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 awesome-claude-skills 仓库中的 basin-automation 技能 为主体，讲解如何通过 Rube MCP（Composio 提供）为 Claude 接入 Basin 自动化能力：从环境搭建、工具发现到执行完整工作流。读完本文，你将掌握一套"先发现、再连接、后执行"的通用技能调用范式，并了解如何规避工具模式变更、连接状态失效等典型坑点，可直接迁移到同仓库其他 70+ 个应用自动化技能上。

技能是什么：一句话理解 basin-automation

basin-automation 是 awesome-claude-skills 仓库 composio-skills 目录下针对 Basin 应用的预置 Claude Skill。它的 YAML frontmatter 定义如下：

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

三个关键信息值得注意：

• name：技能的唯一标识，即basin-automation，对应仓库中的目录名；
• description：技能的"开场白"，在会话启动时约以 100 token 的轻量成本暴露给 Agent，用于判断何时加载完整正文；
• requires：声明该技能依赖名为rube的 MCP 服务器——这是技能能否生效的硬性前提。

仓库根 README.md 对该技能所属的 "App Automation via Composio" 分类有明确定位：这是为 78 个 SaaS 应用预构建的工作流技能集合，每个技能都包含工具序列、参数指引、已知坑点和快速参考表，并且"所有工具 slug 都来自 Composio API 的真实发现结果"。basin-automation 正是其中一员，其完整正文即位于 composio-skills/basin-automation/SKILL.md。

前置条件：三个必要条件缺一不可

技能文档明确列出了运行本技能前必须满足的条件：

• Rube MCP 必须已连接，并且RUBE_SEARCH_TOOLS可用（这是技能发现工具的唯一入口）；
• Basin 连接必须处于 ACTIVE 状态，该连接通过RUBE_MANAGE_CONNECTIONS以 toolkitbasin建立；
• 每次操作前必须调用RUBE_SEARCH_TOOLS获取最新工具模式——这一点被技能反复强调，属于最高优先级纪律。

从 README.md 对 Skills、MCP、Tools 三层关系的定义可以看出这套设计的合理性：MCP 负责接入（认证与传输）、Tools 是 Agent 实际调用的函数、Skills 定义"做什么、按什么顺序、带什么护栏"。basin-automation 就是那个"行为层"，它依赖 Rube MCP 提供的连接能力和工具面，自身只负责编排。

环境搭建：四步完成接入

技能的环境搭建部分非常简洁，核心亮点是Rube MCP 无需 API Key：

获取 Rube MCP：在客户端配置中将https://rube.app/mcp添加为 MCP 服务器即可。无需任何 API Key——只需添加端点即可工作。

随后按顺序执行四步：

1. 验证 Rube MCP 可用：确认RUBE_SEARCH_TOOLS能正常响应；
2. 建立连接：调用RUBE_MANAGE_CONNECTIONS，toolkit 参数传basin；
3. 完成认证：若连接状态不是 ACTIVE，跟随返回的认证链接完成设置；
4. 确认状态：在运行任何工作流前，确认连接状态显示为 ACTIVE。

值得强调的实践要点：连接状态检查不是一次性动作。由于 OAuth/API Key 会话可能过期，在长会话或跨天执行任务时，建议把"检查 ACTIVE"作为每个工作流的固定前奏，与技能文档"Known Pitfalls"中的对应条目呼应。

工具发现：一切操作的起点

技能规定：执行工作流之前必须先发现可用工具。标准调用示例如下：

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

该调用返回四类信息：

• 可用的tool slugs（工具唯一标识）；
• 每个工具的input schemas（输入参数模式，含字段名、类型、必填性）；
• 推荐的execution plans（执行方案）；
• 已知的pitfalls（坑点提示）。

为什么这一步如此重要？因为工具模式是动态的。技能在 Prerequisites 中反复强调"Always callRUBE_SEARCH_TOOLSfirst to get current tool schemas"，在坑点列表中也将其列为第一条——工具 slug 和参数会随 Composio API 演进而变化，任何硬编码的 slug 或参数都有过期的风险。这也是为什么仓库 README 特别注明这些技能"使用从 Composio API 发现的真实工具 slug"而非手工臆造。

核心工作流：三步骤执行范式

技能文档给出了一个可复用的三步骤模式，适用于任意 Basin 任务：

Step 1：发现可用工具

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

注意此处与"工具发现"示例的区别：如果工作流已在进行中，应复用已有 session id 而非重新生成，这样工具发现、连接检查与执行在同一上下文内保持连贯。

Step 2：检查连接

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

确认返回的连接状态为 ACTIVE 后再继续。若状态异常，回到搭建步骤重新认证。

Step 3：执行工具

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

三个细节直接决定成败：

• tool_slug必须来自 Step 1 的搜索结果，不要凭记忆填写；
• arguments必须严格遵循搜索结果返回的 schema——字段名、类型、嵌套结构都要逐一对齐；
• memory 参数必须始终携带，即使没有需要传递的记忆内容也要传空对象{}，这是RUBE_MULTI_EXECUTE_TOOL的固定要求。

从仓库结构看，这一"发现→连接→执行"三步骤模式并非 Basin 独有。对比同目录下的 composio-automation/SKILL.md 可以发现，其 Prerequisites、Setup、Tool Discovery、Core Workflow Pattern、Known Pitfalls、Quick Reference 的章节骨架与 basin-automation 完全一致，仅 toolkit 名与 use_case 文案不同。这说明该模式是整个 composio-skills 集合的统一约定：学透一个，即可触类旁通其余 70+ 个应用技能（如 openai-automation 展示了同一框架下如何填充 OpenAI 特有的工具与参数细节）。

已知坑点：六个高频踩雷区

技能文档总结了六个必须规避的坑点，全部来自真实执行经验：

• Always search first（永远先搜索）：工具模式会变。未调用RUBE_SEARCH_TOOLS之前，严禁硬编码工具 slug 或参数；
• Check connection（检查连接）：执行工具前，务必确认RUBE_MANAGE_CONNECTIONS返回 ACTIVE 状态；
• Schema compliance（严格遵循模式）：使用搜索结果中精确的字段名与类型，不要"猜"参数结构；
• Memory parameter（记忆参数必填）：RUBE_MULTI_EXECUTE_TOOL调用中必须包含memory，即使为空也要传{}；
• Session reuse（会话复用）：同一工作流内复用 session id；新工作流才生成新 id；
• Pagination（分页处理）：检查响应中是否携带分页 token，如有则持续抓取直到取完全部数据。

其中"分页"一条容易被忽略：批量型 Basin 操作（如拉取大量记录）的响应可能被截断，若不对分页 token 做循环处理，会得到不完整的结果集——这在实际自动化任务中是相当隐蔽的数据完整性问题。

快速参考：五个操作的速查表

这张表覆盖了从发现到执行的完整链路，并对两种进阶场景给出指引：

• 批量操作：使用RUBE_REMOTE_WORKBENCH并调用run_composio_tool()，适合需要在远端工作台循环执行多次工具调用的场景；
• 完整模式获取：当搜索结果返回的 schema 以schemaRef引用形式给出时，用RUBE_GET_TOOL_SCHEMAS拉取完整定义，避免因引用未展开导致参数构造错误。

技能设计思想：为什么"先搜索"是灵魂

纵观整个 SKILL.md，所有纪律最终都收敛到一句话：schemas are dynamic（模式是动态的）。这一设计思想与 README 对技能格式的描述（README.md）一脉相承：

• 技能正文通常在 5000 token 以内，按需加载，保证 Agent 上下文不被撑爆；
• 技能不是 MCP 服务器、也不是工具本身，它只负责"编排行为"；
• 与 Rube MCP 的运行时工具发现机制配合后，技能正文中几乎不出现硬编码的工具参数，所有实际 schema 都在执行时动态获取。

这意味着 basin-automation 具有相当强的时效韧性：只要遵守"先搜索"纪律，即便 Composio 后续调整了 Basin 工具的名称或参数结构，该技能的工作流骨架依然可以照常运行，仅需按最新 schema 更新 arguments。

总结：从 Basin 出发，掌握整个技能集合

basin-automation 虽然只针对 Basin 一个应用，但它示范的完整方法论可以立即迁移：

1. 以 SKILL.md 的 frontmatter 声明依赖，让 Agent 在合适的时机加载技能；
2. 用RUBE_SEARCH_TOOLS动态发现工具，永不硬编码；
3. 用RUBE_MANAGE_CONNECTIONS建立并确认 ACTIVE 连接；
4. 用RUBE_MULTI_EXECUTE_TOOL按 schema 执行，始终携带memory、复用 session；
5. 用速查表中的RUBE_REMOTE_WORKBENCH与RUBE_GET_TOOL_SCHEMAS处理批量与完整模式场景。

这套模式在仓库 composio-skills 目录下的 70+ 个应用技能中保持一致骨架。掌握 basin-automation，你就等于拿到了整个 Composio 应用自动化技能集合的"通用钥匙"——这也是该技能被收录进 awesome-claude-skills 精选列表的核心理由。

• AI 技能
• AI 插件
• 人工智能
• 工作流自动化