Gatherup 自动化实战基于 Rube MCP 与 Composio 工具链的 Codex Skill 完整指南【免费下载链接】awesome-codex-skillsA curated list of practical Codex skills for automating workflows across the Codex CLI and API.项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-codex-skills本指南以仓库中的 gatherup-automation 技能 为骨架系统讲解如何让 Codex 通过 Rube MCP 接入 Composio 的 Gatherup 工具包完成客户评价与声誉管理相关操作的自动化。读完本文你将掌握「工具发现 → 连接检查 → 工具执行」的标准工作流理解RUBE_SEARCH_TOOLS、RUBE_MANAGE_CONNECTIONS、RUBE_MULTI_EXECUTE_TOOL等核心原语的正确用法并避开工具 Schema 变更、会话复用、分页等高频踩坑点。技能定位gatherup-automation 解决什么问题该技能是composio-skills/目录下数百个「按工具包拆分的自动化技能」之一其完整定义位于 composio-skills/gatherup-automation/SKILL.md。从技能头部的 YAML frontmatter 可以看出它的三个关键信息--- name: gatherup-automation description: Automate Gatherup tasks via Rube MCP (Composio). Always search tools first for current schemas. requires: mcp: [rube] ---name技能名称对应安装到$CODEX_HOME/skills/后的目录名descriptionCodex 触发技能的唯依据。按仓库 README.md 的说明Codex 只会读取name与description来判断何时加载技能因此这里明确声明了「自动化 Gatherup 任务」这一触发场景并把「始终先搜索工具获取最新 Schema」作为核心约束写进了描述requires.mcp声明该技能依赖名为rube的 MCP 服务器这是运行时前置条件的机器可读表达。整个技能文件夹只包含一个SKILL.md文件没有 scripts 与 references 子目录。这与仓库 skill-creator/SKILL.md 中倡导的「渐进式披露progressive disclosure与上下文精简」原则一致单文件、短小精悍的指令包把详细参考留在需要时才加载的独立文件中从而保持 Codex 上下文窗口的轻量。前置条件运行 gatherup 自动化的三项硬性要求在启动任何 Gatherup 工作流之前原技能文档 列出了三条必须满足的前置条件Rube MCP 必须已连接确认RUBE_SEARCH_TOOLS工具可用即 MCP 客户端中已注册rube服务器Gatherup 连接必须为 ACTIVE通过RUBE_MANAGE_CONNECTIONS建立并激活 toolkit 为gatherup的连接执行前先搜索任何一次执行前都必须调用RUBE_SEARCH_TOOLS获取当前工具 Schema禁止凭记忆硬编码工具 slug 或参数。其中第三条是整个技能的设计灵魂Composio 的工具 Schema 会随上游 API 演进而变化只有实时搜索才能保证参数名、类型与当前版本严格对齐。环境搭建接入 Rube MCP 并激活 Gatherup 连接1. 注册 Rube MCP 服务器在 MCP 客户端配置中新增一个服务器端点https://rube.app/mcpRube 的接入特点是不需要预置 API Key——只要把端点加进配置即可生效OAuth 流程会在连接阶段按需完成。2. 四步激活流程按 原技能文档 的 Setup 章节激活顺序如下验证连通性确认RUBE_SEARCH_TOOLS有正常响应证明 Rube MCP 已加载发起连接调用RUBE_MANAGE_CONNECTIONS指定toolkit: gatherup完成授权若连接状态不是 ACTIVE则跟随返回的认证链接完成 Gatherup 账号授权确认就绪再次核对连接状态为 ACTIVE 后才允许进入工作流执行阶段。这一步对应 connect/SKILL.md 中描述的 Composio 连接模型——OAuth 只需要完成一次之后连接会持久化后续会话直接复用。工具发现机制为什么「先搜索再执行」是铁律Composio 的 Gatherup 工具包包含大量操作查询、更新、批量处理等但具体暴露哪些工具、每个工具的输入参数是什么都由运行时决定。技能文档给出的标准发现调用如下RUBE_SEARCH_TOOLS queries: [{use_case: Gatherup operations, known_fields: }] session: {generate_id: true}一次成功的搜索会返回四类关键信息可用的工具 slug 列表后续RUBE_MULTI_EXECUTE_TOOL需要用到每个工具的输入 Schema字段名、类型、必填项推荐的执行计划针对目标任务的最佳操作顺序已知陷阱与边界情况例如哪些操作需要前置步骤、哪些字段存在默认值。注意这里session: {generate_id: true}的含义首次发现阶段生成一个新的会话 ID后续同一工作流内的所有调用都应复用该 ID详见下文「会话管理」。工具 Schema 会变化因此即使你对 Gatherup 很熟悉也不得跳过这一步直接硬编码 slug——这是技能文档在 Known Pitfalls 中反复强调的第一条铁律。核心工作流模式三步曲围绕 Gatherup 的自动化任务原技能文档 定义了可复用的三步工作流Step 1发现可用工具RUBE_SEARCH_TOOLS queries: [{use_case: your specific Gatherup task}] session: {id: existing_session_id}把use_case换成你的具体任务描述例如「获取客户评价列表」「更新评价回复」并复用已有会话 ID而不是每次新建。Step 2检查连接状态RUBE_MANAGE_CONNECTIONS toolkits: [gatherup] session_id: your_session_id执行任何工具前先确认连接仍为 ACTIVE。OAuth token 可能过期连接状态是判断是否需要重新授权的唯一依据。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执行阶段有两点必须严格遵守tool_slug与arguments必须来自 Step 1 的搜索结果字段名、类型必须与返回的 Schema 完全一致memory参数必须携带即使为空也要写成{}这是RUBE_MULTI_EXECUTE_TOOL的协议要求。已知陷阱清单六个高频错误及规避原技能文档 的 Known Pitfalls 章节总结了六条实战经验逐条说明如下陷阱正确做法硬编码工具 slug工具 Schema 会变化任何执行前都必须调用RUBE_SEARCH_TOOLS重新发现忽略连接状态执行前通过RUBE_MANAGE_CONNECTIONS确认状态为 ACTIVE避免在过期连接上盲跑参数不符合 Schema严格使用搜索结果返回的字段名与类型不要凭猜测传参漏传 memory 参数RUBE_MULTI_EXECUTE_TOOL调用必须始终包含memory空值写{}会话滥用同一工作流内复用 session ID开启新工作流时生成新 ID保证上下文隔离忽略分页检查响应中的分页 token持续拉取直到数据取完避免只拿到第一页其中「分页」一项在同类技能中有更细的佐证兄弟技能 survey_monkey-automation/SKILL.md 明确提到「许多列表操作支持分页检查next_cursor或page_token并持续获取直到耗尽」。这说明分页处理是 Composio 工具包的通性要求Gatherup 的列表类操作同样适用。快速参考常用操作速查表原技能文档 末尾提供了一张速查表覆盖从发现工具到完整 Schema 的全部环节OperationApproachFind toolsRUBE_SEARCH_TOOLSwith Gatherup-specific use caseConnectRUBE_MANAGE_CONNECTIONSwith toolkitgatherupExecuteRUBE_MULTI_EXECUTE_TOOLwith discovered tool slugsBulk opsRUBE_REMOTE_WORKBENCHwithrun_composio_tool()Full schemaRUBE_GET_TOOL_SCHEMASfor tools withschemaRef进阶技巧批量操作与完整 Schema 获取速查表中的最后两行指向两条进阶路径在基础三步曲之上进一步扩展能力边界批量操作RUBE_REMOTE_WORKBENCH当需要对大量 Gatherup 数据执行同类操作例如批量回复多条评价、批量导出报告时应切换到远程工作台模式在其中循环调用run_composio_tool()。同类技能 survey_monkey-automation/SKILL.md 给出了更具体的实现指引在RUBE_REMOTE_WORKBENCH中配合ThreadPoolExecutor实现并行执行从而把串行请求改造成并发吞吐。完整 SchemaRUBE_GET_TOOL_SCHEMAS搜索结果有时不会内联返回完整的input_schema而是返回一个schemaRef引用。此时需要用RUBE_GET_TOOL_SCHEMAS按引用加载完整 Schema才能拿到全部参数定义含可选字段、枚举取值与嵌套结构保证传给RUBE_MULTI_EXECUTE_TOOL的参数完全合规。与其他技能的协同理解该模式的可移植性gatherup-automation 并不是孤例。通过检索可以发现仓库 composio-skills/ 目录下存在数百个结构完全同构的*-automation技能如composio-automation、survey_monkey-automation、hookdeck-automation等它们共享同一套「Rube MCP Composio 工具包」接入范式。这意味着学习成本一次投入、多次复用掌握 gatherup 的「搜索 → 连接 → 执行」三步曲后接入任意新工具包只需替换use_case与toolkit名称触发机制统一按 README.md 的说明所有技能都通过descriptionfrontmatter 触发安装到~/.codex/skills/后重启 Codex 即可在会话中按任务描述自动唤起与 CLI 路径互补若你更习惯终端操作而非 MCP 调用connect/SKILL.md 提供了另一条通路——通过composio link gatherup建立连接、composio search发现工具、composio execute SLUG直接执行两者共享同一套连接与工具模型。小结gatherup-automation 技能展示了一条可复制的「外部平台自动化接入」标准范式以RUBE_SEARCH_TOOLS动态发现 Schema以RUBE_MANAGE_CONNECTIONS保障连接活性以RUBE_MULTI_EXECUTE_TOOL完成执行再以RUBE_REMOTE_WORKBENCH与RUBE_GET_TOOL_SCHEMAS覆盖批量与深层场景。对于希望让 Codex 真正操作 Gatherup 的开发者直接将该技能安装进$CODEX_HOME/skills/并按本文的流程编排即可落地对于希望自建同类技能的开发者这个单文件技能也是理解 Codex Skill 设计与触发机制的绝佳参考样本。【免费下载链接】awesome-codex-skillsA curated list of practical Codex skills for automating workflows across the Codex CLI and API.项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-codex-skills创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
