预约管理洞察助手
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @org-02qudk26/bookingmood-automation。
技能介绍
要解决的问题
当你准备把 Bookingmood 的预约数据接入自动化流程时,最常见的麻烦在于:工具清单和参数结构并不稳定。Composio 的 Bookingmood toolkit 会随上游 API 调整而变化,写死在代码里的 tool slug 和字段名很可能跑一两次就失效。此外,连接状态容易处于未激活状态,导致工作流静默失败。这个技能的价值在于,把"先探工具、再查连接、最后执行"固化成一套可重复的操作规范,让 Agent 在运行时自行适应 schema 变化。
核心能力
技能基于 Rube MCP 工作,遵循固定的三阶段模式:
- 工具发现:执行任何操作前,先调用
RUBE_SEARCH_TOOLS,拿到当前可用的 tool slug、输入 schema、推荐的执行计划和已知坑点。这一步不能跳过。 - 连接检查:通过
RUBE_MANAGE_CONNECTIONS并指定toolkit bookingmood确认连接状态;若未激活,按返回的授权链接完成设置。 - 批量执行:使用
RUBE_MULTI_EXECUTE_TOOL执行工作流;需要批量操作时改用RUBE_REMOTE_WORKBENCH里的run_composio_tool()。
关键注意事项
- 不要硬编码 schema:Tool slug 和参数结构随时可能变化,必须以
RUBE_SEARCH_TOOLS的返回结果为准,并严格遵循字段名和类型。 - 调用前确认连接:
RUBE_MANAGE_CONNECTIONS显示 ACTIVE 之后再跑工作流。 memory参数必须传:即使为空也要传{},否则调用可能报错。- 会话复用有规则:同一个工作流内复用 session ID;开新工作流时生成新的。
- 分页要处理到底:注意响应中的分页 token,循环拉取直到完整。
使用场景
- 写自动化脚本前,想探明 Bookingmood 当前可用工具和参数,避免硬编码失效
- 工作流执行中 Bookingmood 连接掉线,需要检查状态并按授权链接重新激活
- 批量拉取预约数据时遇到分页,需要循环调用直到结果完整再入库
- 让 Agent 自行发现 Bookingmood 工具并执行预约操作,而非写死调用逻辑
适合人员
- 后端工程师:负责把第三方预约服务接进自动化管道,需要应对 schema 频繁变更
- Agent 开发者:构建 AI Agent 时,希望模型自行搜索工具、检查连接并执行调用
- 自动化平台工程师:维护基于 MCP 的工具调度管道,统一处理连接状态、分页与会话复用
- 技术负责人:在评估将 Bookingmood 纳入自动化体系时,关注连接管理和工具发现的规范