飞书机器人如何调用Cursor Skill：从API集成到实战避坑指南

4次阅读

共计 3109 个字符，预计需要花费 8 分钟才能阅读完成。

飞书机器人是企业内部常用的自动化工具，能够通过 API 与各种服务集成，提升工作效率。Cursor Skill 则是一个强大的 AI 辅助编程工具，能够通过 API 提供代码补全、错误检测等功能。将两者集成，可以让开发者在飞书环境中直接调用 Cursor Skill 的能力，比如在代码评审、技术讨论中实时获取 AI 建议。

这种集成的价值在于：

减少上下文切换，直接在飞书中完成代码相关任务
通过自动化流程提升团队协作效率
为技术讨论提供实时 AI 支持

在实际集成过程中，开发者常遇到以下问题：

权限配置复杂：飞书机器人和 Cursor Skill 都需要正确的权限配置
API 调用限制：可能遇到速率限制或配额问题
认证流程繁琐：需要处理 OAuth2.0 等多重认证
错误处理不完善：缺乏重试机制导致调用失败
敏感信息泄露：API 密钥管理不当带来安全风险

在飞书开放平台创建机器人应用
在 Cursor Skill 开发者平台获取 API 访问权限
记录必要的凭证：App ID、App Secret、API Key 等

飞书机器人认证：使用 App ID 和 App Secret 获取 access_token
Cursor Skill 认证：通过 API Key 或 OAuth2.0 获取访问令牌
建立双向认证通道

接收飞书机器人消息
解析消息内容
构造 Cursor Skill API 请求
处理 API 响应
将结果返回给飞书用户

import requests
import json
from tenacity import retry, stop_after_attempt, wait_exponential

# 飞书机器人配置
FEISHU_APP_ID = 'your_app_id'
FEISHU_APP_SECRET = 'your_app_secret'

# Cursor Skill 配置
CURSOR_API_KEY = 'your_cursor_api_key'
CURSOR_API_ENDPOINT = 'https://api.cursor.so/v1/completions'

@retry(stop=stop_after_attempt(3), wait=wait_exponential(multiplier=1, min=4, max=10))
def call_cursor_skill(prompt):
    headers = {'Authorization': f'Bearer {CURSOR_API_KEY}',
        'Content-Type': 'application/json'
    }

    payload = {
        'prompt': prompt,
        'max_tokens': 1000,
        'temperature': 0.7
    }

    try:
        response = requests.post(
            CURSOR_API_ENDPOINT,
            headers=headers,
            json=payload,
            timeout=10
        )
        response.raise_for_status()
        return response.json()
    except requests.exceptions.RequestException as e:
        print(f"Error calling Cursor Skill API: {e}")
        raise

# 处理飞书机器人消息
def handle_feishu_message(event):
    try:
        message_content = json.loads(event['text'])
        cursor_response = call_cursor_skill(message_content)
        return {
            'msg_type': 'text',
            'content': {'text': cursor_response['choices'][0]['text']
            }
        }
    except Exception as e:
        return {
            'msg_type': 'text',
            'content': {'text': f"Error processing request: {str(e)}"
            }
        }

const axios = require('axios');
const retry = require('async-retry');

// 配置
const FEISHU_APP_ID = 'your_app_id';
const FEISHU_APP_SECRET = 'your_app_secret';
const CURSOR_API_KEY = 'your_cursor_api_key';
const CURSOR_API_ENDPOINT = 'https://api.cursor.so/v1/completions';

async function callCursorSkill(prompt) {
  return retry(async (bail) => {
      try {
        const response = await axios.post(
          CURSOR_API_ENDPOINT,
          {
            prompt,
            max_tokens: 1000,
            temperature: 0.7
          },
          {
            headers: {'Authorization': `Bearer ${CURSOR_API_KEY}`,
              'Content-Type': 'application/json'
            },
            timeout: 10000
          }
        );
        return response.data;
      } catch (error) {if (error.response && error.response.status >= 400 && error.response.status < 500) {
          // 不重试客户端错误
          bail(error);
          return;
        }
        throw error;
      }
    },
    {
      retries: 3,
      minTimeout: 4000,
      maxTimeout: 10000,
      factor: 1
    }
  );
}

// 处理飞书机器人消息
async function handleFeishuMessage(event) {
  try {const messageContent = JSON.parse(event.text);
    const cursorResponse = await callCursorSkill(messageContent);
    return {
      msg_type: 'text',
      content: {text: cursorResponse.choices[0].text
      }
    };
  } catch (error) {
    return {
      msg_type: 'text',
      content: {text: `Error processing request: ${error.message}`
      }
    };
  }
}

当需要批量调用 Cursor Skill 时，考虑以下优化策略：