基于 Rube MCP 与 Composio 实现 Feathery 自动化awesome-codex-skills 实战指南【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本篇技术指南围绕开源仓库 awesome-codex-skills 中的 feathery-automation Skill 展开系统讲解如何通过 Rube MCP 与 Composio 的 Feathery toolkit 打通 Codex Agent 与真实业务系统之间的自动化链路。读完本文你将掌握「工具发现 → 连接校验 → 工具执行」的完整调用范式、Rube MCP 五类核心工具的用法与六条实战陷阱规避策略并能在 Codex CLI 环境中直接落地可复用的表单自动化工作流。这份 Skill 是什么一份 Agent 可直接执行的自动化蓝图feathery-automation 是 awesome-codex-skills 仓库中针对 Composio 集成体系composio-skills/目录内 Feathery toolkit 编写的一份 Codex Skill。按仓库 README 的定义Codex Skill 是「模块化的指令包」每个 Skill 以独立文件夹承载内部必须包含带元数据的SKILL.md——元数据namedescription用于让 Codex 决定何时触发该 Skill正文则只在触发后加载从而保持上下文精炼。该文档的 YAML frontmatter 清晰交代了这份 Skill 的边界--- name: feathery-automation description: Automate Feathery tasks via Rube MCP (Composio). Always search tools first for current schemas. requires: mcp: [rube] ---三个字段各有讲究nameSkill 唯一标识也是安装到$CODEX_HOME/skills/后的目录名descriptionCodex 依据它与用户请求的匹配度来自动触发 Skill因此刻意写明了「通过 Rube MCP 自动化 Feathery 任务」这一触发场景requires.mcp声明该 Skill 运行依赖名为rube的 MCP 服务器RUBE_*系列工具均来自这个 MCP 端点。可以这样理解整份文档的定位它不替你去写 Feathery 的某个具体业务逻辑而是给出一个「无论何时都成立」的调用纪律——先搜工具、再查连接、最后按 schema 执行任何一步都不能跳过。前置条件先满足三件事再谈自动化文档给出的前置条件非常克制只有三条Rube MCP 必须已连接保证RUBE_SEARCH_TOOLS工具可用必须存在 ACTIVE 状态的 Feathery 连接通过RUBE_MANAGE_CONNECTIONS指定 toolkit 为feathery建立每次工作流执行前必须调用RUBE_SEARCH_TOOLS以获取当前最新的工具 schema。第三条是整份 Skill 的灵魂。与静态 SDK 不同通过 MCP 暴露的远端工具 schema 会随平台迭代而变化因此文档反复强调永远不要硬编码 tool slug 或参数一切以搜索结果为唯一事实来源。快速开始零 API Key 接入 Rube MCP接入成本是这份方案最突出的特点。文档明确说明无需任何 API Key只需在客户端配置中添加一个 MCP 服务器端点即可生效https://rube.app/mcp接入后按以下顺序完成初始化确认RUBE_SEARCH_TOOLS有响应验证 Rube MCP 已就绪调用RUBE_MANAGE_CONNECTIONS并指定 toolkit 为feathery若连接状态不是 ACTIVE则按返回的认证链接完成 Feathery 授权在运行任何工作流之前再次确认连接状态显示为 ACTIVE。这套「端点即服务」的模式意味着无论是本机 Codex CLI 还是远端 Agent 环境接入路径完全一致适合团队内大规模复制自动化能力。工具发现为什么「先搜索」是铁律文档用一个结构化的调用示例展示了工具发现的标准姿势RUBE_SEARCH_TOOLS queries: [{use_case: Feathery operations, known_fields: }] session: {generate_id: true}其中两个关键参数的含义queries以use_case描述你想要的业务能力如「Feathery operations」或更具体的任务known_fields用于传入你已知的字段名留空则交给搜索自动匹配sessiongenerate_id: true表示让服务端生成一个新的会话 ID用于后续步骤复用。搜索的返回值包含四类信息正好对应执行阶段需要的全部要素返回内容用途可用 tool slug决定RUBE_MULTI_EXECUTE_TOOL中调用哪个工具输入 schema决定 arguments 里填哪些字段、什么类型推荐的执行计划多步骤场景下的编排参考已知陷阱known pitfalls提前规避该工具的常见坑三步核心工作流从搜索到执行的完整闭环文档将整个自动化流程收敛为三个步骤每个步骤都配有可直接复制的调用骨架。Step 1发现可用工具RUBE_SEARCH_TOOLS queries: [{use_case: your specific Feathery task}] session: {id: existing_session_id}与初始化阶段不同进入工作流后应复用已有会话把session.generate_id换成session.id传入 Step 2 中会使用到的同一个existing_session_id。Step 2检查连接状态RUBE_MANAGE_CONNECTIONS toolkits: [feathery] session_id: your_session_id这里传入的session_id与 Step 1 保持一致构成会话内状态串联。返回结果中必须确认 Feathery 连接为 ACTIVE否则应先走认证流程再继续。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执行阶段有三个必须遵守的约束tool_slug必须来自 Step 1 的搜索结果禁止凭记忆硬编码arguments的字段名与类型必须与搜索结果返回的 schema 完全一致memory参数必须携带即使没有跨步骤状态也要传空对象{}session_id继续复用工作流会话。这三步构成一个可重复、可审计的最小闭环任何新的 Feathery 自动化需求都能套用「搜索 → 校验 → 执行」骨架而无需为每个具体任务重写接入逻辑。六条已知陷阱把这些规则刻进 Agent 的肌肉记忆文档用专门的章节总结了实战中最容易翻车的六个点这里逐条展开永远先搜索Tool schema 会变。在不调用RUBE_SEARCH_TOOLS的情况下硬编码 tool slug 或参数是文档明令禁止的第一大忌执行前校验连接调用工具前必须确认RUBE_MANAGE_CONNECTIONS返回 ACTIVE否则调用必然失败严格遵循 schema字段名和类型必须逐字取自搜索结果不能凭经验猜测memory 参数必传RUBE_MULTI_EXECUTE_TOOL的每次调用都必须包含memory即使为空也要传{}这是保证执行引擎状态机正常工作的前提会话按需复用同一工作流内复用 session ID 以保持上下文开启新工作流时生成新 ID避免状态串扰注意分页检查响应中是否带有分页令牌有则持续拉取直到数据取完防止结果截断。这六条本质上是把「动态 schema 长会话 分页」这三类分布式系统常见问题提前固化成 Agent 的执行规范。快速参考表五类核心工具一览文档以表格形式给出了 Rube MCP 五类工具的分工这里保留原文并补充说明操作方案说明查找工具RUBE_SEARCH_TOOLS携带 Feathery 相关 use_case一切执行的起点返回 slug、schema、执行计划与陷阱建立连接RUBE_MANAGE_CONNECTIONS指定 toolkitfeathery负责 OAuth 授权与状态管理需确认 ACTIVE执行工具RUBE_MULTI_EXECUTE_TOOL使用搜索结果中的 slug支持一次携带多个工具、串联成多步操作批量操作RUBE_REMOTE_WORKBENCH配合run_composio_tool()适合需要脚本化、循环或条件分支的批量场景获取完整 schema对带schemaRef的工具调用RUBE_GET_TOOL_SCHEMAS当搜索返回的 schema 为引用形式时用此工具展开全量定义仓库源码级佐证这套模式并非孤例awesome-codex-skills 的composio-skills/目录下收录了上百个遵循同一模板的自动化 Skill如 composio-automation、slackbot-automation 等它们的「前置条件 → Setup → 工具发现 → 三步工作流 → 陷阱清单 → 速查表」结构与本篇文档完全同构。从源码结构可以推断feathery-automation 是仓库内一套经过规模化验证的「Rube MCP 自动化模板」在表单平台上的具体实例——你掌握本文的调用范式后迁移到仓库中任意其他*-automationSkill 几乎零成本。在触发与安装层面仓库同样提供了完整闭环安装路径由 skill-installer 安装脚本 支持默认安装到$CODEX_HOME/skills/skill-name即~/.codex/skills脚本会校验目标目录不存在、SKILL.md存在并支持--ref、--dest、--name、--methodauto|download|git等参数详见 skill-installer/SKILL.md安装完成后需重启 Codex以重新加载 Skill 元数据触发方式在会话中用自然语言描述任务Codex 会依据descriptionfrontmatter 自动匹配并加载本 Skill——这也解释了为什么本文开头强调description字段必须写清楚「何时触发」。在 Codex 中安装并触发这份 Skillpython skill-installer/scripts/install-skill-from-github.py \ --repo ComposioHQ/awesome-codex-skills \ --path composio-skills/feathery-automation安装完成后# 验证安装结果 ls ~/.codex/skills # 检查元数据是否正确加载 head ~/.codex/skills/feathery-automation/SKILL.md随后重启 Codex在新会话中描述你的 Feathery 任务即可触发。整个使用过程不涉及对仓库本身的任何修改——仓库只读安装与触发都在本地$CODEX_HOME下完成。总结feathery-automation 是一份小而完整的 Agent 自动化工程范本它以 Rube MCP 为统一工具网关、以 Composio Feathery toolkit 为业务能力来源用「先搜索、再校验、后执行」的纪律把动态 schema、会话复用和分页处理等复杂问题全部收敛为固定流程。对希望让 Codex 真正「动手做事」的开发者而言这份 Skill 既是一个开箱即用的 Feathery 自动化方案也是一套可以迁移到仓库内其他 100 集成场景的通用方法论。【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