使用 Piggy Automation Skill 通过 Rube MCP 实现 Piggy 工作流自动化【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本技术指南以仓库中 composio-skills/piggy-automation/SKILL.md 为骨架完整讲解如何在 Codex CLI/API 环境中通过 Rube MCPComposio 提供的 MCP 网关驱动 Composio 的 Piggy toolkit 完成业务操作自动化。读完本文你将掌握 Rube MCP 的接入方式、Piggy 连接的生命周期管理、先发现工具、再校验连接、最后执行的三步工作流范式以及避免踩坑的关键守则可直接在 Codex 会话中复现整套流程。Skill 定位与触发机制Piggy Automation 是 awesome-codex-skills 仓库 composio-skills 目录下的一个 Codex Skill。其核心定位写在 SKILL.md 的 YAML frontmatter 中--- name: piggy-automation description: Automate Piggy tasks via Rube MCP (Composio). Always search tools first for current schemas. requires: mcp: [rube] ---从仓库根目录 README.md 对 Codex Skills 的说明可以确认name与description是 Codex 判断何时触发该 Skill 的唯一元数据当用户请求涉及 Piggy 相关任务且 Rube MCP 已连接时Codex 会加载正文指令执行。requires.mcp: [rube]声明了该 Skill 运行时的硬性依赖——本 Skill 不直接调用 Piggy REST API而是通过 Rube MCP 暴露的RUBE_*工具间接执行这正是它永远先搜索工具 schema这一设计原则的由来。前置条件在触发该 Skill 之前需要满足以下三项条件对应原文档 Prerequisites 小节Rube MCP 已连接客户端环境中可调用RUBE_SEARCH_TOOLSPiggy 连接处于 ACTIVE 状态通过RUBE_MANAGE_CONNECTIONS以 toolkit 标识piggy建立并激活每次执行前先调RUBE_SEARCH_TOOLS获取当前最新的工具 schema禁止凭记忆硬编码工具 slug 或参数。接入 Rube MCP原文档明确指出Rube MCP 的接入极其轻量——只需在 MCP 客户端配置中把https://rube.app/mcp添加为 MCP server无需申请 API key添加端点即可使用。这是整个自动化的通信基础Rube 作为统一网关把 Piggy toolkit 的数百个动作action映射为可供 Codex 调用的RUBE_*工具。完成端点添加后按以下顺序完成连通性验证对应原文档 Setup 四步调用RUBE_SEARCH_TOOLS确认其有响应调用RUBE_MANAGE_CONNECTIONS传入 toolkitpiggy若连接状态不是 ACTIVE则跟随返回的授权链接auth link完成第三方账号授权在所有工作流开始前再次确认连接状态显示为 ACTIVE。建立并激活 Piggy 连接连接管理统一由RUBE_MANAGE_CONNECTIONS负责。建立连接的调用示例对应原文档 Core Workflow Pattern 第 2 步RUBE_MANAGE_CONNECTIONS toolkits: [piggy] session_id: your_session_id要点toolkits使用数组形式即使只连接一个 toolkit 也要以[piggy]传入若返回的 status 不是ACTIVE说明尚未完成 OAuth 授权需打开返回的 auth link 完成授权会话内后续所有工具执行都应复用同一个session_id保证连接与执行上下文的连续性。工具发现永远先搜 schema这是整个 Skill 最核心的纪律。由于 Piggy toolkit 的工具 schema 会随服务端版本演进任何硬编码都可能因字段改名、参数增删而失效。因此每次工作流启动前必须执行工具发现对应原文档 Tool Discovery 小节RUBE_SEARCH_TOOLS queries: [{use_case: Piggy operations, known_fields: }] session: {generate_id: true}该调用返回四类关键信息可用工具的 tool slug 列表后续RUBE_MULTI_EXECUTE_TOOL中tool_slug字段的取值来源输入 schema每个工具参数的字段名、类型与必填约束推荐的执行计划Rube 根据 use_case 给出的编排建议已知陷阱known pitfalls针对该 use_case 的常见错误提示。session.generate_id: true用于在工作流起始时生成新的会话 ID而在同一工作流内部的后续发现请求中应改为复用已有会话session: {id: existing_session_id}。核心工作流模式三步范式结合原文档 Core Workflow Pattern一个标准的 Piggy 自动化任务严格遵循三步第 1 步发现可用工具RUBE_SEARCH_TOOLS queries: [{use_case: your specific Piggy task}] session: {id: existing_session_id}将use_case替换为具体的业务描述如 Piggy 的转账、查询余额、账单管理等具体操作场景从返回结果中确定本次要用的tool_slug及参数 schema。第 2 步校验连接RUBE_MANAGE_CONNECTIONS toolkits: [piggy] session_id: your_session_id确认连接状态为 ACTIVE 后再继续避免执行阶段因未授权而失败。第 3 步执行工具RUBE_MULTI_EXECUTE_TOOL tools: [{ tool_slug: TOOL_SLUG_FROM_SEARCH, arguments: {/* schema-compliant args from search results */} }] memory: {} session_id: your_session_id执行时的三个关键约束tool_slug必须来自第 1 步搜索结果而不是凭记忆填写arguments的字段名、类型、枚举值必须与搜索结果 schema 完全一致memory参数必须显式携带即使无跨工具状态需要传递也要传空对象{}。RUBE_MULTI_EXECUTE_TOOL支持在tools数组中一次编排多个工具调用适合串联执行多步骤业务操作memory则用于在多次调用之间传递状态支撑有上下文依赖的复合流程。批量操作与完整 Schema 获取对于批量或需要更强控制力的场景原文档 Quick Reference 表补充了另外两个入口RUBE_REMOTE_WORKBENCH用于批量操作Bulk ops在远端工作台环境中通过run_composio_tool()编程式地循环执行多次工具调用适合需要对同一工具跑大批量任务、且希望减少往返次数的场景RUBE_GET_TOOL_SCHEMAS当搜索结果中的工具带有schemaRef引用时调用它获取该工具的完整 schema 定义用于确认嵌套参数结构、复杂对象字段等细节确保参数组装精确无误。五个RUBE_*工具各司其职RUBE_SEARCH_TOOLS负责发现、RUBE_MANAGE_CONNECTIONS负责连接、RUBE_MULTI_EXECUTE_TOOL负责常规执行、RUBE_REMOTE_WORKBENCH负责批量执行、RUBE_GET_TOOL_SCHEMAS负责深度 schema 查询。这套分工在仓库其他 composio-skills如 composio-automation/SKILL.md中完全一致属于该系列 Skill 的通用架构可相互印证。已知陷阱与规避守则原文档 Known Pitfalls 小节给出的六条守则每一条都对应一类真实失败模式守则规避的失败模式永远先搜索工具 schema 会变化不得在未调用RUBE_SEARCH_TOOLS的情况下硬编码工具 slug 或参数参数过期导致 400/422 错误检查连接执行前确认RUBE_MANAGE_CONNECTIONS状态为 ACTIVE未授权连接导致的 401 错误schema 合规使用搜索结果中的精确字段名与类型字段名拼写错误、类型不匹配memory 参数RUBE_MULTI_EXECUTE_TOOL调用必须携带memory即使为空{}缺少必需参数导致调用被拒会话复用工作流内复用 session ID新工作流再生成新 ID上下文错乱、状态污染分页处理检查响应中的分页 token持续拉取直至数据完整大数据量下结果截断、数据不全快速参考速查表原文档 Quick Reference 表是日常使用的浓缩索引完整继承如下OperationApproachFind toolsRUBE_SEARCH_TOOLSwith Piggy-specific use caseConnectRUBE_MANAGE_CONNECTIONSwith toolkitpiggyExecuteRUBE_MULTI_EXECUTE_TOOLwith discovered tool slugsBulk opsRUBE_REMOTE_WORKBENCHwithrun_composio_tool()Full schemaRUBE_GET_TOOL_SCHEMASfor tools withschemaRef建议把此表作为编写触发指令时的对照清单任何 Piggy 任务都按Find → Connect → Execute的主链路组织批量场景升级为RUBE_REMOTE_WORKBENCH复杂嵌套参数场景补充RUBE_GET_TOOL_SCHEMAS。将 Skill 安装到 Codex本 Skill 作为仓库的一部分可通过仓库提供的 skill-installer 安装到本地 Codex 环境。安装方式为把 composio-skills/piggy-automation 目录复制到$CODEX_HOME/skills/默认~/.codex/skills/重启 Codex 使其加载 frontmatter 元数据之后在会话中自然描述 Piggy 相关任务Codex 会根据description自动触发该 Skill。安装完成后仍需按本文前置条件一节接入 Rube MCP 并激活 Piggy 连接Skill 才能真正跑通。从 skill-creator/SKILL.md 对 Skill 加载机制的说明可以看出本 Skill 遵循了渐进式披露的设计frontmatter 元数据常驻上下文用于触发正文本文所讲解的全部指令仅在触发后加载因此它在保持上下文精简的同时为 Codex 提供了完整、可执行的自动化规程——这正是该 Skill 可以在真实 Piggy 业务中稳定复用的根本原因。【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 使用 Piggy Automation Skill 通过 Rube MCP 实现 Piggy 工作流自动化
使用 Piggy Automation Skill 通过 Rube MCP 实现 Piggy 工作流自动化【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本技术指南以仓库中 composio-skills/piggy-automation/SKILL.md 为骨架完整讲解如何在 Codex CLI/API 环境中通过 Rube MCPComposio 提供的 MCP 网关驱动 Composio 的 Piggy toolkit 完成业务操作自动化。读完本文你将掌握 Rube MCP 的接入方式、Piggy 连接的生命周期管理、先发现工具、再校验连接、最后执行的三步工作流范式以及避免踩坑的关键守则可直接在 Codex 会话中复现整套流程。Skill 定位与触发机制Piggy Automation 是 awesome-codex-skills 仓库 composio-skills 目录下的一个 Codex Skill。其核心定位写在 SKILL.md 的 YAML frontmatter 中--- name: piggy-automation description: Automate Piggy tasks via Rube MCP (Composio). Always search tools first for current schemas. requires: mcp: [rube] ---从仓库根目录 README.md 对 Codex Skills 的说明可以确认name与description是 Codex 判断何时触发该 Skill 的唯一元数据当用户请求涉及 Piggy 相关任务且 Rube MCP 已连接时Codex 会加载正文指令执行。requires.mcp: [rube]声明了该 Skill 运行时的硬性依赖——本 Skill 不直接调用 Piggy REST API而是通过 Rube MCP 暴露的RUBE_*工具间接执行这正是它永远先搜索工具 schema这一设计原则的由来。前置条件在触发该 Skill 之前需要满足以下三项条件对应原文档 Prerequisites 小节Rube MCP 已连接客户端环境中可调用RUBE_SEARCH_TOOLSPiggy 连接处于 ACTIVE 状态通过RUBE_MANAGE_CONNECTIONS以 toolkit 标识piggy建立并激活每次执行前先调RUBE_SEARCH_TOOLS获取当前最新的工具 schema禁止凭记忆硬编码工具 slug 或参数。接入 Rube MCP原文档明确指出Rube MCP 的接入极其轻量——只需在 MCP 客户端配置中把https://rube.app/mcp添加为 MCP server无需申请 API key添加端点即可使用。这是整个自动化的通信基础Rube 作为统一网关把 Piggy toolkit 的数百个动作action映射为可供 Codex 调用的RUBE_*工具。完成端点添加后按以下顺序完成连通性验证对应原文档 Setup 四步调用RUBE_SEARCH_TOOLS确认其有响应调用RUBE_MANAGE_CONNECTIONS传入 toolkitpiggy若连接状态不是 ACTIVE则跟随返回的授权链接auth link完成第三方账号授权在所有工作流开始前再次确认连接状态显示为 ACTIVE。建立并激活 Piggy 连接连接管理统一由RUBE_MANAGE_CONNECTIONS负责。建立连接的调用示例对应原文档 Core Workflow Pattern 第 2 步RUBE_MANAGE_CONNECTIONS toolkits: [piggy] session_id: your_session_id要点toolkits使用数组形式即使只连接一个 toolkit 也要以[piggy]传入若返回的 status 不是ACTIVE说明尚未完成 OAuth 授权需打开返回的 auth link 完成授权会话内后续所有工具执行都应复用同一个session_id保证连接与执行上下文的连续性。工具发现永远先搜 schema这是整个 Skill 最核心的纪律。由于 Piggy toolkit 的工具 schema 会随服务端版本演进任何硬编码都可能因字段改名、参数增删而失效。因此每次工作流启动前必须执行工具发现对应原文档 Tool Discovery 小节RUBE_SEARCH_TOOLS queries: [{use_case: Piggy operations, known_fields: }] session: {generate_id: true}该调用返回四类关键信息可用工具的 tool slug 列表后续RUBE_MULTI_EXECUTE_TOOL中tool_slug字段的取值来源输入 schema每个工具参数的字段名、类型与必填约束推荐的执行计划Rube 根据 use_case 给出的编排建议已知陷阱known pitfalls针对该 use_case 的常见错误提示。session.generate_id: true用于在工作流起始时生成新的会话 ID而在同一工作流内部的后续发现请求中应改为复用已有会话session: {id: existing_session_id}。核心工作流模式三步范式结合原文档 Core Workflow Pattern一个标准的 Piggy 自动化任务严格遵循三步第 1 步发现可用工具RUBE_SEARCH_TOOLS queries: [{use_case: your specific Piggy task}] session: {id: existing_session_id}将use_case替换为具体的业务描述如 Piggy 的转账、查询余额、账单管理等具体操作场景从返回结果中确定本次要用的tool_slug及参数 schema。第 2 步校验连接RUBE_MANAGE_CONNECTIONS toolkits: [piggy] session_id: your_session_id确认连接状态为 ACTIVE 后再继续避免执行阶段因未授权而失败。第 3 步执行工具RUBE_MULTI_EXECUTE_TOOL tools: [{ tool_slug: TOOL_SLUG_FROM_SEARCH, arguments: {/* schema-compliant args from search results */} }] memory: {} session_id: your_session_id执行时的三个关键约束tool_slug必须来自第 1 步搜索结果而不是凭记忆填写arguments的字段名、类型、枚举值必须与搜索结果 schema 完全一致memory参数必须显式携带即使无跨工具状态需要传递也要传空对象{}。RUBE_MULTI_EXECUTE_TOOL支持在tools数组中一次编排多个工具调用适合串联执行多步骤业务操作memory则用于在多次调用之间传递状态支撑有上下文依赖的复合流程。批量操作与完整 Schema 获取对于批量或需要更强控制力的场景原文档 Quick Reference 表补充了另外两个入口RUBE_REMOTE_WORKBENCH用于批量操作Bulk ops在远端工作台环境中通过run_composio_tool()编程式地循环执行多次工具调用适合需要对同一工具跑大批量任务、且希望减少往返次数的场景RUBE_GET_TOOL_SCHEMAS当搜索结果中的工具带有schemaRef引用时调用它获取该工具的完整 schema 定义用于确认嵌套参数结构、复杂对象字段等细节确保参数组装精确无误。五个RUBE_*工具各司其职RUBE_SEARCH_TOOLS负责发现、RUBE_MANAGE_CONNECTIONS负责连接、RUBE_MULTI_EXECUTE_TOOL负责常规执行、RUBE_REMOTE_WORKBENCH负责批量执行、RUBE_GET_TOOL_SCHEMAS负责深度 schema 查询。这套分工在仓库其他 composio-skills如 composio-automation/SKILL.md中完全一致属于该系列 Skill 的通用架构可相互印证。已知陷阱与规避守则原文档 Known Pitfalls 小节给出的六条守则每一条都对应一类真实失败模式守则规避的失败模式永远先搜索工具 schema 会变化不得在未调用RUBE_SEARCH_TOOLS的情况下硬编码工具 slug 或参数参数过期导致 400/422 错误检查连接执行前确认RUBE_MANAGE_CONNECTIONS状态为 ACTIVE未授权连接导致的 401 错误schema 合规使用搜索结果中的精确字段名与类型字段名拼写错误、类型不匹配memory 参数RUBE_MULTI_EXECUTE_TOOL调用必须携带memory即使为空{}缺少必需参数导致调用被拒会话复用工作流内复用 session ID新工作流再生成新 ID上下文错乱、状态污染分页处理检查响应中的分页 token持续拉取直至数据完整大数据量下结果截断、数据不全快速参考速查表原文档 Quick Reference 表是日常使用的浓缩索引完整继承如下OperationApproachFind toolsRUBE_SEARCH_TOOLSwith Piggy-specific use caseConnectRUBE_MANAGE_CONNECTIONSwith toolkitpiggyExecuteRUBE_MULTI_EXECUTE_TOOLwith discovered tool slugsBulk opsRUBE_REMOTE_WORKBENCHwithrun_composio_tool()Full schemaRUBE_GET_TOOL_SCHEMASfor tools withschemaRef建议把此表作为编写触发指令时的对照清单任何 Piggy 任务都按Find → Connect → Execute的主链路组织批量场景升级为RUBE_REMOTE_WORKBENCH复杂嵌套参数场景补充RUBE_GET_TOOL_SCHEMAS。将 Skill 安装到 Codex本 Skill 作为仓库的一部分可通过仓库提供的 skill-installer 安装到本地 Codex 环境。安装方式为把 composio-skills/piggy-automation 目录复制到$CODEX_HOME/skills/默认~/.codex/skills/重启 Codex 使其加载 frontmatter 元数据之后在会话中自然描述 Piggy 相关任务Codex 会根据description自动触发该 Skill。安装完成后仍需按本文前置条件一节接入 Rube MCP 并激活 Piggy 连接Skill 才能真正跑通。从 skill-creator/SKILL.md 对 Skill 加载机制的说明可以看出本 Skill 遵循了渐进式披露的设计frontmatter 元数据常驻上下文用于触发正文本文所讲解的全部指令仅在触发后加载因此它在保持上下文精简的同时为 Codex 提供了完整、可执行的自动化规程——这正是该 Skill 可以在真实 Piggy 业务中稳定复用的根本原因。【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