---
title: "自动化 | Tajo"
description: "用 Tajo 的三层架构自动化客户互动：Skills 负责确定性工作流，Agents 负责 AI 编排，自然语言负责意图驱动的营销。"
url: https://tajo.io/zh-cn/docs/automation/
markdown: https://tajo.io/zh-cn/docs/automation.md
lang: zh-CN
author: "Set Noa"
author_url: https://tajo.io/zh-cn/set-noa/
robots: noindex
---

申请抢先体验

请输入您的名字和公司电子邮箱地址。我们会发送确认 Tajo 访问申请的链接。

# 自动化

[Set Noa](https://tajo.io/zh-cn/set-noa/)

Tajo 为客户互动提供三个层级的自动化，从简单的规则型工作流一直到完全自主的 AI 代理。

## 自动化的三个层级

### 1. Skills，确定性工作流

Skills 是原子化的规则型自动化单元。每次执行方式完全相同：触发器触发，检查条件，执行动作。

```yaml
triggers:
  - event: cart_abandoned
    conditions:
      - cart_value: "> 50"
      - time_since_activity: "> 30m"

actions:
  - brevo/send-email:
      template_id: 101
      to: "{{ contact.email }}"
```

**适用场景：** 可重复流程、购物车挽回、欢迎序列、数据同步、订单确认。

[浏览 Skills](https://tajo.io/zh-cn/docs/skills) | [Skills 格式](https://tajo.io/zh-cn/docs/skills/overview/skills-format/)

### 2. Agents，AI 驱动的编排

Agents 使用 LLM 推理目标、选择工具并调整策略。它们组合多个 Skills 和 Brevo MCP 工具，达成复杂的营销目标。

```yaml
---
name: win-back-agent
tools:
  - brevo_contacts
  - brevo_segments
  - brevo_email_campaign_management
  - brevo_sms_campaigns
---

# Win-Back Agent

Analyze churned customers, design personalized re-engagement
sequences based on purchase history, and execute across
the optimal channel mix.
```

**适用场景：** 复杂决策、渠道选择、优惠个性化、根据客户行为调整序列。

[构建代理](https://tajo.io/zh-cn/docs/mcp/building-agents) | [代理规范](https://tajo.io/zh-cn/docs/mcp/agent-specification)

### 3. 自然语言，意图驱动的营销

最上层把营销人员的意图翻译成代理动作：

> “为本季度消费超过 500 美元的客户创建一个 VIP 答谢营销活动。用邮件发送一段专属感谢语和一张 20% 的独家折扣码。”

编排层挑选合适的代理，代理再组合合适的 skills 和 Brevo MCP 工具来执行。

[MCP 架构](https://tajo.io/zh-cn/docs/mcp)

## 如何选择层级

| 问题 | 用 Skills | 用 Agents |
| --- | --- | --- |
| 逻辑每次都一样吗？ | 是 |  |
| 需要做判断吗？ |  | 是 |
| 单一触发器 → 单一动作？ | 是 |  |
| 多步骤且带分支逻辑？ |  | 是 |
| 需要随客户行为调整？ |  | 是 |
| 高并发、对延迟敏感？ | 是 |  |
| 需要人类可读的审计记录？ | 两者都可 | 两者都可 |

## 两者如何协同

实际使用中，代理会在执行过程中调用 skills：

```
Marketer: "Set up cart recovery for the holiday season"
    ↓
Agent: Reads context, decides on strategy
    ↓
Agent calls Skill: tajo/recover-abandoned-cart (configured for holidays)
Agent calls Skill: tajo/customer-sync (ensure data is fresh)
Agent calls MCP: brevo_segments (create holiday shopper segment)
Agent calls MCP: brevo_templates (check holiday email templates exist)
    ↓
Result: Cart recovery active with holiday-specific messaging
```

## 触发器

Skills 和 Agents 都支持三种触发器类型：

### 事件触发器

对系统中发生的事情做出反应：

```yaml
triggers:
  - event: order_completed
  - event: customer_created
  - event: cart_abandoned
```

### 定时触发器

按固定周期运行：

```yaml
triggers:
  - schedule: "0 9 * * MON"    # Every Monday at 9am
  - schedule: "0 */4 * * *"    # Every 4 hours
```

### Webhook 触发器

通过 HTTP 请求调用：

```yaml
triggers:
  - webhook: /automation/cart-recovery/trigger
    method: POST
```

## Brevo MCP 集成

所有自动化都通过 Brevo 官方 MCP 服务器运行，该服务器把 27 个模块暴露为 AI 可调用的工具。Tajo 代理只连接自己需要的模块：

| 模块 | 用途 |
| --- | --- |
| `brevo_contacts` | 管理联系人和列表 |
| `brevo_email_campaign_management` | 创建并发送邮件营销活动 |
| `brevo_sms_campaigns` | 短信营销活动 |
| `brevo_whatsapp_campaigns` | WhatsApp 营销活动 |
| `brevo_segments` | 动态联系人细分 |
| `brevo_campaign_analytics` | 营销活动效果数据 |
| `brevo_deals` | CRM 交易管理 |

[完整服务器列表](https://tajo.io/zh-cn/docs/mcp/brevo-mcp-server#individual-servers)

## 下一步

- [Brevo MCP 服务器设置](https://tajo.io/zh-cn/docs/mcp/brevo-mcp-server)，接入 Brevo 的 27 个 MCP 模块
- [构建你的第一个代理](https://tajo.io/zh-cn/docs/mcp/building-agents)，动手教程
- [Skills 参考](https://tajo.io/zh-cn/docs/skills)，浏览可用的自动化 skills
- [代理规范](https://tajo.io/zh-cn/docs/mcp/agent-specification)，定义自定义代理