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聚焦 awesome-claude-skills 仓库中的 typefully-automation 技能讲解如何通过 Rube MCPComposio 的 MCP 网关连接 Typefully 账号、动态发现工具并编排自动化工作流。读完本文你将掌握从添加 MCP 服务器到执行真实 Typefully 操作的完整闭环并理解为什么先搜索、再连接、后执行是这类自动化技能的安全底线。技能定位为 Claude 赋予 Typefully 实操能力typefully-automation是 awesome-claude-skills 仓库中App Automation via Composio技能家族的一员。根据 README 的说明仓库为 78 个 SaaS 应用预置了工作流技能每个技能都包含工具调用序列、参数指引、已知陷阱与速查表且全部使用从 Composio API 发现的真实工具 slug。该技能面向 Typefully——一个面向创作者与内容团队的社交媒体发布与排程平台——让 Claude 从只会生成文本建议升级为直接执行真实操作。技能本身以标准 Claude Skills 格式组织目录下的 SKILL.md 通过 YAML frontmatter 声明元数据正文则指导 Agent 如何与 Rube MCP 交互name: typefully-automation description: Automate Typefully tasks via Rube MCP (Composio). Always search tools first for current schemas. requires: mcp: [rube]注意description中的关键提示Always search tools first for current schemas——这是贯穿整个技能的核心原则工具 schema 是动态的必须现查现用绝不硬编码。requires字段则声明了本技能依赖rube这个 MCP 服务器这与仓库中其他 Composio 自动化技能如 composio-automation采用相同的依赖声明方式。前置条件三层就绪检查在开始任何 Typefully 工作流之前需要确认三个前置条件全部满足Rube MCP 已连接环境中有RUBE_SEARCH_TOOLS可用。这是验证 Rube MCP 是否正常工作的第一信号。Typefully 连接已激活通过RUBE_MANAGE_CONNECTIONS建立 Typefully 连接toolkit 名称为typefully且连接状态必须为ACTIVE。工具 schema 始终以搜索为准每次执行前调用RUBE_SEARCH_TOOLS获取当前的工具 schema防止因远端 API 变更导致调用失败。这三点环环相扣没有 MCP 网关就无法发现工具没有激活的账号连接就无法执行真实操作不搜索 schema 就无法保证参数正确。任何一环缺失工作流都会在中途失败。安装与连接Rube MCP 零密钥接入Rube MCP 的接入方式非常轻量——无需任何 API Key只需在客户端配置中把 Rube MCP 端点添加为 MCP 服务器即可端点地址在技能文档的 Setup 章节中给出各 MCP 客户端均支持此类服务器配置。完成端点添加后按以下步骤建立 Typefully 连接确认RUBE_SEARCH_TOOLS有响应验证 Rube MCP 已可用调用RUBE_MANAGE_CONNECTIONStoolkits 参数传[typefully]若连接状态不是 ACTIVE跟随返回的授权链接完成 OAuth 授权流程在运行任何工作流之前再次确认连接状态为 ACTIVE。这套流程与仓库 connect 技能描述的 Composio 工作方式一致Agent 发起操作意图 → Composio Tool Router 找到对应工具 → OAuth 自动处理 → 真实执行并返回结果。授权完成后连接会持续生效无需重复授权。工具发现永远先调用 RUBE_SEARCH_TOOLSTypefully 的 toolkit 会随时间演进工具 slug、入参 schema 都可能变化。因此技能文档强调执行工作流之前必须先做工具发现。标准调用如下RUBE_SEARCH_TOOLS queries: [{use_case: Typefully operations, known_fields: }] session: {generate_id: true}该调用会返回四类关键信息可用工具 slug后续RUBE_MULTI_EXECUTE_TOOL中tool_slug字段的直接来源输入 schema每个工具参数的字段名、类型与必填性推荐执行计划针对你的 use case 给出的编排建议已知陷阱该工具当前已知的坑点与注意事项。known_fields留空表示让搜索完全由 use case 驱动session.generate_id: true则为本次搜索生成一个新会话 ID为后续多步工作流铺垫。仓库中其他自动化技能如 openai-automation同样遵循先发现工具、再按 schema 调用的模式可见这是整个技能家族的统一方法论。核心工作流三步编排模式从工具发现到结果返回Typefully 自动化遵循一个固定的三步模式这也是技能文档的核心骨架。Step 1发现可用工具RUBE_SEARCH_TOOLS queries: [{use_case: your specific Typefully task}] session: {id: existing_session_id}把use_case换成你的具体任务描述例如发布推文、管理草稿、查看分析数据并在session.id中复用已有的会话 ID——同一工作流内保持会话连续能让你在上一步返回的执行计划基础上继续推进。Step 2检查连接状态RUBE_MANAGE_CONNECTIONS toolkits: [typefully] session_id: your_session_id在真正执行工具前确认 Typefully 连接仍是 ACTIVE。这一步成本极低却能避免工具已执行但账号掉线这类难以排查的失败。Step 3执行工具RUBE_MULTI_EXECUTE_TOOL tools: [{ tool_slug: TOOL_SLUG_FROM_SEARCH, arguments: {/* schema-compliant args from search results */} }] memory: {} session_id: your_session_id执行阶段有两个强制性细节tool_slug与arguments必须严格来自 Step 1 的搜索结果——slug 从搜索响应中取参数按返回的 schema 填使用字段名 类型完全一致不得凭记忆硬编码memory参数必须始终携带即使为空也要传{}这是多工具串联时保持上下文的关键。三步合起来构成了搜索 → 确认 → 执行的闭环搜索提供执行计划与 schema确认保证执行前提执行按 schema 落盘真实操作。已知陷阱六条避坑清单技能文档专门列出了六条已知陷阱它们共同定义了这套工作流的边界条件陷阱应对策略工具 schema 会变化绝不硬编码 tool slug 或参数每次都先调用RUBE_SEARCH_TOOLS连接可能失效执行前用RUBE_MANAGE_CONNECTIONS确认 ACTIVE 状态参数需与 schema 严格一致使用搜索结果中给出的精确字段名与类型memory 参数易被遗漏即使为空也要传入{}会话 ID 管理混乱工作流内复用同一 ID新工作流生成新 ID分页结果被截断检查响应中的分页 token持续拉取直到数据完整从源码结构看这些陷阱并非 Typefully 独有——composio-automation 等 78 个同类技能均保留了完全相同的六条清单说明它们是从大量真实执行中沉淀出的通用经验而非针对单一应用的个例。速查表五类 Rube 工具的分工技能文档最后用一张速查表概括了 Rube MCP 五类工具在 Typefully 自动化中的分工操作对应方式查找工具RUBE_SEARCH_TOOLS Typefully 专属 use case建立连接RUBE_MANAGE_CONNECTIONStoolkit 为typefully执行操作RUBE_MULTI_EXECUTE_TOOL 搜索到的 tool slug批量操作RUBE_REMOTE_WORKBENCHrun_composio_tool()获取完整 schemaRUBE_GET_TOOL_SCHEMAS针对带schemaRef的工具这套分工揭示了一个清晰的分层设计发现SEARCH_TOOLS→ 授权MANAGE_CONNECTIONS→ 执行MULTI_EXECUTE_TOOL→ 批处理REMOTE_WORKBENCH→ 深挖GET_TOOL_SCHEMAS。常规单步任务只需前三者数据量大或需要服务端执行时切换到RUBE_REMOTE_WORKBENCH而当搜索结果中的工具带有schemaRef引用时则用RUBE_GET_TOOL_SCHEMAS拉取完整 schema 以获得全部参数细节。实践建议让 Typefully 自动化稳定落地结合技能文档与仓库的整体设计给出几条落地建议把先搜索固化为流程的第一步。schema 是动态的任何基于旧 schema 的假设都可能在执行时失败——搜索不仅是信息获取更是执行的前置校验。工作流内部统一会话 ID。从工具发现到执行结束复用同一 session ID既保持上下文连续也让排查时能串联整条调用链新任务再生成新 ID避免跨任务污染。批量场景优先考虑 REMOTE_WORKBENCH。当需要处理大量 Typefully 对象如批量排程、批量分析时通过run_composio_tool()在服务端执行比逐条RUBE_MULTI_EXECUTE_TOOL更高效。在 Claude 客户端中正确装载技能。按照 README 的指引将技能目录放置到~/.config/claude-code/skills/下以 Claude Code 为例或用head验证 SKILL.md 元数据技能会在相关任务出现时按需激活不会常驻上下文。这套方法论的价值在于可复用掌握了 Typefully 的接入模式就等于掌握了仓库中其余 77 个 Composio 自动化技能如 composio-automation、openai-automation的通用操作范式——换一个 toolkit 名称、换一组 use case流程骨架完全一致。Powered by Composio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awesome-claude-skills 之 Sage 自动化基于 Rube MCP 与 Composio 的完整接入指南awesome claude skills 之 Sage 自动化基于 Rube MCP 与 Composio 的完整接入指南 本指南以 awesome claAI 技能AI 插件人工智能工作流自动化基于 Rube MCP 的 Rafflys 自动化实战awesome-claude-skills 中 rafflys-automation 技能的接入与执行指南基于 Rube MCP 的 Rafflys 自动化实战awesome claude skills 中 rafflys automation 技能的接入与执行指AI 技能AI 插件人工智能工作流自动化碎片时间背日语ToastFish 如何帮你悄悄涨单词量碎片时间背日语ToastFish 如何帮你悄悄涨单词量 备考 JLPT最怕的不是词难而是时间太散——开会间隙、通勤路上、午休十分钟根本挤不出整块时间翻桌面应用教育创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考