุณจะต้องมี Ollama รันพร้อมโมเดลที่รองรับ การเรียกใช้เครื่องมือ เราแนะนำ qwen3:30b-a3b สำหรับความสมดุลที่ดีระหว่างความสามารถและความเร็ว:

# Install and start Ollama
ollama pull qwen3:30b-a3b
ollama serve

การติดตั้ง mcphost

mcphost เขียนด้วย Go ดังนั้นคุณต้องมีมันก่อน:

# On macOS
brew install go

# On Ubuntu/Debian
sudo apt install golang-go

# Install mcphost
go install github.com/mark3labs/mcphost@latest

# Make sure it's in your PATH
export PATH=$PATH:$(go env GOPATH)/bin

การตั้งค่าการค้นหา DuckDuckGo

โคลนและตั้งค่า DuckDuckGo เซิร์ฟเวอร์ MCP:

git clone https://github.com/nickclyde/duckduckgo-mcp-server
cd duckduckgo-mcp-server
pip install uv  # if you don't have it
uv sync

การกำหนดค่าที่ใช้ได้จริง

สร้างไฟล์การกำหนดค่าที่ ~/.mcphost.json:

{
  "mcpServers": {
    "duckduckgo-search": {
      "command": "uv",
      "args": [
        "run",
        "--directory",
        "/path/to/your/duckduckgo-mcp-server",
        "python",
        "src/duckduckgo_mcp_server/server.py"
      ]
    }
  }
}

แทนที่ /path/to/your/duckduckgo-mcp-server ด้วยเส้นทางจริงที่คุณโคลน รีโพซิทอรี

การใช้งาน ผู้ช่วย AI ใหม่ของคุณ

เมื่อทุกอย่างทำงานได้แล้ว คุณสามารถโต้ตอบกับ AI ของคุณได้หลายวิธี:

การสนทนาแบบโต้ตอบ

# Start a conversation
mcphost -m ollama:qwen3:30b-a3b

ซึ่งให้อินเทอร์เฟซการสนทนาที่คุณสนทนาต่อเนื่องได้และขอการค้นหาเว็บได้เมื่อต้องการ

คำถามเฉพาะครั้ง

# Get a quick answer
mcphost -m ollama:qwen3:30b-a3b -p "Search for information about EU data privacy laws"

สคริปต์อัตโนมัติ

# Save results to a file
mcphost -m ollama:qwen3:30b-a3b -p "Search for competitors in the bowling equipment market" --quiet > research.txt

สิ่งที่คุณสามารถทำได้จริงกับสิ่งนี้

การวิจัยและการตรวจสอบข้อเท็จจริง

ขอให้ AI ของคุณค้นหาข้อมูลปัจจุบันในหัวข้อที่เกี่ยวข้องกับธุรกิจของคุณ เนื่องจากใช้ DuckDuckGo คุณจึงได้ผลการค้นหาเว็บที่ดีโดยไม่มีการติดตาม

การค้นคว้าข้อมูลสำหรับเนื้อหา

"ค้นหาแนวโน้มล่าสุดในบรรจุภัณฑ์ที่ยั่งยืน" ให้ข้อมูลปัจจุบันที่โมเดลสามารถวิเคราะห์และสรุปตามการฝึกอบรมของมัน

ข้อมูลเชิงลึกเกี่ยวกับคู่แข่ง

"ค้นหาข่าวเกี่ยวกับ [ชื่อคู่แข่ง] และสรุปกิจกรรมล่าสุดของพวกเขา" ให้ข้อมูลที่ทันสมัยโดยไม่แบ่งปันบทวิเคราะห์ของคุณกับผู้ให้บริการ AI บนคลาวด์ แต่ตัวคำค้นหายังคงถูกส่งไปยัง DuckDuckGo

การแก้ปัญหาทางเทคนิค

"ค้นหาโซลูชันสำหรับปัญหา ขีดจำกัดอัตราการเรียก API" สามารถช่วยคุณค้นหาแนวปฏิบัติที่ดีที่สุดและตัวอย่างโค้ดในปัจจุบัน

การเชื่อมต่อกับ n8n: ระบบอัตโนมัติของเวิร์กโฟลว์พบกับ AI

การเชื่อมต่อส่วนนี้เพิ่มความสามารถได้อีก เช่นเดียวกับที่เราแสดงให้เห็นว่า ติดตั้งและดูแล n8n เองเพื่อทำเวิร์กโฟลว์อัตโนมัติอย่างไร การตั้งค่า AI ในเครื่องนี้สามารถรวมเข้ากับเวิร์กโฟลว์อัตโนมัติได้

ลองนึกภาพการทริกเกอร์ AI ในเครื่องของคุณผ่านเวิร์กโฟลว์ n8n:

• การวิจัยอัตโนมัติ: เวิร์กโฟลว์รายวันที่ค้นหาข่าวอุตสาหกรรมและรวบรวมบทสรุป
• การสร้างเนื้อหา: การสร้างเนื้อหาที่ถูกทริกเกอร์ตามกิจกรรมปฏิทินหรือการส่งแบบฟอร์ม
• การวิเคราะห์ข้อมูล: การประมวลผลอัตโนมัติของเอกสารที่อัปโหลดพร้อมข้อมูลเชิงลึกจาก AI
• การสนับสนุนลูกค้า: การประมวลผล AI ในเครื่องสำหรับคำขอความช่วยเหลือก่อนการตรวจสอบโดยมนุษย์

การใช้ร่วมกันของ n8n ที่ติดตั้งและดูแลเองและ AI ในเครื่องสร้างสแต็กระบบอัตโนมัติที่ทรงพลังซึ่งข้อมูลของคุณอยู่บนโครงสร้างพื้นฐานของคุณ ยกเว้นคำค้นหาเว็บที่ผู้ช่วยส่งออกไป คุณได้รับความสะดวกของระบบอัตโนมัติพร้อมการควบคุมข้อมูลของคุณได้มากขึ้นอย่างมาก

ความเป็นไปได้ในการเชื่อมต่อระบบในอนาคต

เรากำลังสำรวจหลายวิธีในการเชื่อมต่อระบบเหล่านี้:

• ปลายทาง HTTP จาก AI ในเครื่องที่ n8n สามารถเรียกใช้
• การเชื่อมต่อระบบผ่านไฟล์ ที่ n8n ทริกเกอร์การประมวลผล AI บนเอกสาร
• เวิร์กโฟลว์ฐานข้อมูล ที่ผลลัพธ์ AI ป้อนเข้าสู่กระบวนการทางธุรกิจอัตโนมัติ
• ระบบอัตโนมัติของอีเมล ที่ AI ในเครื่องของคุณช่วยร่างและปรับแต่งการตอบกลับ

เช่นเดียวกับ เครื่องมือระบบอัตโนมัติ WordPress ของเรา ที่ปรับปรุงการจัดการเนื้อหา การรวม AI ในเครื่องกับเวิร์กโฟลว์ n8n สามารถทำให้กระบวนการทางธุรกิจที่ซับซ้อนเป็นอัตโนมัติในขณะที่รักษาอธิปไตยของข้อมูล

ประโยชน์ที่แท้จริง

ความเป็นส่วนตัวที่ควบคุมได้

การสนทนาทางธุรกิจ การอภิปรายภายใน และการคิดเชิงกลยุทธ์ของคุณอยู่บนฮาร์ดแวร์ของคุณ มีเพียงคำค้นหาเว็บของคุณที่ออกไป (ไปยัง DuckDuckGo ที่เน้นความเป็นส่วนตัว) คำค้นเหล่านี้ไม่ได้มีบทสนทนาทั้งหมด แต่ข้อความในคำค้นเองอาจเปิดเผยว่าคุณกำลังทำงานเรื่องอะไรอยู่ จึงควรคำนึงถึงประเด็นนี้เมื่อค้นหาเรื่องที่ละเอียดอ่อน

ไม่มีค่าสมัครสมาชิก AI รายเดือน

หลังจากการตั้งค่าเริ่มต้น ไม่มีค่าสมัครสมาชิก AI ต่อเนื่องหรือค่าบริการต่อโทเคน แต่ฮาร์ดแวร์ ไฟฟ้า และบริการโฮสติ้งที่ใช้งานยังคงมีค่าใช้จ่าย คุณใช้ฮาร์ดแวร์ของตัวเองในการรันทุกอย่าง คล้ายกับที่การติดตั้งและดูแล n8n เองช่วยคุณประหยัดจากเครื่องมือเวิร์กโฟลว์ SaaS ที่มีราคาแพง

ประสิทธิภาพที่เชื่อถือได้

ด้วยการกำหนดค่าที่เหมาะสม การตั้งค่านี้มีความเสถียรอย่างน่าทึ่ง ไม่มีปัญหา "บริการ AI หยุดทำงาน" หรือ "เราถึงขีดจำกัดรายเดือนแล้ว" อีกต่อไป

ปรับแต่งและขยายได้

ต้องการเพิ่มการค้นหาฐานข้อมูล? การอ่านไฟล์? ตรรกะธุรกิจแบบกำหนดเอง? ระบบนิเวศ MCP ทำให้การเพิ่มความสามารถใหม่ ๆ เป็นเรื่องง่าย และการเชื่อมต่อระบบในที่สุดกับเวิร์กโฟลว์ n8n ของคุณเปิดความเป็นไปได้ในการทำงานอัตโนมัติอย่างไม่สิ้นสุด

ปัญหาที่พบบ่อยและวิธีแก้ไข

ข้อผิดพลาด "Command Not Found"

ตรวจสอบให้แน่ใจว่าไดเรกทอรีไบนารี Go อยู่ใน PATH ของคุณ:

echo 'export PATH=$PATH:$(go env GOPATH)/bin' >> ~/.zshrc
source ~/.zshrc

การหมดเวลาการเชื่อมต่อ

โดยปกติหมายความว่า เซิร์ฟเวอร์ MCP ไม่ได้เริ่มต้นอย่างถูกต้อง ทดสอบด้วยตนเอง:

cd /path/to/duckduckgo-mcp-server
uv run python src/duckduckgo_mcp_server/server.py

โมเดลไม่ตอบสนองต่อการเรียกใช้เครื่องมือ

ตรวจสอบให้แน่ใจว่าคุณใช้โมเดลที่รองรับ การเรียกใช้ฟังก์ชัน โมเดล Ollama ไม่ใช่ทุกรุ่นที่มีความสามารถนี้ในตัว

ประสิทธิภาพช้า

พิจารณาใช้โมเดลขนาดเล็กกว่า (เช่น qwen3:8b) หากฮาร์ดแวร์ของคุณมีข้อจำกัด การลดค่า temperature ทำให้คำตอบตรงประเด็นมากขึ้น แต่ค่านี้ควบคุมความสุ่ม ไม่ใช่ความเร็ว:

mcphost -m ollama:qwen3:8b --temperature 0.3 -p "your question"

ข้อพิจารณาด้านโครงสร้างพื้นฐาน

หากคุณกำลังรันบริการที่ติดตั้งและดูแลเองอยู่แล้วอย่าง n8n คุณอาจต้องการพิจารณาการโฮสต์บนโครงสร้างพื้นฐานเดียวกัน การตั้งค่าที่เราอธิบายสำหรับ n8n บน Hetzner Cloud สามารถรองรับ Ollama ได้อย่างง่ายดายเช่นกัน คุณเพียงแค่ต้องการ RAM และ CPU มากขึ้นสำหรับ โมเดลภาษา

การตั้งค่าทั่วไปอาจรวมถึง:

• Hetzner CCX42 หรือที่คล้ายกันสำหรับทรัพยากรที่จำเป็นสำหรับโมเดลขนาดใหญ่ (เฉพาะ qwen3:30b-a3b ก็ดาวน์โหลดขนาด 19 GB แล้ว หากไม่มี GPU ควรคาดว่าการตอบสนองจะช้าลง)
• การจัดคอนเทนเนอร์ด้วย Docker เพื่อการจัดการที่ง่ายควบคู่กับ n8n
• Traefik reverse proxy สำหรับการเข้าถึงที่ปลอดภัย (หากคุณต้องการการเข้าถึงจากระยะไกล)
• พื้นที่จัดเก็บที่ใช้ร่วมกัน สำหรับโมเดลและข้อมูลเวิร์กโฟลว์

คุ้มค่ากับเวลาในการตั้งค่าหรือไม่?

หากคุณใช้ AI เป็นประจำสำหรับงานธุรกิจและให้ความสำคัญกับความเป็นส่วนตัว แน่นอนที่สุด การตั้งค่าเริ่มต้นใช้เวลาไม่กี่ชั่วโมง แต่คุณได้ผู้ช่วย AI ที่ใช้งานได้ที่:

• ทำงานแบบออฟไลน์ (ยกเว้นการค้นหาเว็บ)
• ไม่ส่งบทสนทนาของคุณไปยังบุคคลที่สาม (มีเพียงคำค้นหาที่ส่งไปยัง DuckDuckGo)
• ไม่มีค่าสมัครสมาชิก AI หรือค่าบริการต่อโทเคนหลังจากการตั้งค่า (ฮาร์ดแวร์ ไฟฟ้า และโฮสติ้งยังคงมีค่าใช้จ่าย)
• สามารถขยายด้วยความสามารถเพิ่มเติมได้ตามต้องการ
• รวมกับโครงสร้างพื้นฐานที่ติดตั้งและดูแลเองที่มีอยู่

สำหรับทีมที่จัดการข้อมูลที่ละเอียดอ่อนหรือดำเนินงานในอุตสาหกรรมที่มีการควบคุม การตั้งค่านี้ช่วยเก็บบทสนทนาไว้โดยไม่ส่งให้ผู้ให้บริการ AI บนคลาวด์ ซึ่งอาจทำให้การปฏิบัติตามกฎระเบียบง่ายขึ้น แต่คุณยังต้องประเมินสภาพแวดล้อมของตนเอง รวมถึงคำค้นหาที่ส่งออกไป

การใช้ร่วมกันของการประมวลผลในเครื่องกับการเข้าถึงเว็บแบบเลือกสรรสร้างความสมดุลเชิงปฏิบัติระหว่างความสามารถและความเป็นส่วนตัวที่ยากจะบรรลุด้วยโซลูชันคลาวด์ล้วน ๆ หรือโซลูชันในเครื่องล้วน ๆ และเมื่อคุณเพิ่มระบบอัตโนมัติของเวิร์กโฟลว์เข้าไปในส่วนผสม คุณกำลังสร้างรากฐานสำหรับระบบอัตโนมัติทางธุรกิจที่ซับซ้อนอย่างแท้จริงซึ่งอยู่ภายใต้การควบคุมของคุณ

ก้าวต่อไปคืออะไร?

เรากำลังทำงานอย่างแข็งขันบนการเชื่อมต่อระบบที่ลึกขึ้นระหว่างการตั้งค่า AI ในเครื่องและแพลตฟอร์มระบบอัตโนมัติของเวิร์กโฟลว์ คอยติดตามโพสต์ในอนาคตที่ครอบคลุม:

• การกำหนดค่า Docker สำหรับการตั้งค่า n8n + Ollama รวมกัน
• เซิร์ฟเวอร์ MCP แบบกำหนดเอง สำหรับแหล่งข้อมูลเฉพาะธุรกิจ
• เทมเพลตเวิร์กโฟลว์ ที่ใช้ AI ในเครื่องสำหรับกระบวนการทางธุรกิจทั่วไป
• การเสริมความปลอดภัย สำหรับการนำระบบขึ้นใช้งานจริง

อนาคตของระบบอัตโนมัติทางธุรกิจไม่ใช่แค่เรื่องของการเชื่อมต่อบริการที่มีอยู่ มันเกี่ยวกับการมีระบบอัจฉริยะที่สามารถใช้เหตุผล ทำการวิจัย และดำเนินการแทนคุณในขณะที่รักษาทุกอย่างไว้ภายใต้การควบคุมของคุณ

---

หากคุณพบปัญหาในระหว่างการตั้งค่าหรือต้องการขยายการกำหนดค่านี้สำหรับกรณีการใช้งานเฉพาะของคุณ เรายินดีช่วยแก้ไขปัญหาผ่านช่องทางสนับสนุนมาตรฐานของเรา

บทความที่เกี่ยวข้อง

• Hetzner Cloud ช่วงปลายปี 2026: แพ็กเกจและราคาสำหรับติดตั้งและดูแล n8n, Windmill, Twenty และ Ollama เอง