AI 技能AI 插件人工智能工作流自动化【免费下载链接】awesome-claude-skillsA curated list of awesome Claude Skills, resources, and tools for customizing Claude AI workflows项目地址https://gitcode.com/GitHub_Trending/aw/awesome-claude-skills点击查看免费下载本篇技术指南以 awesome-claude-skills 仓库中的 Leadfeeder Automation 技能 为蓝本讲解如何借助 Rube MCPComposio 提供的能力接入层让 Claude 等 AI Agent 自动操作 Leadfeeder——从建立连接、发现工具到执行批量操作的一整套完整流程。读完本文你将掌握RUBE_SEARCH_TOOLS、RUBE_MANAGE_CONNECTIONS、RUBE_MULTI_EXECUTE_TOOL三个核心调用模式理解会话session复用、内存memory参数与分页处理的底层约定并能将同一套方法论迁移到仓库中其余 70 余个 SaaS 自动化技能上。技能概览一份「告诉 Agent 怎么调用 Leadfeeder」的指令包在 Claude Skills 体系中Skill 是一份可复用的指令包它通过SKILL.md的 YAML frontmatter 声明名称与用途用正文教会 Agent 在特定任务下如何编排外部工具。根据仓库 README.md 的说明MCP、Tools 与 Skills 是三个互补的层次——MCP 负责接入外部系统鉴权、传输、工具发现Tools 是被调用的单个函数而 Skills 定义的是「有了连接和工具之后按什么顺序、带什么护栏地执行」。本文的主角正是这样一份位于第三层的技能。其 frontmatter 结构如下源码位置--- name: leadfeeder-automation description: Automate Leadfeeder tasks via Rube MCP (Composio). Always search tools first for current schemas. requires: mcp: [rube] ---三个字段各有明确作用name技能的唯一标识也是 Agent 在会话中引用该技能的方式description最关键的一行。会话启动时 Agent 只会看到每个技能的 name 与 description约 100 token据此判断当前任务是否与该技能相关因此描述中特意强调了「Always search tools first」永远先搜索工具把核心纪律前置到触发阶段requires: mcp: [rube]声明本技能依赖名为rube的 MCP 服务器即 Rube MCPComposio 提供的接入端点。从项目定位看这份技能隶属于仓库 README 中「App Automation via Composio」分类属于预先构建好的 78 个 SaaS 应用工作流技能之一其价值在于不硬编码具体的工具 slug 与参数而是通过 Rube MCP 实时发现 Composio API 中当前可用的工具从而始终跟上上游工具 schema 的变更。前置条件开工前必须满足的三件事在执行任何 Leadfeeder 自动化工作流之前技能文档要求确认以下三项原文Rube MCP 必须已连接环境中可用RUBE_SEARCH_TOOLS工具搜索函数Leadfeeder 连接必须处于活跃状态通过RUBE_MANAGE_CONNECTIONS建立toolkit 参数为leadfeeder永远先调用RUBE_SEARCH_TOOLS以获取当前时刻最新的工具 schema而不是依赖记忆或旧文档。其中第 2 点体现了这类技能的通用设计——Composio 生态中每一个自动化技能composio-skills 目录下的其余技能都遵循「先建立并确认连接」这一铁律因为所有工具调用都建立在对应应用账号的授权之上。环境设置接入 Rube MCPRube MCP 的接入方式非常简单原文在你的客户端如 Claude Code、Claude.ai 或其他支持 MCP 的 Agent 环境配置中添加一个 MCP 服务器端点https://rube.app/mcp即可——不需要任何 API Key添加端点后即可直接使用。接入后按以下四步完成初始化验证 Rube MCP 可用确认RUBE_SEARCH_TOOLS能正常响应调用RUBE_MANAGE_CONNECTIONStoolkit 参数传入leadfeeder若连接状态不是ACTIVE点击返回的认证链接完成 Leadfeeder 账号授权在运行任何工作流之前再次确认连接状态显示为ACTIVE。从源码结构看这一步的设计意图很清晰RUBE_MANAGE_CONNECTIONS既承担了「建立连接」的职责也承担了「健康检查」的职责把鉴权状态作为执行前置条件从机制上避免 Agent 在未授权状态下盲目发起调用而收到认证错误。工具发现永远以RUBE_SEARCH_TOOLS为准这是整份技能的灵魂所在。文档明确要求执行任何工作流之前必须先发现当前可用的工具原文RUBE_SEARCH_TOOLS queries: [{use_case: Leadfeeder operations, known_fields: }] session: {generate_id: true}该调用会返回四类关键信息可用工具的slug工具唯一标识每个工具的输入 schema字段名、类型、必填项推荐的执行计划如何组合多个工具完成目标已知的常见坑pitfalls。两个查询参数的含义需要理解use_case用自然语言描述你要完成的任务类别这里统一使用Leadfeeder operations作为切入点known_fields表示你已知的字段信息首次探索可留空让返回结果充当权威 schema 来源。session参数中的generate_id: true则表示本次探索自动生成一个新会话 ID供后续调用链复用。核心工作流从任务到执行的三步走技能文档给出了一套标准的三步执行模式原文这也是所有 Rube MCP 自动化技能的通用模板。第一步发现可用工具针对你的具体任务再次搜索这次复用已生成的会话 IDRUBE_SEARCH_TOOLS queries: [{use_case: your specific Leadfeeder task}] session: {id: existing_session_id}与首次探索不同这里的use_case应替换为你当前的具体任务描述例如「获取最近的网站访客列表」或「更新某条线索的状态」以便 Rube 返回最匹配的工具及其 schema。第二步检查连接状态执行前确认 Leadfeeder 连接依然活跃RUBE_MANAGE_CONNECTIONS toolkits: [leadfeeder] session_id: your_session_id注意此处参数名是toolkits数组和session_id字符串与RUBE_SEARCH_TOOLS的session对象写法不同——这正是「先搜索、再调用」纪律的体现不同工具的参数形态以 Rube 返回的最新 schema 为准。第三步执行工具将搜索得到的 tool slug 与 schema 合规参数组装进批量执行调用RUBE_MULTI_EXECUTE_TOOL tools: [{ tool_slug: TOOL_SLUG_FROM_SEARCH, arguments: {/* schema-compliant args from search results */} }] memory: {} session_id: your_session_id三个细节值得展开tool_slug必须来自上一步搜索返回的结果不能凭记忆硬编码arguments必须严格遵循搜索返回的输入 schema 字段名与类型memory参数必须始终携带即使为空也要传{}——这是 Rube 执行引擎的约定缺失会导致调用不完整。从设计意图看RUBE_MULTI_EXECUTE_TOOL支持在tools数组中一次性编排多个工具调用适合「先查询线索、再更新状态」这类多步骤业务流配合复用同一个session_id即可让后续调用共享上下文。已知避坑指南六条必须遵守的纪律技能文档汇总了六条实战中反复出现的坑原文每一条都对应一次真实踩坑经历永远先搜索工具 schema 会变。不先调用RUBE_SEARCH_TOOLS就硬编码 tool slug 或参数是这类技能最常见的失败模式检查连接执行前必须确认RUBE_MANAGE_CONNECTIONS返回ACTIVE避免在失效连接上徒劳调用Schema 合规参数必须使用搜索返回结果中的精确字段名与类型多一个或少一个字段都可能失败Memory 参数RUBE_MULTI_EXECUTE_TOOL调用中始终包含memory即使为空对象{}会话复用同一工作流内复用同一个会话 ID开启新工作流时才生成新的会话 ID——这既保留了上下文连续性也防止了跨任务状态串扰分页处理检查响应中的分页令牌pagination token持续抓取直到取完所有数据避免在批量场景下只拿到第一页。快速参考表五种操作的对应入口技能文档以一张表总结了全部核心操作原文可当作日常速查卡操作入口方式查找工具RUBE_SEARCH_TOOLS传入 Leadfeeder 相关 use case建立连接RUBE_MANAGE_CONNECTIONStoolkit 传入leadfeeder执行工具RUBE_MULTI_EXECUTE_TOOL使用搜索发现的 tool slug批量操作RUBE_REMOTE_WORKBENCH配合run_composio_tool()使用获取完整 schemaRUBE_GET_TOOL_SCHEMAS用于返回结果带schemaRef的工具表中后两项是进阶入口RUBE_REMOTE_WORKBENCH适合在远程工作台中批量执行 Composio 工具以run_composio_tool()为调用函数当搜索结果中的工具带schemaRef引用时用RUBE_GET_TOOL_SCHEMAS拉取完整 schema补全RUBE_SEARCH_TOOLS可能省略的字段细节。迁移方法论从 Leadfeeder 到更多 SaaS 应用这套技能的设计价值不止于 Leadfeeder 本身。仓库 composio-skills 目录下的 78 个 SaaS 自动化技能README「App Automation via Composio」分类中列出的 CRM、项目管理、通讯、邮件、DevOps、数据分析等各品类采用完全相同的骨架RUBE_SEARCH_TOOLS发现 →RUBE_MANAGE_CONNECTIONS建连 →RUBE_MULTI_EXECUTE_TOOL执行差异仅在 use case 描述与 toolkit 名称如 composio-automation 的 toolkit 为composiocomposio-search-automation 的 toolkit 为composio_search。因此掌握本文的三步工作流与六条避坑纪律即可无障碍迁移到其余所有自动化技能让 Claude 真正「动手做事」而不只是生成文本。结语Leadfeeder Automation 技能给出了一个可复制、可验证的 Agent 自动化范式先搜索schema 永远以实时为准、再建连授权状态必须 ACTIVE、后执行批量、带 memory、复用会话。只要守住「不硬编码、先搜索」这条核心纪律你就能稳定地把 Leadfeeder 的日常操作以及仓库中其余 77 个应用的同类操作交给 Agent 自动完成同时把踩坑概率降到最低。建议把文末的快速参考表打印成你的第一张速查卡从一次完整的 Leadfeeder 工具发现开始实践。赞分享AI 技能AI 插件人工智能工作流自动化【免费下载链接】awesome-claude-skillsA curated list of awesome Claude Skills, resources, and tools for customizing Claude AI workflows项目地址https://gitcode.com/GitHub_Trending/aw/awesome-claude-skills点击查看免费下载相关推荐ChatGPT-Shortcut 部署全指南Vercel、Cloudflare Pages、Docker 与离线内网版本实战ChatGPT Shortcut 部署全指南Vercel、Cloudflare Pages、Docker 与离线内网版本实战 本篇以开源仓库 ChatGPTAI 应用提示工程人工智能前端Litestar 事件系统完全指南Event Emitter 与 Listener 模式的实战与原理Litestar 事件系统完全指南Event Emitter 与 Listener 模式的实战与原理 Litestar 内置了一套简洁而强大的事件发射EveAI 技能AI 插件人工智能工作流自动化awesome-claude-skills 实战通过 Rube MCP 在 Claude 中自动化 Fibery 工作流awesome claude skills 实战通过 Rube MCP 在 Claude 中自动化 Fibery 工作流 导读 Fibery 是面向产品团队的AI 技能AI 插件人工智能工作流自动化创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考