É possível que a IA envie imagem do produto ao usuário

Perguntas
1

Describe the problem/error/question

I have a workflow in n8n where the first AI agent handles user questions like product price inquiries.
Now I want to make it smarter:
If the user asks for a product picture after getting the price,
a second AI agent should automatically send the product image to the Facebook Messenger user.
Is this possible to implement in n8n?
If yes, what would be the best approach for handling this flow between two agents and sending the image through Facebook Messenger API? and I am using Airtable for product information.
Thanks in advance!

What is the error message (if any)?

Please share your workflow

Share the output returned by the last node

  • n8n version:
  • Database (default: SQLite):
  • n8n EXECUTIONS_PROCESS setting (default: own, main):
  • Running n8n via (Docker, npm, n8n cloud, desktop app):
  • Operating system:
2

@Abidul_Haque_Shohel definitivamente é possível, mas a divisão de dois agentes não é realmente o padrão correto para isso — adiciona latência e te dá dois pontos de falha em vez de um. A configuração mais limpa é um único agente de IA que emite JSON estruturado, depois você roteia no workflow baseado no que o modelo diz que quer fazer. O fluxo fica sendo Messenger Webhook → AI Agent → Switch on intent → Airtable lookup → Messenger Send API.

faça o agente emitir algo como:

{
  "intent": "image_request",
  "product_id": "rec123abc",
  "message_text": "aqui está a foto do Black Cycle Pro que você pediu"
}

depois faça Switch on intent, faça um lookup no Airtable por product_id para pegar a url da imagem, envie para o Messenger.

um grande detalhe — as urls de anexos do Airtable são ASSINADAS e expiram depois de cerca de 2 horas desde a mudança de segurança que tiveram um tempo atrás. se você passar a url bruta do Airtable direto para o Messenger funciona para envios imediatos mas quebra intermitentemente quando o Messenger carrega a imagem de forma preguiçosa e a assinatura já está morta. o fix mais limpo é fazer upload para o endpoint attachment_upload do Messenger primeiro, receber de volta um attachment_id permanente, depois referenciar esse id nos envios subsequentes. a alternativa mais rápida é fazer re-hosting em storage estável (s3, cloudflare r2, supabase storage) e colocar essa url estável no Airtable em vez do campo de anexo nativo.

a chamada da Messenger Send API para uma imagem se parece com:

{
  "recipient": {"id": "<user_psid>"},
  "message": {
    "attachment": {
      "type": "image",
      "payload": {
        "url": "https://your-cdn/product-123.jpg",
        "is_reusable": true
      }
    }
  }
}

colocar is_reusable como true faz o FB fazer cache dele server-side então envios repetidos da mesma imagem de produto não fazem re-download cada vez, grande ganho de latência uma vez que seu catálogo estiver construído.

3

Oi, sou Jay, sou um Criador Verificado n8n do Vietnã.

Eu realmente construí e compartilhei um workflow gratuito que cobre exatamente esse caso de uso:

Build a Facebook Messenger customer service AI chatbot with Google Gemini

É um dos workflows mais fundamentais do Messenger + AI que publiquei, e alcançou cerca de 2.600 usos em apenas 2 meses. Isso me diz que muitos construtores estão tentando resolver o mesmo problema.

No meu caso, tratei isso com uma arquitetura mais simples. Em vez de dividir a lógica entre vários agentes de IA, forcei um único Agente de IA a retornar JSON estruturado com três campos: text, image e video.

{

“text”: “Olá!”

“image”: “https://nguyenthieutoan.com/image.png”

“video”: “https://nguyenthieutoan.com/video.mp4”

}

Com essa configuração, sempre que a IA precisa enviar uma resposta com imagens ou vídeos de produtos, ela só precisa preencher os campos relevantes em uma única resposta. Isso significa que um único agente pode enviar texto e múltiplos ativos de mídia na mesma execução, o que ajuda a reduzir a latência, mantém o workflow mais limpo e facilita o armazenamento da interação completa no histórico de conversas.

Você pode achar essa abordagem útil para seu caso de uso.