用 Rube MCP 自动化 Benchmark Emailawesome-codex-skills 中 benchmark-email-automation 技能实战指南【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-skillsBenchmark Email 是主流的邮件营销平台之一。在 awesome-codex-skills 仓库的composio-skills/benchmark-email-automation/SKILL.md中提供了一份可直接交给 Codex 执行的技能说明让 Agent 通过 Rube MCP 网关调用 Composio 的 Benchmark Email 工具包完成联系人管理、邮件发送与营销流程自动化。读完本文你将掌握该技能的安装方式、前置条件、三步核心工作流工具发现 → 连接检查 → 工具执行以及 6 条关键避坑规则能够直接在 Codex CLI 中复现这套自动化方案。Skill 元数据Codex 如何识别并触发它每个 Codex skill 都以SKILL.md作为入口其 YAML frontmatter 决定了 Agent 何时加载这份指令。benchmark-email-automation/SKILL.md的头部声明如下--- name: benchmark-email-automation description: Automate Benchmark Email tasks via Rube MCP (Composio). Always search tools first for current schemas. requires: mcp: [rube] ---三个字段各有作用name技能的唯一标识安装后对应$CODEX_HOME/skills/benchmark-email-automation/目录名descriptionCodex 依据它与用户请求的匹配度自动触发技能。正如仓库 README.md 所述Codex reads the metadata to decide when to trigger a skill and loads the body only after it fires, keeping context lean——即描述用于触发决策正文按需加载以节省上下文requires.mcp: [rube]声明本技能依赖名为rube的 MCP 服务器这是运行前提。从仓库结构看composio-skills/下包含 600 个同构的技能目录amazon-automation、googlecalendar-automation、salesforce-marketing-cloud-automation等全部遵循同一套 via Rube MCP 模板benchmark-email-automation是其中的邮件营销垂直场景实例。前置条件三件事缺一不可原文档明确列出运行本技能前必须满足的条件Rube MCP 已连接RUBE_SEARCH_TOOLS工具可用Benchmark Email 连接已激活通过RUBE_MANAGE_CONNECTIONS指定 toolkit 为benchmark_email始终先调用RUBE_SEARCH_TOOLS获取当前工具 schema这是全流程的第一原则。其中第 3 条反复强调的原因在于Composio 工具包的 API 会持续演进工具 slug 与参数结构可能变化硬编码任何 slug 都会导致调用失败因此先搜索、后执行是保证稳定性的强制约束。环境搭建接入 Rube MCP 并激活连接添加 Rube MCP 服务器原文档给出的接入方式非常轻量在客户端配置中把https://rube.app/mcp添加为 MCP 服务器即可无需任何 API Key添加端点后即生效。{ mcpServers: { rube: { url: https://rube.app/mcp } } }激活 Benchmark Email 连接按以下顺序完成连接初始化对应原文档 Setup 四步确认RUBE_SEARCH_TOOLS有响应验证 Rube MCP 已就绪调用RUBE_MANAGE_CONNECTIONStoolkit 指定为benchmark_email若连接状态不是ACTIVE跟随返回的授权链接完成 OAuth 授权确认状态变为ACTIVE后再运行任何工作流。将技能安装进 Codex仓库 skill-installer/SKILL.md 提供了标准安装途径可借助 skill-installer 的脚本将本技能安装到$CODEX_HOME/skills/默认~/.codex/skillsgit clone https://gitcode.com/GitHub_Trending/aw/awesome-codex-skills.git cd awesome-codex-skills python skill-installer/scripts/install-skill-from-github.py \ --repo ComposioHQ/awesome-codex-skills \ --path composio-skills/benchmark-email-automation安装完成后重启 Codex 以加载新的技能元数据。安装脚本支持--ref默认main、--dest、--method auto|download|git等选项详见 skill-installer/SKILL.md。备注仓库是只读的以上命令仅用于将技能安装到本地$CODEX_HOME/skills并不会修改仓库本身。工具发现用 RUBE_SEARCH_TOOLS 获取当前 Schema在执行任何 Benchmark Email 操作之前必须先完成工具发现。原文档给出了标准调用模板RUBE_SEARCH_TOOLS queries: [{use_case: Benchmark Email operations, known_fields: }] session: {generate_id: true}该调用会返回四类关键信息可用工具 slug如联系人查询、邮件发送等操作对应的标识符输入 schema每个工具参数的字段名、类型与必填项推荐执行计划针对该 use case 的编排建议已知陷阱官方沉淀的常见坑位提示。如果后续需要某个工具的完整 schema且搜索结果中存在schemaRef引用可使用RUBE_GET_TOOL_SCHEMAS获取完整定义见下文快速参考表。核心工作流三步完成一次自动化原文档将完整流程抽象为三个步骤会话 IDsession_id贯穿始终。Step 1发现可用工具针对具体的 Benchmark Email 任务如查询订阅者列表发送邮件发起搜索并复用既有会话RUBE_SEARCH_TOOLS queries: [{use_case: your specific Benchmark Email task}] session: {id: existing_session_id}Step 2检查连接状态RUBE_MANAGE_CONNECTIONS toolkits: [benchmark_email] session_id: your_session_id确认返回的连接状态为ACTIVE。若为INACTIVE或其他状态需先走授权流程否则后续执行必然失败。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注意memory参数即使为空也必须显式携带{}且arguments必须严格遵循 Step 1 搜索返回的 schema——字段名、类型都不能臆造。已知陷阱6 条必须遵守的规则原文档专门列出 6 条避坑指南任何一条被违反都可能导致调用失败或数据不一致陷阱规则永远先搜索工具 schema 会变化禁止硬编码 tool slug 或参数必须调用RUBE_SEARCH_TOOLS检查连接执行前确认RUBE_MANAGE_CONNECTIONS返回ACTIVESchema 合规使用搜索结果中的精确字段名与类型Memory 参数RUBE_MULTI_EXECUTE_TOOL调用必须携带memory即使为空也要传{}会话复用同一工作流内复用 session ID新工作流生成新 ID分页处理检查响应中的分页 token持续拉取直到数据完整其中会话复用意味着一次完整的营销任务如查询订阅者 → 生成分组 → 发送邮件应在同一会话内串联执行避免上下文断裂。快速参考表原文档末尾提供了一张操作速查表这里完整保留并补充说明操作方式查找工具RUBE_SEARCH_TOOLS传入 Benchmark Email 相关 use case建立连接RUBE_MANAGE_CONNECTIONStoolkit 指定为benchmark_email执行工具RUBE_MULTI_EXECUTE_TOOL使用搜索发现的 tool slug批量操作RUBE_REMOTE_WORKBENCH配合run_composio_tool()完整 schema对返回schemaRef的工具调用RUBE_GET_TOOL_SCHEMAS批量场景如对上千订阅者循环执行操作时RUBE_REMOTE_WORKBENCH可以在远端工作台内运行run_composio_tool()避免在本地循环中产生过长的上下文。在仓库生态中的定位benchmark-email-automation属于仓库中composio-skills系列。与 composio-automation/SKILL.md面向 Composio 自身工具包不同本技能面向第三方邮件营销平台的benchmark_email工具包业务语义更聚焦。二者共享同一套 Rube MCP 调用协议这也解释了为何该技能目录下只有一份SKILL.md即可完成全部指令承载。若你更习惯用 Composio CLI 而非 MCP 网关仓库 connect/SKILL.md 提供了替代路径通过composio link benchmark_email建立 OAuth 连接再用composio search/composio execute完成发现与执行。两种方式底层均接入 Composio 的统一认证与工具调度可按团队偏好二选一。小结本文围绕benchmark-email-automation技能展开完整覆盖了其元数据声明、Rube MCP 接入、连接激活、工具发现、三步工作流与 6 条避坑规则。核心方法论可归纳为一句话先RUBE_SEARCH_TOOLS发现再RUBE_MANAGE_CONNECTIONS确认最后RUBE_MULTI_EXECUTE_TOOL执行全程遵守 schema 与 session 纪律。这套模式不仅适用于 Benchmark Email也可平移至composio-skills/下任意同类技能值得作为 Agent 自动化邮件营销场景的标准参考。【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 用 Rube MCP 自动化 Benchmark Email：awesome-codex-skills 中 benchmark-email-automation 技能实战指南
用 Rube MCP 自动化 Benchmark Emailawesome-codex-skills 中 benchmark-email-automation 技能实战指南【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-skillsBenchmark Email 是主流的邮件营销平台之一。在 awesome-codex-skills 仓库的composio-skills/benchmark-email-automation/SKILL.md中提供了一份可直接交给 Codex 执行的技能说明让 Agent 通过 Rube MCP 网关调用 Composio 的 Benchmark Email 工具包完成联系人管理、邮件发送与营销流程自动化。读完本文你将掌握该技能的安装方式、前置条件、三步核心工作流工具发现 → 连接检查 → 工具执行以及 6 条关键避坑规则能够直接在 Codex CLI 中复现这套自动化方案。Skill 元数据Codex 如何识别并触发它每个 Codex skill 都以SKILL.md作为入口其 YAML frontmatter 决定了 Agent 何时加载这份指令。benchmark-email-automation/SKILL.md的头部声明如下--- name: benchmark-email-automation description: Automate Benchmark Email tasks via Rube MCP (Composio). Always search tools first for current schemas. requires: mcp: [rube] ---三个字段各有作用name技能的唯一标识安装后对应$CODEX_HOME/skills/benchmark-email-automation/目录名descriptionCodex 依据它与用户请求的匹配度自动触发技能。正如仓库 README.md 所述Codex reads the metadata to decide when to trigger a skill and loads the body only after it fires, keeping context lean——即描述用于触发决策正文按需加载以节省上下文requires.mcp: [rube]声明本技能依赖名为rube的 MCP 服务器这是运行前提。从仓库结构看composio-skills/下包含 600 个同构的技能目录amazon-automation、googlecalendar-automation、salesforce-marketing-cloud-automation等全部遵循同一套 via Rube MCP 模板benchmark-email-automation是其中的邮件营销垂直场景实例。前置条件三件事缺一不可原文档明确列出运行本技能前必须满足的条件Rube MCP 已连接RUBE_SEARCH_TOOLS工具可用Benchmark Email 连接已激活通过RUBE_MANAGE_CONNECTIONS指定 toolkit 为benchmark_email始终先调用RUBE_SEARCH_TOOLS获取当前工具 schema这是全流程的第一原则。其中第 3 条反复强调的原因在于Composio 工具包的 API 会持续演进工具 slug 与参数结构可能变化硬编码任何 slug 都会导致调用失败因此先搜索、后执行是保证稳定性的强制约束。环境搭建接入 Rube MCP 并激活连接添加 Rube MCP 服务器原文档给出的接入方式非常轻量在客户端配置中把https://rube.app/mcp添加为 MCP 服务器即可无需任何 API Key添加端点后即生效。{ mcpServers: { rube: { url: https://rube.app/mcp } } }激活 Benchmark Email 连接按以下顺序完成连接初始化对应原文档 Setup 四步确认RUBE_SEARCH_TOOLS有响应验证 Rube MCP 已就绪调用RUBE_MANAGE_CONNECTIONStoolkit 指定为benchmark_email若连接状态不是ACTIVE跟随返回的授权链接完成 OAuth 授权确认状态变为ACTIVE后再运行任何工作流。将技能安装进 Codex仓库 skill-installer/SKILL.md 提供了标准安装途径可借助 skill-installer 的脚本将本技能安装到$CODEX_HOME/skills/默认~/.codex/skillsgit clone https://gitcode.com/GitHub_Trending/aw/awesome-codex-skills.git cd awesome-codex-skills python skill-installer/scripts/install-skill-from-github.py \ --repo ComposioHQ/awesome-codex-skills \ --path composio-skills/benchmark-email-automation安装完成后重启 Codex 以加载新的技能元数据。安装脚本支持--ref默认main、--dest、--method auto|download|git等选项详见 skill-installer/SKILL.md。备注仓库是只读的以上命令仅用于将技能安装到本地$CODEX_HOME/skills并不会修改仓库本身。工具发现用 RUBE_SEARCH_TOOLS 获取当前 Schema在执行任何 Benchmark Email 操作之前必须先完成工具发现。原文档给出了标准调用模板RUBE_SEARCH_TOOLS queries: [{use_case: Benchmark Email operations, known_fields: }] session: {generate_id: true}该调用会返回四类关键信息可用工具 slug如联系人查询、邮件发送等操作对应的标识符输入 schema每个工具参数的字段名、类型与必填项推荐执行计划针对该 use case 的编排建议已知陷阱官方沉淀的常见坑位提示。如果后续需要某个工具的完整 schema且搜索结果中存在schemaRef引用可使用RUBE_GET_TOOL_SCHEMAS获取完整定义见下文快速参考表。核心工作流三步完成一次自动化原文档将完整流程抽象为三个步骤会话 IDsession_id贯穿始终。Step 1发现可用工具针对具体的 Benchmark Email 任务如查询订阅者列表发送邮件发起搜索并复用既有会话RUBE_SEARCH_TOOLS queries: [{use_case: your specific Benchmark Email task}] session: {id: existing_session_id}Step 2检查连接状态RUBE_MANAGE_CONNECTIONS toolkits: [benchmark_email] session_id: your_session_id确认返回的连接状态为ACTIVE。若为INACTIVE或其他状态需先走授权流程否则后续执行必然失败。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注意memory参数即使为空也必须显式携带{}且arguments必须严格遵循 Step 1 搜索返回的 schema——字段名、类型都不能臆造。已知陷阱6 条必须遵守的规则原文档专门列出 6 条避坑指南任何一条被违反都可能导致调用失败或数据不一致陷阱规则永远先搜索工具 schema 会变化禁止硬编码 tool slug 或参数必须调用RUBE_SEARCH_TOOLS检查连接执行前确认RUBE_MANAGE_CONNECTIONS返回ACTIVESchema 合规使用搜索结果中的精确字段名与类型Memory 参数RUBE_MULTI_EXECUTE_TOOL调用必须携带memory即使为空也要传{}会话复用同一工作流内复用 session ID新工作流生成新 ID分页处理检查响应中的分页 token持续拉取直到数据完整其中会话复用意味着一次完整的营销任务如查询订阅者 → 生成分组 → 发送邮件应在同一会话内串联执行避免上下文断裂。快速参考表原文档末尾提供了一张操作速查表这里完整保留并补充说明操作方式查找工具RUBE_SEARCH_TOOLS传入 Benchmark Email 相关 use case建立连接RUBE_MANAGE_CONNECTIONStoolkit 指定为benchmark_email执行工具RUBE_MULTI_EXECUTE_TOOL使用搜索发现的 tool slug批量操作RUBE_REMOTE_WORKBENCH配合run_composio_tool()完整 schema对返回schemaRef的工具调用RUBE_GET_TOOL_SCHEMAS批量场景如对上千订阅者循环执行操作时RUBE_REMOTE_WORKBENCH可以在远端工作台内运行run_composio_tool()避免在本地循环中产生过长的上下文。在仓库生态中的定位benchmark-email-automation属于仓库中composio-skills系列。与 composio-automation/SKILL.md面向 Composio 自身工具包不同本技能面向第三方邮件营销平台的benchmark_email工具包业务语义更聚焦。二者共享同一套 Rube MCP 调用协议这也解释了为何该技能目录下只有一份SKILL.md即可完成全部指令承载。若你更习惯用 Composio CLI 而非 MCP 网关仓库 connect/SKILL.md 提供了替代路径通过composio link benchmark_email建立 OAuth 连接再用composio search/composio execute完成发现与执行。两种方式底层均接入 Composio 的统一认证与工具调度可按团队偏好二选一。小结本文围绕benchmark-email-automation技能展开完整覆盖了其元数据声明、Rube MCP 接入、连接激活、工具发现、三步工作流与 6 条避坑规则。核心方法论可归纳为一句话先RUBE_SEARCH_TOOLS发现再RUBE_MANAGE_CONNECTIONS确认最后RUBE_MULTI_EXECUTE_TOOL执行全程遵守 schema 与 session 纪律。这套模式不仅适用于 Benchmark Email也可平移至composio-skills/下任意同类技能值得作为 Agent 自动化邮件营销场景的标准参考。【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