在 Dust 中配置自定义 Actions 与 OpenAPI 工具：将对话助手升级为自动化工作流执行器

在多数企业的生成式 AI 落地初期，AI 助手的定位普遍停留在“企业知识库问答”。数字化运营团队将 Notion、Google Drive 或内部 Wiki 接入系统，通过检索增强生成（RAG）技术回答员工的日常提问。然而，当业务流程涉及真正的业务系统流转时，纯被动的检索问答很快就会遇到瓶颈：一个只能“告知如何修改客户状态”或“解释如何提交 Jira 工单”的助手，依然将所有实际操作留给了人工。

Dust 通过原生的工具执行（Tools & Actions）机制与模型上下文协议（Model Context Protocol，MCP），打破了这一界限。运营与工程团队能够将基于 OpenAPI 规范定义的内部接口以及商业 SaaS 系统封装为可执行的工具，使对话助手直接具备跨系统读取与写入能力。本文将详细拆解如何在 Dust 中导入并配置自定义 Actions 与 OpenAPI 工具、权衡凭据认证机制、设定高风险操作防护网，并打通自然语言问答与业务系统的双向自动化闭环。

架构演进：从被动检索到主动执行

要让对话助手承担工作流执行者的角色，首先需要理解 Dust 在底层如何协调大语言模型（LLM）与外部系统的交互链路：

+-----------------------------------------------------------------------------------+
|                                 Dust Workspace                                    |
|                                                                                   |
|   +-----------------------+              +------------------------------------+   |
|   | 用户提问 / Webhook    |              | 助手编排核心                       |   |
|   | 事件触发              | ---------->  | (LLM + 系统指令 Instructions)       |   |
|   +-----------------------+              +-----------------+------------------+   |
|                                                            |                      |
|                                                            | 意图识别与工具决策   |
|                                                            v                      |
|                                          +------------------------------------+   |
|                                          | 工具调用与受保护参数注入           |   |
|                                          +-----------------+------------------+   |
+------------------------------------------------------------|----------------------+
                                                             |
                     +---------------------------------------+---------------------------------------+
                     |                                                                               |
                     v                                                                               v
    +---------------------------------+                                             +---------------------------------+
    | 原生集成工具 (Built-in Tools)   |                                             | 自定义 Remote MCP / OpenAPI 服务|
    | (HubSpot, Jira, GitHub, Slack)  |                                             | (内部微服务、自动化网关中间件)  |
    +----------------+----------------+                                             +----------------+----------------+
                     |                                                                               |
                     | OAuth (个人凭据或工作区共享凭据)                                              | Bearer Token / 静态 OAuth / mTLS
                     v                                                                               v
    +---------------------------------+                                             +---------------------------------+
    | 商业 SaaS 业务系统              |                                             | 企业内部核心业务系统            |
    | (CRM 商机、工单流转、协作通讯)  |                                             | (ERP、计费系统、私有数据库代理) |
    +---------------------------------+                                             +---------------------------------+

在传统 RAG 架构中，LLM 仅对索引文档进行语义相似度匹配并归纳输出。而在工具执行链路中：

1. Schema 暴露：Dust 将已配置工具的输入输出结构（基于 OpenAPI 或 MCP 派生的 JSON Schema）作为元数据暴露给底层模型。
2. 意图解析与参数提取：模型从对话上下文中识别用户操作意图，自动抽取结构化参数（如工单描述、商机 ID、优先级标签）。
3. 参数注入与屏蔽：Dust 将预设的环境变量、服务基地址或租户标识（隐藏于 LLM 视线之外）与模型生成的参数拼装在一起，杜绝模型幻觉导致的参数篡改。
4. 高风险人机协同审核（Human-in-the-Loop）：关键写操作触发安全确认模态框，经人工核准后方可真正向外部系统发起写请求。
5. 状态反馈与闭环：外部系统执行结果返回对话上下文，助手根据返回的状态码与数据生成执行报告。

第一步：将 OpenAPI 规范封装为自定义 MCP 服务

Dust 深度拥抱开放的模型上下文协议（MCP）。对于企业现有的 OpenAPI 3.0 REST 接口（如内部 CRM 适配层、工单系统中间件或账号开通服务），最高效的接入方式是构建轻量级 MCP Server 包装层，对外暴露结构化工具。

使用 TypeScript SDK 定义标准工具

通过官方 TypeScript MCP SDK，运营开发人员可以利用 Zod 库对入参进行强类型校验：

import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";
import { z } from "zod";

const server = new McpServer({
  name: "ops-workflow-engine",
  version: "1.0.0",
});

// 暴露一个更新 CRM 商机阶段的 OpenAPI PATCH 接口
server.tool(
  "update_crm_deal_stage",
  "更新企业 CRM 销售管线中的商机所处阶段与赢单概率",
  {
    dealId: z.string().describe("商机的唯一数字或字符串标识符"),
    newStage: z.enum(["Qualified", "Proposal", "Contract_Sent", "Closed_Won", "Closed_Lost"]).describe("目标阶段"),
    closeNotes: z.string().optional().describe("阶段变更的原因说明与备注"),
  },
  async ({ dealId, newStage, closeNotes }) => {
    const response = await fetch(`https://api.internal.company.com/v1/deals/${dealId}/stage`, {
      method: "PATCH",
      headers: {
        "Content-Type": "application/json",
        "Authorization": `Bearer ${process.env.INTERNAL_OPS_API_KEY}`,
      },
      body: JSON.stringify({ stage: newStage, notes: closeNotes }),
    });

    if (!response.ok) {
      return {
        content: [{ type: "text", text: `更新商机失败：${response.statusText}` }],
        isError: true,
      };
    }

    const data = await response.json();
    return {
      content: [{ type: "text", text: `商机 ${dealId} 已成功推进至 ${newStage}。记录更新标识：${data.id}` }],
    };
  }
);

使用 Dust 输入架构预配置静态参数

在很多企业场景中，诸如服务域名、环境切换（Staging/Production）或项目键名（Project Key）不应交由模型自由猜测，否则可能引发幻觉或环境污染。

Dust 提供了 @dust-tt/client 库，支持在 MCP 定义中引入预配置参数。这些字段将在 Dust 助手编辑面板中由管理员静态填写，对模型完全不可见：

import { ConfigurableToolInputSchemas, INTERNAL_MIME_TYPES } from "@dust-tt/client";
import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";
import { z } from "zod";

const server = new McpServer({
  name: "jira-dispatch-helper",
  version: "1.0.0",
});

server.tool(
  "create_ops_incident_ticket",
  "在指定的工程队列中创建高优先级故障排查工单",
  {
    // 模型根据自然语言对话动态提取
    summary: z.string().describe("故障简要标题"),
    description: z.string().describe("故障详细描述与重现步骤"),
    priority: z.enum(["P1", "P2", "P3"]).describe("故障严重度评级"),

    // 在 Dust 助手配置面板中静态绑定，模型不会感知此字段的存在
    projectKey: ConfigurableToolInputSchemas[INTERNAL_MIME_TYPES.TOOL_INPUT.STRING],
    environment: ConfigurableToolInputSchemas[INTERNAL_MIME_TYPES.TOOL_INPUT.STRING],
  },
  async ({ summary, description, priority, projectKey, environment }) => {
    return callJiraBackend({ summary, description, priority, projectKey, environment });
  }
);

第二步：在 Dust 工作区配置工具与凭据体系

在 MCP 服务部署并提供公网 HTTPS 地址后，工作区管理员需要将其添加至 Dust。

注册工具路径

1. 登录 Dust，进入目标工作区，点击 Spaces > Tools。
2. 点击右上角 Add Tool。
3. 若接入 Jira、HubSpot、Salesforce 等常见系统，可直接选用 Dust 内置集成；若接入自定义 OpenAPI 服务，点击 Add MCP Server。
4. 填写自定义 MCP 服务的公网 URL。

身份认证模式权衡：个人凭据 vs 共享凭据

凭据选型直接决定了执行记录的审计合规性与权限范围：

网络与防火墙配置

若自定义 MCP 服务架设于企业内网或设有访问控制的云环境中：

• 静态出口 IP (Static Egress IPs)：在 Dust 管理中心完成工作区域名验证后，可向企业防火墙开放 Dust 的静态出口 IP 地址段，限制仅允许 Dust 流量入站。
• OAuth 回调地址配置：若采用静态 OAuth，需在认证服务商后台配置对应的回调 URL：
  • 美区工作区：https://dust.tt/oauth/mcp_static/finalize
  • 欧区工作区：https://eu.dust.tt/oauth/mcp_static/finalize
  • 全局网关：https://app.dust.tt/oauth/mcp_static/finalize

第三步：构建安全防线与人机协同机制（Human-in-the-Loop）

赋予对话助手直接对生产业务系统进行增删改（Create/Update/Delete）的权限，必然带来误操作或 Prompt 注入的安全隐患。Dust 在系统级提供了多维防线。

1. 高风险工具标识（High Stake）

在连接任何能够修改外部系统数据的工具时（例如 HubSpot 更新交易、Jira 修改工单状态），管理员可以将其设置为 HIGH STAKE。

• 拦截机制：当助手决定调用高风险工具时，对话不会自动静默完成，而是在界面中弹出一个确认卡片，展示即将提交给 API 的具体参数键值。
• 人工核准：只有当具备权限的用户点击“确认”（Approve）后，请求才会真正发送至外部系统。
• API 级确认：若通过 Dust Conversation API 进行程序化调用，可通过 POST /api/v1/w/{wId}/assistant/conversations/{cId}/messages/{mId}/validate-action 接口完成操作的批准或拒绝。

2. 将工具限制至技能（Restrict to Skills）

在 Spaces > Tools 页面中，勾选 Restrict this tool to skills。

• 该工具将被移出全局 Agent Builder 的常规选择列表，普通员工在闲聊或自建普通助手时无法随意调用。
• 工具仅能在指定的技能（Skills）中被引用，确保只有符合严格合规提示词与知识边界的助手才能执行特定动作。

3. 基于空间（Spaces）的权限物理隔离

将具有写权限的敏感工具放置在特定的受限空间（Restricted Space）内。仅有被授权加入该空间的核心运营成员，才能与具备相应工具能力的助手对话。

第四步：在 Agent Builder 中设计高可靠的执行提示词

完成工具挂载后，助手能否稳定识别意图、准确解析参数并正确处理异常，核心取决于系统指令（Instructions）的设计。

生产级指令结构四要素

1. 身份定位与明确边界：说明助手的业务职责，声明不可越权的范围。
2. 前置核验协议：强制要求在执行写操作前，必须先调用读工具进行状态校验。
3. 入参提取规则：严格限定各个参数的提取逻辑与必填检查。
4. 异常恢复与用户提示：遇到接口报错或字段不完整时，给出清晰、可排查的反馈。

运维排障与 CRM 联动助手配置示例

# 角色与职责
你是企业的技术运营工单协同助手。你的任务是协助排障人员将客服与监控中反馈的技术故障，与 CRM 中的客户合同信息进行关联，并在 Jira 中创建符合工程规范的技术工单。

# 工具调用规范

## 1. 客户身份与等级核验 (HubSpot)
- 在创建任何技术工单前，必须先调用 `Get Object By Email` 或 `Search Crm Objects` 查询客户信息。
- 获取客户当前的签约版本（Tier）与活跃交易状态。
- 若客户属于“Enterprise”等级，将故障评级自动提升为 P1。

## 2. 工程工单创建 (Jira)
- 工具：`create_issue`
- 标题（summary）必须简洁明了，限制在 50 字以内，采用格式：`[模块名] 故障核心现象`。
- 描述（description）必须包含以下三个结构化章节：
  1. 影响客户（公司名称、对接人、服务等级）
  2. 故障现象与报错信息
  3. 初始重现步骤与监控日志链接
- 工单类型固定为 "Bug"，组件模块填写为 "Production-Ops"。

## 3. 安全确认与错误处理
- 涉及修改现有商机状态或关闭工单的动作，在调用工具前必须在回答中完整列出参数，请求人工核实。
- 若工具调用返回 401 或认证错误，明确告知用户：“请前往个人头像菜单中的 Tools & Triggers 重新连接你的 Jira/HubSpot 个人凭据”。

第五步：利用 Webhooks 实现无需人工打字的全自动闭环

对话助手不仅可以由人工在聊天框中触发，还能由外部系统的事件主动激活。将自定义 Actions 与 Dust 的 Webhook Triggers 结合，即可构建完全无人值守的自动化流程。

+--------------------------+          HTTP POST 事件            +-----------------------------+
| 外部业务系统             | ---------------------------------> | Dust Webhook Source         |
| (Jira、GitHub、Zendesk、 |                                    | (Spaces > Triggers)         |
| 企业内部报警网关)        |                                    +--------------+--------------+
+--------------------------+                                                   |
                                                                               | 载荷解析与签名校验通过
                                                                               v
+--------------------------+          执行工具 Actions          +-----------------------------+
| 目标落地系统             | <--------------------------------- | Dust 助手自主运行           |
| (HubSpot 状态自动更新 /  |                                    | (执行提示词指令、提取参数、 |
| Slack 实时发布简报)      |                                    | 触发外部工具完成闭环)       |
+--------------------------+                                    +-----------------------------+

配置 Webhook 触发链路

1. 创建 Webhook 源（管理员操作）：
   • 进入 Spaces > Triggers，点击 Add source。
   • 可选系统预置源（Jira、GitHub、Linear、Zendesk 等）或 Custom webhook。
   • 自定义源支持高级安全防护：开启 Signature header 与 sha256 签名算法，Dust 将自动生成签名密钥并拦截未经验证的仿冒请求。
2. 在助手面板挂载触发器：
   • 在 Agent Builder 中进入 Triggers > Add triggers，关联创建好的 Webhook 源。
   • 设定自然语言过滤规则（如：“仅在工单优先级为 High 且状态变更为 Escalated 时运行”）。
   • 勾选 Include webhook payload，将原始事件 JSON 完整送入助手上下文。
   • 设置运行提示词（例如：“从 Payload 中提取报错日志，检索知识库中的解决方案，调用 Jira 工具向对应工单添加处理建议评论”）。
   • 设置 24 小时最大调用额度（Rate Limiting），防止事件风暴导致额度耗尽。

落地架构方案对比与选型指南

在设计自动化工作流助手时，运营团队通常在以下三种集成形态之间进行权衡：

生产部署前检查清单

在将工作流执行助手正式开放给一线业务团队使用前，建议逐一核对以下检查项：

• 凭据模式合规性：对涉及数据写操作的工具，是否优先采用了 Personal 凭据以确保审计追踪；若采用 Shared 凭据，服务账号权限是否遵循最小化原则？
• 高风险标记落实：所有能够删除记录、更新核心客户状态或对外发送信息的工具，是否均已开启 High Stake 保护？
• 静态参数屏蔽：接口基地址、数据库租户 ID、测试环境开关等敏感字段，是否已通过 ConfigurableToolInputSchemas 静态注入，杜绝模型幻觉猜测？
• 提示词容错完备性：Prompt 中是否明确了工具调用失败（如 Token 过期、网络超时、校验不通过）时的降级说明与排查指引？
• 网络白名单配置：针对内部网络环境中的 MCP 服务，是否已在企业网关将 Dust 的静态出口 IP 设入白名单？
• 触发器限流保护：挂载了 Webhook 的全自动助手，是否已设置合理的 24 小时频次上限以抵御突发流量？

通过将 OpenAPI 接口通过 MCP 标准接入 Dust，并辅以完善的凭据模型与人机协同审核，数字化运营团队能够真正打破传统知识库“动口不动手”的局限，让 AI 对话助手成为驱动业务高效流转的核心执行器。

参考资料

• Adding an MCP Server
• Personal vs Shared Credentials for Tools & MCP Servers
• Jira
• HubSpot
• Webhooks
• OpenAPI & Postman
• Dev : pre-configuring a custom MCP server
• Validate an action in a conversation message
• Multiplayer AI Documentation Index