技能介绍

解决什么问题

在需要对图片进行批量分析时——比如从一堆发票截图里提取金额、识别上传商品的标签文字、或者给客服工单中的截图做内容分类——团队通常得先申请 Google Cloud Vision 的 API 密钥，再为每个脚本维护配额、重试和错误处理。一旦接入 Composio 的 Rube MCP，这些样板代码可以整体删掉：只要客户端能连上 https://rube.app/mcp，视觉识别能力就能作为一组标准化工具被调用。

技能如何工作

核心能力是让模型通过 Rube MCP 动态发现并执行 Google Cloud Vision 工具，而不是依赖硬编码的调用签名。整个流程分三步：

发现工具：先调用 RUBE_SEARCH_TOOLS，输入具体的视觉识别场景（如 "extract text from invoice images"），拿到当前可用的工具 slug、输入 schema 和推荐执行计划。
检查连接：调用 RUBE_MANAGE_CONNECTIONS 并指定 google_cloud_vision 工具集，确认状态为 ACTIVE；如果未激活，按返回的授权链接完成 Google 账号授权即可。
执行工具：用 RUBE_MULTI_EXECUTE_TOOL 按发现的 slug 逐个执行，或在需要批量操作时交给 RUBE_REMOTE_WORKBENCH 通过 run_composio_tool() 编排。

适用边界与注意点

必须先搜索：工具 schema 会随上游更新而变化，任何未经 RUBE_SEARCH_TOOLS 确认的工具名和参数都不可信。
字段名严格一致：执行时只能使用搜索结果里给出的字段名和类型，不要凭直觉改写。
内存与分页：RUBE_MULTI_EXECUTE_TOOL 调用中即使没有上下文也要传空的 memory（{}）；长任务需要关注返回里的分页 token，直到取完。
会话复用：同一工作流内应复用 session ID，新任务再生成新的，避免重复鉴权开销。
前置条件：本技能不直接对接 Google Cloud Vision API，必须确保 Rube MCP 在客户端配置中可用，且 Google Cloud Vision 连接处于 ACTIVE 状态。