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

在 awesome-claude-skills 仓库的composio-skills/chatwork-automation目录下，提供了一个开箱即用的 Claude Skill：通过 Rube MCP（Composio 的 MCP 网关）把 Chatwork 的完整操作能力接入 Claude，让 Agent 直接发送消息、管理房间、处理任务与待办。本文以该 SKILL.md 为核心骨架，系统讲解从 MCP 接入、连接授权、工具发现到三步执行工作流的全部要点，并结合仓库内同体系的 Composio 自动化技能源码，拆解其稳定运行背后的设计原则。读完本文，你将能够在一个 Claude 兼容客户端中快速搭建出可复用的 Chatwork 自动化管线。

技能定位：App Automation via Composio 家族的一员

在 README.md 的 "App Automation via Composio" 章节中，仓库明确说明：这是一组面向 78 个 SaaS 应用（README 中声明为 78 个，实际收录目录更多）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 真实发现（discovered）的工具 slug，而非拍脑袋硬编码。chatwork-automation正是其中面向团队协作即时通讯工具 Chatwork 的一员。

从仓库结构可以看到，这套技能采用的是高度统一的模板化设计：composio-skills/composio-automation/SKILL.md、composio-skills/composio-search-automation/SKILL.md与本文主角chatwork-automation的骨架几乎完全一致——同样的 YAML frontmatter（requires: mcp: [rube]）、同样的RUBE_SEARCH_TOOLS → RUBE_MANAGE_CONNECTIONS → RUBE_MULTI_EXECUTE_TOOL三段式流程。这意味着你学会 Chatwork 这一个技能的用法后，可以零成本迁移到该目录下其他 500+ 应用技能上，学习收益极大。

每个技能的 YAML frontmatter 遵循仓库 CONTRIBUTING.md 定义的 SKILL.md 规范：name、description与requires字段共同决定了该技能何时被 Claude 自动激活、需要哪些外部依赖。chatwork-automation的requires.mcp: [rube]声明了硬性依赖——本技能必须依托 Rube MCP 服务器才能工作。

前置条件：理解三个核心概念

在动手配置之前，需要先厘清chatwork-automation技能依赖的三层基础设施：

1. Rube MCP：Composio 提供的 MCP（Model Context Protocol）服务器端点。它把所有 Chatwork 工具以标准 MCP 工具的形式暴露给 Claude，让 Agent 能够以统一的方式调用。技能内部所有指令都围绕RUBE_*前缀的工具展开。
2. Composio 连接（Connection）：通过RUBE_MANAGE_CONNECTIONS建立的 Chatwork 授权连接。这是 OAuth 凭证的托管层，Claude 无需感知 API Key 细节，授权一次后即可持续复用。
3. Chatwork Toolkit：Composio 平台上封装好的 Chatwork 能力集。正如 README 在介绍 Composio 技能体系时所说，这些技能"使用从 Composio API 真实发现的工具 slug"，因此具体有哪些工具、每个工具的参数结构，都以运行时发现的结果为准。

技能文件明确列出了三条硬性前置条件，任何一条不满足都会导致工作流失败：

• Rube MCP 必须已连接，RUBE_SEARCH_TOOLS可用；
• 必须存在一个 toolkit 为chatwork的 ACTIVE 连接；
• 每次执行前必须先调用RUBE_SEARCH_TOOLS获取当前工具 schema（工具 schema 会随平台迭代变化，这是整个技能最核心的纪律）。

环境搭建：接入 Rube MCP 端点

搭建过程极其轻量，这是该技能区别于传统 OAuth 集成的最大亮点。按 SKILL.md 的 Setup 章节，只需两步：

1. 添加 MCP 服务器：在 Claude 兼容客户端（如 Claude Code、Claude Desktop 等）的 MCP 配置中，把https://rube.app/mcp添加为 MCP server。无需任何 API Key——添加端点即可工作，这是 Rube 网关简化接入的关键设计。
2. 建立并验证 Chatwork 连接，具体顺序为：
   • 先确认RUBE_SEARCH_TOOLS有响应，证明 Rube MCP 已就绪；
   • 调用RUBE_MANAGE_CONNECTIONS并传入 toolkitchatwork；
   • 若返回的连接状态不是ACTIVE，跟随返回的认证链接完成授权流程；
   • 在运行任何工作流之前，再次确认连接状态显示为ACTIVE。

与仓库根目录 connect/SKILL.md 描述的通用连接机制一致：首次使用某个应用时，Agent 会引导用户完成 OAuth 授权（"Authorize here: ... / Say 'connected' when done"），连接建立后持久有效，无需重复授权。

工具发现：永远把 RUBE_SEARCH_TOOLS 放在第一步

chatwork-automation全篇反复强调一个纪律：永远先搜索，再执行。工具 schema 会随 Composio 平台迭代而变化，硬编码工具 slug 或参数会导致调用失败。

首次发现工具的推荐调用方式（SKILL.md 原文）：

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

一次搜索返回的内容包括：

• 可用的工具 slug（tool slugs）列表；
• 每个工具的输入 schema（字段名、类型、必填项）；
• 推荐执行计划（recommended execution plans）；
• 已知陷阱（known pitfalls）提示。

在后续工作流中，把session.generate_id: true换成复用已有会话的session: {id: "existing_session_id"}，并把use_case换成你的具体任务描述（如 "send a message to a Chatwork room"），让搜索更有针对性。

核心工作流模式：三步驱动一次 Chatwork 操作

技能文档将一次完整的自动化操作归纳为三个步骤，这也是整个 Composio 技能家族的统一模式：

Step 1：发现可用工具

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

将上一步得到的工具 slug 与参数 schema 保存在会话上下文中，作为后续执行的依据。注意：use_case描述越具体，返回的工具越贴合任务。

Step 2：检查连接状态

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

确认返回结果中 Chatwork 连接为ACTIVE。这一步是执行前的安全检查，避免在连接失效时静默失败或产生误导性错误信息。

Step 3：执行工具调用

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：tool_slug必须来自 Step 1 的搜索结果；arguments必须严格遵循搜索结果返回的 schema（字段名、类型、嵌套结构都不能自行发挥）；memory参数即使为空也必须在每次调用中带上（{}）；session_id在同一工作流内复用。

这套"发现 → 检查 → 执行"的模式在 composio-automation/SKILL.md 与 composio-search-automation/SKILL.md 中逐字复现，说明它是经过验证的通用范式：发现阶段拿到"当下正确"的 schema，检查阶段确认"有权限执行"，执行阶段才真正落地操作。

已知陷阱：保障工作流稳定的 6 条铁律

SKILL.md 用专门一节列举了实战中最高频的失败原因，逐条遵守可以规避绝大多数问题：

其中"分页处理"最容易被忽视：批量读取 Chatwork 房间消息、成员列表等场景，单次响应往往只返回一页，若忽略分页 token 直接截断，会得到不完整的数据集，进而污染后续的总结、统计类任务。

快速参考表：一张表覆盖全部操作入口

这张表是技能文档的高频使用入口：日常单点操作走前三行；需要一次性编排多条 Chatwork 操作（例如"批量读取多个房间的消息并归档"）时走RUBE_REMOTE_WORKBENCH远程执行；当搜索返回的 schema 引用了schemaRef（schema 引用 ID）时，用RUBE_GET_TOOL_SCHEMAS拉取完整定义。

从源码看技能体系：模板化设计带来的可迁移性

对比仓库中同目录的姊妹技能可以得出一个明确结论：chatwork-automation不是孤立的特例，而是 Composio 自动化技能家族的标准模板。以 composio-automation/SKILL.md 为例，两者的差异仅在于 toolkit 名称（chatworkvscomposio）、use case 描述和工具 slug，其余的前置条件、Setup 四步、工具发现调用、三步工作流、六条陷阱、快速参考表结构完全同构。

这带来两个直接的工程收益：

1. 学习成本极低：掌握 Chatwork 技能的调用范式，即可泛化到同一仓库composio-skills/目录下的全部应用技能；
2. 运行时自适应：因为技能从不硬编码工具定义，而是强制运行时通过RUBE_SEARCH_TOOLS发现，当 Chatwork 新增工具或修改参数时，技能无需更新即可继续工作——这正是"Always search tools first for current schemas"设计哲学的价值所在。

总结

chatwork-automation技能用一份不足百行的 SKILL.md，完整覆盖了 Chatwork 自动化的全生命周期：通过零配置的 Rube MCP 端点接入、OAuth 连接托管、运行时工具发现，以及"发现 → 检查 → 执行"的稳健三步模式。它把"工具 schema 易变""连接状态易失效""分页易遗漏"等真实工程问题全部前置为显式纪律，配合快速参考表，让 Agent 与开发者都能在几分钟内跑通第一条 Chatwork 自动化流水线。深入阅读 README.md 的 App Automation 章节与仓库内其他 500+ 个同构技能文件，可以进一步把这一模式扩展到你的整个 SaaS 自动化矩阵。

• AI 技能
• AI 插件
• 人工智能
• 工作流自动化