google-cloud-vision-automation

Google Cloud Vision 自动化技能

技能概述

通过 Rube MCP 无需 API Key 即可自动化执行 Google Cloud Vision 图像识别任务，支持批量 OCR、人脸检测、标签提取等操作。

适用场景

1. 批量图像内容分析

需要对大量图片进行自动化分析时，使用此技能可以批量调用 Google Cloud Vision API 进行文本识别（OCR）、人脸检测、图像标签分类、内容审核等操作，无需编写代码。

2. 文档数字化工作流

将扫描的 PDF 或图片文档自动转换为可搜索的文本，适用于发票处理、合同归档、书籍数字化等场景，配合 Rube MCP 的工具发现和执行能力构建端到端流程。

3. 电商与内容审核

自动为商品图片生成描述标签、检测违规内容、分析用户上传图片，支持构建自动化内容管理系统，减少人工审核工作量。

核心功能

1. 智能工具发现与连接管理

通过 RUBE_SEARCH_TOOLS 自动获取最新的 Google Cloud Vision 工具模式和推荐执行计划，使用 RUBE_MANAGE_CONNECTIONS 管理连接状态，无需手动维护 API 文档。

2. 多模式图像识别

支持光学字符识别（OCR）、人脸检测与属性分析、图像标签分类、地标识别、Logo 检测、显式内容检测等多种 Google Cloud Vision 功能。

3. 批量与并行处理

使用 RUBE_MULTI_EXECUTE_TOOL 在单次会话中执行多个识别任务，或通过 RUBE_REMOTE_WORKBENCH 构建复杂的批量处理工作流，大幅提升处理效率。

常见问题

配置 Rube MCP 需要提供 API Key 吗？

不需要。只需将 https://rube.app/mcp 添加为 MCP 服务器端点即可开始使用。认证通过 Composio 的连接管理系统完成，首次使用 Google Cloud Vision 时会引导你完成授权。

如何批量处理多张图片？

有两种方式：使用 RUBE_MULTI_EXECUTE_TOOL 在一次调用中传入多个工具执行请求，每个请求处理一张图片；或使用 RUBE_REMOTE_WORKBENCH 编写循环脚本调用 run_composio_tool() 函数。两种方式都支持在会话中复用 session ID 以保持连接状态。

支持哪些图像格式和限制？

Google Cloud Vision 支持 PNG、JPEG、GIF、BMP、WEBP 等常见格式。单张图片大小限制为 10MB，建议分辨率不超过 4000x4000 像素。处理大文件前建议先压缩或分割，批量操作时注意 API 速率限制。

OCR 识别支持哪些语言？

支持超过 50 种语言的文本识别，包括中文（简体/繁体）、英文、日文、韩文等。调用时需在 language_hints 参数中指定目标语言以提升准确率，未指定时系统会自动检测。

如何判断连接状态是否正常？

调用 RUBE_MANAGE_CONNECTIONS 并传入 toolkits: ["google_cloud_vision"]，检查返回的连接状态。状态为 ACTIVE 表示可用，INACTIVE 或 EXPIRED 需要重新授权，PENDING 表示正在等待用户完成授权流程。