awesome-codex-skills 实战通过 Rube MCP 自动化 Humanloop 操作【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本篇技术指南基于 awesome-codex-skills 仓库中 composio-skills/humanloop-automation/SKILL.md 技能文档展开讲解如何让 Codex Agent 借助 Rube MCPComposio 提供发现、连接并执行 Humanloop 平台工具从而在对话式工作流中完成模型实验、提示词版本管理、数据集与评估等操作。读完本文你将掌握「先搜索工具、再检查连接、最后执行」的三段式自动化范式以及会话复用、分页处理、Schema 合规等避坑要点。技能定位Humanloop 自动化在 Codex Skills 体系中的角色awesome-codex-skills 是一份面向 Codex CLI 与 API 的实用技能清单每个技能以独立目录承载一份SKILL.md其中通过 YAML frontmatter 的name与description元数据告诉 Codex 何时触发该技能正文则提供分步执行指引从而在保持上下文精简的前提下按需加载详见 README.md 的「What Are Codex Skills?」一节。humanloop-automation属于仓库中composio-skills/集合下数百个「XX-automation」技能之一。该集合的通用模式是通过 Rube MCP 这一单一 MCP 端点把 Composio 聚合的 1000 集成以统一工具协议暴露给 Agent。本技能针对的是 Humanloop——一个面向 LLM 应用的开发与评估平台。技能 frontmatter 明确声明了触发条件与硬性依赖--- name: humanloop-automation description: Automate Humanloop tasks via Rube MCP (Composio). Always search tools first for current schemas. requires: mcp: [rube] ---requires.mcp: [rube]是技能能否运行的前置契约缺少 Rube MCP 时技能中所有RUBE_*工具调用都无法解析因此它是整个自动化流程的入口依赖。前置条件Prerequisites在开始任何 Humanloop 自动化之前需要满足三项条件Rube MCP 已连接环境中必须可用RUBE_SEARCH_TOOLS工具这是技能与 Composio 工具生态交互的探测入口。Humanloop 连接已激活通过RUBE_MANAGE_CONNECTIONS建立 toolkit 为humanloop的连接且状态为 ACTIVE。先搜索再执行每次执行前必须调用RUBE_SEARCH_TOOLS获取当前工具 Schema这是本技能反复强调的第一原则。环境搭建接入 Rube MCP 并激活 Humanloop 连接添加 Rube MCP 服务器在客户端Codex CLI 或支持 MCP 的 Agent 客户端的 MCP 配置中添加端点https://rube.app/mcp即可。按技能文档所述接入过程无需任何 API Key——仅添加端点即可工作认证与授权由 Composio 侧统一管理。建立 Humanloop 连接的四步流程技能文档给出了一套可复现的连接建立步骤确认 Rube MCP 可用验证RUBE_SEARCH_TOOLS能正常响应调用RUBE_MANAGE_CONNECTIONS传入 toolkithumanloop若连接状态不是 ACTIVE跟随返回的授权链接auth link完成 Humanloop 账号的 OAuth 授权再次确认连接状态显示 ACTIVE 后方可运行任何工作流。说明仓库中所有composio-skills/*-automation技能如 composio-skills/composio-automation/SKILL.md、composio-skills/composio-search-automation/SKILL.md共享同一套连接引导流程区别仅在于 toolkit 名称本技能为humanloop。这套「零密钥 OAuth 链接激活」模式意味着密钥托管、刷新与审计均由 Composio 基础设施承担Agent 侧只需维护会话状态。工具发现Tool DiscoveryHumanloop 的能力以工具Tool形式暴露每个工具对应一个 slug、输入参数 Schema 与执行计划。由于工具 Schema 会随平台演进而变化技能要求在任何工作流开始前先做一次发现RUBE_SEARCH_TOOLS queries: [{use_case: Humanloop operations, known_fields: }] session: {generate_id: true}该调用的返回值包含四类关键信息可用工具 slug 列表每个工具的输入 Schema字段名、类型、必填项推荐执行计划recommended execution plans已知陷阱提示known pitfalls。其中session.generate_id: true表示本次发现会生成一个新的会话 ID供后续步骤复用use_case字段支持用自然语言描述你的具体任务例如「创建实验」「获取数据集」等Rube 会据此返回最匹配的工具集。核心工作流模式Core Workflow Pattern技能文档定义了一个三步骤的标准化循环任何 Humanloop 任务都应遵循Step 1发现可用工具RUBE_SEARCH_TOOLS queries: [{use_case: your specific Humanloop task}] session: {id: existing_session_id}将use_case替换为当前具体任务描述并复用已有会话 ID。从返回结果中确定目标工具的tool_slug及其参数 Schema。Step 2检查连接状态RUBE_MANAGE_CONNECTIONS toolkits: [humanloop] session_id: your_session_id在执行任何工具前确认 Humanloop 连接仍处于 ACTIVE。这一步可避免因令牌过期或授权失效导致的静默失败。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_idRUBE_MULTI_EXECUTE_TOOL支持一次传入多个工具调用tools数组便于将「创建实验 → 记录指标 → 更新提示词」等复合操作合并为一次往返。两个必须遵守的约定arguments必须严格符合 Step 1 返回的 Schemamemory参数必须始终携带即使为空也要传{}作为跨工具状态载体。已知陷阱与规避策略Known Pitfalls技能文档总结了六条在真实执行中高频出现的坑逐条展开如下陷阱规避策略永远先搜索工具 Schema 会变化绝不在未调用RUBE_SEARCH_TOOLS的情况下硬编码工具 slug 或参数检查连接执行前用RUBE_MANAGE_CONNECTIONS确认状态为 ACTIVESchema 合规严格使用搜索结果中的精确字段名与类型不做猜测性传参Memory 参数RUBE_MULTI_EXECUTE_TOOL调用中始终包含memory即使为空{}会话复用同一工作流内复用会话 ID 以保持上下文新工作流生成新 ID分页处理检查响应中的分页令牌pagination tokens持续抓取直至数据完整其中「会话复用」与「分页处理」最容易在实际自动化中被忽略前者关系到多步任务间的状态连续性后者关系到列表类操作如批量拉取 Humanloop 实验记录的数据完整性——技能文档明确要求检查响应中的分页令牌并继续获取直到完成而不是只取第一页。快速参考表技能文档末尾给出了一张操作速查表完整保留如下OperationApproachFind toolsRUBE_SEARCH_TOOLSwith Humanloop-specific use caseConnectRUBE_MANAGE_CONNECTIONSwith toolkithumanloopExecuteRUBE_MULTI_EXECUTE_TOOLwith discovered tool slugsBulk opsRUBE_REMOTE_WORKBENCHwithrun_composio_tool()Full schemaRUBE_GET_TOOL_SCHEMASfor tools withschemaRef补充说明表中两条进阶路径批量操作RUBE_REMOTE_WORKBENCH结合run_composio_tool()适用于在远程工作台中批量编排 Composio 工具适合需要循环、条件分支的大规模任务完整 Schema当搜索结果中工具以schemaRef引用而非内联完整 Schema时需调用RUBE_GET_TOOL_SCHEMAS获取完整定义避免因参数缺失导致调用失败。将技能装入 Codex安装与触发机制仓库 skill-installer 提供了官方安装脚本 install-skill-from-github.py。安装后技能会落入$CODEX_HOME/skills/默认~/.codex/skills# 从仓库克隆后按路径安装该技能 python skill-installer/scripts/install-skill-from-github.py --repo owner/awesome-codex-skills --path composio-skills/humanloop-automation安装脚本会执行一系列校验见 install-skill-from-github.py 中的_validate_skill与_validate_relative_path确保目标目录存在SKILL.md、路径为仓库内相对路径、技能名称为单一路径段并通过稀疏检出sparse checkout或 ZIP 下载拉取技能目录后复制到目标位置。安装后需重启 Codex 以重新加载元数据在后续会话中Codex 会根据请求语义自动匹配description命中该技能。对humanloop-automation而言其触发语义是当任务涉及「Humanloop 相关操作」模型实验、数据集、评估、提示词管理等时Codex 会自动加载本技能并依其指引走「搜索 → 连接 → 执行」流程。工作流编排建议从单次调用到复合任务结合技能文档的三步模式与仓库中 README.md 对技能使用方式的说明推荐一个完整的端到端编排范式会话初始化首次调用RUBE_SEARCH_TOOLS时使用session: {generate_id: true}生成新会话连接预热以该会话 ID 调用RUBE_MANAGE_CONNECTIONS确认humanloop连接 ACTIVE任务细化针对子任务分别用具体use_case检索工具逐步收敛到目标 slug 与 Schema批量执行通过RUBE_MULTI_EXECUTE_TOOL的tools数组合并无依赖的调用并始终携带memory: {}结果完整性检查每次响应的分页令牌循环取回全量数据会话生命周期同一工作流全程复用会话 ID工作流结束后生成新 ID 开启下一轮。结语humanloop-automation展示了 Composio 体系下「统一 MCP 端点 动态 Schema 发现 状态化会话」的自动化范式Agent 不需要预知 Humanloop 的 API 细节只需遵循「先搜索、再连接、后执行」的纪律即可安全地驱动真实业务操作。该技能的核心价值不在于某个具体工具而在于其可复用的工作流骨架——理解并遵守RUBE_SEARCH_TOOLS优先原则、连接状态校验与分页完整性要求你就能将这套模式平移到 Composio 支持的任何集成之上稳定地构建跨平台自动化 Agent。本文基于 awesome-codex-skills 仓库 composio-skills/humanloop-automation/SKILL.md 编写仓库内容仅供查看、安装与配置使用。【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