通过 Rube MCP 自动化 Alttext AI 操作：基于 awesome-codex-skills 的 Codex 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
Alttext AI 为图片生成替代文本（alt text）以提升内容可访问性，而本仓库中的composio-skills/alttext-ai-automation技能提供了一套把 Alttext AI 能力接入 Codex 的标准流程：借助 Composio 的 Alttext AI toolkit 与 Rube MCP，让 Codex 在对话中直接发现工具、建立连接并执行图片可访问性相关操作。读完本文，你将掌握从零接入 Rube MCP、建立 Alttext AI 连接、按「搜索 → 检查 → 执行」三步完成自动化工作流，并规避 schema 漂移、连接状态失效等常见陷阱。
技能是什么：一条 Codex 可加载的自动化指令
composio-skills/alttext-ai-automation/SKILL.md 是一个标准的 Codex Skill。按照仓库 README.md 与 skill-creator/SKILL.md 的定义，Codex Skill 是模块化的指令包：每个技能独占一个文件夹，核心是SKILL.md，其中包含 YAML frontmatter（name+description）与 Markdown 正文。
该技能 frontmatter 的构成清晰体现了这一点：
--- name: alttext-ai-automation description: "Automate Alttext AI tasks via Rube MCP (Composio). Always search tools first for current schemas." requires: mcp: [rube] ---name：技能标识，同时约定技能文件夹名；description：Codex 判断「何时触发该技能」的唯一依据。这里特意强调 "Always search tools first"（始终先搜索工具），把核心使用纪律写进了触发描述；requires.mcp：声明运行前提——本技能依赖名为rube的 MCP 服务器。
按渐进式披露（progressive disclosure）原则，Codex 平时只读取 frontmatter 元数据，只有在任务匹配描述时才会加载正文，从而保持上下文精简。因此该技能正文被设计为「触发后即用」的操作手册，覆盖前置条件、连接建立、工具发现、三步执行流程与常见陷阱。
前置条件：Rube MCP 与 Alttext AI 连接
运行本技能前需要满足两项前置条件：
- Rube MCP 已连接：Codex 客户端中必须存在可用的
RUBE_SEARCH_TOOLS工具； - Alttext AI 连接处于 ACTIVE 状态：通过
RUBE_MANAGE_CONNECTIONS调用 toolkitalttext_ai建立的连接必须是激活的。
此外，技能反复强调一条纪律：在执行任何工作流之前，永远先调用RUBE_SEARCH_TOOLS获取当前工具 schema。原因是工具 schema 会随时间变化，硬编码的工具 slug 或参数随时可能失效。
环境搭建：接入 Rube MCP 并建立 Alttext AI 连接
第一步：添加 Rube MCP 服务器
Rube MCP 的接入极其轻量，只需在 Codex 的 MCP 服务器配置中添加入口地址：
https://rube.app/mcp无需配置任何 API Key——添加端点后即可直接工作。这与其他需要 OAuth 或令牌的 MCP 服务形成鲜明对比，大幅降低了上手门槛。
第二步：按序完成连接建立
技能给出了 4 步标准流程：
- 验证可达性：确认
RUBE_SEARCH_TOOLS有响应，证明 Rube MCP 已正确加载； - 建立连接：调用
RUBE_MANAGE_CONNECTIONS，并指定 toolkit 为alttext_ai； - 完成鉴权：若返回的连接状态不是
ACTIVE，则按照返回的 auth 链接完成授权设置； - 确认状态：在运行任何工作流之前，务必确认连接状态显示为
ACTIVE。
之所以强调最后一步，是因为大量自动化失败都源于连接处于未激活/已过期状态——工具调用会在执行阶段才报错，排查成本远高于先检查状态。
工具发现：让 schema 成为单一事实来源
本技能的核心理念是「不猜测，先搜索」。在任何工作流开始前，先执行工具发现：
RUBE_SEARCH_TOOLS queries: [{use_case: "Alttext AI operations", known_fields: ""}] session: {generate_id: true}该调用会返回四类关键信息：
- 可用的工具 slug（tool slug）；
- 每个工具的输入 schema（字段名、类型、必填项）；
- 推荐的执行计划（execution plans）；
- 已知陷阱（known pitfalls）。
known_fields留空表示不预设任何字段知识；generate_id: true让服务端生成一个新的会话 ID。在仓库中，这一模式被 composio-skills/ 下数百个同类技能（如 composio-skills/ably-automation/SKILL.md、composio-skills/composio-automation/SKILL.md）一致采用，可视为「Rube 驱动自动化」的通用起点。
核心工作流：三步完成一次 Alttext AI 自动化任务
技能将完整流程收敛为三个步骤，每一步都给出可直接套用的调用骨架。
Step 1：发现可用工具
使用面向具体任务的 use_case 描述，并复用已有会话 ID：
RUBE_SEARCH_TOOLS queries: [{use_case: "your specific Alttext AI task"}] session: {id: "existing_session_id"}这里的use_case应具体化（例如描述你要完成的 Alttext AI 操作），以便搜索返回最匹配的工具集；会话 ID 则沿用前一步生成的 ID，保持工作流上下文连续。
Step 2：检查连接状态
RUBE_MANAGE_CONNECTIONS toolkits: ["alttext_ai"] session_id: "your_session_id"确认返回的 toolkit 连接状态为ACTIVE后再继续，这是防止「执行期才暴露鉴权问题」的关键检查点。
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"要点解析：
tool_slug必须取自RUBE_SEARCH_TOOLS的返回结果，而不是凭记忆书写；arguments必须严格符合搜索结果中的 schema（字段名、类型、枚举值逐一对应）；memory参数必须始终携带，即使为空也要传{}；session_id复用当前工作流会话，保持状态一致。
RUBE_MULTI_EXECUTE_TOOL支持一次传入多个工具调用（tools为数组），适合把「搜索 → 处理 → 输出」等子步骤合并为一次往返，减少延迟与上下文开销。
进阶操作：批量执行与完整 schema 获取
除了三步主流程，技能在快速参考中还给出两个进阶工具：
批量操作：RUBE_REMOTE_WORKBENCH
RUBE_REMOTE_WORKBENCH配合其中的run_composio_tool()函数，可在远程工作台中以编程方式批量调用 Composio 工具。适合需要对多个资源执行同构操作（如为一批图片批量生成 alt text）的场景，此时用循环逐个调用run_composio_tool()比构造巨型RUBE_MULTI_EXECUTE_TOOL请求更易维护。
完整 schema：RUBE_GET_TOOL_SCHEMAS
当搜索结果中的工具带有schemaRef引用（即 schema 不内联返回，而是指向外部引用）时，需要通过RUBE_GET_TOOL_SCHEMAS获取完整 schema 定义。这通常发生在参数结构复杂、内联会撑爆上下文的情况下，按需拉取可保持对话精简——与 Codex Skill 的渐进式披露哲学一脉相承。
已知陷阱与最佳实践
技能用专门一节总结了六条实战铁律，几乎全部围绕「动态 schema」这一核心矛盾：
| 陷阱 | 应对 |
|---|---|
| 工具 schema 会变化 | 永远先搜索：不硬编码 tool slug 或参数，每次执行前调用RUBE_SEARCH_TOOLS |
| 连接状态可能失效 | 先查连接：执行工具前确认RUBE_MANAGE_CONNECTIONS返回ACTIVE |
| 参数不匹配 | 严格遵循 schema：使用搜索结果中的精确字段名与类型 |
| 漏传 memory 参数 | 始终携带memory：即使为空也传{} |
| 会话混乱 | 会话复用策略：同一工作流内复用 session ID，新工作流生成新 ID |
| 结果不完整 | 处理分页：检查响应中的分页 token，持续拉取直至数据完整 |
其中「分页」一条尤其容易被忽略：搜索或批量执行返回结果可能分页，若忽略分页 token 直接使用首批数据，会导致自动化结果不完整。
快速参考：五类操作速查表
技能末尾提供了整张工作流的浓缩速查表：
| 操作 | 方式 |
|---|---|
| 查找工具 | RUBE_SEARCH_TOOLS，搭配 Alttext AI 相关的 use_case |
| 建立连接 | RUBE_MANAGE_CONNECTIONS，toolkit 指定alttext_ai |
| 执行工具 | RUBE_MULTI_EXECUTE_TOOL，使用搜索发现的 tool slug |
| 批量操作 | RUBE_REMOTE_WORKBENCH+run_composio_tool() |
| 获取完整 schema | 对带schemaRef的工具调用RUBE_GET_TOOL_SCHEMAS |
这张表同时是排错地图：任务卡在哪一步，就去对应行找方法。
将技能安装到 Codex
本技能位于仓库的 composio-skills/alttext-ai-automation/ 目录。安装方式与仓库内其他技能一致（详见 README.md 与 skill-installer/SKILL.md）：
方式一：使用 Skill Installer（推荐）
git 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 GitHub_Trending/aw/awesome-codex-skills --path composio-skills/alttext-ai-automation安装脚本会把技能放置到$CODEX_HOME/skills/<skill-name>（默认~/.codex/skills）。
方式二：手动安装
- 将
composio-skills/alttext-ai-automation/整个文件夹复制到$CODEX_HOME/skills/（默认~/.codex/skills/）； - 重启 Codex，使其重新加载技能元数据；
- 在新会话中自然描述任务，Codex 会根据 frontmatter 中的
description自动匹配并触发该技能。
安装完成后，技能要求rube这一 MCP 服务器就位——即在 Codex 客户端中添加入口https://rube.app/mcp。两者齐备后，描述类似「为这批图片生成可访问的 alt text」的任务即可触发本技能。
总结
alttext-ai-automation是理解「Rube MCP + Composio 驱动的外部服务自动化」的绝佳样板。它把 Alttext AI 的接入压缩为一条清晰纪律：搜索工具（schema 唯一来源）→ 检查连接（前置校验）→ 执行调用（严格合规），并用六条陷阱规则兜底了最常见的失败模式。
这套模式在仓库 composio-skills/ 下被数百个技能复刻——从 composio-skills/ably-automation/SKILL.md 到 composio-skills/composio-automation/SKILL.md，结构完全同构，只是 toolkit 名称与 use_case 不同。因此，掌握本文的流程后，你不仅能自动化 Alttext AI，还能零成本迁移到任何已接入 Composio 的第三方服务。若想深入理解技能本身的编写规范（frontmatter、渐进式披露、references 拆分），可继续阅读 skill-creator/SKILL.md 与 template-skill/SKILL.md。
【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
