自從Google Gemini API被大幅度降低免費額度後，結合Gemini的n8n工作流使用起來有開始綁手綁腳，以LINE聊天機器人為使用場景，主要受限在於每日的請求數大幅下降，若以每日自動派送特定產業新聞的n8n工作流為使用場景，主要受制於每分鐘的請求數不夠使用。替代方案除了知名的OpenRouter之外，還有Ollama Cloud可供參考。本文以Ollama Cloud為主軸，包含定位，取得Device Key的方式和如何導入n8n工作流中等等內容，過程相當容易，讓n8n愛好者可無痛轉換。
在當今由大型語言模型（LLM）驅動知識和工具的時代，如何讓LLM能夠有效地結合外部工具和API溝通，成為了自動化流程中的關鍵一環。n8n作為一個強大的開源工作流自動化平台，提供了無限的可能性，只待創作者的創意和想像力了。有別於利用n8n中的MCP Server節點(MCP Server Trigger node )來串接應用服務，本文主要說明如何透過python搭配uv自建一個輕量級的MCP Server，使其串接和風天氣(qweather)應用服務，同時藉由n8n AI agent工作流中的MCP Client節點(MCP Client Tool node)來調用該自建的MCP Server，等同為本地端n8n開了外掛(Plugin)，賦予工作流中的AI Agent根據使用者提問自行判斷是否調用外部工具的能力，如本文影片所演示。
Flask 是一個輕量級的Web框架，主要用於建立基於Python的Web應用和API。它可搭建webhook本地服務器，同時提供靈活的URL路由和HTTP請求處理方式，允許開發者快速啟動並測試應用功能。由於其結構簡單，開發者常用其作為建立和測試 MVP(最小可行性產品)，同時其也非常適合新手作為入門學習Web開發的工具之一。
本文利用樹莓派4B搭建Flask和Ngrok來實現簡易的LINE Bot功能，其中Ngrok的安裝和建置可參考此篇文章，本篇主要著重在Flask環境建置和程式碼的部分。
延續<[Python]如何在Ubuntu中建置python venv虛擬環境，並安裝TensorFlow和OpenCV函式庫?>文章，當建置 TensorFlow (2.10.0) 和 OpenCV (4.9.0) 的 Python 虛擬環境後，接續進一步安裝 YOLOv5 的相關套件，並在 Raspberry Pi 4B 上完成物件辨識功能，步驟如下。