在 awesome-codex-skills 中使用 Rube MCP 自动化 Honeyhive 观测任务的实战指南【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本文以开源仓库 awesome-codex-skills 中的 honeyhive-automation Skill 为骨架系统讲解如何通过 Rube MCPComposio 提供的统一 MCP 端点驱动 Honeyhive 工具包完成 AI 应用观测、评测与调试工作流的自动化。读完本文你将掌握 Rube MCP 的接入方式、工具发现Tool Discovery的最佳实践以及「发现工具 → 校验连接 → 批量执行」三阶段工作流模式并学会规避 Schema 漂移、连接失效等常见坑位。Skill 定位为 Codex 赋予 Honeyhive 实操能力在 awesome-codex-skills 仓库中composio-skills/目录下存放着数百个结构高度一致的「工具自动化」Skill每个 Skill 对应一个第三方平台从 Airtable 到 ZoomInfo 均有覆盖honeyhive-automation正是其中之一。它的目标非常聚焦让 Codex及其背后的 Agent能够直接调用 Composio 聚合的 Honeyhive 工具完成 AI 应用的可观测性任务。从 SKILL.md 的 YAML frontmatter 可以看清该 Skill 的触发契约--- name: honeyhive-automation description: Automate Honeyhive tasks via Rube MCP (Composio). Always search tools first for current schemas. requires: mcp: [rube] ---nameSkill 的唯一标识用于在 Codex 中按名触发description决定 Codex 何时自动加载该 Skill 的关键元数据——只要用户请求涉及 Honeyhive 相关任务Codex 就会根据这段描述匹配并激活它requires.mcp声明该 Skill 依赖名为rube的 MCP 服务器这是其运行的环境前提。这种「metadata 驱动触发」的机制正是 awesome-codex-skills 的核心设计Codex 只读取元数据决定是否触发正文即 Skill 主体在触发后才被加载从而保持上下文精简可参考仓库 README.md 对 Codex Skills 机制的定义以及 template-skill 提供的最小化模板。前置条件三条硬性要求根据原文档的 Prerequisites 一节在运行任何 Honeyhive 自动化工作流之前必须同时满足三个条件Rube MCP 已连接RUBE_SEARCH_TOOLS工具必须可正常响应这是后续一切操作的基础探测工具Honeyhive 连接处于 ACTIVE 状态通过RUBE_MANAGE_CONNECTIONS建立并激活honeyhive工具包连接每次任务先搜索工具永远先调用RUBE_SEARCH_TOOLS获取当前的工具 Schema而不是依赖记忆或硬编码。其中第 3 条是整个 Skill 反复强调的「铁律」原因在后面的 Known Pitfalls 小节会展开说明工具 Schema 是动态变化的硬编码会导致调用失败。环境设置两步完成 Rube MCP 接入与连接授权第一步添加 Rube MCP 服务器原文档给出的接入方式极其轻量——在客户端Codex、Claude Code 等支持 MCP 的客户端配置中添加 MCP 服务器服务器地址https://rube.app/mcp无需申请 API Key只需添加端点即可使用。这一点与仓库中其他同构 Skill如 composio-automation、composio-search-automation完全一致说明 Rube MCP 是整套composio-skills的公共基础设施一次配置即可复用于数百个平台 Skill。第二步建立 Honeyhive 连接并确认状态接入 Rube MCP 后按以下顺序完成连接初始化确认RUBE_SEARCH_TOOLS有响应验证 MCP 连通性调用RUBE_MANAGE_CONNECTIONS传入工具包名honeyhive若连接状态不是 ACTIVE跟随返回的授权链接完成第三方认证OAuth 流程在运行任何工作流前再次确认连接状态显示 ACTIVE。注意连接状态是运行时的不是一次授权终身有效。凭证过期、权限变更都可能导致连接回到非 ACTIVE 状态因此「先查连接再执行」应成为每次任务的固定动作。工具发现RUBE_SEARCH_TOOLS 是唯一 Schema 来源在任何执行动作之前必须先做工具发现。原文档给出了推荐的初始化查询RUBE_SEARCH_TOOLS queries: [{use_case: Honeyhive operations, known_fields: }] session: {generate_id: true}该调用的返回值包含四类关键信息工具 slug 列表可用工具的稳定标识符供后续RUBE_MULTI_EXECUTE_TOOL引用输入 Schema每个工具的参数结构字段名、类型、是否必填这是构造arguments的唯一权威依据推荐的执行计划针对目标用例的编排建议已知陷阱该工具/用例的常见坑位提示。known_fields参数用于声明你已知的字段可留空帮助搜索返回更精准的 Schemasession.generate_id: true则表示本次查询会创建一个新的会话 ID供后续调用复用。核心工作流模式发现 → 校验 → 执行原文档将 Honeyhive 自动化的标准流程提炼为三步这是整套 Skill 的「操作骨架」适用于任何 Honeyhive 子任务如创建评测数据集、运行 LLM 评测、追踪 Trace、查看指标等。Step 1发现可用工具RUBE_SEARCH_TOOLS queries: [{use_case: your specific Honeyhive task}] session: {id: existing_session_id}将use_case替换为你的具体任务描述如 run evaluation on a dataset、fetch project metrics并复用已有会话 ID保持工作流上下文连贯。若处于全新工作流则用generate_id: true新建会话。Step 2检查连接状态RUBE_MANAGE_CONNECTIONS toolkits: [honeyhive] session_id: your_session_id这里的toolkits必须精确写为honeyhive与 Skill 元数据中的工具包名一致。返回结果中确认状态为 ACTIVE 后再继续避免在无效连接上浪费调用。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必须来自 Step 1 搜索结果的真实 slug禁止凭记忆猜测arguments必须严格遵循搜索结果返回的 Schema字段名、类型逐一对齐memory参数必须携带即使内容为空也要写成{}session_id与 Step 1/2 保持一致保证工作流内的状态连续性。RUBE_MULTI_EXECUTE_TOOL支持在tools数组中一次性传入多个工具调用因此同一请求内可串行/并行编排多个 Honeyhive 操作例如创建评测 → 运行评测 → 拉取结果这正是「Multi Execute」的含义所在。已知陷阱清单六个必须避开的坑原文档专门列出了这份实战经验总结值得逐条解读陷阱解读与规避策略Always search first先搜索再动手工具 Schema 随时可能变化硬编码 slug 或参数必然踩坑。每次任务都以RUBE_SEARCH_TOOLS开头Check connection先查连接执行前务必通过RUBE_MANAGE_CONNECTIONS确认 ACTIVE 状态否则调用会失败在认证环节Schema compliance严格 Schema 合规arguments 必须使用搜索结果中的精确字段名与类型多一个空格、错一个类型都会导致执行报错Memory parametermemory 不可省略RUBE_MULTI_EXECUTE_TOOL的每次调用都要带memory哪怕为空对象{}Session reuse会话复用同一工作流内复用 session ID保持上下文新工作流才生成新 ID。混用会话会导致状态污染Pagination分页处理检查响应中的分页 token持续拉取直到数据取完避免漏掉批量结果这六条坑位在该仓库所有composio-skills/*-automation中反复出现例如 composio-automation 与 composio-search-automation 内容一致可以视为 Rube MCP 生态的通用最佳实践而非 Honeyhive 特有约束。快速参考四个关键操作的速查表原文档末尾给出了可直接照搬的操作速查表操作推荐方式查找工具RUBE_SEARCH_TOOLSuse_case 填 Honeyhive 相关任务描述建立连接RUBE_MANAGE_CONNECTIONStoolkits 填honeyhive执行工具RUBE_MULTI_EXECUTE_TOOL引用搜索得到的工具 slug批量操作RUBE_REMOTE_WORKBENCH内部使用run_composio_tool()获取完整 SchemaRUBE_GET_TOOL_SCHEMAS用于处理带schemaRef的工具补充说明后两行的适用场景当单个任务需要大规模、可并发的批量执行时例如对整批数据集跑评测RUBE_REMOTE_WORKBENCH的远程工作台模式配合run_composio_tool()更合适而当搜索结果返回的工具带有schemaRef引用指向外部 Schema 定义时则需要用RUBE_GET_TOOL_SCHEMAS拉取完整的 Schema 定义后再构造参数。在 Codex 中安装并触发本 Skill结合仓库 README.md 的安装说明该 Skill 的落地路径如下方式一使用 skill-installer推荐git 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/honeyhive-automation安装器会将 Skill 放入$CODEX_HOME/skills/默认~/.codex/skills/重启 Codex 后生效。方式二手动安装将composio-skills/honeyhive-automation/目录复制到$CODEX_HOME/skills/重启 Codex 加载元数据在新会话中描述 Honeyhive 相关任务Codex 会依据 frontmatter 中的description自动触发该 Skill。总结honeyhive-automation是 awesome-codex-skills 仓库中「Rube MCP 自动化」家族的典型成员它以极简的 frontmatter 声明依赖以「先发现、后校验、再执行」三步工作流承载全部逻辑并用六条 Known Pitfalls 沉淀了可复用的实战经验。对开发者而言掌握了本 Skill 就等于掌握了一整套接入 Rube MCP 生态的方法论——同样的模式可以无缝迁移到仓库composio-skills/目录下任意一个平台自动化 Skill 上让 Codex 真正具备跨平台的 Agent 实操能力。【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