当前位置：首页 > 技术分享 > 正文内容

OpenClaw Skill + MCP Server 开发实战：从瑞幸咖啡集成到自定义Skill搭建

2026年，OpenClaw生态迎来了里程碑式的扩展。从4月正式支持MCP协议，到5月Skill Workshop审核上线，再到6月Workboard多Agent编排发布——OpenClaw已经从一个单纯的AI聊天网关，进化成一个完整的智能体开发平台。本文将带读者深入理解OpenClaw的Skill + MCP Server架构，并通过真实案例——瑞幸咖啡Skill的源码拆解，手把手教你搭建自己的自定义Skill。

一、理解OpenClaw Skill架构

在OpenClaw中，Skill是赋予AI Agent特定能力的模块化指令集。一个Skill本质上是一份SKILL.md文件，它告诉AI Agent在面对特定场景时应该如何思考、调用哪些工具、遵循什么流程。

Skill有两种形态：

instruction-only Skill：纯指令技能，不包含可执行代码。SKILL.md里全是"如果用户点咖啡，先查门店、再搜商品、最后下单"这样的规则描述。AI Agent理解并执行这些规则。
代码Skill：包含可执行脚本或插件，有实际的逻辑处理能力。适用于复杂业务场景。

绝大多数面向日常业务的Skill都是instruction-only类型。这意味着你不需要会编程，只需要会写结构化文档，就能创建复杂的交互式Skill。

二、MCP Server：Skill的后端支柱

MCP（Model Context Protocol）是一种标准化的工具通信协议，由Anthropic提出。在OpenClaw中，MCP Server充当Skill与外部世界的桥梁。

一个完整的OpenClaw应用由四层构成：

▲ OpenClaw Skill + MCP Server 四层架构总览

信道层：微信、Discord、Telegram等聊天入口
Agent核心层：会话管理、记忆系统、工具调度、模型路由
Skill指令层：定义Agent行为的业务规则和流程
MCP Server层：实际执行外部操作的"手和脚"

三、真实案例：瑞幸咖啡Skill源码拆解

2026年6月，瑞幸咖啡官方发布了OpenClaw平台上的my-coffee-skill，这是目前最完善的商业MCP + Skill集成案例。让我们拆开看看它长什么样。

3.1 MCP Server端（瑞幸提供）

瑞幸在开放平台部署了一套Streamable HTTP MCP Server，暴露了8个核心工具：

类别	工具名	功能
门店	queryShopList	按经纬度查询附近门店
商品	searchProductForMcp	搜索匹配商品
	switchProduct	切换商品属性（杯型/温度/糖度）
	queryProductDetailInfo	查看商品详情
订单	previewOrder	订单预览（原价、优惠、实付）
	createOrder	创建订单（生成支付二维码）
	queryOrderDetailInfo	查询订单状态
	cancelOrder	取消订单

MCP Server的配置非常简单：

{{{  // OpenClaw 配置中的 mcp.servers 部分
  "mcp": {
    "servers": {
      "my-coffee": {
        "url": "https://gwmcp.lkcoffee.com/order/user/mcp",
        "transport": "streamable-http",
        "headers": {
          "Authorization": "Bearer <你的Token>"
        },
        "timeout": 30000
      }
    }
  }
}}}

3.2 Skill端（OpenClaw配置）

Skill侧是一份纯指令的SKILL.md，定义了完整的业务交互流程：

## 下单流程
1. 询问用户需要什么饮品，以及杯型、温度、糖度
2. 用 searchProductForMcp 搜索匹配商品
3. 确认选择后用 previewOrder 预览订单
4. 展示优惠信息（照单全收，不修改）
5. 用户确认后调用 createOrder
6. 展示支付二维码和可点击链接

## 约束规则
- 必须先预览再下单（不可跳步）
- 优惠券必须原样透传
- 只能自取，不支持配送
- Token必须完整、不能脱敏

OpenClaw中的Skill注册同样简单：

{{{  // OpenClaw 配置中的 skills.entries
  "skills": {
    "entries": {
      "my-coffee": { "enabled": true }
    },
    "load": {
      "extraDirs": ["/path/to/my-coffee-skill"]
    }
  }
}}}

四、实战：从零搭建一个"每日科技早报"Skill

理解了架构之后，我们动手搭建一个真实的Skill。需求：每天早上8点，Agent自动抓取科技资讯，生成一份摘要推送到微信。

步骤1：编写SKILL.md

---
name: daily-tech-briefing
description: 每日科技早报，聚合科技资讯生成摘要推送到微信
metadata:
  openclaw:
    emoji: "📰"
---

# 每日科技早报 Skill

## 触发方式
- Cron定时触发：每天早上8:00
- 用户手动输入"今日科技"

## 执行流程
1. 使用 web_search 搜索过去24小时的关键科技新闻
2. 关键词列表：AI、OpenClaw、大模型、编程、开源
3. 选择热度最高的5条新闻
4. 为每条生成100字摘要
5. 聚合为 Markdown 格式早报
6. 通过 WeChat 信道推送给用户

## 输出格式
- 标题："📰 每日科技早报 - YYYY-MM-DD"
- 每条新闻：编号 + 标题 + 摘要 + 来源链接
- 末尾：一句AI生成的小贴士

步骤2：注册MCP工具（如果需要）

这个Skill不需要自定义MCP Server，直接使用OpenClaw内置的 web_search 工具即可。如果需要对接自己的数据源，可以搭建一个简单的MCP Server：

// Node.js MCP Server 示例（30行代码）
import { Server } from "@modelcontextprotocol/sdk/server/index.js";
import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";
import { CallToolRequestSchema, ListToolsRequestSchema } from "@modelcontextprotocol/sdk/types.js";

const server = new Server({ name: "my-server", version: "1.0.0" }, {
  capabilities: { tools: {} }
});

server.setRequestHandler(ListToolsRequestSchema, async () => ({
  tools: [{
    name: "fetch_news",
    description: "获取科技资讯",
    inputSchema: {
      type: "object",
      properties: {
        category: { type: "string" },
        count: { type: "number" }
      }
    }
  }]
}));

server.setRequestHandler(CallToolRequestSchema, async (request) => {
  if (request.params.name === "fetch_news") {
    // 实际调用你的数据源
    return { content: [{ type: "text", text: "..." }] };
  }
});

const transport = new StdioServerTransport();
await server.connect(transport);

步骤3：配置到OpenClaw

# 将Skill目录放入 extraDirs 路径
mkdir -p ~/skills/daily-tech-briefing
vim ~/skills/daily-tech-briefing/SKILL.md
# 粘贴上面的SKILL.md内容

# 配置 cron 定时任务（OpenClaw内置，无需crontab）
openclaw cron add --name "daily_tech" \
  --schedule "0 8 * * *" \
  --payload '{"kind":"agentTurn","message":"执行每日科技早报"}'