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 composio-skills/draftable-automation/SKILL.md 为绝对主体，讲解如何在 Claude 类 Agent 中以标准 Skill 形式接入 Rube MCP，进而通过 Composio 的 Draftable 工具集完成文档对比等操作的自动化。读完本文，你将掌握 Rube MCP 的接入方式、RUBE_SEARCH_TOOLS工具发现的正确姿势、连接管理流程，以及一套可复制的「发现 → 连接 → 执行」三步工作流模板，并能避开 schema 过期、连接状态失效等高频陷阱。

一、Skill 定位：它是干什么的

draftable-automation是 awesome-claude-skills 仓库中 App Automation via Composio 分类下、面向 78 个 SaaS 应用预构建的自动化 Skill 之一。它的核心目标只有一个：让 Agent 能通过 Rube MCP（由 Composio 提供）驱动 Draftable 的业务操作，而不是只停留在文本生成层面。

从 Skill 文件头部 frontmatter 可以清晰看到它的声明方式：

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

这里有三层关键信息：

• name是 Skill 的唯一标识，即draftable-automation；
• description供 Agent 在会话启动阶段做相关性判断（README 明确说明，会话开始时 Agent 只看到每个 Skill 的名称和描述，约 100 token，完整正文按需加载）；
• requires.mcp: [rube]则声明了本 Skill 的运行时依赖——必须存在名为rube的 MCP 服务器，否则 Skill 无法工作。

这一结构是整个仓库 1000+ Skill 的通用骨架，也与 README.md 中「Skills 定义工作流（做什么、按什么顺序、带什么护栏），MCP 提供访问通道，工具执行动作」的三层分工描述完全吻合：Draftable 的能力来自 Composio 工具集，Rube MCP 负责连接与发现，本 Skill 负责告诉 Agent 正确的工作顺序与注意事项。

二、前置条件

在把该 Skill 投入使用前，需要确认三个前置条件全部满足：

1. Rube MCP 已连接：必须能在会话中调用RUBE_SEARCH_TOOLS这个工具，它是验证 MCP 是否可用的第一信号；
2. Draftable 连接处于 ACTIVE 状态：需要通过RUBE_MANAGE_CONNECTIONS以draftable为 toolkit 名建立并激活连接；
3. 每次执行前先做工具发现：RUBE_SEARCH_TOOLS必须被优先调用，以获取当前最新的工具 schema，而不是依赖记忆或硬编码。

最后一条是整个 Skill 反复强调的纪律：工具 schema 会变化，任何时刻都不要假设上一次的调用参数仍然有效。

三、Setup：接入 Rube MCP 与建立 Draftable 连接

3.1 添加 Rube MCP 服务器

接入方式非常轻量：在客户端（Claude Code、Claude.ai、Cursor 等）的 MCP 服务器配置中直接添加https://rube.app/mcp端点即可，无需申请任何 API Key——加完即用。这也是该 Skill 描述中「No API keys needed」的由来。

3.2 四步建立连接

添加完 MCP 端点后，按以下顺序完成连接初始化：

1. 验证 MCP 可用：先确认RUBE_SEARCH_TOOLS能正常响应，这是通道健康的标志；
2. 发起连接：调用RUBE_MANAGE_CONNECTIONS，传入toolkit: "draftable"，请求建立 Draftable 连接；
3. 完成授权：如果返回的连接状态不是 ACTIVE，则按返回的 auth link 完成 OAuth 授权流程；
4. 确认就绪：在运行任何工作流之前，再次确认连接状态已变为 ACTIVE。

从源码结构看，这一步正是仓库中全部 Composio 自动化 Skill（如 composio-search-automation/SKILL.md、composio-automation/SKILL.md）共享的统一接线流程——区别仅在于 toolkit 名称，这保证了 Agent 在不同 Skill 之间切换时无需重新学习心智模型。

四、工具发现：永远先问RUBE_SEARCH_TOOLS

在执行任何 Draftable 操作前，必须先把工具发现做在前面。Skill 给出的标准调用如下：

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

三个参数各有用意：

• queries[].use_case：用自然语言描述你要完成的 Draftable 业务场景。Skill 文档建议首调用通用的"Draftable operations"做宽泛探测，之后在具体工作流中换成"your specific Draftable task"做精准检索；
• queries[].known_fields：如果你已经知道部分字段名可以填上作为提示，首次调用通常留空；
• session.generate_id: true：让 Rube 为新会话生成一个 session ID。这个 ID 要记住——后续的连接检查与工具执行都要复用它。

该调用的返回值包含四类信息：可用的工具 slug 列表、输入参数 schema、推荐的执行计划，以及已知的坑（known pitfalls）。也就是说，Agent 应当把「执行」建立在搜索结果返回的最新 schema 之上，而不是把工具 slug 写死。

五、核心工作流模式：发现 → 连接 → 执行

Step 1：发现可用工具

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

注意这里的会话策略：在工作流内复用已有的existing_session_id（来自首轮generate_id: true的返回），而不是再生成新的。会话 ID 的语义是「一个工作流一个会话」。

Step 2：检查连接状态

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

在执行前用与 Step 1 相同的 session 确认连接为 ACTIVE。若状态不是 ACTIVE，回到 3.2 的授权流程；只有确认 ACTIVE 后才能进入执行阶段。

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"

三个要点：

• tool_slug必须取自 Step 1 搜索结果，而不是凭记忆填写；
• arguments必须严格按搜索结果返回的字段名与类型构造，多字段少字段都可能触发 schema 校验失败；
• memory参数必须始终携带，即使没有状态也传空对象{}——Skill 在陷阱清单里明确要求了这一点。

同时RUBE_MULTI_EXECUTE_TOOL支持在tools数组里一次提交多个工具调用，适合把「比较文档 → 读取差异 → 整理报告」这类多步骤任务压缩为一次会话内的连续执行。

六、已知陷阱清单（务必逐条遵守）

Skill 作者把最容易踩的坑集中列成了清单，这是本 Skill 实战价值最高的部分：

其中「分页」一条容易被忽略：批量读取对比结果或长列表数据时，响应可能被截断，必须检查返回的分页标记并循环拉取，直到拿到完整结果。

七、快速参考表

Skill 末尾给出的速查表是整个流程的浓缩，可直接作为 Agent 运行时的手册：

后两行值得展开说明：

• 批量操作：当需要在远程工作台批量执行 Composio 工具时，走RUBE_REMOTE_WORKBENCH，并通过其中的run_composio_tool()函数逐次驱动工具，适合大批量、可离线化的任务；
• 完整 schema：搜索结果里部分工具只返回schemaRef引用而非完整 JSON Schema，此时用RUBE_GET_TOOL_SCHEMAS拉取全量 schema，确保复杂参数（嵌套对象、枚举、必填项）构造准确。

八、从仓库视角看这套 Skill 的设计一致性

横向对比 README.md 的 App Automation 分类与仓库内其它 Skill 可以发现，draftable-automation并不是孤例：所有 Composio 自动化 Skill 都复用同一套「Rube MCP + RUBE_SEARCH_TOOLS + RUBE_MANAGE_CONNECTIONS + RUBE_MULTI_EXECUTE_TOOL」四工具工作流，差异仅在toolkit名称与业务场景描述上。这种统一模式带来的实际收益是：Agent 一旦掌握一个 Skill 的调用习惯，就能无痛迁移到其余 77 个应用（如 composio-automation/SKILL.md、composio-search-automation/SKILL.md）的自动化上。

同时，该 Skill 也完整体现了仓库对 Skill 工程化的基本要求：明确的 YAML frontmatter 元数据、以requires.mcp声明的依赖、以描述驱动的渐进式加载、以「始终先搜索」为核心的防呆设计——这些都可以作为你编写自有自动化 Skill 时的参考模板。

九、上手路径总结

要在你自己的环境中跑通 Draftable 自动化，完整路径是：

1. 在 MCP 客户端配置中添加https://rube.app/mcp端点；
2. 将本 Skill（即draftable-automation目录下的 SKILL.md）放入 Skill 目录（如~/.config/claude-code/skills/）；
3. 会话启动后先验证RUBE_SEARCH_TOOLS可用；
4. 用RUBE_MANAGE_CONNECTIONS（toolkit:draftable）建立并确认 ACTIVE 连接；
5. 严格按「搜索 → 检查连接 → 执行」三步工作流驱动任务，并遵守陷阱清单与快速参考表。

把「永远先搜索、永远查连接、永远带 memory」三条纪律内化到 Agent 的执行习惯中，Draftable 的自动化工作流即可稳定、可复现地运转。

• AI 技能
• AI 插件
• 人工智能
• 工作流自动化