用 Claude Skills 驱动 Chatwork 自动化：基于 Rube MCP 与 Composio 的完整实战指南

AI 技能AI 插件人工智能工作流自动化【免费下载链接】awesome-claude-skillsA curated list of awesome Claude Skills, resources, and tools for customizing Claude AI workflows项目地址https://gitcode.com/GitHub_Trending/aw/awesome-claude-skills点击查看免费下载在 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 MCPComposio 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 frontmatterrequires: 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Rube MCPComposio 提供的 MCPModel 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。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。Chatwork ToolkitComposio 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。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 slugtool 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陷阱正确做法总是先搜索工具 schema 会变化禁止不调用RUBE_SEARCH_TOOLS就硬编码工具 slug 或参数检查连接执行工具前用RUBE_MANAGE_CONNECTIONS确认状态为ACTIVESchema 合规严格使用搜索结果返回的精确字段名与类型不要猜测或简化Memory 参数RUBE_MULTI_EXECUTE_TOOL调用中始终携带memory即使为空也要传{}会话复用同一工作流内复用 session ID开启新工作流时再生成新 ID分页处理检查响应中的分页 tokenpagination tokens持续抓取直到数据完整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操作方式查找工具用 Chatwork 相关的 use case 调用RUBE_SEARCH_TOOLS建立连接用 toolkitchatwork调用RUBE_MANAGE_CONNECTIONS执行工具用搜索发现的工具 slug 调用RUBE_MULTI_EXECUTE_TOOL批量操作用RUBE_REMOTE_WORKBENCH配合run_composio_tool()获取完整 schema对带schemaRef的工具调用RUBE_GET_TOOL_SCHEMAS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schemaRefschema 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。赞分享AI 技能AI 插件人工智能工作流自动化【免费下载链接】awesome-claude-skillsA curated list of awesome Claude Skills, resources, and tools for customizing Claude AI workflows项目地址https://gitcode.com/GitHub_Trending/aw/awesome-claude-skills点击查看免费下载相关推荐Composio 自动化实战基于 Rube MCP 与 awesome-claude-skills 的 Skill 驱动编排指南Composio 自动化实战基于 Rube MCP 与 awesome claude skills 的 Skill 驱动编排指南 导读 本文围绕 awesomAI 技能AI 插件人工智能工作流自动化基于 Rube MCP 与 Composio 的 Blackbaud 自动化实战指南awesome-claude-skills基于 Rube MCP 与 Composio 的 Blackbaud 自动化实战指南awesome claude skills 本篇指南以 awesomeAI 技能AI 插件人工智能工作流自动化awesome-claude-skills 中的 Borneo 自动化基于 Rube MCP 与 Composio 的完整实战指南awesome claude skills 中的 Borneo 自动化基于 Rube MCP 与 Composio 的完整实战指南 本篇技术指南以仓库内 coAI 技能AI 插件人工智能工作流自动化上一篇洛雪音乐音源终极配置指南3步打造免费高品质无损音乐库下一篇openapi-backend与Fastify集成高性能API开发指南创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考