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点击查看免费下载导读本文以仓库内 composio-skills/thanks-io-automation/SKILL.md 为骨架系统讲解如何借助 Rube MCPComposio打通 Thanks IO 工具集让 Claude 等 AI 客户端直接执行真实的 Thanks IO 业务操作。读完本文你将掌握「工具发现 → 连接检查 → 工具执行」的完整调用范式理解RUBE_SEARCH_TOOLS、RUBE_MANAGE_CONNECTIONS、RUBE_MULTI_EXECUTE_TOOL等关键接口的用法并学会规避 Schema 变更、会话复用等实操陷阱。技能文档概览与前置条件thanks-io-automation是仓库中「App Automation via Composio」系列技能之一。该技能文件的 frontmatter 明确了其身份与依赖name: thanks-io-automation description: Automate Thanks IO tasks via Rube MCP (Composio). Always search tools first for current schemas. requires: mcp: [rube]技能的核心思路是通过 Rube MCP 这一统一入口代理调用 Composio 提供的 Thanks IO toolkit从而把 Thanks IO 的相关操作从 toolkit 名称与应用场景看主要面向客户感谢卡、明信片等客户致谢类 SaaS 业务接入到 AI Agent 的工作流中。运行任何工作流之前必须满足三项前置条件Rube MCP 已连接RUBE_SEARCH_TOOLS必须可响应Thanks IO 连接已激活通过RUBE_MANAGE_CONNECTIONS以 toolkitthanks_io建立连接且状态为ACTIVE先搜索再执行每次执行前都必须调用RUBE_SEARCH_TOOLS获取当前最新的工具 Schema。Setup接入 Rube MCP 与建立 Thanks IO 连接获取 Rube MCP接入 Rube MCP 非常简单只需在客户端配置中把https://rube.app/mcp添加为 MCP Server 即可无需任何 API Key——添加端点后即可直接使用。这一点是 Rube MCP 方案的核心优势也是该系列技能可以大规模复制到 78 个 SaaS 应用见 README.md 中「App Automation via Composio」章节的基础。四步建立连接按照技能文档完整的环境准备流程如下验证 Rube MCP 可用确认RUBE_SEARCH_TOOLS能够正常响应发起连接调用RUBE_MANAGE_CONNECTIONStoolkit 参数传入thanks_io完成授权如果连接状态不是ACTIVE按返回的 auth link 完成授权设置确认状态在运行任何工作流之前确认连接状态已变为ACTIVE。Tool Discovery为什么必须先搜索工具技能文档反复强调「Always search tools first for current schemas」并将其写入 description。原因是 Composio 的工具 Schema参数、字段类型、tool slug会随上游 API 迭代而变化硬编码工具名或参数必然导致执行失败。推荐的首次发现调用示例如下RUBE_SEARCH_TOOLS queries: [{use_case: Thanks IO operations, known_fields: }] session: {generate_id: true}该调用会返回三类关键信息可用的 tool slugs工具标识每个工具的输入 Schema字段名与类型推荐的执行计划execution plans与已知陷阱known pitfalls。注意这里使用了session: {generate_id: true}即让 Rube 为本次发现生成一个新会话 ID供后续步骤复用。核心工作流模式三步走技能文档给出了一套固定的三步调用模式适用于任何具体的 Thanks IO 任务。Step 1发现可用工具针对你的具体任务再次搜索获取匹配该任务的最新工具与参数结构RUBE_SEARCH_TOOLS queries: [{use_case: your specific Thanks IO task}] session: {id: existing_session_id}这一步与上一节的「Tool Discovery」区别在于初次发现面向整体操作域本步面向具体任务且复用已生成的 session ID。Step 2检查连接执行前确认 Thanks IO 连接仍然有效RUBE_MANAGE_CONNECTIONS toolkits: [thanks_io] session_id: your_session_id如果返回的状态不是ACTIVE应先按返回的授权链接重新完成连接再继续后续执行。Step 3执行工具拿到搜索返回的 tool slug 后通过RUBE_MULTI_EXECUTE_TOOL执行参数必须严格符合搜索结果的 SchemaRUBE_MULTI_EXECUTE_TOOL tools: [{ tool_slug: TOOL_SLUG_FROM_SEARCH, arguments: {/* schema-compliant args from search results */} }] memory: {} session_id: your_session_id两个值得注意的细节memory参数必须始终携带即使没有状态需要传递也要传入空对象{}这是 Rube 执行器对调用格式的硬性要求session_id复用同一工作流中的会话 ID保证上下文连续。已知陷阱与最佳实践技能文档用专门小节总结了六条实战经验它们决定了自动化脚本的稳定性Always search first先搜索再执行工具 Schema 会变化未经RUBE_SEARCH_TOOLS就硬编码 tool slug 或参数是最大的失败来源Check connection执行前检查连接执行工具前必须确认RUBE_MANAGE_CONNECTIONS返回ACTIVE避免因授权过期而静默失败Schema compliance严格遵循 Schema字段名与类型必须逐字使用搜索结果给出的定义Memory parameter始终携带 memoryRUBE_MULTI_EXECUTE_TOOL调用中必须包含memory即使为空{}Session reuse会话复用策略同一工作流内复用 session ID新工作流则生成新 ID避免上下文串扰Pagination分页处理检查响应中是否携带分页 token若有则持续拉取直到数据完整防止只取到第一页。快速参考表下表浓缩了全部关键操作与对应调用方式可作为日常开发的速查手册OperationApproachFind toolsRUBE_SEARCH_TOOLSwith Thanks IO-specific use caseConnectRUBE_MANAGE_CONNECTIONSwith toolkitthanks_ioExecuteRUBE_MULTI_EXECUTE_TOOLwith discovered tool slugsBulk opsRUBE_REMOTE_WORKBENCHwithrun_composio_tool()Full schemaRUBE_GET_TOOL_SCHEMASfor tools withschemaRef其中Bulk ops一栏值得展开当需要批量操作时文档推荐改用RUBE_REMOTE_WORKBENCH并调用其中的run_composio_tool()函数这更适合在远程执行环境中编排多次工具调用而当工具返回schemaRef即存在独立的 Schema 引用时则需要使用RUBE_GET_TOOL_SCHEMAS获取完整 Schema 定义。在仓库中的定位App Automation via Composio 系列本文档并非孤立存在。根据 README.mdthanks-io-automation属于「App Automation via Composio」预置技能体系的一部分——该体系为 78 个 SaaS 应用提供经 Composio API 实际发现的 tool slugs 编写的工作流技能每个技能都包含工具调用序列tool sequences、参数指引parameter guidance、已知陷阱known pitfalls与快速参考表quick reference tables结构与本技能完全同构。从实现形态看这一系列技能都遵循「Rube MCP 统一接入 Composio 工具代理」的架构connect目录下的技能负责连接管理而composio-skills/下每个应用一个目录如本技能的 composio-skills/thanks-io-automation/。可以推断这一「前端技能文档 后端 Rube/Composio 基础设施」的分层设计正是为了让 AI Agent 在不维护各应用私有凭据的前提下以统一的 Schema 发现机制稳定操作外部 SaaS——这也是该技能把「先搜索、后执行」写入 description 的根本原因。总结通过 Rube MCP 自动化 Thanks IO核心并不在于记住某个具体工具的参数而在于掌握一套自适应的调用协议每次都以RUBE_SEARCH_TOOLS获取最新 Schema以RUBE_MANAGE_CONNECTIONS保证连接ACTIVE再以RUBE_MULTI_EXECUTE_TOOL严格按 Schema 执行并始终携带memory、复用会话 ID、处理分页。这套模式与仓库中另外 77 个应用技能完全通用掌握之后即可举一反三把任意 Composio 支持的 SaaS 应用接入你的 Claude 工作流。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 实战通过 Rube MCPComposio自动化 Helpwise 客服工作流awesome claude skills 实战通过 Rube MCPComposio自动化 Helpwise 客服工作流 本篇技术指南围绕 composAI 技能AI 插件人工智能工作流自动化awesome-claude-skills 实战通过 Rube MCPComposio自动化 Callerapi 操作awesome claude skills 实战通过 Rube MCPComposio自动化 Callerapi 操作 导读 本指南基于 awesomeAI 技能AI 插件人工智能工作流自动化awesome-claude-skills 实战通过 Rube MCP 用 Composio 自动化 All Images AI 工作流awesome claude skills 实战通过 Rube MCP 用 Composio 自动化 All Images AI 工作流 导读 本文围绕 awAI 技能AI 插件人工智能工作流自动化上一篇Lightgallery.js缩略图插件完全指南打造专业级图片画廊体验下一篇Neovim新手教程no-neck-pain.nvim让编辑更简单创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考