AI 技能AI 插件人工智能工作流自动化【免费下载链接】awesome-claude-skillsA curated list of awesome Claude Skills, resources, and tools for customizing Claude AI workflows项目地址https://gitcode.com/GitHub_Trending/aw/awesome-claude-skills点击查看免费下载本指南围绕 awesome-claude-skills 仓库中的 webscraping-ai-automation 技能 展开讲解如何通过 Rube MCPComposio 官方 MCP 网关让 Claude 自动执行 Webscraping AI 相关的网页抓取与 AI 数据提取任务。读完本文你将掌握从搜索工具 schema到检查连接状态再到多工具执行的完整三步式工作流并理解 schema 合规、会话复用、分页处理等关键实战要点可直接在自己的 Claude 客户端中落地同类自动化。技能包定位一个面向网页抓取自动化的 Claude Skillwebscraping-ai-automation是 composio-skills 目录下众多预构建自动化技能之一。从 README.md 的说明可以确认这些技能是为 78 个 SaaS 应用预构建的工作流技能每个技能都包含工具调用序列、参数指引、已知陷阱和快速参考表且全部基于从 Composio API 真实发现的工具 slug 编写。该技能的核心声明记录在 SKILL.md 的 YAML frontmatter 中--- name: webscraping-ai-automation description: Automate Webscraping AI tasks via Rube MCP (Composio). Always search tools first for current schemas. requires: mcp: [rube] ---其中两点值得注意requires: mcp: [rube]表明该技能依赖名为rube的 MCP 服务器即 Composio 的 Rube MCP这是技能运行的先决条件声明description 中特意强调Always search tools first永远先搜索工具这是整个技能的设计哲学工具 schema 会随上游 API 演进而变化因此任何工作流的第一动作都必须是动态发现而不是硬编码。从技能标题和定位可以推断Webscraping AI 是 Composio 提供的一个聚焦网页抓取与内容提取的工具包toolkit本技能就是教 Claude 如何规范、安全地调用该工具包下的各项能力。在 composio-skills 中还有多个同级抓取类技能如 firecrawl-automation、apify-automation、scrape-do-automation它们共享同一套 Rube MCP 调用模式可以相互印证。前置条件动手前必须满足的三项要求在运行任何 Webscraping AI 工作流之前需要确认以下前置条件原文 Prerequisites 部分Rube MCP 必须已连接且客户端中可用的RUBE_SEARCH_TOOLS工具已暴露存在有效的 Webscraping AI 连接通过RUBE_MANAGE_CONNECTIONS以webscraping_ai为 toolkit 建立连接每次执行前必须先调用RUBE_SEARCH_TOOLS获取当前的工具 schema。第三条是硬性约定。它意味着在 Claude 面对一个抓取任务时正确的行为顺序是先查证、后执行而不是直接调用记忆中或文档示例里的工具名。这一点在后面的已知陷阱章节中还会以反例形式强调。环境配置四步接入 Rube MCPRube MCP 的接入方式非常轻量在客户端配置中将https://rube.app/mcp添加为 MCP 服务器即可无需任何 API Key——只需要添加端点就能直接使用。这也是它与需要申请COMPOSIO_API_KEY的传统 Composio 接入方式可参考 connect/SKILL.md 中的export COMPOSIO_API_KEYyour-key的重要区别。接入后按以下四步完成验证对应原文 Setup 部分验证 Rube MCP 可用确认RUBE_SEARCH_TOOLS能正常响应这是判断 MCP 连接是否生效的最直接信号调用RUBE_MANAGE_CONNECTIONS传入 toolkitwebscraping_ai发起连接管理若连接状态不是 ACTIVE按返回的授权链接auth link完成第三方应用的授权设置——这通常是一次性的 OAuth 流程与 connect/SKILL.md 中描述的授权模式一致Authorize here: ... / Say connected when done连接会持久保留确认连接状态为 ACTIVE后再开始运行任何工作流。其中第 4 步是一个容易被忽略的检查点连接未激活时直接执行工具通常会失败或返回授权错误因此先查状态、再执行应成为每个工作流的默认习惯。工具发现理解 RUBE_SEARCH_TOOLS 的返回内容在真正执行抓取前必须先用RUBE_SEARCH_TOOLS做工具发现Tool Discovery。原文给出的调用骨架如下RUBE_SEARCH_TOOLS queries: [{use_case: Webscraping AI operations, known_fields: }] session: {generate_id: true}参数含义queries数组其中每个元素是一个查询对象use_case描述当前要完成的任务类型例如Webscraping AI operations或更具体的抓取诉求known_fields你已知的字段/约束可为空字符串交由搜索自行匹配sessiongenerate_id: true表示让服务端为本次搜索生成一个新的会话 ID便于后续步骤在同一会话上下文中续接。一次成功的搜索会返回四类关键信息可用工具的 slugtool slugs——即后续执行阶段要填入RUBE_MULTI_EXECUTE_TOOL的工具标识输入 schemainput schemas——每个工具的参数结构、字段名与类型推荐的执行计划recommended execution plans——服务端给出的建议调用序列已知陷阱known pitfalls——针对当前 use_case 的注意事项。从源码结构看Rube MCP 采用发现search→ 连接connection→ 执行execute的分层工具设计RUBE_SEARCH_TOOLS是这条链路的第一环也是后续一切参数合法性的来源。核心工作流三步执行模式整个技能的核心脉络是一个可复用的三步工作流Core Workflow Pattern任何 Webscraping AI 任务都可以套用这一模式。Step 1发现可用工具对应当前任务的具体 use_case 再次搜索复用已生成的会话 IDRUBE_SEARCH_TOOLS queries: [{use_case: your specific Webscraping AI task}] session: {id: existing_session_id}这一步的输出决定了第 3 步中tool_slug与arguments的取值因此务必在每轮新任务中都重新执行而不是沿用历史搜索结果。Step 2检查连接状态在执行工具前再次确认 Webscraping AI 连接处于 ACTIVE 状态RUBE_MANAGE_CONNECTIONS toolkits: [webscraping_ai] session_id: your_session_idtoolkits传入数组形式的 toolkit 列表session_id与第 1 步保持同一会话。若返回状态不是 ACTIVE则回到 Setup 阶段的授权流程补齐授权后再继续。Step 3执行工具通过RUBE_MULTI_EXECUTE_TOOL一次执行一个或多个已发现的工具RUBE_MULTI_EXECUTE_TOOL tools: [{ tool_slug: TOOL_SLUG_FROM_SEARCH, arguments: {/* schema-compliant args from search results */} }] memory: {} session_id: your_session_id参数要点tools数组每个元素包含tool_slug必须来自RUBE_SEARCH_TOOLS的搜索结果和arguments必须严格符合搜索结果返回的 schema包括字段名与类型memory必须始终提供即使没有需要传递的状态也要传空对象{}session_id与发现阶段保持同一会话 ID实现上下文延续。一个完整的端到端调用链可以这样组织注意tool_slug与arguments为占位实际值一律以RUBE_SEARCH_TOOLS实时返回为准① RUBE_SEARCH_TOOLS → 拿到当前可用的抓取工具 slug 与输入 schema ② RUBE_MANAGE_CONNECTIONS → 确认 webscraping_ai 连接 ACTIVE ③ RUBE_MULTI_EXECUTE_TOOL → 按 schema 填入 tool_slug 与 arguments 执行抓取 ④ 若响应含分页 token → 继续携带分页参数拉取直到数据完整第 4 步来自原文分页陷阱的提示大型抓取任务的响应可能被分页返回需要持续检查分页 token 并继续获取直至数据完整。已知陷阱清单六个实战红线原文的 Known Pitfalls 部分是整个技能的经验沉淀逐条继承并解读如下陷阱解读永远先搜索工具 schema 会变化。不先调用RUBE_SEARCH_TOOLS就硬编码工具 slug 或参数是抓取自动化失败的最常见原因。任何时刻都不要假定一个工具名或参数结构是永久有效的。检查连接执行工具前必须通过RUBE_MANAGE_CONNECTIONS确认状态为 ACTIVE。连接过期或未授权时工具调用会直接失败。Schema 合规严格使用搜索结果中的字段名与类型。多一个拼写错误的字段、少一个必填参数都会导致请求被拒绝。Memory 参数必填RUBE_MULTI_EXECUTE_TOOL调用中始终包含memory字段即使没有状态需要传递也要传{}。会话复用同一工作流内复用 session ID保持上下文连续新工作流再生成新 ID避免上下文污染。分页处理检查响应中是否包含分页 token若有则继续请求直到拉取完整数据否则结果会被截断。这六条红线本质上对应三个维度参数合法性搜索→schema 合规→memory 必填、状态管理连接检查→会话复用与数据完整性分页处理。快速参考核心工具速查原文 Quick Reference 部分给出了 Rube MCP 工具与 Webscraping AI 操作的对应关系完整继承如下操作使用方式查找工具RUBE_SEARCH_TOOLS传入 Webscraping AI 相关的 use_case建立连接RUBE_MANAGE_CONNECTIONStoolkit 指定为webscraping_ai执行工具RUBE_MULTI_EXECUTE_TOOL填入搜索发现的工具 slug批量操作RUBE_REMOTE_WORKBENCH配合run_composio_tool()使用获取完整 schemaRUBE_GET_TOOL_SCHEMAS适用于返回schemaRef的工具其中后两行对应进阶场景当需要在远程工作台workbench中批量驱动 Composio 工具时使用RUBE_REMOTE_WORKBENCH与run_composio_tool()当搜索结果中某工具以schemaRef引用外部 schema 定义时则用RUBE_GET_TOOL_SCHEMAS拉取完整 schema 定义后再构造参数。技能机制与适用前提需要说明的是本技能是给 Claude 的行为说明书而非独立的可执行程序——它与仓库中其他 skill 一样遵循 README 中描述的 Claude Skills 机制技能元数据name/description在会话开始时以少量 token 加载完整正文在 Claude 判断任务相关时才按需加载。因此把它放进~/.config/claude-code/skills/目录或上传至支持技能的客户端后Claude 会在遇到网页抓取类任务时自动激活它并按照本文所述的三步工作流行动。从仓库结构看本技能适合以下场景需要定时或批量抓取网页内容、需要对抓取结果做 AI 结构化提取、需要把 Webscraping AI 能力编排进更大的多步骤 Agent 流程中。它依赖 Rube MCP 端点可用、Webscraping AI 连接处于 ACTIVE 状态并且所有实际工具 slug 与参数都以实时搜索结果为唯一事实来源——这也是使用本技能时最需要向 Claude 强调的约束。赞分享AI 技能AI 插件人工智能工作流自动化【免费下载链接】awesome-claude-skillsA curated list of awesome Claude Skills, resources, and tools for customizing Claude AI workflows项目地址https://gitcode.com/GitHub_Trending/aw/awesome-claude-skills点击查看免费下载相关推荐使用 Rube MCP 自动化 Scrape Do 网页抓取任务awesome-claude-skills 技能实战指南使用 Rube MCP 自动化 Scrape Do 网页抓取任务awesome claude skills 技能实战指南 本文是一份以 awesome claAI 技能AI 插件人工智能工作流自动化Scrapingant 自动化 Skill 实战指南在 awesome-claude-skills 中用 Rube MCP 驱动 Composio 网页抓取工作流Scrapingant 自动化 Skill 实战指南在 awesome claude skills 中用 Rube MCP 驱动 Composio 网页抓取工AI 技能AI 插件人工智能工作流自动化使用 Rube MCP 驱动 Canvas 自动化awesome-claude-skills 的 canvas-automation 技能实战指南使用 Rube MCP 驱动 Canvas 自动化awesome claude skills 的 canvas automation 技能实战指南 本篇技术指AI 技能AI 插件人工智能工作流自动化创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考