EP7 Claude ทำงานร่วมกับ AI ตัวอื่น โมเดลในเครื่อง และเจ้าอื่นผ่านทางเดียว

EP5 เราเลือกรุ่นของ Claude ให้เหมาะงาน EP6 เราได้มาตรฐานกลางให้ AI ต่อกับระบบอื่น ตอนนี้ไปอีกขั้น คือให้ Claude ทำงานร่วมกับ AI ตัวอื่น ทั้งโมเดลที่รันในเครื่องเอง และโมเดลของเจ้าอื่น

ทำไมต้องหลายเจ้า

• ข้อมูลบางอย่างห้ามออกนอกเครื่อง เช่น ข้อมูลลูกค้า โมเดลในเครื่องประมวลผลได้โดยไม่ส่งไปไหน
• งานปริมาณมาก เช่น สรุปข้อความหลายพันชิ้น โมเดลในเครื่องไม่คิดเงินต่อ token
• ความเห็นที่สอง โมเดลจากเจ้าอื่นถูกฝึกมาต่างกัน มองพลาดคนละจุด ใช้ตรวจงานกันได้
• ไม่ฝากชีวิตไว้กับเจ้าเดียว ถ้าเจ้าหนึ่งล่มหรือขึ้นราคา ระบบยังทำงานได้

หลักการ: ให้ทุกการเรียกโมเดลผ่าน ชั้นกลางชั้นเดียว เปลี่ยนเจ้าคือแก้ค่าตั้ง ไม่ใช่แก้โค้ดทั้งระบบ

สองทางที่ใช้บ่อยที่สุด

1. โมเดลในเครื่องด้วย Ollama ติดตั้งแล้วโหลดโมเดลด้วยคำสั่งเดียว

ollama pull qwen2.5:14b
ollama run qwen2.5:14b "สรุปข้อความนี้ให้เหลือสามบรรทัด: ..."

Ollama เปิด API ที่ http://localhost:11434 ในรูปแบบเดียวกับ OpenAI โปรแกรมที่คุยกับ OpenAI ได้ ก็คุยกับมันได้

2. หลายเจ้าผ่าน gateway เช่น OpenRouter ใช้ key เดียว เรียกโมเดลได้หลายเจ้า เปลี่ยนแค่ชื่อโมเดล รูปแบบ API ก็แบบเดียวกัน

ชั้นกลาง 15 บรรทัด

เพราะทั้งสองทางใช้รูปแบบ API เดียวกัน ฟังก์ชันเดียวจึงคุยได้ทั้งคู่

import json, os, urllib.request

PROVIDERS = {
    "local": ("http://localhost:11434/v1", None),
    "openrouter": ("https://openrouter.ai/api/v1", os.environ.get("OPENROUTER_API_KEY")),
}

def ask(provider, model, prompt):
    base, key = PROVIDERS[provider]
    body = json.dumps({"model": model, "messages": [{"role": "user", "content": prompt}]}).encode()
    req = urllib.request.Request(base + "/chat/completions", body, {"Content-Type": "application/json"})
    if key:
        req.add_header("Authorization", "Bearer " + key)
    with urllib.request.urlopen(req) as r:
        return json.load(r)["choices"][0]["message"]["content"]

ใช้ Python ล้วน ไม่ต้องติดตั้งอะไรเพิ่ม key อ่านจากตัวแปรแวดล้อม ไม่อยู่ในโค้ด

Claude เรียก AI ตัวอื่นยังไง

Claude Code เป็น “หัวหน้า” ได้สามแบบ เรียงจากง่ายไปยาก

1. ผ่านสคริปต์ บันทึกโค้ดข้างบนเป็น ask.py แล้วสั่ง Claude ว่า “ใช้ python ask.py ให้โมเดลในเครื่องสรุป log ทั้ง 500 ไฟล์ แล้วเอาผลมาวิเคราะห์ต่อ”
2. ผ่าน MCP ห่อ ask เป็นเครื่องมือใน MCP server (EP6) ชื่อ ask_local_model Claude จะเห็นเป็นเครื่องมือหนึ่งที่เรียกได้เอง
3. กลับด้าน ระบบอื่นเป็นหัวหน้า และเรียก Claude เฉพาะงานที่ต้องเก่งจริง แบบตัวอย่างข้างล่าง

ตัวอย่างจริง: ทีม 17 ตัว ใช้ Claude แค่ตัวเดียว

เรามีทีม agent 17 ตัวรันอยู่บนเครื่องในบ้าน แต่ละตัวมีหน้าที่ เช่น วางแผนงาน ตรวจคุณภาพ เขียนคอนเทนต์ วิเคราะห์ข้อมูล

• 16 ตัวรันโมเดลในเครื่อง (Qwen ขนาด 9B และ 14B กับ DeepSeek-R1 ขนาด 7B) บนการ์ดจอหน่วยความจำ 12GB
• ตัวเดียวที่ใช้ Claude คือตำแหน่งนักพัฒนา เรียก Claude Sonnet ผ่าน OpenRouter เพราะงานเขียนโค้ดคืองานที่โมเดลเล็กพลาดแล้วแพงที่สุด

ข้อจำกัดที่เจอจริง: การ์ดจอ 12GB รันโมเดล 14B ได้ทีละตัว หรือโมเดลเล็กสองตัวพร้อมกัน agent หลายตัวจึงต้องผลัดกันใช้ เครื่องในบ้านไม่ได้ฟรีจริง จ่ายเป็นค่าไฟ ค่าเครื่อง และความช้า แทนค่า token

สิ่งที่ต้องระวัง

• ข้อมูลที่ส่งผ่าน gateway ออกไปแล้ว ส่งต่อไปยังเจ้าของโมเดลปลายทาง ก่อนส่งข้อมูลลูกค้าหรือโค้ดลับ ให้ตัดสินก่อนว่าส่งได้ไหม ถ้าไม่ได้ ใช้โมเดลในเครื่อง
• โมเดลเล็กพลาดง่ายกว่า ใช้กับงานที่ตรวจผลได้ง่าย หรือมีตัวใหญ่ตรวจซ้ำ
• แต่ละเจ้าตอบไม่เหมือนกัน คำสั่งที่ใช้ได้ดีกับ Claude อาจได้ผลต่างไปกับตัวอื่น ต้องลองกับงานจริงก่อน
• ระบบหลายส่วน พังได้หลายจุด ใส่การจำกัดเวลารอ และมีทางสำรองเมื่อเจ้าหนึ่งไม่ตอบ

ลองเองใน 10 นาที

1. ติดตั้ง Ollama แล้ว ollama pull qwen2.5:7b (ตัวเล็ก เครื่องทั่วไปรันได้)
2. บันทึกโค้ดชั้นกลางเป็น ask.py เพิ่มบรรทัดท้าย print(ask("local", "qwen2.5:7b", "อธิบาย MCP ในสองประโยค")) แล้วรัน
3. เปิด Claude Code สั่งให้ใช้ ask.py ส่งงานสรุปให้โมเดลในเครื่อง แล้วให้ Claude ตรวจผล

ตรงไหนที่คนต้องทำ

คนเป็นคนตัดสิน ว่าข้อมูลไหนออกนอกเครื่องได้ และ งานไหนคุ้มที่จะจ่ายให้ตัวเก่ง การตัดสินแบบนี้ขึ้นกับสัญญากับลูกค้า งบ และความเสี่ยงที่รับได้ AI ช่วยคำนวณได้ แต่ไม่ควรตัดสินแทน

ตอนหน้า

พอมีเครื่องมือ skill agent และโมเดลรวมกันหลายร้อยอย่าง ปัญหาใหม่คือ จะเลือกใช้ตัวไหน EP8 ตอนสุดท้าย จะสร้างตัวจับคู่งานกับเครื่องมือ และวัดว่ามันเลือกถูกจริงหรือไม่