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 awesome-claude-skills 仓库中的 bannerbear-automation/SKILL.md 编写，系统讲解如何通过 Rube MCP（Composio 的统一 MCP 网关）连接并自动化 Bannerbear 图片与视频生成服务。读者将掌握完整的「工具发现 → 连接管理 → 工具执行」三步工作流、RUBE 系列核心调用范式，以及规避 schema 漂移、会话复用、分页处理等实战陷阱的成熟方案。

为什么需要这套自动化方案

Bannerbear 是面向内容创作者与营销团队的图片/视频自动生成服务。在实际项目中，批量生成横幅、缩略图、社媒配图等场景往往需要反复调用其 API。awesome-claude-skills 仓库的composio-skills目录下预置了面向 78 个 SaaS 应用的工作流 Skill（参见 README 的 App Automation via Composio 章节），每个 Skill 都基于 Composio 官方 API 中真实发现的工具 slug 编写，包含完整的工具调用序列、参数指导、已知陷阱与快速参考表。bannerbear-automation正是其中的一员，它借助 Composio 的 Bannerbear toolkit，把 Claude（或其他支持 MCP 的 Agent）与 Bannerbear 能力桥接起来，让 Agent 能以自然语言驱动图片生成任务。

这套方案的核心价值在于：

• 无需手写 HTTP 调用：Bannerbear 的认证、请求签名、错误处理均由 Composio 统一封装；
• schema 永远保鲜：每次执行前通过RUBE_SEARCH_TOOLS拉取当前工具 schema，避免工具签名漂移导致调用失败；
• 连接即插即用：通过RUBE_MANAGE_CONNECTIONS管理 OAuth/API Key 连接，Agent 只需关注业务逻辑。

前置条件

开始之前，需要满足以下三项前置条件（这也是 SKILL.md 明确定义的硬性要求）：

1. Rube MCP 必须已连接：即RUBE_SEARCH_TOOLS工具可用，Agent 环境能识别 RUBE 系列工具；
2. Bannerbear 连接必须处于 ACTIVE 状态：通过RUBE_MANAGE_CONNECTIONS以bannerbear为 toolkit 建立连接，未激活的连接需要先完成授权；
3. 执行前必须先调用RUBE_SEARCH_TOOLS：任何工作流开始前都要拉取当前工具 schema，这是整套规范的第一原则。

仓库参考：与 composio-automation/SKILL.md 相比，二者前置条件完全同构，只是 toolkit 从composio换成了bannerbear，可见整个 composio-skills 家族遵循同一套 Rube MCP 协议。

设置：三步接入 Rube MCP

接入过程极为轻量，核心要点是无需任何 API Key：

获取 Rube MCP：在客户端配置中将https://rube.app/mcp添加为 MCP 服务器即可。不需要 API keys —— 只需添加端点就能工作。

添加完成后，按以下顺序完成环境验证：

1. 验证 Rube MCP 可用：确认RUBE_SEARCH_TOOLS能够正常响应；
2. 建立 Bannerbear 连接：调用RUBE_MANAGE_CONNECTIONS，toolkit 指定为bannerbear；
3. 完成授权：如果连接状态不是 ACTIVE，则按照返回的 auth 链接完成授权流程（跳转到 Bannerbear 或 Composio 的认证页面完成登录与授权）；
4. 确认激活：在运行任何工作流之前，确认连接状态显示为 ACTIVE。

值得强调的是，该 Skill 声明requires: mcp: [rube]，说明它依赖 Claude 的 MCP 能力来挂载 Rube 服务器，而不是把 RUBE 工具直接内置进模型上下文。这种设计让同一套 Skill 天然适配 Claude.ai、Claude Code 以及 Codex、Cursor、Gemini CLI 等支持 MCP 的编码 Agent（仓库 README 也明确这是面向多种 Agent 的通用方案）。

工具发现：永远先搜索，再执行

Bannerbear toolkit 会随 Composio 平台迭代而更新，工具 slug、输入字段、参数类型都可能变化。因此文档把「工具发现」提升为强制前置步骤，标准调用如下：

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

调用后返回的内容包括：

• 可用工具 slug（例如创建图片、获取模板、批量渲染等操作的 slug 标识）；
• 输入 schema（每个字段的名称、类型、必填性）；
• 推荐的执行计划（针对该 use_case 的工具编排建议）；
• 已知陷阱（该操作常见踩坑点）。

session.generate_id: true表示本次搜索会新建一个会话 ID，供后续步骤复用。也就是说，工具发现的会话 ID 会成为整个工作流会话链的起点，后续的连接检查与工具执行都应沿用同一个 session。

核心工作流：三步完成一次 Bannerbear 任务

文档给出了清晰的三步模式，任何 Bannerbear 自动化任务都按此顺序推进。

Step 1：发现可用工具

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

将 use_case 替换为具体任务描述（如「为订单生成促销横幅」），并复用已有会话 ID。从返回结果中确定本次要使用的工具 slug 及其完整参数 schema。

Step 2：检查连接

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

确认 Bannerbear 连接状态。只有在 ACTIVE 状态下才能继续执行，否则需先回到授权流程。

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"

执行时注意三点：

• tool_slug必须取自 Step 1 的搜索结果，严禁硬编码；
• arguments中的字段名与类型必须与搜索结果中的 schema 完全一致；
• memory参数必须始终包含，即使为空也要传{}，这是 RUBE_MULTI_EXECUTE_TOOL 的协议要求。

已知陷阱与规避策略

文档总结了六条实战中反复出现的坑点，逐条对应规避策略：

这六条规则是 composio-skills 家族所有 Skill 的通用约定 —— 在 composio-automation/SKILL.md 中可以看到完全相同的六条清单，说明它们是经过 Composio 平台实践沉淀出的通用最佳实践，而非 Bannerbear 专属。

快速参考表

文档末尾给出了便于速查的操作对照表，覆盖了从常规执行到批量、深度 schema 检索的全部操作：

其中两个高级操作的适用场景值得展开说明：

• RUBE_REMOTE_WORKBENCH+run_composio_tool()：面向批量场景。当需要循环渲染多张 Bannerbear 图片（例如批量生成不同商品图）时，可以在远程 Workbench 环境中以编程方式反复调用run_composio_tool()，绕过单次多工具执行的限制，把 Agent 的编排逻辑放到远端执行；
• RUBE_GET_TOOL_SCHEMAS：当搜索结果返回的 schema 仅为摘要（通过schemaRef引用）时，用该工具获取字段级完整定义，适合需要精确构造复杂参数（如 Bannerbear 模板变量映射、多图层配置）的场景。

与仓库生态的关系

bannerbear-automation并非孤立 Skill。从 README.md 的 App Automation via Composio 章节可以看到，composio-skills目录下同类 Skill 覆盖 CRM、项目管理、沟通协作、邮件、DevOps、存储、电子表格、日历、社媒、营销、客服、电商、设计协作等十余个领域共 78 个 SaaS 应用，全部通过 Rube MCP 统一接入。bannerbear-automation属于设计与协作方向的能力集，与 Canva Automation 等设计类 Skill 形成互补——Bannerbear 侧重模板化批量生成，Canva 侧重交互式设计编辑。

这种「每个应用一个 Skill、统一协议、先搜索后执行」的架构，让开发者学习一个 Skill 就能举一反三掌握全部 78 个应用的自动化范式：前置条件同构、设置步骤同构、工作流三步同构、陷阱清单同构，差异只体现在 use case 描述、toolkit 名称与具体工具 slug 上。

总结

通过bannerbear-automationSkill，开发者可以用最少的配置成本（只需添加一个 MCP 端点、无需 API Key）把 Bannerbear 图片生成能力接入 Claude 工作流。整套方法论可以浓缩为一条铁律：搜索 → 检查 → 执行 → 复用会话。先通过RUBE_SEARCH_TOOLS拿到当前 schema，确认RUBE_MANAGE_CONNECTIONS连接激活，再用RUBE_MULTI_EXECUTE_TOOL按 schema 执行，最后在同一工作流内复用会话 ID、在批量场景下用RUBE_REMOTE_WORKBENCH收尾——这套流程同样适用于仓库中其余 77 个 Composio 自动化 Skill。

• AI 技能
• AI 插件
• 人工智能
• 工作流自动化