技能介绍

调用外部图像 API 的动态发现难题

在构建基于大模型的自动化工作流时，让模型可靠地调用外部图像增强 API（如 Claid AI）往往面临诸多工程挑战。API 接口的字段名、参数类型可能随版本更新而变化，硬编码工具调用参数极易导致工作流在运行期间断裂。此外，连接认证状态管理、多步骤执行时的上下文保持以及分页数据的连续获取，都是开发者在集成此类第三方服务时必须处理的底层细节。

基于 Rube MCP 的动态集成与执行

该技能通过 Rube MCP 接入 Composio 提供的 Claid AI 工具包，将复杂的 API 集成转化为标准化的工具调用流程。其核心工作流分为三个关键步骤：

动态工具发现：工作流启动时，必须首先调用 RUBE_SEARCH_TOOLS 获取当前最新的工具 slug、输入 schema 以及推荐的执行计划，避免使用过期的参数结构。
连接状态校验：调用 RUBE_MANAGE_CONNECTIONS 检查 claid_ai 工具包的连接状态。若未激活，则引导用户完成授权流程，确保后续操作在 ACTIVE 状态下进行。
上下文感知执行：使用 RUBE_MULTI_EXECUTE_TOOL 执行具体任务。在此过程中，必须显式传递 memory 参数（即使为空对象 {}），并在同一条工作流内复用 session ID，以维持状态一致性。

工程实践中的避坑指南

在实际部署时，有几个关键边界需要注意。首先，绝对不要在代码中硬编码工具参数，schema 变更是常态，必须依赖搜索接口的实时返回结果。其次，对于返回数据量较大的任务，需检查响应中的分页 token，并循环执行直到数据完全拉取。最后，如需执行批量操作，可通过 RUBE_REMOTE_WORKBENCH 调用 run_composio_tool() 进行批处理，但仍需确保前置的搜索和连接校验步骤已正常完成。