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

本文基于 composio-skills/weathermap-automation/SKILL.md 编写，面向希望在 Claude 类 Agent 中自动化 Weathermap 天气图服务的开发者，完整讲解其前置条件、MCP 连接建立、工具发现、三步核心工作流、常见陷阱与操作速查，并结合仓库内其他 Composio 技能与根 README 提供源码级佐证。读完本文，你将掌握一套"先发现、再连接、后执行"的通用自动化范式，可复用到 Composio 支撑的任意 SaaS 工具集。

技能定位：Weathermap 自动化任务卡

weathermap-automation是 awesome-claude-skills 仓库composio-skills/目录下的一个预构建 Claude Skill。它不直接调用 Weathermap 的 HTTP API，而是通过 Composio 的 Weathermap toolkit、经由Rube MCP完成对 Weathermap 的远程操作——包括工具发现、连接管理与多工具批量执行。

从技能文件的 YAML Frontmatter 可以看到其核心元信息：

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

• name：技能唯一标识，即目录名weathermap-automation；
• description：给 Agent 的意图摘要，其中"Always search tools first"（永远先搜索工具）是该技能最重要的行为准则；
• requires.mcp：声明本技能依赖名为rube的 MCP 服务器，意味着在 Claude Code、Claude.ai 或其他支持 MCP 的客户端中运行本技能前，必须完成该 MCP 的接入。

仓库根目录 README.md 在 "App Automation via Composio" 一节说明：composio-skills/下存放了面向 78 个 SaaS 应用的预构建工作流技能，每个技能都包含工具序列、参数指导、已知陷阱和快速参考表，且全部使用从 Composio API 发现到的真实工具 slug。Weathermap 技能正是这一体系中的一员，其文档结构与composio-skills/下其他技能（如 openweather-api-automation）保持完全一致，说明它遵循统一的模板与最佳实践。

前置条件

在运行任何 Weathermap 工作流之前，必须满足以下三个条件：

1. Rube MCP 已连接：环境中存在RUBE_SEARCH_TOOLS工具，说明 Rube MCP 已成功注册并可用；
2. Weathermap 连接为 ACTIVE 状态：已通过RUBE_MANAGE_CONNECTIONS以 toolkitweathermap建立并激活连接；
3. 先搜索工具：每次执行前必须调用RUBE_SEARCH_TOOLS获取当前最新的工具 schema。

第三点反复强调的原因在于：Composio 的 SaaS 工具集 schema 会随上游 API 演进而变化，硬编码的工具 slug 或参数可能在任意时刻失效，因此"先发现、再执行"是本技能的第一原则。

环境设置：接入 Rube MCP 并建立 Weathermap 连接

接入 Rube MCP

Rube MCP 的接入方式极为轻量：在客户端的 MCP 服务器配置中直接添加https://rube.app/mcp作为服务器端点即可，无需申请任何 API Key——添加端点后即可工作。

建立 Weathermap 连接（四步校验流程）

1. 验证 Rube MCP 可用：确认RUBE_SEARCH_TOOLS有响应；
2. 调用RUBE_MANAGE_CONNECTIONS，传入 toolkitweathermap；
3. 若连接状态不是 ACTIVE，则跟随返回的认证链接完成授权设置；
4. 在运行任何工作流前，再次确认连接状态显示为 ACTIVE。

这套流程的本质是一次 OAuth 式授权：RUBE_MANAGE_CONNECTIONS负责发起连接，未激活时返回认证链接，完成授权后连接才进入 ACTIVE 状态，后续工具调用才能带上有效凭据。

工具发现：RUBE_SEARCH_TOOLS 的标准用法

在正式执行前，先执行一次工具发现，确认当前可用的工具集合：

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

调用返回四类关键信息：

• 可用工具 slug：后续RUBE_MULTI_EXECUTE_TOOL中tool_slug字段的取值来源；
• 输入 schema：参数名称、类型与必填项的权威定义；
• 推荐执行计划：针对该 use case 的步骤编排建议；
• 已知陷阱：当前版本工具集的注意事项。

首次调用时使用session: {generate_id: true}生成新会话 ID；后续调用则复用已有会话，以维持同一工作流内的上下文连续性。

核心工作流模式：三步走

所有 Weathermap 自动化任务都遵循同一个三步模式，每一步对应一个 Rube MCP 工具。

Step 1：发现可用工具

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

将use_case替换为具体任务描述（例如按城市查询天气图、拉取指定时间片的气象数据等），并复用当前工作流的会话 ID，从返回结果中取得该任务对应的工具 slug 与参数 schema。

Step 2：检查连接

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

确认weathermaptoolkit 的连接状态为 ACTIVE。如果非 ACTIVE，先完成授权再继续，避免执行阶段因凭据缺失而失败。

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"

要点拆解：

• tool_slug必须来自 Step 1 的搜索结果，禁止凭记忆硬编码；
• arguments必须严格符合搜索结果中给出的 schema——字段名、字段类型都要逐一对应；
• memory参数必须始终携带，即使没有需要保留的状态也传空对象{}；
• session_id沿用当前工作流会话，保证工具执行间的上下文可追溯。

已知陷阱与规避策略

技能文档总结了六条高频陷阱，是保证自动化稳定性的关键：

• 先搜索再执行：工具 schema 会变化，绝不在不调用RUBE_SEARCH_TOOLS的情况下硬编码工具 slug 或参数；
• 执行前检查连接：调用工具前，确认RUBE_MANAGE_CONNECTIONS返回 ACTIVE 状态；
• 严格遵守 schema：字段名与类型以搜索结果为准，使用精确的字段名与类型；
• 始终携带 memory 参数：RUBE_MULTI_EXECUTE_TOOL的每次调用都要包含memory，哪怕为空对象{}；
• 会话复用策略：同一工作流内复用会话 ID，开启新工作流时才生成新 ID；
• 处理分页：检查响应中的分页令牌，持续拉取直至数据完整。

从模式看，前三条属于"防御性验证"（防 schema 漂移与凭据失效），后三条属于"协议规范性"（保证调用格式正确与结果完整），共同构成 Agent 在无人值守场景下的稳健执行基线。

快速参考：操作 → 工具速查表

补充说明：

• 批量操作：当需要一次性执行多个 Weathermap 操作时，使用RUBE_REMOTE_WORKBENCH并在其中调用run_composio_tool()，适合任务编排与批量处理场景；
• 完整 schema：当搜索结果中的工具带有schemaRef引用时，用RUBE_GET_TOOL_SCHEMAS拉取完整 schema，便于深度参数校验。

仓库视角：统一模板与可迁移范式

对照 README.md 中的说明可知，composio-skills/下的全部技能共享同一套"搜索 → 连接 → 执行"范式与相同的六条陷阱清单（可对比阅读同构文档 openweather-api-automation 验证）。这意味着本文掌握的所有要点——RUBE 五工具（RUBE_SEARCH_TOOLS、RUBE_MANAGE_CONNECTIONS、RUBE_MULTI_EXECUTE_TOOL、RUBE_REMOTE_WORKBENCH、RUBE_GET_TOOL_SCHEMAS）的职责分工、会话管理、schema 合规原则——均可原样迁移到其他 77 个 SaaS 技能上，只需将 toolkit 名称与 use case 描述替换为对应服务即可。

总结

weathermap-automation技能把"通过外部 SaaS 执行真实操作"这一能力封装成可复用的 Agent 工作流：以 Rube MCP 作为连接底座，以RUBE_SEARCH_TOOLS保证 schema 新鲜度，以RUBE_MANAGE_CONNECTIONS维护授权状态，以RUBE_MULTI_EXECUTE_TOOL完成实际执行。遵循"先发现、再连接、后执行"的节奏，同时守住 schema 合规、会话复用与分页处理三条纪律，即可稳定、安全地将 Weathermap 操作纳入 Claude 的自动化管线。

• AI 技能
• AI 插件
• 人工智能
• 工作流自动化