基于 Rube MCP 实现 Typefully 自动化：awesome-claude-skills 中的完整接入与执行指南

• AI 技能
• AI 插件
• 人工智能
• 工作流自动化

本篇技术指南聚焦 awesome-claude-skills 仓库中的 typefully-automation 技能，讲解如何通过 Rube MCP（Composio 的 MCP 网关）连接 Typefully 账号、动态发现工具并编排自动化工作流。读完本文，你将掌握从"添加 MCP 服务器"到"执行真实 Typefully 操作"的完整闭环，并理解为什么"先搜索、再连接、后执行"是这类自动化技能的安全底线。

技能定位：为 Claude 赋予 Typefully 实操能力

typefully-automation是 awesome-claude-skills 仓库中App Automation via Composio技能家族的一员。根据 README 的说明，仓库为 78 个 SaaS 应用预置了工作流技能，每个技能都包含工具调用序列、参数指引、已知陷阱与速查表，且全部使用从 Composio API 发现的真实工具 slug。该技能面向 Typefully——一个面向创作者与内容团队的社交媒体发布与排程平台——让 Claude 从"只会生成文本建议"升级为"直接执行真实操作"。

技能本身以标准 Claude Skills 格式组织：目录下的 SKILL.md 通过 YAML frontmatter 声明元数据，正文则指导 Agent 如何与 Rube MCP 交互：

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

注意description中的关键提示"Always search tools first for current schemas"——这是贯穿整个技能的核心原则：工具 schema 是动态的，必须现查现用，绝不硬编码。requires字段则声明了本技能依赖rube这个 MCP 服务器，这与仓库中其他 Composio 自动化技能（如 composio-automation）采用相同的依赖声明方式。

前置条件：三层就绪检查

在开始任何 Typefully 工作流之前，需要确认三个前置条件全部满足：

1. Rube MCP 已连接：环境中有RUBE_SEARCH_TOOLS可用。这是验证 Rube MCP 是否正常工作的第一信号。
2. Typefully 连接已激活：通过RUBE_MANAGE_CONNECTIONS建立 Typefully 连接，toolkit 名称为typefully，且连接状态必须为ACTIVE。
3. 工具 schema 始终以搜索为准：每次执行前调用RUBE_SEARCH_TOOLS获取当前的工具 schema，防止因远端 API 变更导致调用失败。

这三点环环相扣：没有 MCP 网关就无法发现工具；没有激活的账号连接就无法执行真实操作；不搜索 schema 就无法保证参数正确。任何一环缺失，工作流都会在中途失败。

安装与连接：Rube MCP 零密钥接入

Rube MCP 的接入方式非常轻量——无需任何 API Key，只需在客户端配置中把 Rube MCP 端点添加为 MCP 服务器即可（端点地址在技能文档的 Setup 章节中给出，各 MCP 客户端均支持此类服务器配置）。

完成端点添加后，按以下步骤建立 Typefully 连接：

1. 确认RUBE_SEARCH_TOOLS有响应，验证 Rube MCP 已可用；
2. 调用RUBE_MANAGE_CONNECTIONS，toolkits 参数传["typefully"]；
3. 若连接状态不是 ACTIVE，跟随返回的授权链接完成 OAuth 授权流程；
4. 在运行任何工作流之前，再次确认连接状态为 ACTIVE。

这套流程与仓库 connect 技能描述的 Composio 工作方式一致：Agent 发起操作意图 → Composio Tool Router 找到对应工具 → OAuth 自动处理 → 真实执行并返回结果。授权完成后连接会持续生效，无需重复授权。

工具发现：永远先调用 RUBE_SEARCH_TOOLS

Typefully 的 toolkit 会随时间演进，工具 slug、入参 schema 都可能变化。因此技能文档强调：执行工作流之前必须先做工具发现。标准调用如下：

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

该调用会返回四类关键信息：

• 可用工具 slug：后续RUBE_MULTI_EXECUTE_TOOL中tool_slug字段的直接来源；
• 输入 schema：每个工具参数的字段名、类型与必填性；
• 推荐执行计划：针对你的 use case 给出的编排建议；
• 已知陷阱：该工具当前已知的坑点与注意事项。

known_fields留空表示让搜索完全由 use case 驱动；session.generate_id: true则为本次搜索生成一个新会话 ID，为后续多步工作流铺垫。仓库中其他自动化技能（如 openai-automation）同样遵循"先发现工具、再按 schema 调用"的模式，可见这是整个技能家族的统一方法论。

核心工作流：三步编排模式

从工具发现到结果返回，Typefully 自动化遵循一个固定的三步模式，这也是技能文档的核心骨架。

Step 1：发现可用工具

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

把use_case换成你的具体任务描述（例如发布推文、管理草稿、查看分析数据），并在session.id中复用已有的会话 ID——同一工作流内保持会话连续，能让你在上一步返回的执行计划基础上继续推进。

Step 2：检查连接状态

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

在真正执行工具前确认 Typefully 连接仍是 ACTIVE。这一步成本极低，却能避免"工具已执行但账号掉线"这类难以排查的失败。

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"

执行阶段有两个强制性细节：

• tool_slug与arguments必须严格来自 Step 1 的搜索结果——slug 从搜索响应中取，参数按返回的 schema 填，使用"字段名 + 类型"完全一致，不得凭记忆硬编码；
• memory参数必须始终携带，即使为空也要传{}，这是多工具串联时保持上下文的关键。

三步合起来构成了"搜索 → 确认 → 执行"的闭环：搜索提供执行计划与 schema，确认保证执行前提，执行按 schema 落盘真实操作。

已知陷阱：六条避坑清单

技能文档专门列出了六条已知陷阱，它们共同定义了这套工作流的边界条件：

从源码结构看，这些陷阱并非 Typefully 独有——composio-automation 等 78 个同类技能均保留了完全相同的六条清单，说明它们是从大量真实执行中沉淀出的通用经验，而非针对单一应用的个例。

速查表：五类 Rube 工具的分工

技能文档最后用一张速查表概括了 Rube MCP 五类工具在 Typefully 自动化中的分工：

这套分工揭示了一个清晰的分层设计：发现（SEARCH_TOOLS）→ 授权（MANAGE_CONNECTIONS）→ 执行（MULTI_EXECUTE_TOOL）→ 批处理（REMOTE_WORKBENCH）→ 深挖（GET_TOOL_SCHEMAS）。常规单步任务只需前三者；数据量大或需要服务端执行时切换到RUBE_REMOTE_WORKBENCH；而当搜索结果中的工具带有schemaRef引用时，则用RUBE_GET_TOOL_SCHEMAS拉取完整 schema 以获得全部参数细节。

实践建议：让 Typefully 自动化稳定落地

结合技能文档与仓库的整体设计，给出几条落地建议：

1. 把"先搜索"固化为流程的第一步。schema 是动态的，任何基于旧 schema 的假设都可能在执行时失败——搜索不仅是信息获取，更是执行的前置校验。
2. 工作流内部统一会话 ID。从工具发现到执行结束复用同一 session ID，既保持上下文连续，也让排查时能串联整条调用链；新任务再生成新 ID，避免跨任务污染。
3. 批量场景优先考虑 REMOTE_WORKBENCH。当需要处理大量 Typefully 对象（如批量排程、批量分析）时，通过run_composio_tool()在服务端执行比逐条RUBE_MULTI_EXECUTE_TOOL更高效。
4. 在 Claude 客户端中正确装载技能。按照 README 的指引，将技能目录放置到~/.config/claude-code/skills/下（以 Claude Code 为例），或用head验证 SKILL.md 元数据，技能会在相关任务出现时按需激活，不会常驻上下文。

这套方法论的价值在于可复用：掌握了 Typefully 的接入模式，就等于掌握了仓库中其余 77 个 Composio 自动化技能（如 composio-automation、openai-automation）的通用操作范式——换一个 toolkit 名称、换一组 use case，流程骨架完全一致。

Powered by Composio

• AI 技能
• AI 插件
• 人工智能
• 工作流自动化