Update README.md

README.md

@@ -77,32 +77,59 @@ https://analytics.softwarecraft.tech/public/dashboard/0107425a-50aa-4fd6-8d78-d2
 
 ---
 
-## ตัวอย่าง Data-Driven Decision Platform
+# 🚀 ตัวอย่างการต่อยอดเป็น Data-Driven Decision Platform (DDDP)
 
-MLOps Pipeline + Model Management API + BI Integration + Lakehouse Architecture ขนาดย่อม ที่พัฒนาบนพื้นฐานของโปรเจคนี้ ประกอบด้วย
+แพลตฟอร์มการตัดสินใจที่ขับเคลื่อนด้วยข้อมูล (DDDP) ถูกออกแบบมาเพื่อบูรณาการ **MLOps, Data Management, และ Business Intelligence (BI)** เข้าด้วยกัน เพื่อสร้างระบบข้อมูลสำหรับการตัดสินใจเชิงกลยุทธ์ที่รวดเร็วและน่าเชื่อถือ
 
-1 Data and Prediction Pipeline: มีการทำงานแบบ Async Pipeline (Ingestion และ Prediction) ที่มีการจัดการวงจรชีวิตโมเดล AI ตั้งแต่การพัฒนาไปจนถึงการใช้งานจริง โดยรองรับการรวบรวม จัดเตรียมข้อมูล และการใช้โมเดล MindsDB ในการวิเคราะห์และทำนายแนวโน้ม
+## โครงสร้างหลักและขีดความสามารถ (Core Architecture)
 
-2 Model Registry & Serving: ระบบมี API ครบชุดสำหรับการจัดการและให้บริการโมเดล ซึ่งประกอบด้วย:
+DDDP รวมสถาปัตยกรรมหลักเข้าไว้ด้วยกันเพื่อการจัดการข้อมูลแบบครบวงจร:
- - การลงทะเบียน (Register): ลงทะเบียน Metadata ของโมเดล (ทั้ง MindsDB และ Custom Models) ลงใน CKAN Registry
- - การให้บริการ (Unified Predict): มี Endpoint เดียว (/v1/model/predict) สำหรับให้บริการทำนายผล โดยระบบจะ Dispatch การเรียกใช้งานไปยัง MindsDB หรือ Custom Model โดยอัตโนมัติ
- - การควบคุม (Governance): มีการควบคุมสิทธิ์การเข้าถึง (RBAC) และ Endpoint สำหรับตรวจสอบ สถานะสุขภาพ และ Metadata ของโมเดลใน Production ได้อย่างละเอียด
 
-3 รองรับการเชื่อมต่อกับ BI Tools (เช่น Metabase) เพื่อให้ผู้ใช้งานสามารถวิเคราะห์สถานการณ์ในอดีตและปัจจุบันได้อย่างมีประสิทธิภาพ โดย BI Tools สมัยใหม่รองรับทั้ง Descriptive Analytics และ Predictive Analytics ผ่านการใช้ AI และ Machine Learning 
+### 1. Lakehouse Architecture ขับเคลื่อนด้วย AI/ML
+ระบบใช้แนวคิด **Lakehouse** (รวม Data Lake และ Data Warehouse) เพื่อให้ได้ขีดความสามารถด้าน **ความเร็ว** (Velocity), **ความหลากหลาย** (Variety) และรองรับการประมวลผลสำหรับงาน **AI/ML ระดับสูง**
 
-4 ระบบใช้แนวคิด Lakehouse Architecture ซึ่งรวมข้อดีของ Data Lake และ Data Warehouse เข้าด้วยกัน มีขีดความสามารถด้านความเร็ว ความหลากหลาย และการรองรับ AI/ML สูง
+### 2. Data & Prediction Pipeline (MLOps)
+เป็นระบบอัตโนมัติที่จัดการวงจรชีวิตโมเดล AI ตั้งแต่ต้นจนจบ:
+* **Async Pipeline:** รองรับการทำงานแบบไม่ประสานเวลา (Async) สำหรับการนำเข้าข้อมูล (Ingestion) และการประมวลผลเพื่อทำนาย (Prediction)
+* **MindsDB Integration:** ใช้ MindsDB สำหรับการวิเคราะห์และทำนายแนวโน้มเชิงสถิติ
 
-ตัวอย่างระบบ Backend
+### 3. Model Registry & Serving (Unified API)
-https://data-decision-ops.softwarecraft.tech/docs
+ให้บริการ API ที่ได้มาตรฐานสำหรับการจัดการและการเรียกใช้โมเดลทำนาย:
+* **การลงทะเบียน (Register):** Metadata ของโมเดล (MindsDB & Custom Models) จะถูกลงทะเบียนใน **CKAN Registry**
+* **การให้บริการ (Unified Predict):** มี Endpoint เดียว (`/v1/model/predict`) สำหรับให้บริการทำนายผล โดยระบบจะ Dispatch การเรียกใช้งานไปยังโมเดลที่เหมาะสมโดยอัตโนมัติ
+* **Governance (RBAC):** มีการควบคุมสิทธิ์การเข้าถึง (Role-Based Access Control) และตรวจสอบสถานะของโมเดลใน Production
 
-ระบบนี้เป็นตัวอย่าง Backbone ที่สามารถรองรับการพัฒนา Frontend Dashboard และ Mobile Application ที่ต้องการข้อมูลและผลการทำนายที่รวดเร็วและน่าเชื่อถือได้ในอนาคต
+### 4. BI & Analytics
+แพลตฟอร์มพร้อมสำหรับการวิเคราะห์ข้อมูลในหลากหลายมิติ:
+* **BI Tool Integration:** รองรับการเชื่อมต่อกับเครื่องมือ **BI Tools** (เช่น Metabase) เพื่อการวิเคราะห์สถานการณ์ในอดีตและปัจจุบัน
+* **Analytics Support:** รองรับทั้ง **Descriptive Analytics** (ข้อมูลในอดีต) และ **Predictive Analytics** (ข้อมูลทำนาย)
 
-ตัวอย่างระบบ Frontend
+### 5. การเชื่อมต่อกับ AI Agents (Model Context Protocol - MCP)
-https://ddo-console.softwarecraft.tech/login
+
-ตัวอย่าง User Account
+ระบบรองรับมาตรฐาน **Model Context Protocol (MCP)** เพื่อให้ LLM Agents สามารถใช้ API ของเราเป็น "เครื่องมือ" ในการปฏิบัติงานได้:
+* **LLM Service:** ให้บริการ **"เครื่องมือ" (Tools)** และ **"การค้นหาข้อมูล" (Discovery)** แก่ Large Language Models (LLM)
+* **Security:** ใช้การรักษาความปลอดภัยด้วย **API Key เฉพาะ** (`X-API-Key`) สำหรับ MCP Endpoints เท่านั้น เพื่อแยกการควบคุมสิทธิ์ออกจาก JWT สำหรับผู้ใช้งานทั่วไป
+
+### 🔗 ตัวอย่างการนำไปใช้งาน
+
+| Component | URL (ตัวอย่าง) | รายละเอียด |
+| :--- | :--- | :--- |
+| **Backend API (Swagger)** | `https://data-decision-ops.softwarecraft.tech/docs` | เอกสาร API หลัก รวมถึง Tools สำหรับ MCP |
+| **Frontend Console** | `https://ddo-console.softwarecraft.tech/login` | ตัวอย่าง Dashboard สำหรับการควบคุมและแสดงผล |
+
+หมายเหตุ 
+
+1 ระบบตัวอย่างนี้จะทำการปรับปรุงข้อมูลในตัวอย่าง Dashboard ด้านบนอีกทีนึง
+
+2 ตัวอย่าง User Account
 - viewer1@dddp.com
 - viewer123-#
 
+3 สำหรับการทดสอบการเชื่อมต่อ LLM (เช่น การใช้ cURL หรือ ChatGPT Plugins/Tools):
+- Protocol=Model Context Protocol (MCP)	
+- Header Key=X-API-Key	
+- Example Value=[LLM_AGENT_SECRET_API_KEY]
+
 ---
 
 ## 📜 License