使用 Rube MCP 自动化 Alchemy 操作：awesome-codex-skills 中 alchemy-automation 技能实战指南-育师

使用 Rube MCP 自动化 Alchemy 操作：awesome-codex-skills 中 alchemy-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

本文基于本仓库 composio-skills/alchemy-automation/SKILL.md 展开，面向需要在 Codex CLI 与 API 中自动执行 Alchemy（面向 Web3/区块链开发者的开发平台）相关操作的开发者，系统讲解通过 Composio 的 Alchemy toolkit 与 Rube MCP 建立"搜索工具 → 校验连接 → 执行调用"的自动化闭环。读完本文，你将掌握 Rube MCP 的接入方式、RUBE_SEARCH_TOOLS/RUBE_MANAGE_CONNECTIONS/RUBE_MULTI_EXECUTE_TOOL三件套的完整调用范式、批量执行与全量 schema 获取的进阶用法，以及避免连接失效、参数错配、分页遗漏等常见坑位的实战经验。

技能概览：alchemy-automation 解决什么问题

alchemy-automation是本仓库composio-skills/目录下众多自动化技能之一，它解决的核心问题是：让 Codex 不只是"生成一段描述"Alchemy 操作的文本，而是通过 MCP 协议真实调用 Composio 的 Alchemy toolkit，完成实际的 Alchemy 业务操作。这一点与本仓库 README.md 所强调的定位一致——Skills 告诉 Agenthow去工作，而 MCP Gateway 为它提供安全访问真实工具的能力。

该技能的SKILL.md文件头部带有 Codex 技能标准的前置元数据（frontmatter）：

--- name: alchemy-automation description: "Automate Alchemy tasks via Rube MCP (Composio). Always search tools first for current schemas." requires: mcp: [rube] ---

三个字段各自承担明确的职责：

name：技能唯一标识，安装后对应$CODEX_HOME/skills/alchemy-automation目录；
description：描述技能功能与触发条件，Codex 会基于这段描述与用户请求的语义匹配来自动触发技能（README 中明确指出 Codex 读取元数据决定何时触发技能，正文仅在触发后才加载以节省上下文）；
requires.mcp：声明该技能依赖名为rube的 MCP 服务器，这是技能能否被正确装配的关键声明。

前置条件

在执行任何 Alchemy 工作流之前，必须满足以下三项前置条件（原文档明确列出）：

Rube MCP 必须已连接，验证标志是RUBE_SEARCH_TOOLS工具可用；
已建立 Alchemy 连接，通过RUBE_MANAGE_CONNECTIONS指定 toolkit 为alchemy，且连接状态为 ACTIVE；
任何调用前必须先执行RUBE_SEARCH_TOOLS获取当前最新的工具 schema。

其中第 3 条是本技能的灵魂原则：Composio 平台上的工具 schema 会随版本迭代而变化，硬编码 tool slug 或参数必然导致调用失败。

环境搭建：一步接入 Rube MCP

搭建过程非常简单，官方文档给出的接入方式为：将https://rube.app/mcp作为 MCP 服务器地址添加到你的客户端配置中即可，无需任何 API key——只需添加端点即可工作。

接入后按以下 4 步完成验证与连接（这是原文档给出的标准 Setup 流程）：

通过确认RUBE_SEARCH_TOOLS有响应，验证 Rube MCP 已就绪；
调用RUBE_MANAGE_CONNECTIONS，toolkit 指定为alchemy；
若连接状态不是 ACTIVE，则跟随返回的授权链接完成 OAuth 授权设置；
在运行任何工作流之前，再次确认连接状态显示为ACTIVE。

注意第 3 步的含义：Alchemy 这类第三方服务通常需要一次性的 OAuth 授权。授权完成后连接会持久化，后续工作流无需重复授权。

工具发现：始终先用 RUBE_SEARCH_TOOLS

技能文档反复强调"Always search tools first"，对应的标准发现请求如下：

RUBE_SEARCH_TOOLS queries: [{use_case: "Alchemy operations", known_fields: ""}] session: {generate_id: true}

这条调用有两个关键设计：

queries以use_case描述你要执行的业务语义（如 "Alchemy operations"），known_fields可用于补充已知字段名以提升检索精度；
session: {generate_id: true}表示开启一个新会话并自动生成会话 ID，适合工作流起点；后续步骤则应复用该 ID。

该调用的返回值非常丰富，包括：可用的工具 slug 列表、每个工具的输入 schema、推荐的执行计划（recommended execution plans）以及已知的坑位提示（known pitfalls）。也就是说，工具发现环节不仅是"找到工具名"，更是一次性的"获取执行手册"。

核心工作流：三步执行模式

技能文档将标准执行流程收敛为清晰的三步模式，任何 Alchemy 自动化任务都可以套用。

Step 1：发现可用工具

RUBE_SEARCH_TOOLS queries: [{use_case: "your specific Alchemy task"}] session: {id: "existing_session_id"}

与首次发现不同，这里复用已有的session.id，保证同一工作流内上下文连续。将use_case替换为你具体的 Alchemy 任务描述，例如查询链上数据、部署合约相关的操作语义。

Step 2：校验连接状态

RUBE_MANAGE_CONNECTIONS toolkits: ["alchemy"] session_id: "your_session_id"

执行工具前再次确认 Alchemy 连接处于 ACTIVE。这一步成本极低，却能避免"工具找对了、调用却因连接失效而整体失败"的浪费。

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"

RUBE_MULTI_EXECUTE_TOOL支持一次提交多个工具调用，其核心参数含义如下：

参数	说明
`tools`	工具调用数组，每个元素包含`tool_slug`（必须来自搜索结果的 slug）与`arguments`（必须严格符合搜索结果返回的 schema）
`memory`	必须始终携带，即使为空也要传`{}`，用于跨调用传递状态
`session_id`	当前工作流的会话 ID，保证上下文延续

arguments的 schema 合规性直接决定调用成败：字段名、字段类型都必须与RUBE_SEARCH_TOOLS返回结果完全一致，这是原文档反复强调的纪律。

进阶用法：批量执行与全量 Schema

除上述三步核心模式外，技能文档的速查表还给出了两种进阶调用方式：

批量操作（Bulk ops）：使用RUBE_REMOTE_WORKBENCH，在其中调用run_composio_tool()函数。适合需要对 Alchemy 执行一系列连续操作的场景，可以理解为"在远端工作台内以编程方式编排多个工具调用"，避免与 MCP 客户端之间往返多次。

全量 Schema：当RUBE_SEARCH_TOOLS返回的工具带有schemaRef引用时，使用RUBE_GET_TOOL_SCHEMAS获取完整、展开后的工具 schema。这适用于工具定义复杂、搜索结果的概要 schema 不足以支撑精确传参的情况。

已知陷阱与最佳实践

原文档总结了 6 条经过实践沉淀的坑位与对策，逐条展开如下：

永远先搜索（Always search first）：工具 schema 会变化。绝不在不调用RUBE_SEARCH_TOOLS的情况下硬编码 tool slug 或参数。这是本技能最核心的一条纪律，也是 description 字段中被特别强调的内容。
检查连接（Check connection）：执行工具前必须通过RUBE_MANAGE_CONNECTIONS确认连接状态为 ACTIVE，避免因授权过期导致整批调用失败。
Schema 合规（Schema compliance）：使用搜索结果中的精确字段名与类型构造arguments，多一个字段、错一个类型都可能被拒绝。
Memory 参数（Memory parameter）：RUBE_MULTI_EXECUTE_TOOL调用中必须包含memory参数，即使为空也要显式传入{}。
会话复用（Session reuse）：同一工作流内复用会话 ID 以保持上下文；开启新工作流时再生成新的会话 ID。
分页处理（Pagination）：检查响应中是否带有分页 token（pagination tokens），若存在则持续抓取直到数据完整，防止结果被截断。

这 6 条并非只针对 Alchemy，它们同样适用于本仓库 composio-skills/ 目录下的其他同构技能——例如 composio-automation/SKILL.md 与 ably-automation/SKILL.md 都采用了完全一致的 "发现 → 校验连接 → 执行" 三件套模式与相同的坑位清单，印证了这是一套成熟的、跨 toolkit 复用的最佳实践模板。

操作速查表

原文档提供的速查表可直接作为日常开发的手边参考：

操作	方案
查找工具	使用 Alchemy 相关的 use case 调用`RUBE_SEARCH_TOOLS`
建立连接	以 toolkit`alchemy`调用`RUBE_MANAGE_CONNECTIONS`
执行调用	以发现的 tool slug 调用`RUBE_MULTI_EXECUTE_TOOL`
批量操作	使用`RUBE_REMOTE_WORKBENCH`并调用`run_composio_tool()`
获取全量 schema	对带`schemaRef`的工具调用`RUBE_GET_TOOL_SCHEMAS`

将技能安装到 Codex 并使用

本技能属于本仓库的 composio-skills 系列，安装方式与其他技能完全一致，可通过仓库提供的 skill-installer 脚本安装，也可手动安装。

方式一：使用 skill-installer 脚本（推荐）

python skill-installer/scripts/install-skill-from-github.py --repo <owner>/<repo> --path composio-skills/alchemy-automation

该脚本会将技能目录安装到$CODEX_HOME/skills/<skill-name>（默认~/.codex/skills），随后重启 Codex以加载新元数据。

方式二：手动安装

将本仓库中的composio-skills/alchemy-automation/目录整体复制到$CODEX_HOME/skills/（默认~/.codex/skills/）下；
重启 Codex 使其加载新的SKILL.md元数据；
在新会话中自然描述任务（如"帮我自动化 Alchemy 相关操作"），Codex 会根据description字段的语义匹配自动触发该技能。

验证安装：执行ls ~/.codex/skills查看已安装的技能列表，再用head ~/.codex/skills/alchemy-automation/SKILL.md检查元数据是否正确加载。

安装完成后，即可在会话中按前文的三步工作流驱动 Alchemy 自动化。若希望定制自己的技能，可参考仓库的 template-skill/SKILL.md 模板，它展示了最精简的name+descriptionfrontmatter 结构，是新建技能的起点。

小结

alchemy-automation技能的核心价值不在于某个具体工具，而在于一套可复制、防错、schema 驱动的 MCP 自动化方法论：接入 Rube MCP（零 API key）→ 通过RUBE_SEARCH_TOOLS动态获取工具 schema → 用RUBE_MANAGE_CONNECTIONS保障连接活性 → 用RUBE_MULTI_EXECUTE_TOOL完成执行，配合批量、全量 schema 两种进阶通道与 6 条坑位纪律。掌握了这套模式，你不仅能稳定驱动 Alchemy 操作，还能将其迁移到本仓库 composio-skills/ 下的任何其他 toolkit 技能中，实现"一次学会，处处可用"。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考