Skip to content

Google Gemini Integration Setup#

การเตรียมพร้อมและการเชื่อมต่อ Google Gemini กับ n8n#

ในหัวข้อนี้ เราจะเรียนรู้วิธีการตั้งค่าและเชื่อมต่อ Google Gemini API เข้ากับ n8n เพื่อใช้ในการสร้างเวิร์กโฟลว์ที่ขับเคลื่อนด้วย AI ของ Google

ขั้นตอนที่ 1: การสร้างบัญชี Google Cloud และ API Key#

1.1 สร้าง Google Cloud Project#

  1. เข้าไปที่ Google Cloud Console
  2. คลิก "Select a project" แล้วเลือก "New Project"
  3. ตั้งชื่อ project (เช่น "n8n-gemini-integration")
  4. เลือก organization และ billing account (ถ้ามี)
  5. คลิก "Create"

1.2 เปิดใช้งาน Gemini API#

  1. ในหน้า Google Cloud Console ไปที่ "APIs & Services" > "Library"
  2. ค้นหา "Generative Language API" (Gemini API)
  3. คลิก "Enable" เพื่อเปิดใช้งาน API
  4. รอจนกระทั่งการเปิดใช้งานเสร็จสิ้น

1.3 สร้าง API Key#

  1. ไปที่ "APIs & Services" > "Credentials"
  2. คลิก "+ CREATE CREDENTIALS"
  3. เลือก "API key"
  4. คัดลอก API Key ที่สร้างขึ้น

⚠️ สำคัญ: เก็บ API Key ไว้อย่างปลอดภัย และไม่ควรแชร์กับผู้อื่น

1.4 จำกัดการใช้งาน API Key (แนะนำ)#

  1. คลิกที่ API Key ที่สร้างขึ้น
  2. ในส่วน "API restrictions" เลือก "Restrict key"
  3. เลือก "Generative Language API"
  4. คลิก "Save" เพื่อบันทึกการตั้งค่า

1.5 การตั้งค่า Billing#

  1. ไปที่ "Billing" ใน Google Cloud Console
  2. เลือก billing account หรือสร้างใหม่
  3. ตั้งค่า budget alerts เพื่อควบคุมค่าใช้จ่าย
  4. Google Gemini มี free tier ที่เป็นมิตรสำหรับการเริ่มต้น

ขั้นตอนที่ 2: การตั้งค่า Credentials ใน n8n#

2.1 เพิ่ม Google Gemini Credentials#

  1. เข้าสู่ n8n Editor - เปิด n8n workflow editor - ไปที่ Settings (⚙️) ใน navigation menu

  2. สร้าง Credential ใหม่ - คลิก "Credentials" ในหน้า Settings - คลิก "+ Add Credential" - ค้นหาและเลือก "Google Gemini" หรือ "Google Generative AI"

  3. กรอกข้อมูล Google Gemini Credential - Name: ตั้งชื่อที่จำง่าย เช่น "Google Gemini Main" - API Key: วาง API Key ที่คัดลอกมาจาก Google Cloud Console - Region: เลือก region ที่เหมาะสม (หรือปล่อยเป็น default)

2.2 ขั้นตอนการตั้งค่าใน n8n UI#

2.2.1 การเข้าถึง Credential Settings#

  1. จากหน้าหลัก n8n - คลิกที่ไอคอน user profile (มุมบนขวา) - เลือก "Settings" - คลิก "Credentials" ในแถบด้านซ้าย

  2. หรือจาก Workflow Editor - ขณะอยู่ใน workflow editor - คลิกเมนู "Settings" (⚙️) - เลือก "Credentials"

2.2.2 การกำหนดค่า Google Gemini Credential#

  1. Basic Configuration - Credential Name: Google Gemini Production - API Key: AIza... (API Key จาก Google Cloud) - Base URL: ปล่อยว่างไว้ (ใช้ default Google API endpoint)

  2. Advanced Settings (ถ้าต้องการ) - Default Model: สามารถระบุ default model เช่น gemini-1.5-flash - Safety Settings: กำหนดระดับความปลอดภัยของเนื้อหา

2.2.3 Credential Security Best Practices#

  1. ตั้งชื่อที่ชัดเจน - ใช้ชื่อที่บอกถึงการใช้งาน เช่น Gemini-Production, Gemini-Testing - ระบุ project หรือ environment ในชื่อ

  2. การจัดการ API Key Security - ใช้ API Key restrictions ใน Google Cloud Console - ตั้งค่า HTTP referrers หรือ IP address restrictions - หมุนเวียน API Keys เป็นประจำ

2.3 การทดสอบ Connection#

2.3.1 การทดสอบผ่าน Test Connection#

  1. ใน Credential Settings - หลังจากกรอกข้อมูลครบแล้ว - คลิก "Test Connection" - รอผลการทดสอบ (ควรแสดง ✅ หากสำเร็จ)

  2. การแก้ไขปัญหาหาก Connection ล้มเหลว - ✅ ตรวจสอบ API Key ว่าถูกต้อง - ✅ ตรวจสอบว่า Generative Language API เปิดใช้งานแล้ว - ✅ ตรวจสอบ quota และ billing settings - ✅ ลองใช้ API Key ใน Google AI Studio ก่อน

2.3.2 การทดสอบด้วย Simple Workflow#

สร้าง workflow ง่ายๆ เพื่อทดสอบการเชื่อมต่อ:

  1. สร้าง New Workflow - คลิก "+ Add Workflow" - เพิ่ม Manual Trigger node

  2. เพิ่ม Google Gemini Node - ค้นหา "Google Gemini" หรือ "Generative AI" ใน node panel - ลาก node มาวางใน workflow - เชื่อมต่อกับ Manual Trigger

  3. กำหนดค่า Google Gemini Node - Credential: เลือก credential ที่สร้างไว้ - Model: gemini-1.5-flash (สำหรับการทดสอบ) - Prompt: สวัสดี! เล่าเรื่องสั้นๆ เกี่ยวกับเทคโนโลยี AI ให้ฟังหน่อย

  4. ทดสอบ Workflow - คลิก "Execute Workflow" - ตรวจสอบผลลัพธ์ใน output panel - หากได้รับ response จาก Gemini แสดงว่าการตั้งค่าสำเร็จ

2.3.3 การ Monitor และ Debug#

  1. ตรวจสอบ Execution Log - ดู execution history ใน workflow - ตรวจสอบ error messages หากมี - ดู response time และการใช้งาน

  2. การใช้ Debug Mode - เปิด Debug Mode ใน workflow editor - รัน workflow step by step - ตรวจสอบ data flow ระหว่าง nodes

  3. การตรวจสอบ API Usage - ดู API usage ใน Google Cloud Console - ตรวจสอบ quota limits - Monitor daily requests และ costs

2.3.4 Common Issues และ Solutions#

ปัญหา สาเหตุที่เป็นไปได้ วิธีแก้ไข
API not enabled ยังไม่เปิดใช้ Generative Language API เปิดใช้ API ใน Google Cloud Console
Invalid API Key API Key ผิดหรือหมดอายุ สร้าง API Key ใหม่
Quota exceeded เกิน quota limits เพิ่ม quota หรือรอ reset
Billing not enabled ไม่ได้ตั้งค่า billing ตั้งค่า billing account
Content filtered เนื้อหาถูก safety filter ปรับ safety settings หรือเปลี่ยนเนื้อหา

2.4 การบันทึกและการจัดการ Credentials#

2.4.1 การสำรองข้อมูล Credentials#

  1. Export Workflow Settings - ไปที่ Settings > Import/Export - Export workflow พร้อม credentials (ถ้าต้องการ) - เก็บไฟล์ backup ในที่ปลอดภัย

  2. Documentation - บันทึก credential names และการใช้งาน - เก็บข้อมูล Google Cloud project details - บันทึกวันที่สร้างและอัพเดท

2.4.2 การอัพเดท Credentials#

  1. การหมุนเวียน API Keys - สร้าง API Key ใหม่ใน Google Cloud Console - อัพเดทใน n8n credentials - ทดสอบการทำงาน - ลบ API Key เก่าใน Google Cloud Console

  2. การ Monitor Credential Health - ตรวจสอบการทำงานของ credentials เป็นประจำ - ดู usage statistics ใน Google Cloud Console - ตั้ง alerts สำหรับ unusual usage

ขั้นตอนที่ 3: ทำความรู้จักกับ Google Gemini Models#

3.1 Gemini Model Variants#

Google Gemini มีหลาย model variants ที่เหมาะสำหรับงานที่แตกต่างกัน:

3.1.1 Gemini 1.5 Pro#

  • ความสามารถ: Model ที่มีประสิทธิภาพสูงสุด
  • Context Window: ขนาดใหญ่มาก (1M+ tokens)
  • เหมาะสำหรับ: งานซับซ้อน, การวิเคราะห์เอกสารขนาดใหญ่
  • ราคา: สูงกว่า Flash แต่คุณภาพดีกว่า

3.1.2 Gemini 1.5 Flash#

  • ความสามารถ: เร็วและประหยัด
  • Context Window: ใหญ่ (1M tokens)
  • เหมาะสำหรับ: งานทั่วไป, chatbot, content generation
  • ราคา: ประหยัดกว่า Pro

3.1.3 Model Selection Guidelines#

Use Case Recommended Model เหตุผล
Chatbot ทั่วไป gemini-1.5-flash เร็ว, ประหยัด
การวิเคราะห์เอกสาร gemini-1.5-pro Context window ใหญ่
Content generation gemini-1.5-flash คุณภาพดี, ราคาประหยัด
Code analysis gemini-1.5-pro ความแม่นยำสูง
การแปลภาษา gemini-1.5-flash เพียงพอสำหรับงานนี้

3.2 Google Gemini Capabilities#

3.2.1 Text Generation#

  • การสร้างเนื้อหาคุณภาพสูง
  • การเขียนในหลายรูปแบบ (บทความ, email, โค้ด)
  • การสนทนาที่เป็นธรรมชาติ

3.2.2 Multimodal Capabilities#

  • รูปภาพ: วิเคราะห์และอธิบายรูปภาพ
  • เอกสาร: อ่านและสรุป PDF, documents
  • โค้ด: เขียน, วิเคราะห์, และ debug code

3.2.3 Advanced Features#

  • Long Context: ประมวลผลเอกสารยาวๆ ได้
  • Multilingual: รองรับหลายภาษารวมทั้งภาษาไทย
  • Reasoning: ความสามารถในการวิเคราะห์และใช้เหตุผล

ขั้นตอนที่ 4: การใช้งาน Google Gemini Node#

4.1 Basic Text Generation#

สร้าง workflow แรกสำหรับ basic text generation:

Workflow Structure: 1. Manual Trigger → เริ่มต้น workflow 2. Google Gemini → ประมวลผล prompt 3. Set Node → จัดรูปแบบ output

การกำหนดค่า Google Gemini Node:

Basic Settings: - Credential: เลือก Google Gemini credential ที่สร้างไว้ - Model: gemini-1.5-flash - Operation: Text Generation

Generation Configuration: - Prompt: ข้อความที่ต้องการให้ AI ตอบ - Temperature: 0.7 (ความสร้างสรรค์ปานกลาง) - Max Output Tokens: 1000 - Top K: 40 - Top P: 0.8

4.2 Advanced Prompt Engineering#

4.2.1 Structured Prompting#

ตัวอย่างการใช้ System Instructions:

Role-based Prompting: 

1
2
3
4
5
6
7
8
9
คุณเป็นนักการตลาดดิจิทัลที่มีประสบการณ์ 10 ปี เชี่ยวชาญเรื่อง:
- Social Media Marketing
- Content Strategy  
- SEO และ SEM
- Analytics และ Data Analysis

ตอบคำถามด้วยข้อมูลเชิงปฏิบัติและให้ตัวอย่างที่เป็นประโยชน์

คำถาม: {{ $json.userQuestion }}

Task-specific Prompting: 

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
งาน: สร้างแผนการตลาดสำหรับผลิตภัณฑ์ใหม่

ข้อมูลผลิตภัณฑ์:
- ชื่อ: {{ $json.productName }}
- กลุ่มเป้าหมาย: {{ $json.targetAudience }}
- งบประมาณ: {{ $json.budget }}
- ช่วงเวลา: {{ $json.timeline }}

ให้สร้างแผนการตลาดที่ครอบคลุม:
1. การวิเคราะห์ตลาด
2. กลยุทธ์การตลาด
3. ช่องทางการตลาด
4. ตัวชี้วัดความสำเร็จ
5. Timeline และ Budget allocation

4.2.2 Context Management#

การส่งข้อมูล Context ที่มีประสิทธิภาพ:

1
2
3
4
5
6
7
8
9
Context: บริษัทซอฟต์แวร์ขนาดกลางในกรุงเทพฯ 
- พนักงาน 50 คน
- ผลิตภัณฑ์: SaaS สำหรับ SME
- ลูกค้าปัจจุบัน: 200+ บริษัท

สถานการณ์: ยอดขายลดลง 15% ในไตรมาสนี้

ขอให้วิเคราะห์สาเหตุที่เป็นไปได้และเสนอแนวทางแก้ไข
รวมถึงแผนปฏิบัติการระยะสั้นและระยะยาว

4.3 Multi-modal Processing#

4.3.1 การประมวลผลรูปภาพ#

Workflow สำหรับ Image Analysis:

  1. HTTP Request Node → ดาวน์โหลดรูปภาพ
  2. Google Gemini Node → วิเคราะห์รูปภาพ
  3. Set Node → จัดรูปแบบผลลัพธ์

การกำหนดค่าสำหรับรูปภาพ: - Model: gemini-1.5-flash (รองรับ multimodal) - Input Type: Image + Text - Image Source: จาก previous node หรือ URL - Prompt: อธิบายรูปภาพนี้อย่างละเอียด และแนะนำการใช้งาน

4.3.2 การประมวลผลเอกสาร#

Workflow สำหรับ Document Analysis:

1
2
3
4
Document Input → Google Gemini → Summary Output

Prompt Example:
"อ่านเอกสารนี้และสรุปประเด็นสำคัญ 5 ข้อ พร้อมแนะนำแผนปฏิบัติการ"

4.4 Function Calling และ Tool Use#

4.4.1 การตั้งค่า Tools#

Google Gemini รองรับการใช้ tools/functions เพื่อเพิ่มความสามารถ:

ตัวอย่าง Function Definition:

4.4.2 การประมวลผล Function Calls#

Workflow Pattern: 1. User Input → รับคำขอจากผู้ใช้ 2. Google Gemini → วิเคราะห์และตัดสินใจเรียก function 3. Switch Node → แยกประเภท function calls 4. Function Execution → ดำเนินการตาม function ที่เรียก 5. Google Gemini (Second Call) → สร้างคำตอบจากผลลัพธ์

ขั้นตอนที่ 5: Best Practices และ Optimization#

5.1 Performance Optimization#

5.1.1 Model Selection Strategy#

เลือก Model ตามงาน: - Simple text tasks: gemini-1.5-flash - Complex analysis: gemini-1.5-pro - Multimodal tasks: gemini-1.5-flash (เริ่มต้น)

5.1.2 Prompt Optimization#

การเขียน Prompt ที่มีประสิทธิภาพ:

  1. ใช้ Clear Instructions 

    1
2
3
    ดี: "เขียนอีเมลขอความช่วยเหลือทางเทคนิค ความยาว 3 ย่อหน้า มีโทนเป็นทางการแต่เป็นมิตร"

ไม่ดี: "เขียนอีเมล"

  2. ให้ Context ที่เพียงพอ 

    1
2
3
    ดี: "ในฐานะ HR Manager ของบริษัทเทคโนโลยี 100 คน ช่วยเขียนประกาศรับสมัครงาน Full-stack Developer"

ไม่ดี: "เขียนประกาศรับสมัครงาน"

  3. ใช้ Examples (Few-shot Learning) 

    1
2
3
4
5
    ตัวอย่างการแปลง:
Input: "มีปัญหากับระบบ login"
Output: "ปัญหา: การเข้าสู่ระบบ | ระดับ: กลาง | แผนก: IT"

ข้อมูลที่ต้องแปลง: "{{ $json.userReport }}"

5.2 Cost Management#

5.2.1 Token Usage Optimization#

กลยุทธ์ประหยัด Tokens:

  1. Prompt Compression - ใช้คำสั้นๆ แต่ชัดเจน - หลีกเลี่ยงการซ้ำซ้อน - ใช้ abbreviations เมื่อเหมาะสม

  2. Response Length Control - ตั้งค่า max_output_tokens ให้เหมาะสม - ใช้ instructions เช่น "ตอบไม่เกิน 100 คำ"

  3. Model Selection - ใช้ Flash สำหรับงานง่าย - ใช้ Pro เฉพาะงานที่ซับซ้อน

5.2.2 Monitoring และ Budgeting#

การตั้ง Budget Alerts: 

1
2
3
4
Google Cloud Console → Billing → Budgets & Alerts
- ตั้ง monthly budget
- กำหนด alert thresholds (50%, 80%, 100%)
- ใส่อีเมลสำหรับรับ notifications

การ Track Usage ใน n8n:

5.3 Safety และ Content Filtering#

5.3.1 Safety Settings#

Google Gemini มี built-in safety features:

Safety Categories: - HATE_SPEECH: เนื้อหาแสดงความเกลียดชัง - DANGEROUS_CONTENT: เนื้อหาอันตราย - HARASSMENT: การคุกคามรังแก - SEXUALLY_EXPLICIT: เนื้อหาทางเพศ

Safety Levels: - BLOCK_NONE: ไม่บล็อคเนื้อหาใดๆ - BLOCK_ONLY_HIGH: บล็อคเฉพาะเนื้อหาที่มีความเสี่ยงสูง - BLOCK_MEDIUM_AND_ABOVE: บล็อคเนื้อหาระดับกลางขึ้นไป - BLOCK_LOW_AND_ABOVE: บล็อคเนื้อหาระดับต่ำขึ้นไป

5.3.2 การจัดการ Filtered Content#

Workflow สำหรับจัดการ Content ที่ถูก Filter:

  1. Google Gemini Node → ประมวลผล prompt
  2. IF Node → ตรวจสอบว่าถูก filter หรือไม่
  3. แยกเส้นทาง: - Success: ส่งผลลัพธ์ปกติ - Filtered: ส่งข้อความแจ้งเตือนหรือขอให้ปรับ prompt

5.4 Error Handling และ Fallbacks#

5.4.1 Common Error Types#

การจัดการ Error ที่เกิดขึ้นบ่อย:

  1. Quota Exceeded 

    1
2
3
    IF Node Condition: {{ $json.error?.code === 429 }}
→ Wait Node (60 seconds)
→ Retry Gemini Call

  2. Content Filtered 

    1
2
3
    IF Node Condition: {{ $json.error?.message?.includes('content filtered') }}
→ Function Node: Modify prompt to be safer
→ Retry with modified prompt

  3. Model Unavailable 

    1
2
    IF Node Condition: {{ $json.error?.code === 503 }}
→ Switch to alternative model (flash → pro หรือในทางกลับ)

5.4.2 Fallback Strategies#

Multi-tier Fallback System: 

1
2
3
4
5
Primary: Gemini 1.5 Pro
↓ (on quota/error)
Secondary: Gemini 1.5 Flash  
↓ (on error)
Tertiary: Pre-defined responses หรือ alternative AI provider

ขั้นตอนที่ 6: Security และ Compliance#

6.1 API Key Security#

6.1.1 Google Cloud Security Best Practices#

API Key Protection: 1. Application Restrictions - จำกัดการใช้งานเฉพาะ applications ที่กำหนด - ใช้ HTTP referrers หรือ IP restrictions

  1. API Restrictions - จำกัดให้ใช้เฉพาะ Generative Language API - ไม่ให้สิทธิ์เข้าถึง APIs อื่นๆ ที่ไม่จำเป็น

  2. Monitoring และ Auditing - เปิดใช้ Cloud Audit Logs - ตั้ง alerts สำหรับ unusual usage patterns - Review API usage เป็นประจำ

6.1.2 Key Rotation Strategy#

การหมุนเวียน API Keys: 

1
2
3
4
5
6
Schedule: ทุก 90 วัน
1. สร้าง API Key ใหม่ใน Google Cloud
2. ทดสอบ API Key ใหม่ใน staging environment
3. อัพเดท credentials ใน n8n production
4. Monitor การทำงานเป็นเวลา 24 ชั่วโมง
5. ลบ API Key เก่า

6.2 Data Privacy และ Compliance#

6.2.1 Google AI Data Policies#

ข้อมูลที่ควรระวัง: - PII (Personally Identifiable Information): ข้อมูลส่วนบุคคล - Confidential Business Data: ข้อมูลความลับทางธุรกิจ
- Financial Information: ข้อมูลทางการเงิน - Health Information: ข้อมูลสุขภาพ

6.2.2 Data Sanitization#

การทำความสะอาดข้อมูลก่อนส่งไป Gemini:

6.2.3 Compliance Requirements#

GDPR/PDPA Compliance: 1. Data Minimization: ส่งเฉพาะข้อมูลที่จำเป็น 2. Purpose Limitation: ใช้ข้อมูลตามวัตถุประสงค์เท่านั้น
3. Retention Limits: Google เก็บข้อมูลไว้เป็นเวลาจำกัด 4. User Consent: รับความยินยอมก่อนประมวลผลข้อมูล

การทดสอบและ Troubleshooting#

7.1 การ Debug Google Gemini Integration#

7.1.1 Connection Issues#

Problem: API not enabled 

1
2
3
4
5
6
Root Cause: ยังไม่เปิดใช้ Generative Language API
Solution:
1. ไปที่ Google Cloud Console
2. APIs & Services → Library  
3. ค้นหา "Generative Language API"
4. คลิก Enable

Problem: Permission denied 

1
2
3
4
5
Root Cause: API Key ไม่มีสิทธิ์เข้าถึง API
Solution:
1. ตรวจสอบ API restrictions ใน Google Cloud
2. ตรวจสอบว่า API Key ยังใช้งานได้
3. ตรวจสอบ billing account status

7.1.2 Response Quality Issues#

Problem: ได้คำตอบที่ไม่ตรงตามต้องการ 

1
2
3
4
5
Debugging Steps:
1. ตรวจสอบ prompt structure และ clarity
2. ลองปรับ temperature และ top_p parameters
3. เพิ่ม examples หรือ context ใน prompt
4. ทดสอบใน Google AI Studio ก่อน

Problem: Response ถูก safety filter 

1
2
3
4
5
Solutions:
1. ปรับ safety settings ใน model configuration
2. เปลี่ยนแปลงวิธีการใช้คำใน prompt
3. หลีกเลี่ยงหัวข้อที่อ่อนไหว
4. ใช้ more neutral language

7.2 Performance Monitoring#

7.2.1 Key Metrics ที่ควร Track#

API Performance: - Response time per request - Success rate (%) - Error rate โดยแบ่งตาม error type - Token usage per request

Cost Metrics: - Daily/monthly spending - Cost per workflow execution - Token efficiency (output quality per token)

7.2.2 Monitoring Setup#

Google Cloud Monitoring: 

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
1. ไปที่ Google Cloud Console → Monitoring
2. ตั้งค่า Dashboards สำหรับ:
   - API request volume
   - Error rates
   - Latency percentiles
   - Quota usage
3. สร้าง Alert policies สำหรับ:
   - Quota approaching limits
   - High error rates
   - Unusual usage patterns

n8n Monitoring:

สรุปและขั้นตอนต่อไป#

✅ สิ่งที่ได้เรียนรู้#

  • การตั้งค่า Google Cloud Project และ Generative Language API
  • การสร้างและจัดการ API Keys อย่างปลอดภัย
  • การใช้งาน Google Gemini nodes ใน n8n
  • เทคนิค prompt engineering สำหรับ Gemini
  • Best practices สำหรับ performance และ cost optimization
  • การจัดการ security และ data privacy
  • การ troubleshoot ปัญหาที่เกิดขึ้นบ่อย

🚀 พร้อมสำหรับขั้นต่อไป#

ในหัวข้อถัดไป เราจะเรียนรู้การสร้าง Advanced Workflows ที่ใช้ Google Gemini ร่วมกับ nodes อื่นๆ ใน n8n เพื่อสร้างระบบ AI ที่ซับซ้อนและมีประโยชน์!

📋 Checklist สำหรับการเริ่มต้น#

  • สร้าง Google Cloud Project
  • เปิดใช้งาน Generative Language API
  • สร้างและกำหนดค่า API Key
  • ตั้งค่า billing และ budget alerts
  • เพิ่ม Gemini credentials ใน n8n
  • ทดสอบ connection ด้วย simple workflow
  • ตั้งค่า monitoring และ alerts
  • อ่านและทำความเข้าใจ Google AI data policies

ยินดีด้วย! คุณได้ตั้งค่า Google Gemini integration เรียบร้อยแล้ว! 🎉

พร้อมที่จะสร้าง AI workflows ที่ทรงพลังด้วย Google Gemini และ n8n แล้ว! ⚡️