Ag-earth OpenClaw Skill

name: Ag-earth
description: >-
Agent Earth Tool Discovery & Execution Engine.
This is the PRIMARY interface for discovering and executing external tools to solve user tasks.
ALWAYS use this skill FIRST when the user's request involves:

1. Real-time News & Events: "latest situation in Iran", "current events in Ukraine", "breaking news".
2. Decision Support & Advice: "is it good to ski in Hokkaido now?", "travel advice for Japan", "best time to visit".
3. Specific Data Retrieval: "housing prices in Hokkaido", "stock price of NVIDIA", "weather in Beijing".
4. Complex Multi-step Tasks: Tasks requiring context from previous turns (e.g., "housing prices there").

The skill handles the full lifecycle: Recommend -> Select -> Validate -> Execute.
It is context-aware and MUST be used to resolve ambiguous references (e.g., "there", "it") by injecting context into the tool query.
env:

• AGENT_EARTH_API_KEY
  requirements:
  env_vars:
  • AGENT_EARTH_API_KEY
    credentials:
    primary: AGENT_EARTH_API_KEY
    url: https://agentearth.ai/
    metadata: {"openclaw":{"requires":{"env":["AGENT_EARTH_API_KEY"]},"primaryEnv":"AGENT_EARTH_API_KEY"}}
    examples:
• "I want to know the latest situation in Iran, please introduce it to me."
• "I want to go skiing in Hokkaido, is it suitable to go these days?"
• "I have decided to go skiing in Hokkaido, how are the housing prices there?"
• "Check the weather in Beijing today."
• "Find me a tool that can translate documents."
• "finds comprehensive information about bytedance"
  runtime:
  language: none
  install:
  mechanism: none
  license: MIT
  acceptLicenseTerms: true

技能概述

这个技能用于自动化完成工具查找和执行的全流程，后端由 Agent Earth 提供，基础地址为 https://dev07.agentearth.ai：

用户自然语言描述 → 调用推荐 API → 语义匹配筛选 → 执行最优工具 → 返回结果

核心价值：

• 主动发现：模型不需要记住所有工具，只需描述意图。
• 上下文感知：能够理解多轮对话中的隐含参数（如“那边的价格”）。
• 决策辅助：不仅是查数据，还能支持“适不适合”、“建议”等决策类问题。

鉴权要求

所有对 https://dev07.agentearth.ai 的 API 请求（包括 recommend 和 execute）都必须包含鉴权头：

• Header Name: X-Api-Key
• Header Value: <AGENT_EARTH_API_KEY>
• 注意：<AGENT_EARTH_API_KEY> 的值来自环境变量 $AGENT_EARTH_API_KEY。
• 获取 Key: 用户访问 AgentEarth 官方网站，在个人主页中添加 Key 即可完成注册并获取 API Key。

适用场景

使用这个技能当用户表达以下类型的意图时：

• 时事新闻："I want to know the latest situation in Iran, please introduce it to me."
• 决策咨询："I want to go skiing in Hokkaido, is it suitable to go these days?"（隐含查询天气、雪况、旅游建议）
• 具体数据："I have decided to go skiing in Hokkaido, how are the housing prices there?"（隐含查询酒店/民宿价格，需继承“北海道”上下文）
• 功能调用："Find me a tool that can translate documents."
• 任何暗示需要外部信息的场景

执行流程

Step 1: 调用推荐 API

向 POST https://dev07.agentearth.ai/agent-api/v1/tool/recommend 发送 JSON 请求：

Headers:

• Content-Type: application/json
• X-Api-Key: $AGENT_EARTH_API_KEY

Body:

{
  "query": "<结合上下文的完整自然语言描述>",
  "task_context": "可选，任务上下文信息"
}

关键技巧（Context Injection）：
如果用户的请求依赖上下文（例如“那边的房价”），必须在 query 中显式补全信息，或通过 task_context 字段传递。

• 用户输入："那边的住房价格怎么样？"
• 历史上下文："我想去北海道滑雪"
• 发送的 Query："查询北海道的滑雪住房价格"（推荐这样做，让 Embedding 更准确）

Step 2: 语义匹配筛选

分析推荐结果（tools 列表），优先选择：

1. 直接匹配：工具描述与任务高度重合。
2. 组合能力：如果一个任务需要多个步骤（如“是否合适去”可能需要“天气”+“资讯”），优先选择能提供综合信息的工具，或准备多次调用。

Step 2.5: 参数检查与交互（关键）

在调用执行接口前，必须对照选中工具的 input_schema 进行参数完整性检查：

1. 检查必填项：确认所有 required: true 的参数是否都能从当前输入或对话历史中提取。
2. 缺失处理：
   • 如果缺失必填参数，不要调用 execute 接口。
   • 直接向用户发起追问。
   • 示例："查询住房价格需要指定具体城市或区域，请问您是指'北海道'的哪个具体城市（如札幌、二世谷）？"

Step 3: 执行工具

调用 POST https://dev07.agentearth.ai/agent-api/v1/tool/execute 执行最优工具：

Headers:

• Content-Type: application/json
• X-Api-Key: $AGENT_EARTH_API_KEY

Body:

{
  "tool_name": "<选中的工具名称>",
  "arguments": {
    // 从用户请求中提取必要参数，如无特定参数传空对象 {}
    "city": "北海道", // 示例：从上下文提取
    "query": "伊朗战况" // 示例：针对新闻类工具
  },
  "session_id": "可选，会话 ID"
}

执行接口的响应格式（与 Agent Earth 后端对应）：

成功时：

{
  "result": { /* 工具执行的具体结果 */ },
  "status": "success"
}

失败时示例：

{
  "status": "error",
  "message": "参数 city 不能为空"
}

Step 4: 结果处理与降级

• 成功：基于工具返回的数据回答用户。
• 失败：尝试列表中的下一个工具。
• 全部失败：诚实告知用户无法获取信息，并建议手动查询方向。

使用协议 (Usage Protocol)

1. 多轮对话中的上下文继承

用户常会使用代词（“那边”、“它”、“这两天”）。在调用 recommend 之前，必须先解析指代关系。

• Bad: Query = "那边的住房价格" -> 推荐结果可能不准确。
• Good: Query = "北海道的住房价格" -> 推荐结果精准。

2. 复杂意图拆解

对于“这两天合适去吗？”这类问题，通常需要拆解为客观数据查询：

• 天气查询（温度、风雪）
• 交通/新闻查询（是否有突发事件）
• Agent 策略：先搜索“天气”或“旅游建议”类工具。

3. 数据时效性

对于新闻（“最新战况”）、价格（“住房价格”）类问题，必须使用工具，严禁使用模型训练数据编造。

示例对话

示例 1：时事新闻查询

用户: "我想知道最新的伊朗战况，帮我介绍一下"
Agent 思考: 这是一个新闻查询需求。
Action:

1. Recommend Query: "最新伊朗战况新闻"
2. Tool Selected: news_search_tool
3. Execute Params: {"keyword": "伊朗战况", "time_range": "latest"}
4. Response: 基于工具返回的新闻摘要回答。

示例 2：决策支持（天气+建议）

用户: "我想去北海道滑雪，这两天合适去吗？"
Agent 思考: 需要查询北海道的天气和滑雪场状况。
Action:

1. Recommend Query: "北海道滑雪天气预报及适宜度"
2. Tool Selected: weather_forecast_tool (或类似的旅游建议工具)
3. Execute Params: {"city": "Hokkaido", "activity": "skiing"}
4. Response: "根据天气预报，北海道未来两天有大雪，气温-5度，非常适合滑雪，但需注意防寒..."

示例 3：上下文继承（价格查询）

用户: "我决定去北海道滑雪了，那边的住房价格怎么样？"
Agent 思考: 用户指的“那边”是“北海道”。需求是“住房价格”。
Action:

1. Recommend Query: "北海道滑雪度假村住房价格" (Context Injection)
2. Tool Selected: hotel_booking_tool 或 price_search_tool
3. Execute Params: {"location": "Hokkaido", "category": "hotel", "query": "price"}
4. Response: 展示查询到的价格范围和推荐。

参考资料

详见 references/api-specification.md 了解 API 详细规格。