基于 Rube MCP 的 Affinda 文档处理自动化Awesome Codex Skills 中 affinda-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-skills本文围绕开源仓库 Awesome Codex Skills 中的 affinda-automation 技能展开讲解如何通过 Rube MCPComposio 的 MCP 网关驱动 Composio 的 Affinda toolkit让 Codex 自动执行 Affinda 平台的文档解析与数据提取类操作。读完本文你将掌握先发现工具、再确认连接、最后执行动作的完整自动化流程学会规避工具 Schema 变更、连接状态失效等常见陷阱并能在自己的 Codex 环境中安装、触发与复用这一技能。技能定位它是什么解决什么问题affinda-automation是仓库 composio-skills 目录下的一个 Codex 技能。它的SKILL.md通过 YAML frontmatter 声明了元信息--- name: affinda-automation description: Automate Affinda tasks via Rube MCP (Composio). Always search tools first for current schemas. requires: mcp: [rube] ---其中requires.mcp: [rube]是关键声明该技能依赖名为rube的 MCP 服务器Codex 在触发技能时会把 Rube MCP 暴露的工具集以RUBE_前缀命名作为可用调用面。技能正文开篇即点明其目标——通过 Rube MCP 使用 Composio 的 Affinda toolkit 自动化 Affinda 相关操作并反复强调一条核心纪律执行任何工作流之前永远先调用工具搜索接口获取最新 Schema。Affinda 是面向文档处理与结构化数据提取领域的平台其 toolkit 由 Composio 集成并托管行业背景可结合公开资料理解。在本仓库语境下你不需要关心 Affinda 的内部实现只需把它视为一个已被 Composio 封装、可通过 MCP 工具调用的第三方能力面。这一技能与仓库中其他数百个*-automation技能如 composio-automation、docsumo-automation共享同一套 Rube MCP 工作流模板区别仅在于目标 toolkit 与具体 use case因此本文讲解的模式可以无缝迁移到任意一个同类技能上。前置条件开始使用该技能前需要满足三项条件Rube MCP 已连接客户端环境中必须存在RUBE_SEARCH_TOOLS等 Rube 工具Codex 才能感知到技能所依赖的调用面Affinda 连接处于 ACTIVE 状态通过RUBE_MANAGE_CONNECTIONS以toolkit: affinda建立连接并确认状态为激活先搜索再执行任何工作流开始前都必须调用RUBE_SEARCH_TOOLS获取当前可用的工具 Schema禁止凭记忆硬编码工具 slug 或参数。这三条中最后一条是文档反复强调的第一纪律其根源在于Composio 侧的 toolkit 工具 Schema 会随平台迭代而变动只有实时查询才能保证参数名、参数类型与执行计划与当前版本一致。环境搭建接入 Rube MCP技能文档给出了极简的接入方式——无需任何 API Key只需在客户端Codex的 MCP 配置中添加一个端点https://rube.app/mcp添加后即可直接使用。完整搭建步骤如下验证 Rube MCP 可用确认RUBE_SEARCH_TOOLS能正常响应调用RUBE_MANAGE_CONNECTIONS传入toolkit: affinda若连接状态不是 ACTIVE则跟随返回的授权链接auth link完成 OAuth 设置在运行任何工作流之前再次确认连接状态显示为 ACTIVE。从仓库整体看该技能本身并不包含独立脚本它的价值在于把连接管理 工具发现 动作执行这一套操作固化为 Codex 可自动遵循的指令。若你需要把技能安装进 Codex 环境可参考 README.md 的 Quickstart推荐使用 skill-installer 的脚本安装或手动将技能目录复制到$CODEX_HOME/skills/默认~/.codex/skills后重启 Codex技能即可依据 frontmatter 中的description在会话中被自动触发。工具发现一切工作流的起点文档强调执行工作流前必须先做工具发现。典型调用如下RUBE_SEARCH_TOOLS queries: [{use_case: Affinda operations, known_fields: }] session: {generate_id: true}该调用会返回四类关键信息可用的工具 slugtool slugs后续执行阶段的定位依据输入 Schema每个工具期望的字段名与类型推荐的执行计划recommended execution plans针对该 use case 的推荐调用顺序已知陷阱known pitfalls该工具链路上已知的注意事项。queries中use_case可以替换为你当前具体的 Affinda 任务描述例如解析发票、提取简历字段等known_fields留空表示不做先验假设交由搜索接口返回完整 Schema。首次搜索时使用generate_id: true让会话生成新 ID后续复用该 ID 保持上下文连贯。核心工作流三步执行模式文档给出了一个固定三步模式所有 Affinda 自动化任务都应遵循Step 1发现可用工具RUBE_SEARCH_TOOLS queries: [{use_case: your specific Affinda task}] session: {id: existing_session_id}将use_case替换为具体任务描述传入已存在的session_id同一工作流内复用会话。这一步产出本次任务需要使用的工具 slug 与参数 Schema。Step 2检查连接状态RUBE_MANAGE_CONNECTIONS toolkits: [affinda] session_id: your_session_id传入 toolkit 列表此处为[affinda]与会话 ID确认返回的连接状态为 ACTIVE。若为未激活状态需回到 Setup 阶段完成授权后再继续。Step 3执行工具动作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是执行阶段的核心入口tool_slug必须来自 Step 1 的搜索结果不要硬编码arguments必须严格遵循搜索返回的 Schema字段名与类型逐一对应memory参数必须始终携带即使为空也要显式传{}session_id复用当前工作流会话。已知陷阱与避坑指南文档总结的六条已知陷阱是实操中最容易踩坑的地方永远先搜索工具 Schema 会变化切勿在未调用RUBE_SEARCH_TOOLS的情况下硬编码工具 slug 或参数检查连接执行工具前务必通过RUBE_MANAGE_CONNECTIONS确认 ACTIVE 状态连接失效会导致动作全部失败Schema 合规字段名与类型必须逐字遵循搜索结果任何偏差大小写、可选必填、类型都可能被拒memory 参数RUBE_MULTI_EXECUTE_TOOL的调用中必须包含memory即便内容为空也要传{}会话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再生成新 ID分页处理检查响应中是否带有分页 tokenpagination tokens若有则持续拉取直至数据完整避免遗漏批量结果。第 4 条是文档特别强调的细节——memory看似可选实则是调用契约的一部分漏传可能导致工具执行被拒或上下文丢失。第 6 条则对应批量操作场景是保证数据完整性的关键。快速参考常用操作一览文档以表格形式给出了五类操作的速查方式操作方法查找工具RUBE_SEARCH_TOOLS传入 Affinda 相关的 use case建立连接RUBE_MANAGE_CONNECTIONS传入toolkit: affinda执行动作RUBE_MULTI_EXECUTE_TOOL使用搜索得到的工具 slug批量操作RUBE_REMOTE_WORKBENCH配合run_composio_tool()获取完整 SchemaRUBE_GET_TOOL_SCHEMAS用于带schemaRef的工具其中后两项是进阶能力批量操作场景建议切换到RUBE_REMOTE_WORKBENCH在其沙箱内通过run_composio_tool()以编程方式连续调用多个工具当搜索返回的工具带有schemaRef引用时可用RUBE_GET_TOOL_SCHEMAS拉取完整 Schema 定义适合需要精确构造复杂参数的场景。在 Codex 中安装与触发作为仓库 README.md 所定义的模块化指令包该技能的价值在于把上述流程固化为 Codex 可自动遵循的操作规范。安装方式有两种方式一使用 skill-installer推荐git clone 仓库地址 cd awesome-codex-skills python skill-installer/scripts/install-skill-from-github.py --repo owner/repo --path composio-skills/affinda-automation方式二手动安装将 composio-skills/affinda-automation 目录复制到$CODEX_HOME/skills/默认~/.codex/skills/重启 Codex 以加载新元数据在会话中自然描述 Affinda 相关任务Codex 会根据descriptionfrontmatter 自动匹配并触发该技能。触发之后技能正文会引导 Codex 依次执行前置条件检查、工具发现、连接确认与动作执行四个阶段最终完成 Affinda 平台的自动化操作。值得一提的是由于本技能与仓库中其他数百个*-automation技能共享同一套模式可对照 composio-automation 等同类技能验证掌握本文的三步工作流后你可以在不学习任何新概念的前提下直接套用到任意 Composio 集成平台的自动化任务上。【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