
用 awesome-codex-skills 的 api-sports-automation Skill 通过 Rube MCP 自动化 API Sports 数据工作流【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本篇技术指南以仓库中的 api-sports-automation/SKILL.md 为核心完整讲解如何借助 Codex Skills 机制与 Rube MCP通过 Composio 的 API Sports 工具包自动化获取和处理体育赛事数据。读完本文你将掌握 Rube MCP 的接入方式、工具发现Tool Discovery方法、连接管理、执行调用的三步工作流以及一套可直接照抄的请求模板与规避常见陷阱的实战经验。一、Skill 定位一个搜索优先、连接驱动的 API Sports 自动化指令包在 awesome-codex-skills 这个仓库中每个 Codex Skill 都是一个独立目录内含一个带 YAML frontmatter 元数据name与description的SKILL.md。Codex 会依据description判断何时触发对应 Skill命中后才加载正文从而保持上下文精简。本文涉及的api-sports-automationSkill 就是这样一个指令包其核心约定浓缩在元数据里--- name: api-sports-automation description: Automate API Sports tasks via Rube MCP (Composio). Always search tools first for current schemas. requires: mcp: [rube] ---从requires: mcp: [rube]可以看出该 Skill 的运行前提是客户端中已挂载名为rube的 MCP Server而description中反复强调的 Always search tools first for current schemas 则是整个 Skill 的黄金法则——API Sports 的工具 schema 会随版本演进任何调用都必须先做工具发现。它的适用场景非常具体当你的 Codex Agent 需要自动完成与体育数据相关的操作时——例如拉取实时比赛数据、查询球队与赛事信息、按联赛筛选赛程、抓取比赛统计并汇入下游分析——就可以触发该 Skill由 Agent 通过 Rube MCP 调用 Composio 托管的 API Sports 工具而不是靠写死请求参数或手工拼接 HTTP 请求。二、前置条件三件必须到位的事按照 api-sports-automation/SKILL.md 的 Prerequisites 章节在运行任何工作流之前需要确认Rube MCP 已连接客户端必须能访问RUBE_SEARCH_TOOLS这个工具它是整个流程的入口。API Sports 连接已激活通过RUBE_MANAGE_CONNECTIONS建立指向 toolkitapi_sports的连接且状态必须为ACTIVE。先搜索再执行任何一次实际调用之前都必须先调用RUBE_SEARCH_TOOLS获取当前生效的工具 schema。这三条缺一不可没有 Rube MCP 就无法发现工具没有 ACTIVE 连接执行阶段会因认证失败而报错不先搜索就硬编码工具 slug 或参数schema 变更后调用会直接失效。三、安装与连接设置从零到 ACTIVE 的四步3.1 获取 Rube MCP文档给出的接入方式非常轻量在客户端的 MCP 配置中把https://rube.app/mcp添加为 MCP Server 即可无需任何 API Key添加端点后立即可用。这与其他需要申请密钥的第三方集成形成鲜明对比也是该 Skill 能快速上手的关键。3.2 将 Skill 安装进 Codex在接入 Rube MCP 之前先要把这个 Skill 装进 Codex。仓库 README.md 提供了推荐路径——使用仓库自带的安装脚本 skill-installergit clone https://github.com/ComposioHQ/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/api-sports-automation安装器会把 Skill 放入$CODEX_HOME/skills/默认~/.codex/skills/重启 Codex 后生效。也可以手动安装把composio-skills/api-sports-automation整个目录复制到$CODEX_HOME/skills/下然后重启 Codex。验证安装可以执行ls ~/.codex/skills查看目录并用head ~/.codex/skills/api-sports-automation/SKILL.md检查元数据。3.3 建立并确认连接的四个步骤连接建立流程与仓库内全部 composio-skills 保持一致确认 Rube MCP 可用先调用一次RUBE_SEARCH_TOOLS能正常响应即代表就绪。调用RUBE_MANAGE_CONNECTIONS传入 toolkitapi_sports。若返回的连接状态不是ACTIVE跟随返回的授权链接auth link完成授权设置。再次确认连接状态显示ACTIVE然后才开始运行任何工作流。补充说明Composio 的授权模型与仓库中 connect/SKILL.md 描述的 CLI 体系一致——连接建立后持久化复用后续每次执行都由网关代为完成认证Agent 无需接触密钥明文。四、工具发现任何工作流的第一步文档强调在运行工作流之前永远先发现可用工具。首次使用时RUBE_SEARCH_TOOLS的调用形式如下RUBE_SEARCH_TOOLS queries: [{use_case: API Sports operations, known_fields: }] session: {generate_id: true}要点拆解use_case用自然语言描述你要做的事例如 API Sports operations 或更具体的任务描述known_fields用于传入你已知的字段名初次使用可留空字符串session.generate_id: true表示由服务端生成一个新的会话 ID适合工作流起始处。该调用会返回可用的工具 slugtool slugs、每个工具的输入 schema、推荐的执行计划recommended execution plans以及已知陷阱known pitfalls。这些返回值就是后续所有调用的事实依据务必以它为准而不是以本文或任何历史记忆为准。五、核心工作流三步模式Discover → Check → Executeapi-sports-automation/SKILL.md 给出了一套可复用的三步模式任何 API Sports 任务都可以套用。5.1 Step 1发现可用工具沿用已有会话用具体任务替换 use_caseRUBE_SEARCH_TOOLS queries: [{use_case: your specific API Sports task}] session: {id: existing_session_id}注意这里session传的是id而不是generate_id——工作流中途要复用之前的会话 ID。5.2 Step 2检查连接状态RUBE_MANAGE_CONNECTIONS toolkits: [api_sports] session_id: your_session_id返回结果中应确认api_sports连接状态为ACTIVE。若为其他状态回到上文 3.3 的授权流程完成处理。5.3 Step 3执行工具调用RUBE_MULTI_EXECUTE_TOOL tools: [{ tool_slug: TOOL_SLUG_FROM_SEARCH, arguments: {/* schema-compliant args from search results */} }] memory: {} session_id: your_session_id三个字段的含义与注意点tool_slug必须来自 Step 1 搜索结果的返回不要凭记忆硬编码arguments字段名和类型必须与搜索结果中的 schema 完全一致schema-compliantmemory每次调用都必须携带即使为空也要传{}这是文档明确要求的约定。六、两种进阶能力批量操作与完整 Schema除三步模式外api-sports-automation/SKILL.md 的 Quick Reference 还提到了两条进阶路径批量操作当需要在一个远端环境中批量执行多次调用时使用RUBE_REMOTE_WORKBENCH配合run_composio_tool()函数。这适合拉取多支球队、多个联赛数据的批处理场景把多次往返合并到一次远端会话中执行。完整 Schema当搜索结果的 schema 是引用形式带有schemaRef时调用RUBE_GET_TOOL_SCHEMAS获取完整展开的 schema 定义再据此构造arguments。七、常见陷阱与规避六条实战红线文档专门列出的 Known Pitfalls是使用该 Skill 最容易踩坑的地方逐条展开如下永远先搜索Always search first工具 schema 会变化。未先调用RUBE_SEARCH_TOOLS就硬编码工具 slug 或参数是最高频的失败原因。检查连接Check connection执行工具前必须通过RUBE_MANAGE_CONNECTIONS确认状态为ACTIVE否则会因认证失败中断。Schema 合规Schema compliance使用搜索结果中的精确字段名与类型不要自行合理化参数。Memory 参数Memory parameterRUBE_MULTI_EXECUTE_TOOL调用中始终携带memory即使为空也要显式传{}。会话复用Session reuse同一个工作流内复用同一个会话 ID开启新工作流时再生成新 ID避免上下文串扰。分页Pagination检查响应中的分页令牌pagination tokens若结果集未取完要继续请求直到数据完整防止只拿到第一页数据。八、快速参考表OperationApproachFind toolsRUBE_SEARCH_TOOLSwith API Sports-specific use caseConnectRUBE_MANAGE_CONNECTIONSwith toolkitapi_sportsExecuteRUBE_MULTI_EXECUTE_TOOLwith discovered tool slugsBulk opsRUBE_REMOTE_WORKBENCHwithrun_composio_tool()Full schemaRUBE_GET_TOOL_SCHEMASfor tools withschemaRef这张表可以当作日常开发时的速查卡查工具用RUBE_SEARCH_TOOLS、建连接用RUBE_MANAGE_CONNECTIONS、执行用RUBE_MULTI_EXECUTE_TOOL、批量用RUBE_REMOTE_WORKBENCH、深挖 schema 用RUBE_GET_TOOL_SCHEMAS。九、把 Skill 组装进真实业务工作流从仓库结构看composio-skills/目录下包含数百个同构的自动化 Skill如 the-odds-api-automation、college-football-data-automation 等它们共享同一套 Rube MCP 调用模式区别仅在于 toolkits 标识与 use_case 描述。这带来一个实战层面的复用价值一旦你掌握了本 Skill 的三步模式即可迁移到任意一个兄弟 Skill 上。在真实业务中一个典型的 API Sports 数据流水线可以这样组织会话开始时RUBE_SEARCH_TOOLSgenerate_id: true发现全部可用工具并把返回的 slug 与 schema 暂存用RUBE_MANAGE_CONNECTIONS确认api_sports连接为ACTIVE用RUBE_MULTI_EXECUTE_TOOL逐个执行拉取任务统一携带memory: {}与同一session_id若任务需批量执行改用RUBE_REMOTE_WORKBENCHrun_composio_tool()合并处理结果存在分页时按分页令牌循环取全随后将结构化数据交给下游分析或入库。整个过程无需手工持有 API 密钥认证由 Composio 网关托管Agent 只需要遵守搜索优先、连接就绪、schema 合规、会话复用这四个原则即可稳定运行。十、小结api-sports-automation是 awesome-codex-skills 仓库中一个典型的搜索优先型Skill它把 Rube MCP 的发现、连接与执行能力封装成一套固定的三步模式让 Codex Agent 能够安全、合规地自动化 API Sports 数据任务。其核心方法论——先发现 schema、再确认连接、后执行调用并始终携带 memory 与会话 ID——不仅适用于体育数据场景也是理解仓库中数百个 Composio 自动化 Skill 的通用钥匙。建议首次使用时严格按本文 3.3 节的四步完成连接初始化并始终以RUBE_SEARCH_TOOLS的返回结果作为参数构造的唯一依据。【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