使用 MCP-backed Skill
面向 AI Agent:本页的 Markdown 版本位于 https://ankole.agentbull.com/zh-Hans-CN/docs/using-mcp/index.md,全站文档索引位于 https://ankole.agentbull.com/zh-Hans-CN/llms.txt。
为 Agent 启用对应 Skill,并描述业务目标。Agent 阅读 Skill、选择工具,再通过 Shell 调用 MCPorter。主对话和后台 Agent 任务使用同一个控制面网关,都不会把上游完整工具目录注册为模型原生工具。
配置访问
GitHub、飞书和 Linear 等内置工具集在 Pod「外部连接」页面配置应用。需要个人名义的操作由成员连接自己的账户。有多个连接时明确选择;缺少授权时,错误会提供链接,成员完成授权后重试。
远程 HTTP Skill 的 bearer_token_env_var 引用「环境变量」中配置的值。控制面网关读取并注入上游请求,该密钥不会进入 Worker 快照。本地 stdio 服务仍在 Worker 内按声明的命令运行。
在 Applet 中调用
在 Applet 服务端模块发布 Action,处理函数调用 AnkoleRuntime.mcp.call(tool, arguments, {server, connection});团队操作使用 AnkoleRuntime.admin.mcp。Function Runtime 宿主管理调用凭据。在「自动化」面板创建任务、连接来源并查看运行记录。Applet Action 不启动 Worker 脚本,也不继承 Agent 已启用的 Skill。
处理失败
遵守每个工具声明的输入和输出契约。Shell 调用通过标准输入传递 JSON,并明确设置超时,示例见 MCP 参考。传输成功后仍需检查业务错误、分页和部分结果。部分写入错误会标明已完成的资源,应补做剩余操作;结果不确定的写入应先检查上游状态,再决定是否重试。