企业官网建设流程全解析

• AI 技能
• AI 插件
• 人工智能
• 工作流自动化

本指南以仓库中 composio-skills/icypeas-automation/SKILL.md 为核心，系统讲解如何通过 Composio 的 Icypeas 工具集（toolkit）与 Rube MCP 服务器，让 Claude 等 AI 智能体自动执行 Icypeas 业务操作。读完本文，你将掌握 Rube MCP 的接入方式、工具发现（Tool Discovery）流程、连接管理与执行调用的完整三步工作流，并了解规避 schema 漂移、分页截断等常见陷阱的实战要点。

技能定位：一个封装好的 Icypeas 自动化技能

icypeas-automation是 awesome-claude-skills 仓库中 "App Automation via Composio" 系列技能之一。根据仓库 README.md 的说明，这类技能是面向各 SaaS 应用的预构建工作流技能，每个技能都包含工具调用序列、参数指引、已知陷阱与快速参考表，且全部使用从 Composio API 实际发现（discovered）的真实工具 slug。

该技能以标准的 Claude Skills 格式组织，其 SKILL.md 文件头部包含 YAML frontmatter，声明了技能名称、用途描述以及依赖项：

--- name: icypeas-automation description: "Automate Icypeas tasks via Rube MCP (Composio). Always search tools first for current schemas." requires: mcp: [rube] ---

这里的requires.mcp: [rube]意味着：只有当环境中已挂载名为rube的 MCP 服务器时，该技能才被激活。技能的描述信息（description）会在会话开始时被智能体看到，用于判断当前任务是否与该技能相关。

前置条件：三条必须满足的基线

在开始任何自动化工作之前，需要确认以下三项条件（与文档 Prerequisites 一节一致）：

1. Rube MCP 已连接：环境中必须存在RUBE_SEARCH_TOOLS这一工具，它是后续所有发现与查询动作的入口。
2. Icypeas 连接处于 ACTIVE 状态：通过RUBE_MANAGE_CONNECTIONS并指定 toolkit 为icypeas建立连接，只有连接状态为 ACTIVE 时才能执行工具。
3. 先搜索再执行：任何工作流开始前都必须调用RUBE_SEARCH_TOOLS获取当前可用的工具 schema，禁止凭记忆硬编码工具 slug 与参数。

Setup：接入 Rube MCP 并建立 Icypeas 连接

Rube MCP 的接入非常轻量，文档明确指出无需任何 API Key，只需在客户端配置中添加 MCP 服务器地址即可：

Addhttps://rube.app/mcpas an MCP server in your client configuration. No API keys needed — just add the endpoint and it works.

接入后按以下四个步骤完成 Icypeas 连接初始化：

1. 验证 MCP 可用：确认RUBE_SEARCH_TOOLS能够正常响应；
2. 发起连接：调用RUBE_MANAGE_CONNECTIONS，toolkits 参数传入["icypeas"]；
3. 完成授权：如果连接状态不是 ACTIVE，按照返回值中的授权链接（auth link）完成 Icypeas 账号的授权设置；
4. 确认状态：在运行任何工作流之前，确认连接状态已显示为 ACTIVE。

这套"先验证 MCP、再建立连接、再确认状态"的初始化顺序，保证了后续所有工具调用都建立在可靠的连接之上，避免了"工具已发现但连接未就绪"的中间态问题。

Tool Discovery：永远先于执行的一步

由于 Composio 各工具集的 schema 会随上游 API 演化而变化，文档将"先搜索"确立为不可省略的纪律。首次接入时，使用带generate_id: true的会话发起发现：

RUBE_SEARCH_TOOLS queries: [{use_case: "Icypeas operations", known_fields: ""}] session: {generate_id: true}

返回结果包含四类关键信息：

• 可用的工具 slug（tool slugs）：后续执行阶段真正要调用的工具标识；
• 输入 schema：每个工具参数的确切字段名与类型；
• 推荐的执行计划：针对该 use case 的建议调用序列；
• 已知陷阱（known pitfalls）：该工具集已知的易错点。

值得说明的是，known_fields留空是为了让搜索以最开放的方式返回完整 schema；而session.generate_id: true则为本次发现流程自动生成一个新会话 ID，作为后续调用链路的状态载体。

核心工作流模式：发现 → 检查 → 执行

文档给出了一个可复用的三步工作流，适用于任何具体的 Icypeas 任务（如批量处理、数据同步等场景，只需把 use case 换成你的实际任务描述）。

Step 1：发现可用工具

在已有会话的基础上继续发现，传入具体的任务语义：

RUBE_SEARCH_TOOLS queries: [{use_case: "your specific Icypeas task"}] session: {id: "existing_session_id"}

注意此处复用existing_session_id，即沿用第一步生成的会话 ID，保持工作流上下文的连续性。

Step 2：检查连接状态

执行前再次确认 Icypeas 连接健康：

RUBE_MANAGE_CONNECTIONS toolkits: ["icypeas"] session_id: "your_session_id"

该调用返回 Icypeas toolkit 的连接状态。若状态非 ACTIVE，应先回到 Setup 步骤完成授权，而不是继续执行，否则工具调用会因认证失败而报错。

Step 3：执行工具

拿到经过校验的 tool slug 与 schema 后，通过RUBE_MULTI_EXECUTE_TOOL一次性执行一个或多个工具：

RUBE_MULTI_EXECUTE_TOOL tools: [{ tool_slug: "TOOL_SLUG_FROM_SEARCH", arguments: {/* schema-compliant args from search results */} }] memory: {} session_id: "your_session_id"

要点拆解：

• tool_slug必须来自RUBE_SEARCH_TOOLS的返回结果，而不是凭记忆填写；
• arguments必须与搜索结果中的 schema 完全一致，字段名与类型都不能想当然；
• memory参数必须始终包含，即使没有需要传递的状态也要传空对象{}；
• session_id沿用前两步的会话，使整个工作流在同一个会话上下文中串联。

批量与完整 schema 的补充路径

除上述核心调用外，文档的 Quick Reference 还给出了两种进阶途径：

• 批量操作：使用RUBE_REMOTE_WORKBENCH配合run_composio_tool()执行批量操作，适合需要对多个实体重复调用的场景；
• 完整 schema 获取：对于返回结果中带schemaRef的工具，使用RUBE_GET_TOOL_SCHEMAS获取其完整 schema 定义，避免因 schema 被截断或引用外部定义而误用参数。

已知陷阱：六条实战纪律

文档以专门一节列出六条已知陷阱，是实际运行中最容易踩坑的地方，逐一展开如下：

1. 永远先搜索（Always search first）：工具 schema 会变化。在不调用RUBE_SEARCH_TOOLS的情况下硬编码 tool slug 或参数，是产生运行时错误的首要原因。这是整个技能反复强调的第一纪律。
2. 执行前检查连接：执行工具前必须用RUBE_MANAGE_CONNECTIONS确认状态为 ACTIVE，否则认证失败会浪费整轮调用。
3. Schema 合规：参数必须使用搜索结果中的精确字段名与类型，任何近似写法（如大小写、命名风格不符）都会导致 schema 校验失败。
4. Memory 参数不可省略：RUBE_MULTI_EXECUTE_TOOL的每次调用都必须携带memory，即使无状态也要传{}，这是协议层面的硬性要求。
5. 会话复用策略：同一工作流内复用会话 ID，保证状态连贯；开启新的工作流时再生成新的会话 ID，避免新旧任务的状态互相污染。
6. 分页处理：响应中若出现分页令牌（pagination tokens），必须持续拉取直到数据取完，否则会得到不完整的执行结果。

快速参考表

文档末尾的 Quick Reference 将四类核心操作浓缩为一张速查表：

这张表可以作为日常开发的速记：遇到新任务先查表定位入口，再回到对应小节展开完整调用。

从仓库视角看这套技能的生态位置

icypeas-automation并非孤立存在。在 composio-skills 目录下，仓库还维护了 composio-automation、ably-automation 等大量同构技能——它们共享完全相同的 Rube MCP 接入方式、三步工作流与陷阱清单，差异仅在于 toolkit 名称与 use case 描述。这种"统一骨架 + 按应用定制"的组织方式，意味着你在 Icypeas 上掌握的RUBE_SEARCH_TOOLS→RUBE_MANAGE_CONNECTIONS→RUBE_MULTI_EXECUTE_TOOL链路，可以零成本迁移到该系列任何其他技能上。

同时，这些技能遵循仓库 README.md 中描述的 Claude Skills 渐进式加载机制：会话启动时智能体只看到每个技能的 name 与 description（约 100 token），只有当判断任务相关时才会加载完整的 SKILL.md 正文。这也是一个智能体可以同时挂载上百个自动化技能而不会撑爆上下文窗口的原因——每个 composio 技能都保持了极简、聚焦的指令体积。

小结

Icypeas 自动化并不复杂，关键在于纪律：先发现（SEARCH_TOOLS）→ 再确认（MANAGE_CONNECTIONS）→ 后执行（MULTI_EXECUTE_TOOL），并始终以搜索返回的 schema 为准、以 ACTIVE 连接为门槛、以会话 ID 串联上下文。遵循 SKILL.md 中列出的六条陷阱纪律，即可在 Claude 等智能体中稳定地完成 Icypeas 业务自动化，并将同一套方法论复用到 Composio 生态的其余 70 余个应用技能中。

• AI 技能
• AI 插件
• 人工智能
• 工作流自动化