LINE Bot MCP Server คืออะไร ? — ตัวกลางที่ทำให้ AI กับ LINE คุยกันได้โดยตรง

มีตัวกลางชื่อ MCP ที่ทำให้ Claude กลายเป็น Admin LINE OA ของคุณได้จริงๆ

ทำไมเรื่องนี้ถึงสำคัญ ?

ลองนึกภาพว่าคุณนั่งคุยกับ Claude แล้วพิมพ์ว่า “ส่งข้อความแจ้งเตือนโปรโมชั่นวันนี้ไปหา User คนนี้ด้วยนะ” แล้ว Claude ก็ส่งข้อความผ่าน LINE Official Account ให้คุณได้เลย โดยที่คุณไม่ต้องเปิด LINE OA Manager แม้แม้สักหน้าเดียว

นั่นคือสิ่งที่ LINE Bot MCP Server ทำได้

Created by Claude

MCP คืออะไรก่อน ?

MCP (Model Context Protocol) คือโปรโตคอลมาตรฐานที่ Anthropic พัฒนาขึ้น เพื่อให้ AI Agent สามารถ “เรียกใช้เครื่องมือภายนอก” ได้อย่างเป็นระบบ แทนที่ AI จะรู้แค่ข้อมูลที่อยู่ใน training data มันสามารถ “ยื่นมือ” ออกไปแตะ API จริงๆ ได้ผ่าน MCP Server

คิดง่ายๆ แบบนี้:

ถ้า AI คือ “สมอง” → MCP Server คือ “มือและเท้า” ที่ไปจัดการกับโลกภายนอก

LINE Bot MCP Server คือ MCP server ที่ implement LINE Messaging API เพื่อเชื่อม AI Agent เข้ากับ LINE Official Account

Architecture — โครงสร้างทั้งหมด

Flow diagram ด้านบนแสดงให้เห็นว่าระบบทำงาน 4 ชั้น:

ชั้นที่ 1 — User: พิมพ์คำสั่งภาษาธรรมดาใน Claude Desktop หรือ Cline

ชั้นที่ 2 — AI Agent: วิเคราะห์ intent แล้วเลือก Tool ที่เหมาะสม เช่น ถ้าสั่ง “ส่งข้อความ” ก็เลือก push_text_message

ชั้นที่ 3 — MCP Server: รับ Tool call ผ่าน stdio, validate input, แล้วยิง HTTPS request ไปหา LINE API ด้วย Channel Access Token

ชั้นที่ 4 — LINE API: ส่งข้อความถึง Official Account แล้ว push ไปหา User ปลายทางใน LINE app จริงๆ

Tools ที่ใช้ได้ทั้งหมด

LINE Bot MCP Server มี Tools ให้ใช้งานดังนี้:

กลุ่ม Push — ส่งให้คนเดียว

push_text_message — ส่งข้อความ text ธรรมดาหาผู้ใช้คนใดคนหนึ่ง

• Input: userId (ถ้าไม่ระบุจะใช้ DESTINATION_USER_ID จาก env), message.text

push_flex_message — ส่ง Flex Message ที่ customize ได้สูง รองรับทั้ง bubble (กล่องเดียว) และ carousel (หลายกล่องปัดได้)

• Input: userId, message.altText, message.contents (JSON object)

กลุ่ม Broadcast — ส่งหาทุกคนพร้อมกัน

broadcast_text_message — ส่ง text message ไปหาทุกคนที่ follow LINE Official Account

broadcast_flex_message — ส่ง Flex Message ไปหาทุกคนที่เพิ่ม LINE Official Account แล้ว

กลุ่ม Read — ดึงข้อมูล

get_profile — ดึง profile ของ LINE user รวมถึง display name, profile picture URL, status message และ language

get_message_quota — ดูโควต้าข้อความและการใช้งานในเดือนนั้นๆ แสดง monthly message limit และ current usage

กลุ่ม Rich Menu — จัดการเมนู

มี Tools ให้จัดการ Rich Menu ครบ ได้แก่ get_rich_menu_list, delete_rich_menu, set_rich_menu_default, cancel_rich_menu_default และ create_rich_menu ที่สามารถสร้างเมนูพร้อม generate รูปภาพ upload และ set เป็น default ได้เลย

Get Codequeror’s stories in your inbox

Join Medium for free to get updates from this writer.

Remember me for faster sign in

create_rich_menu รองรับ action types ได้หลายแบบ ได้แก่ postback, message, uri, datetimepicker, camera, cameraRoll, location, richmenuswitch และ clipboard

วิธีติดตั้ง (Step by Step)

สิ่งที่ต้องเตรียมก่อน

ต้องมี Node.js v20 ขึ้นไป และต้องสร้าง LINE Official Account ก่อน จากนั้น enable Messaging API สำหรับ Official Account นั้น github

Step 1 — เตรียม Token

ต้องเตรียม 2 ค่า:

• CHANNEL_ACCESS_TOKEN (required) — Channel Access Token ที่ได้จาก LINE Developers Console
• DESTINATION_USER_ID (optional) — User ID ของคนที่จะรับข้อความ ถ้า Tool ไม่ได้รับ userId มา ค่านี้จะถูกใช้แทน

Step 2 — วิธีที่ 1: ใช้ npx (เร็วที่สุด)

เพิ่ม config นี้ใน AI Agent เช่น Claude Desktop หรือ Cline:

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

แค่นี้เลย ไม่ต้อง clone repo ไม่ต้อง build เอง npx จัดการทุกอย่างให้

Step 3 — วิธีที่ 2: ใช้ Docker

Clone repo และ build Docker image ก่อน:

git clone git@github.com:line/line-bot-mcp-server.git
docker build -t line/line-bot-mcp-server .

จากนั้นใช้ config นี้:

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

Debug ด้วย MCP Inspector

ใช้ MCP Inspector เพื่อ test และ debug server ในเครื่องก่อน deploy จริง:

# Build ก่อน
npm install
npm run build

# Run Inspector
npx @modelcontextprotocol/inspector node dist/index.js \
  -e CHANNEL_ACCESS_TOKEN="YOUR_CHANNEL_ACCESS_TOKEN" \
  -e DESTINATION_USER_ID="YOUR_DESTINATION_USER_ID"

จะได้ MCP Inspector interface ที่ทดสอบ Tools ต่างๆ ได้แบบ interactive

ตัวอย่างการใช้งานจริง

Use Case 1 — ระบบแจ้งเตือน Daily Report

คุณอยากให้ AI ส่งสรุปยอดขายประจำวันผ่าน LINE ทุกเช้า เพียงพิมพ์ว่า:

“ดึงข้อมูลยอดขายวันนี้จาก database แล้วส่ง Flex Message สรุปยอดขายแบบสวยๆ ไปหา User ID นี้เลย”

AI จะเลือกใช้ push_flex_message สร้าง JSON structure สำหรับ Flex Message แล้วส่งให้โดยอัตโนมัติ

Use Case 2 — Broadcast โปรโมชั่น

“ส่งข้อความโปรโมชั่น Flash Sale ไปหาทุกคนที่ follow OA เราเลย”

AI ใช้ broadcast_text_message หรือ broadcast_flex_message ตามที่เหมาะสม

Use Case 3 — ตรวจสอบ Quota ก่อนส่ง

“เดือนนี้เรายังเหลือโควต้าข้อความเท่าไหร่?”

AI ใช้ get_message_quota ดึงข้อมูลมาแสดงผลให้ทันที

Use Case 4 — สร้าง Rich Menu ใหม่

“สร้าง Rich Menu 3 ปุ่มสำหรับ OA ร้านอาหาร ได้แก่ เมนู, จอง, โปรโมชั่น”

AI ใช้ create_rich_menu พร้อม generate รูปภาพและ set เป็น default ให้เลย

อธิบาย Config JSON แบบละเอียด

{
  "mcpServers": {           // บอก AI Agent ว่ามี MCP Server อะไรบ้าง
    "line-bot": {           // ชื่อ server (ตั้งเองได้)
      "command": "npx",     // คำสั่งที่จะรัน
      "args": [
        "@line/line-bot-mcp-server"  // ชื่อ npm package
      ],
      "env": {
        "CHANNEL_ACCESS_TOKEN": "xxx",  // Token สำหรับ auth กับ LINE API
        "DESTINATION_USER_ID": "Uxx"    // Default user ที่จะส่งข้อความหา
      }
    }
  }
}

transport แบบ stdio หมายความว่า AI Agent และ MCP Server คุยกันผ่าน standard input/output ของ process ไม่ใช่ HTTP port เลยไม่ต้องเปิด firewall เพิ่ม

ประโยชน์และ Use Case ที่น่าสนใจ

1. ลด Context Switching

นักพัฒนาหรือ Marketing Manager ไม่ต้องสลับไปเปิด LINE OA Manager ทุกครั้ง สั่งงานได้จากใน Claude Desktop เลย

2. Automation Workflow

ต่อเชื่อมกับ MCP Server อื่นๆ ได้ เช่น ให้ AI ดึงข้อมูลจาก Google Sheets แล้ว broadcast ผ่าน LINE ต่อ

3. Personalized Messaging

ใช้ get_profile ดึงชื่อผู้ใช้มาก่อน แล้วส่ง message ที่ personalize ได้ทันที

4. Rich Menu Management

จัดการ Rich Menu โดยไม่ต้องเปิด LINE Developers Console ทุกครั้ง

5. สำหรับ LINE Coach / Developer

ใช้ demo ความสามารถของ LINE Messaging API ให้ลูกค้าเห็นภาพได้รวดเร็ว โดยไม่ต้องสร้าง backend แยกต่างหาก

ข้อควรระวัง

repository นี้เป็น preview version ที่ให้ใช้เพื่อทดลอง อาจยังไม่ครบทุก feature และไม่มี comprehensive supportควรทดสอบใน development environment ก่อนนำไปใช้งานจริง

เรื่อง Security: อย่า commit CHANNEL_ACCESS_TOKEN ลง Git ใช้ environment variable หรือ secret manager เสมอ เพราะ Token นี้ถ้าหลุดออกไปคนอื่นส่งข้อความแทน OA คุณได้เลย

เรื่อง Quota: LINE Messaging API มี monthly message quota ใช้ get_message_quota เช็คก่อน broadcast ขนาดใหญ่

สรุป

LINE Bot MCP Server เป็นสะพานเชื่อมระหว่าง AI Agent กับ LINE ecosystem ที่ทำให้การจัดการ Official Account กลายเป็นเรื่องของการ “พูดคุย” กับ AI แทนการคลิกผ่าน UI

สิ่งที่ทำให้มันน่าสนใจไม่ใช่แค่ความสะดวก แต่คือ paradigm shift ที่ Developer และ Business สามารถ automate LINE workflows ด้วยภาษาธรรมดา โดยไม่ต้องเขียนโค้ด integration เพิ่มเติม

Source: github.com/line/line-bot-mcp-server