Udemy
Turn what you know into an opportunity and reach millions around the world.
Learn More
Your cart is empty.
Keep shopping
AI Agent Thực Chiến: n8n, Python SDK, MCP & LangGraph
Rating: 4.9 out of 5(8 ratings)
29 students

AI Agent Thực Chiến: n8n, Python SDK, MCP & LangGraph

Tự động hoá kinh doanh với AI Agent: từ n8n no-code đến Python SDK, MCP Server và hệ Multi-Agent LangGraph.
Created byThanh Tam
Last updated 8/2026
Vietnamese
Vietnamese

What you'll learn

  • Xây dựng AI Agent tự động hoá quy trình kinh doanh bằng n8n — từ số 0 đến triển khai production, không cần biết code.
  • Tích hợp AI Agent với Gmail, Google Sheets, Telegram, Slack để tự động hoá chăm sóc khách hàng, sales và vận hành.
  • Lập trình AI Agent bằng Python SDK: async, multi-agent, structured outputs, guardrails, và deploy lên HuggingFace Spaces.
  • Làm chủ Model Context Protocol (MCP): tự xây MCP Server/Client, kết nối Agent với dữ liệu và API thực tế của doanh nghiệp.
  • Thiết kế hệ Multi-Agent với LangGraph: Supervisor pattern, checkpointing, và capstone AI cho doanh nghiệp Việt Nam.

Course content

6 sections • 100 lectures • 16h 15m total length
  • Day 1.1 - Demo Trực Tiếp: Xây AI Agent Đầu Tiên Trên n8n Trong 8 Phút (No code)8:35

    Xem trước toàn cảnh: trong 8 phút, bạn sẽ thấy một AI Agent thực tế hoạt động, để hình dung rõ đích đến của cả khoá học.

  • Day 1.2 - Lộ Trình 5 Tuần & Bạn Sẽ Đạt Được Gì Sau Khoá Học Này6:11

    Xác định rõ khoá học này dành cho ai — người làm kinh doanh không biết code lẫn developer muốn nâng cấp lên Agentic AI — và điểm đến cụ thể sau 5 tuần: tự động hoá quy trình kinh doanh, có portfolio 8 dự án thực tế, biết deploy sản phẩm AI lên internet, và hiểu kiến trúc hệ thống multi-agent. Bạn sẽ nắm được "từ khoá" của từng tuần (Automate → Upgrade → Code → Connect → System) để biết mình đang ở đâu trong hành trình.

  • Note: Tài Liệu Hướng Dẫn Toàn Khoá0:09
  • Day 1.3 - Nền Tảng Bắt Buộc: GenAI, LLM, API và Định Nghĩa Đúng Về AI Agent6:41

    Hiểu rõ sự khác biệt giữa GenAI, LLM, GPT và ChatGPT. Nắm khái niệm API, endpoint, JSON, API key ở mức cần dùng ngay trong n8n. Và quan trọng nhất: định nghĩa AI Agent chuẩn hiện tại — LLM chạy Tools trong một vòng lặp với Memory để đạt mục tiêu — chính là kiến trúc bạn sẽ xây lại nhiều lần suốt khoá học.

  • Day 1.4 - n8n Cloud vs Self-Hosted: Chọn Đúng Phiên Bản Cho Giai Đoạn Của Bạn5:27

    Hiểu bản chất n8n (startup automation Berlin, Fair Code License) và so sánh chi tiết Cloud vs Self-hosted về tốc độ setup, chi phí (~$24/tháng), webhooks, OAuth, và quyền kiểm soát dữ liệu. Bạn sẽ biết chính xác vì sao Tuần 1 dùng Cloud (14 ngày free trial, ít ma sát kỹ thuật) và điều gì đang chờ ở Tuần 2 khi chuyển sang self-host với Docker.

  • Day 2.1 - Xây AI Agent Đầu Tiên Với OpenAI: Model + Memory + Tool(Weather Agent)14:19

    Từng bước tạo tài khoản OpenAI Platform, lấy API key, kết nối mô hình vào n8n. Bạn sẽ tự tay thêm Memory để agent nhớ hội thoại (và hiểu vì sao LLM vốn "không có trí nhớ"), rồi tích hợp OpenWeatherMap tool để agent tự quyết định tra thời tiết thành phố nào dựa trên câu hỏi — không hardcode bất cứ điều gì. Đây là bộ khung 3 thành phần (Model – Memory – Tool) bạn sẽ tái sử dụng suốt khoá học.

  • Day 2.2 - Dùng Model AI Miễn Phí Với OpenRouter — Không Tốn Một Đồng API Nào4:21

    Thay OpenAI bằng OpenRouter để truy cập hàng loạt model miễn phí (GPT-OSS, Qwen, Gemma...) chỉ với một API key duy nhất. Bạn sẽ học cách lọc model free, xử lý lỗi routing thường gặp (bật "enable free endpoints"), và biết khi nào nên chọn model nhỏ hơn để tránh timeout — một kỹ năng tiết kiệm chi phí quan trọng khi build cho khách hàng thật.

  • Day 2.3 - System Prompt, User Prompt và Context Engineering15:52

    Hiểu cách một Input chuẩn cho LLM được cấu tạo (System Prompt – User Prompt – Conversation History) và vì sao tổ chức đúng cấu trúc này quyết định 80% chất lượng agent. Bạn sẽ thực hành đổi system prompt để biến cùng một agent thời tiết thành "chuyên gia tư vấn trang phục" — chỉ bằng một đoạn text — và hiểu khái niệm Context Engineering: thiết kế toàn bộ Context Window (instructions, memory, tools, structured output) thay vì chỉ tìm "câu thần chú" đúng.

  • Day 2.4 - Sub-agents: Khi Nào Nên Chia Nhỏ Một AI Agent (Và Khi Nào Không Nên)6:38

    Nắm 3 lý do thực sự nên tách sub-agent — kiểm thử độc lập, tái sử dụng, và quản lý context window — thay vì chia theo cảm tính "mô phỏng cơ cấu công ty". Bạn sẽ hiểu đánh đổi giữa linh hoạt và độ tin cậy, cách n8n hỗ trợ sub-agent qua sub-workflows, và nguyên tắc quan trọng nhất: mọi quyết định kiến trúc phải được kiểm chứng bằng đo lường, không phải vì "nghe có vẻ đúng".

  • Day 3.1 - Agent Đọc & Ghi Google Sheets Thời Gian Thực — Phân Tích Dữ Liệu10:30

    Xây một bảng sales_data thật (kênh Shopee/Lazada/Offline) rồi kết nối agent qua OAuth2 để đọc dữ liệu, trả lời câu hỏi phân tích. Bạn sẽ thấy rõ agent tự quyết định khi nào cần gọi tool và bao nhiêu lần — khác hẳn automation truyền thống chạy cứng từng bước.

  • Day 3.2 - Hiểu JSON Trong n8n: Key-Value, Object, Array và Cấu Trúc Lồng Nhau6:31

    Nắm chắc 4 thành phần của JSON — key-value pairs, object { }, array [ ], và nesting — bằng chính dữ liệu sales_data đã xây ở bài trước. Đây là kiến thức nền bắt buộc để đọc output của bất kỳ node nào trong n8n và viết expressions chính xác (ví dụ $json.summary.total_revenue) ở các bài sau.

  • Day 3.3 - AI Agent Tự Đọc Email & Soạn Draft Trả Lời Khách Hàng Trên Gmail8:18

    Kết nối Gmail qua OAuth2, cho agent đọc email mới nhất trong 24 giờ bằng expression động (không hardcode ngày), và tự soạn draft phản hồi phù hợp ngữ cảnh — thay vì gửi thẳng, áp dụng nguyên tắc Human-in-the-loop để bạn luôn kiểm tra trước khi gửi. Đây là workflow thực tế thay thế phần lớn công việc trả lời 20-50 email khách hàng mỗi ngày.

  • Day 3.4 - Expressions & Authentication Trong n8n: Từ API Key Đến OAuth2 Đầy Đủ7:04

    Học cú pháp expression {{ }} để giá trị tự tính lại mỗi lần chạy thay vì hardcode, cách điều hướng dữ liệu JSON lồng nhau, và dùng Luxon xử lý ngày giờ động. Đồng thời phân biệt rõ 3 hình thức xác thực bạn sẽ gặp xuyên suốt khoá học — API Key, OAuth2 có sẵn (Google), và OAuth2 full tự cấu hình (Slack) — để không còn bỡ ngỡ khi kết nối bất kỳ dịch vụ mới nào.

  • Day 3.5 - Xây Telegram Bot Kinh Doanh 24/7 — Từ BotFather Đến Production11:48

    Tạo bot thật, kết nối Telegram Trigger + Gmail/Sheets tool vào agent, xử lý đúng Session Key theo Chat ID để mỗi cuộc hội thoại có memory riêng biệt. Bạn sẽ publish workflow lên production và thấy bot trả lời câu hỏi về doanh thu ngay trong Telegram — hoạt động 24/7 kể cả khi tắt máy tính, không còn là demo.

  • Day 3.6 - Tích Hợp Slack Cho Doanh Nghiệp: OAuth2 + Webhook Từ A Đến Z13:21

    Tự tạo Slack App, khai báo đúng 6 bot scopes, cấu hình Event Subscriptions và verify Request URL — quy trình OAuth2 + Webhook chuẩn mà bạn sẽ gặp lại ở GitHub, Notion, Shopify sau này. Bạn cũng học kỹ thuật JSON.stringify() để agent tự đọc toàn bộ payload khi chưa rõ cấu trúc dữ liệu — một mẹo tiết kiệm rất nhiều thời gian debug.

  • Day 4.1 - Capstone Tuần 1 (Phần 1): Thiết Kế Smart Business Dashboard Từ Đầu13:47

    Bắt đầu dự án thương mại cuối tuần: dựng Form Trigger làm cổng nhận yêu cầu, thiết kế 3 Google Sheet (Daily Sales, Inventory, Analysis_Log) và viết prompt 7-bước để agent tự đọc doanh thu, so sánh kỳ trước, tính tồn kho sắp hết, rồi ghi kết quả. Bạn sẽ học kỹ thuật prompt engineering thực chiến: đủ chi tiết để agent biết thứ tự làm, nhưng đủ linh hoạt để nó tự quyết định cách thực hiện từng bước.

  • Day 4.2 - (Phần 2): Tool Description Chuẩn —Yếu Tố Quyết Định Agent Đáng Tin Cậy3:45

    Hoàn thiện toàn bộ 5 tools (đọc/ghi Sheets, gửi email HTML) và học kỹ năng phân biệt automation agency chuyên nghiệp: viết Tool Description không chỉ mô tả tool làm gì, mà cả khi nào gọi, thứ tự gọi, và định dạng output mong muốn. Bạn sẽ chạy thử toàn bộ pipeline và nhận báo cáo kinh doanh HTML tự động gửi thẳng vào email.

  • Day 4.3 - Thêm IF/ELSE Để Agent Tự Phân Loại Cảnh Báo Normal/Warning/Critical8:38

    Xây hai lớp kiểm tra bằng IF node: lớp 1 kiểm tra agent có hoàn thành đúng không (workflow reliability), lớp 2 đọc Overall_Alert để quyết định gửi cảnh báo khẩn hay báo cáo bình thường qua Telegram. Bạn sẽ hiểu vì sao "automation im lặng khi lỗi" là vấn đề nguy hiểm nhất và cách thiết kế hệ thống luôn "lên tiếng" đúng lúc, đúng nội dung.

  • Day 4.4 - Deploy Production: Biến Workflow Thành Sản Phẩm Có Thể Gửi Cho KH5:55

    Publish workflow, lấy Production URL thật — một web form khách hàng có thể tự mở, điền yêu cầu, và nhận báo cáo qua Telegram + Email trong vài giây, không cần biết gì về n8n phía sau. Bài học khép lại bằng việc đọc Execution Logs để debug và 4 gợi ý cải thiện tiếp theo (calculator tool, summary row, error handling) — chuẩn bị tư duy cho Tuần 2 khi bạn chuyển sang self-hosted.

Requirements

  • Không cần biết lập trình để bắt đầu — Tuần 1 và Tuần 2 sử dụng n8n (kéo-thả, không cần code).
  • Có kiến thức Python cơ bản sẽ giúp bạn tiếp thu nhanh hơn ở Tuần 3-5 (Python SDK, MCP, LangGraph), nhưng không bắt buộc — khoá học có hướng dẫn từng dòng lệnh.
  • Máy tính (Windows/Mac) kết nối Internet, và tài khoản Gmail/Google để thực hành các bài tích hợp.
  • Sẵn sàng thực hành theo từng bài — khoá học thiên về "làm" hơn là "nghe lý thuyết".
  • Không yêu cầu kinh nghiệm AI/Machine Learning trước đó.

Description

AI Agent không còn là công nghệ của tương lai — đó là công cụ đang giúp hàng ngàn doanh nghiệp Việt Nam tự động hoá sales, chăm sóc khách hàng và vận hành ngay hôm nay. Khoá học này sẽ đưa bạn đi từ con số 0 đến khả năng tự xây dựng, triển khai và vận hành AI Agent thực chiến, qua 5 tuần học có lộ trình rõ ràng.

Bạn sẽ bắt đầu với n8n — nền tảng automation kéo-thả không cần biết code, xây dựng AI Agent đầu tiên kết nối Gmail, Google Sheets, Telegram và Slack chỉ trong vài ngày. Sau đó, bạn sẽ tự host n8n bằng Docker, kết nối các mô hình AI miễn phí như DeepSeek và Llama, và học Model Context Protocol (MCP) — chuẩn kết nối AI đang được cả ngành công nghệ áp dụng — để xây dựng hệ thống Sales Agent tự động tìm kiếm và chăm sóc khách hàng tiềm năng.

Từ tuần 3, bạn sẽ chuyển sang lập trình AI Agent thực sự bằng Python SDK: xử lý bất đồng bộ, structured outputs, guardrails bảo vệ Agent, và triển khai ứng dụng lên HuggingFace Spaces miễn phí. Tuần 4 đào sâu vào MCP Server/Client, giúp bạn tự xây dựng công cụ kết nối Agent với dữ liệu và API thực tế của doanh nghiệp, kèm dự án phân tích thị trường bất động sản. Cuối cùng, tuần 5 giới thiệu LangGraph — framework xây dựng hệ thống Multi-Agent chuyên nghiệp với Supervisor Pattern, Checkpointing và bộ nhớ hội thoại, khép lại bằng dự án capstone: xây dựng một trợ lý AI doanh nghiệp hoàn chỉnh cho thị trường Việt Nam.

Khoá học phù hợp cho cả người mới bắt đầu (không cần biết code ở 2 tuần đầu) lẫn lập trình viên muốn nâng cấp kỹ năng lên AI Agent chuyên sâu. Toàn bộ nội dung đi kèm ví dụ thực tế, dự án capstone mỗi tuần, và hướng dẫn từng bước — giúp bạn không chỉ học lý thuyết mà thực sự xây được sản phẩm AI Agent có thể đưa vào vận hành ngay.

Who this course is for:

  • Chủ doanh nghiệp / freelancer / marketer muốn tự động hoá quy trình bán hàng, CSKH, vận hành mà không cần thuê lập trình viên.
  • Người mới bắt đầu với AI Agent muốn có lộ trình rõ ràng từ no-code (n8n) đến code thực sự (Python), thay vì học lan man từ nhiều nguồn rời rạc.
  • Lập trình viên / sinh viên IT muốn nâng cấp kỹ năng lên AI Agent, Model Context Protocol (MCP) và hệ thống Multi-Agent — xu hướng công nghệ 2025-2026.
  • Người làm automation/no-code (đã biết Zapier, Make, n8n) muốn học sâu hơn về AI Agent và tích hợp LLM vào workflow.
  • Bất kỳ ai muốn xây sản phẩm/dịch vụ AI Agent để bán cho khách hàng Việt Nam (agency, dịch vụ tự động hoá thuê ngoài).